Wie KI-gestütztes Active Sourcing wirklich funktioniert
Keine Blackbox. Hier zeigen wir die Methode: von Booleschen Such-Strings bis zur semantischen Profilanalyse und validierten Kandidaten-Pipeline.
1. Anforderungsprofil als Suchbaum
Must-haves, Nice-to-haves und Ausschlusskriterien werden logisch verknüpft.
Statt einer Stellenbeschreibung entsteht ein Suchbaum: Pflichtfähigkeiten (AND), alternative Skill-Labels (OR) und unerwünschte Begriffe (NOT). Beispiel: ("Elektriker" OR "Bauelektriker" OR "Elektroinstallateur") AND ("Meister" OR "Polier") AND NOT "Aushilfe".
2. Boolean-Suche über Datenquellen
Mehrere Netzwerke und Datenbanken werden mit präzisen Strings abgefragt.
Wir nutzen LinkedIn, Xing, GitHub, Stack Overflow, Fachdatenbanken und eigene Kandidatenpools. Jede Quelle bekommt angepasste Strings, weil Begrifflichkeiten zwischen Branchen divergieren. Ein reiner LinkedIn-Recruiter-Account reicht nicht.
3. Semantisches & vektor-basiertes Matching
Ähnlichkeitsmodelle erweitern die Suche über exakte Keywords hinaus.
Wenn ein Kandidat 'Leitung von Elektromonteuren' statt 'Elektro-Polier' schreibt, erkennt ein Embedding-Modell die semantische Nähe. Vektorbasiertes Matching ordnet Profile anhand mehrerer Dimensionen: Skills, Branchen, Seniority, Tool-Stack, geografische Mobilität.
4. Scoring & Ranking
Jedes Profil bekommt einen strukturierten Score statt einer Bauchgefühl-Einschätzung.
Der Score setzt sich zusammen aus: Skill-Überdeckung (40 %), Erfahrungstiefe (25 %), Stabilität/Wechselhäufigkeit (15 %), Geografie/Verfügbarkeit (10 %), Sprache & Kommunikationssignale (10 %). Oberhalb einer Schwelle wird das Profil menschlich geprüft.
5. Personalisierte Erstansprache
KI generiert einen Roh-Entwurf, der menschlich finalisiert und versendet wird.
Die Ansprache basiert auf erkennbaren Profil-Momenten: aktuelles Projekt, Karriereschritt, Skill-Kombination. Niemals generische Floskeln. Ziel: eine Antwortquote im passiven Markt deutlich über dem Branchendurchschnitt.
6. Validierung & Pipeline
Telefonische Vorqualifizierung und klares Entscheidungsraster.
Jeder Kandidat durchläuft ein 15-minütiges Erstgespräch: Motivation, Gehaltsvorstellung, Kündigungsfrist, Mobilität, Kultur-Fit. Erst danach landet das Profil beim Kunden.
Beispiele für reale Such-Strings.
Operatoren wie AND, OR und NOT kombinieren Suchbegriffe. Klammern steuern die Rangfolge. Jede Quelle erfordert leichte Anpassungen.
Senior Fullstack Developer
("Fullstack" OR "Full Stack" OR "Full-Stack") AND ("React" OR "Vue" OR "Angular") AND ("Node" OR "Python" OR "Java") AND "Senior"Kfz-Meister / Werkstattleiter
("Kfz-Meister" OR "Kraftfahrzeugmeister" OR "Werkstattleiter") AND ("Diagnose" OR "Instandsetzung") NOT "Ausbildung"Pflegefachkraft stationär
("Gesundheits- und Krankenpfleger" OR "Krankenpfleger" OR "Altenpfleger") AND ("stationär" OR "Klinik" OR "Pflegeheim") NOT "Examiniert"Warum Keywords allein nicht reichen.
Fachkräfte beschreiben sich nicht einheitlich. Vektor-Modelle erkennen Bedeutung auch ohne identische Begriffe.
Das Problem der Synonyme
- „DevOps Engineer“ vs. „Cloud Operations“ vs. „Infrastructure Engineer“
- „Krankenpfleger“ vs. „Gesundheits- und Krankenpfleger“ vs. „Pflegefachkraft“
- „Vertriebsleiter“ vs. „Head of Sales“ vs. „Sales Manager DACH“
Ein Keyword-Filter verpasst Profile, die anders formuliert sind. Semantische Modelle mappen diese Varianten auf denselben Bedeutungsvektor.
Wie das Scoring arbeitet
Algorithmus liefert Kandidaten. Menschen entscheiden.
Erstfilter
KI-Score und formale Kriterien
Telefonisches Screening
Motivation, Gehalt, Verfügbarkeit
Skill-Check
Fachliche Tiefe anhand konkreter Projekte
Client-Ready
Nur top 2–3 Profile landen beim Kunden
Diese Methode auf Ihre Vakanz anwenden.
Im kostenlosen Erstgespräch zeigen wir Ihnen, wie wir Ihr spezifisches Anforderungsprofil in eine präzise Sourcing-Strategie übersetzen.