Wie KI-native Unternehmen wirklich einstellen

Skills statt Titel, Pods statt Organigramme, 72-Stunden-Loops und Evals als Interviews, die Muster hinter KI-nativem Hiring.

Elena Voss·Head of AI Delivery, Aiporate··7 Min. Lesezeit·Share on XLinkedIn

Das Wichtigste in Kürze

  • Skills statt Titel: Frühere Jobbezeichnungen sagen wenig voraus; demonstrierte Fähigkeit an realistischen Aufgaben sagt viel voraus.
  • Evals als Interviews: Eine 2-4-stündige Arbeitsprobe an einem Problem in der Form Ihres Produkts schlägt Whiteboard-Quiz.
  • 72-Stunden-Loops: Entscheidungstempo ist in einem Markt mit Mehrfachangeboten eine Wettbewerbswaffe.
  • Pods, nicht Organigramme: Neue landen in 2-4-Personen-Pods mit klarer Mission und Shipping-Kadenz.
  • Gemischte Teams: KI-native Unternehmen mischen Festanstellungen bewusst mit Embedded- und Fractional-Talent.

KI-native Unternehmen stellen nach demonstrierter Fähigkeit ein, nicht nach Titeln: Sie führen kompakte Arbeitsproben-Evals statt Quiz-Interviews durch, entscheiden in 72-Stunden-Loops statt 40-Tage-Pipelines und setzen Menschen in kleine Pods mit echter Ownership. Das Muster ist konsistent, weil der Markt es erzwingt, starke KI-Engineers sind binnen Wochen weg, und Credentials sagen wenig darüber aus, wer liefert.

Die fünf Muster

  1. 1Definieren Sie die Fähigkeit, nicht den Titel: „kann ein RAG-Feature vom Prototyp in zuverlässige Produktion bringen“ filtert besser als „Senior ML Engineer, 5+ Jahre“.
  2. 2Ersetzen Sie Interview-Quiz durch eine bezahlte oder zeitlich begrenzte Arbeitsprobe: eine kleine, realistische Aufgabe mit Ihrer Art von Daten und Constraints, bewertet nach einer Rubrik.
  3. 3Komprimieren Sie den Loop: Screening, Arbeitsprobe und Entscheidung innerhalb von 72 Stunden bis einer Woche. Jede zusätzliche Woche verliert einen messbaren Anteil der Top-Kandidaten an andere Angebote.
  4. 4Stellen Sie in Pods ein: Ein neuer Engineer stößt zu einem 2-4-Personen-Pod mit Mission und wöchentlicher Shipping-Kadenz, Ownership ab Tag eins ist Pitch und Filter zugleich.
  5. 5Mischen Sie die Modelle: Festanstellungen für den Kern, Embedded Engineers für Tempo und knappe Spezialisierungen, Fractional Leadership, bis die Größe Vollzeit rechtfertigt.

Evals als Interviews

Das stärkste Signal im KI-Hiring ist, jemandem bei einer kleinen Version des tatsächlichen Jobs zuzusehen: Kann er, gegeben eine grobe Prompt-Pipeline und ein fehlschlagendes Eval-Set, diagnostizieren, beheben und erklären? Unternehmen, die so interviewen, berichten von weit weniger False Positives als Titel-und-Quiz-Loops, weil die Übung den Job misst, nicht Interviewroutine. Halten Sie sie kurz (2-4 Stunden), bezahlen Sie längere Versionen, nutzen Sie eine schriftliche Rubrik und lassen Sie den Pod bewerten, der mit dem Kandidaten arbeiten würde.

Warum Tempo ein Filter ist, keine Abkürzung

Ein 72-Stunden-Loop ist keine gesenkte Gründlichkeit, sondern konzentrierte Gründlichkeit. Eine tiefe Arbeitsprobe plus ein Gespräch über Werte und Zusammenarbeit trägt mehr Signal als fünf gestaffelte Interviews, und es signalisiert Kandidaten, dass Ihr Unternehmen so entscheidet, wie es liefert. In einem Markt, in dem seniore Kandidaten binnen zwei oder drei Wochen mehrere Angebote halten, darf der langsame Prozess nicht wählen, er wird abgewählt.

Häufige Fragen

Was bedeutet kompetenzbasiertes Hiring für KI-Rollen?

Kandidaten anhand demonstrierter Fähigkeit zu bewerten, realistische Arbeitsproben, Evals, Portfolios gelieferter Arbeit, statt anhand von Titeln, Abschlüssen oder Berufsjahren. Für KI-Rollen zählt das doppelt, weil das Feld zu neu ist, als dass Titel verlässliche Signale wären.

Wie schnell sollte ein KI-Hiring-Prozess sein?

Vom Screening zur Entscheidung in 72 Stunden bis zu einer Woche. Seniore KI-Kandidaten halten typischerweise binnen 2-3 Wochen nach Markteintritt mehrere Angebote, weshalb 30-40-Tage-Pipelines systematisch die Besten verlieren.

Nutzen KI-native Unternehmen externes Talent?

Ja, bewusst. Das gängige Muster mischt Festanstellungen für den langfristigen Kern mit Embedded Engineers für Tempo und knappe Skills, plus Fractional Leadership, bis die Größe eine Vollzeit-Führungskraft rechtfertigt.

Elena Voss

Head of AI Delivery, Aiporate

Elena baut und integriert seit 12 Jahren KI- und Datenteams in B2B-SaaS-Unternehmen, vom ersten Pilot bis zur unternehmensweiten Plattform. Bei Aiporate verantwortet sie, wie Forward-Deployed-Talente gematcht, onboardet und in Produktion gebracht werden.

Brauchen Sie das Team, um das umzusetzen?

Beschreiben Sie Ihren Bedarf in normalem Deutsch und erhalten Sie die exakte Besetzung, Forward-Deployed-Talente oder eine fraktionale Führungskraft, geprüft und in 72 Stunden gematcht.

Bedarf beschreiben →

Weiterlesen

Der Weekly Brief

Wissen für den Aufbau KI-nativer Organisationen.

Eine E-Mail pro Woche: die schärfsten Gedanken zu KI-Hiring, Infrastruktur, Teams und Strategie, für alle, die die Zukunft der Arbeit bauen.

Für Operator, Gründer und CTOs. Kein Spam, jederzeit abbestellbar.