KI im Recruiting: Stellenanzeigen automatisch optimieren

Der Jobtitel einer Stelle ist der wichtigste Hebel für die Performance einer Stellenanzeige. Und trotzdem gibt es keinen einen optimalen Jobtitel. Er hängt ab von der Person, die ihn liest, vom Kanal, auf dem er erscheint, und vom Moment, in dem er angezeigt wird. Stephan Schmid, Head of Marketing bei jobvector, zeigt auf der 4INSIDER | SAATKORN Online Konferenz, wie KI-gestützte Technologie dieses Problem löst und was das konkret für HR-Teams bedeutet. 

Was ist Skill-based Matching? (Definition)Was ist Skill-based Matching? (Definition) 

Skill-based Matching ist ein Ansatz, bei dem Stellenanzeigen und Kandidaten nicht primär über Jobtitel, sondern über fachliche Fähigkeiten, Methoden und Qualifikationen zusammengebracht werden. Ein Stellentitel wie "Data Scientist" schließt damit auch Statistiker, Mathematiker, KI-Entwickler und Big Data Engineers ein, sofern sie die relevanten Skills mitbringen – unabhängig davon, welchen Titel sie aktuell tragen. 

Das Problem mit festen Jobtiteln 

Ein Data Scientist sucht nicht immer nach "Data Scientist". Eine erfahrene Informatikerin, die für Machine Learning prädestiniert wäre, sucht nach "Informatikerin" oder "ML Engineer". Eine Statistikerin gibt vielleicht "Datenanalyse" oder "Python" in die Suche ein. 

Wer eine Stelle mit einem einzigen Titel ausspielt, erreicht nur die Kandidaten, die genau diesen Begriff verwenden. Alle anderen fallen durch das Raster, obwohl sie fachlich passen würden. 

Das ist das Problem, das Skill-based Matching löst: Die KI liest den Inhalt der Stellenanzeige und versteht, welche Qualifikationen und verwandten Berufsprofile zur Stelle passen. Auf dieser Basis wird die Zielgruppe automatisch erweitert und die Ausspielung individuell angepasst. 

Wie die KI-Technologie von jobvector funktioniert 

Das System wurde auf Basis von über zwei Millionen Stellenanzeigen trainiert. Es liest den vollständigen Text und versteht den fachlichen Kontext: Berufsbild, Anforderungen, Skills, implizite Qualifikationen. 

Ein Beispiel: Eine Stelle für einen Data Scientist mit Machine Learning enthält die Formulierung "Studium im Bereich Data Science oder vergleichbare Qualifikation". Die KI kennt die vergleichbaren Qualifikationen: Statistik, Informatik, Mathematik, KI-Entwicklung, Data Engineering. Alle diese Profile werden aktiv angesprochen, auch wenn sie nie nach "Data Scientist" gesucht haben. 

Der Effekt: Der Talentpool vergrößert sich deutlich, bleibt aber fachlich präzise. 

Wie personalisierte Jobtitel funktionieren 

Der originale Stellentitel in der Anzeige bleibt unverändert. In der Ausspielung an einzelne Kandidaten wird er automatisch angepasst: 

• Für eine Statistikerin: "Statistikerin Machine Learning" 
• Für einen Informatiker: "Informatiker Data Science" 
• Für einen Big Data Engineer: "Big Data Engineer Machine Learning" 

Das Prinzip dahinter: Ein Brief wird nur geöffnet, wenn der richtige Adressat daraufsteht. Wer sich als Statistikerin bewirbt und einen Titel "Informatiker" liest, fragt sich zu Recht, ob die Stelle wirklich gemeint ist. Die Personalisierung beseitigt diesen Zweifel, bevor er entsteht. 

Was den personalisierten Titel bestimmt 

Vier Faktoren steuern, welcher Titel ausgespielt wird: 

Wer liest? Das System identifiziert das Qualifikationsprofil der Person anhand von Suchverhalten und Nutzungsverhalten, ohne demografische Daten zu verwenden. Der Titel passt sich an dieses Profil an. 

Wo wird gelesen? Jeder Kanal hat eigene Darstellungsregeln. Auf LinkedIn funktioniert oft eine knappe Fachbezeichnung am besten. Im Google Display Netzwerk kann eine Kombination aus Jobtitel und Fachbereich sinnvoller sein. Die Ausspielung wird kanalspezifisch optimiert. 

Was wurde gesucht? Sucht jemand nach "Elektroingenieur", wird die Stelle mit diesem Begriff ausgespielt, auch wenn der originale Titel "Ingenieur Elektrotechnik" lautet. Elektroingenieur wird siebenmal häufiger gesucht. Diese Unterschiede entscheiden über Sichtbarkeit. 

Welches Gerät? Mobile Displays haben begrenzte Zeichenzahl. Die KI kürzt oder priorisiert den Titel entsprechend, damit er auf jedem Gerät vollständig und lesbar ist. 

Über welche Kanäle Kandidaten erreicht werden 

Die smarte Stellenanzeige bespielt mehrere Kanäle gleichzeitig, vollautomatisch und personalisiert: 

• Jobbörsen mit suchanfrage-angepasstem Titel 
• Google Suchanzeigen, deren Titel sich der konkreten Sucheingabe anpasst 
• Google Display und Google for Jobs für aktiv und latent Suchende 
• Social Media (Meta, LinkedIn) für latent wechselwillige Kandidaten 
• Partnernetzwerke und Retargeting für Personen mit bereits gezeigtem Interesse 

Die Steuerung erfolgt in Sekundenbruchteilen, datenbasiert und auf den einzelnen Kandidaten zugeschnitten. 

Was die Technologie in der Praxis bringt 

Jobvector-Daten zeigen: Die Personalisierung des Stellentitels führt im Durchschnitt zu 30 % mehr Performance. Das bedeutet mehr qualifizierte Klicks und mehr passende Bewerbungen bei gleichem Budgeteinsatz. 

Dazu kommt ein Effekt nach dem Bewerbungseingang: Die Matching-Informationen stehen im Bewerbermanagementsystem weiterhin zur Verfügung. Welche Kandidaten passen am besten? Wo liegen die stärksten Übereinstimmungen? Die KI unterstützt damit auch die Vorauswahl nach Eingang der Bewerbungen. 

Häufige Fragen zur KI-gestützten Stellenanzeige 

Verändert die Technologie die originale Stellenanzeige? 
Nein. Die Personalisierung findet ausschließlich in der Ausspielung statt. Die Stellenanzeige selbst bleibt unverändert. 

Werden demografische Daten für das Matching verwendet? 
Nein. Das System arbeitet ausschließlich mit fachlichen Kriterien: Qualifikationen, Skills, Such- und Nutzungsverhalten. Keine personenbezogenen oder demografischen Daten fließen ein. 

Für welche Stellen funktioniert Skill-based Matching am besten? 
Ursprünglich aus dem MINT-Bereich entwickelt, funktioniert der Ansatz heute für qualifizierte Fach- und Führungskräfte in allen Branchen. Besonders wirksam ist er dort, wo Kandidaten nicht unter dem gesuchten Jobtitel nach sich selbst suchen. 

Wann lohnt sich der Einsatz besonders? 
Wenn klassische Stellenanzeigen wenig Resonanz erzeugen, wenn Kandidaten den gesuchten Jobtitel selbst nicht verwenden oder wenn der Talentpool erweitert werden soll, ohne die fachliche Qualität zu senken. 

Fazit: Der richtige Titel für die richtige Person 

Recruiting-Erfolg hängt nicht davon ab, wie viele Menschen eine Stelle sehen. Er hängt davon ab, ob die richtigen Menschen sie sehen und sich angesprochen fühlen. Skill-based Matching und personalisierte Jobtitel machen genau das möglich: vollautomatisch, kanalübergreifend und mit messbarem Ergebnis. 

Die vollständige Aufzeichnung des Vortrags von Stephan Schmid, Head of Marketing, jobvector ist verfügbar auf 4insider.com/mediathek/.