Praktisch jede Recruiting-Agentur in Deutschland hat in den letzten achtzehn Monaten ihre Startseite umgeschrieben, um irgendwo oberhalb des Falzes „KI-Recruiting“ zu erwähnen. Die wenigsten haben tatsächlich geändert, wie sie arbeiten. Der entscheidende Unterschied ist nicht, ob eine Agentur über KI spricht, sondern ob ihre Prüfmethodik, ihr Netzwerk und ihr Track Record tatsächlich darauf aufgebaut wurden. So erkennen Sie den Unterschied, bevor Sie dafür bezahlen.
Das Problem des „KI-Recruiting“-Umetikettierens
Das ist kein rein deutsches Phänomen, aber der DACH-Markt hat es besonders schnell durchlaufen: Agenturen, die letztes Jahr noch Vertriebsmitarbeitende und Bürokräfte vermittelt haben, bewerben dieses Jahr „KI-Recruiting“, oft ohne jede Änderung an Personal, Prozess oder Netzwerk. Das ist kein Betrug, nur Marketing, das schneller auf Nachfrage reagiert, als Fähigkeit nachwachsen kann. Die Kosten tragen Sie: Sie zahlen den Aufschlag eines Spezialisten für den Prozess eines Generalisten, und die Lücke merken Sie erst nach einer Fehlbesetzung.
Die Kriterien, die echte Spezialisten von Umetikettierten trennen
- Prüfmethodik: Prüft eine technisch glaubwürdige Person Arbeitsproben und Argumentation, oder gleicht jemand nur Schlagwörter im Lebenslauf mit der Stellenbeschreibung ab?
- Netzwerktiefe vs. -breite: Wie viele wirklich vergleichbare KI-Vermittlungen in den letzten 12 Monaten, nicht die Gesamtgröße einer Datenbank, die jeden je angeschriebenen Kontakt enthält.
- Track Record mit Substanz: Zeit bis zur qualifizierten Shortlist, Verbleib über die Garantiezeit hinaus, und benannte Kunden, die als Referenz zur Verfügung stehen.
- Spezialisierung auf Teilgebiete: Ein Netzwerk, das für LLM-Engineers, MLOps-Spezialist:innen oder angewandte KI-Forscher:innen aufgebaut ist, ist ein anderes, tieferes Asset als ein generisches „KI/ML“-Etikett, das von Datenanalyst:innen bis Research Scientists alles abdeckt.
Signal vs. Rauschen im Vergleich
| Signal | Umetikettierter Generalist | Echter KI-Spezialist |
|---|---|---|
| Technische Prüfung | Recruiter gleicht Lebenslauf-Schlagwörter ab | Praktiker:in prüft Arbeit und Argumentation |
| Vermittlungshistorie | Handvoll KI-Rollen, erst kürzlich | Konstantes KI-Vermittlungsvolumen über Jahre |
| Netzwerk-Sourcing | Jobbörsen und eingehende Bewerbungen | Eigener geprüfter Pool, passive Kandidat:innen |
| Teilgebiets-Fluenz | Generisches „KI/ML“-Sammelbecken | Unterscheidet LLM-Engineering, MLOps, Forschung |
| Referenzen | Vage oder nicht verfügbar | Benannte Kunden, direkt anrufbar |
Die Fragen für das erste Gespräch
- 1Wer in Ihrem Team hat produktive KI-Systeme selbst gebaut oder geprüft, und was genau?
- 2Wie viele KI-spezifische Rollen haben Sie in den letzten 12 Monaten besetzt, und für welche Art von Unternehmen?
- 3Können Sie mir drei Kunden nennen, die ich zu einer vergleichbaren Vermittlung anrufen kann?
- 4Wie sieht Ihr Prüfprozess jenseits des Interviews aus, das Sie für mich organisieren?
- 5Wie sourcen Sie Kandidat:innen, die sich nirgendwo aktiv bewerben?
Wie ein echtes KI-natives Modell in der Praxis aussieht
Das stärkste Signal ist keine Behauptung, sondern Struktur: ein Netzwerk, das durch echte technische Prüfung bereits geprüft ist, bevor ein Kunde überhaupt fragt, Praktiker:innen, die Praktiker:innen bewerten, und ein Track Record, den Sie mit einem Anruf verifizieren können. Das ist der Unterschied zwischen einer Agentur, die ein Schlagwort ergänzt hat, und einer, die von Tag eins an um die Fähigkeit herum aufgebaut wurde.