Die stärksten KI-Kandidat:innen suchen fast nie aktiv, und wenn sie doch eine Anzeige lesen, bekommt sie denselben Scan wie ein Pull Request: dreißig Sekunden, auf der Suche nach konkretem Signal, bereit, beim ersten Klischee den Tab zu schließen. „Dynamisches Umfeld“, „AI-Rockstar“, fünfzehn geforderte Frameworks, kein Gehalt, kein benanntes Problem: Tab zu. Eine Stellenbeschreibung für eine KI-Rolle ist ein technisches Dokument mit Marketing-Funktion, und sie gewinnt, indem sie dort konkret ist, wo jede konkurrierende Anzeige vage bleibt. Dieser Artikel behandelt, wonach Senior-KI-Leute tatsächlich scannen, die Problem-zuerst-Struktur, die ihre Aufmerksamkeit hält, und die Warnsignale, die sie vertreiben, bevor Sie je erfahren, dass es sie gab.
Wonach Senior-KI-Leute tatsächlich scannen
Ein Eye-Tracking erfahrener Kandidat:innen durch Ihre Anzeige würde zeigen, wie sie den Intro-Absatz komplett überspringen und nach einer Handvoll konkreter Fakten jagen. Fehlen diese Fakten, füllt sich die Lücke mit dem pessimistischen Default.
| Wonach sie suchen | Frage im Kopf | Fehlt es, nehmen sie an |
|---|---|---|
| Das Problem | „Woran würde ich tatsächlich arbeiten?“ | Es gibt kein definiertes Problem; ich wäre das KI-Feigenblatt |
| Daten- & Stack-Realität | „Gibt es echte Daten und Infrastruktur, oder Folien?“ | Die Daten sind ein Chaos, ich würde ein Jahr nur Rohrleitungen bauen |
| Das Team | „Von wem würde ich lernen, an wen berichte ich?“ | Ich wäre die einzige technische Person, ohne Rückhalt |
| Gehaltsband | „Liegt das überhaupt in meiner Größenordnung?“ | Unter Markt, und sie wissen es |
| Deployment-Belege | „Ist hier je etwas live gegangen?“ | Ewiges Proof-of-Concept-Land |
Die Problem-zuerst-Struktur
Diese Struktur zieht die Scan-Ziele nach vorn und schiebt Unternehmens-Boilerplate ans Ende, wo es hingehört. Sie passt auf eine Seite.
- 1Das Problem (3-4 Sätze, das Erste auf der Seite): die konkrete technische Herausforderung, ihre Größenordnung und warum sie schwer ist. „Unsere Absatzprognosen laufen auf einer fünf Jahre alten Gradient-Boosting-Pipeline, die bei Aktionen bricht; Sie verantworten deren Nachfolger End-to-End.“
- 2Was Sie tun werden (5-6 Bullets, Verben zuerst): echte Tätigkeiten im ersten Jahr, auch die unglamourösen, Ehrlichkeit hier verkauft die Realität vor.
- 3Was Sie mitbringen (max. 6 Muss-Kriterien, ergebnisformuliert): direkt aus dem Anforderungsprofil übernommen, plus eine kurze, klar getrennte Kann-Liste.
- 4Stack- und Daten-Realität (ehrlich, 3-4 Zeilen): was modern ist, was Legacy, was Greenfield, und wie die Daten tatsächlich aussehen.
- 5Team und Berichtslinie: mit wem man täglich arbeitet, an wen man berichtet, wie viele Engineers/Scientists um einen herum sind.
- 6Gehaltsband, Standort-Policy, Prozess: das Band, die Remote-/Vor-Ort-Realität und der Interviewprozess mit Rundenzahl und Gesamt-Zeitaufwand.
- 7Über das Unternehmen (kurz, zuletzt): zwei bis drei Sätze, nach allem, wofür die Kandidat:innen eigentlich gekommen sind.
Ehrliche Angaben: Stack, Daten, Gehalt
Jede Anzeige konkurriert mit Dutzenden, die einen „modernen Cloud-native-Stack“ und „datengetriebene Kultur“ behaupten. Überprüfbare Ehrlichkeit ist das Unterscheidungsmerkmal, und sie filtert die Menschen herein, die Ihren echten Job wollen, nicht den imaginären. Auch das Gehalt gehört hierher: Gehaltsbänder erhöhen messbar die Quote qualifizierter Bewerbungen, die EU-Entgelttransparenz macht die Angabe in den Mitgliedstaaten zunehmend verpflichtend, und Senior-Kandidat:innen lesen ein fehlendes Band immer öfter als angekündigtes Lowball-Angebot.
| Aspirational (liest sich wie Spin) | Ehrlich (liest sich wie Signal) |
|---|---|
| „Moderner, cloud-nativer ML-Stack“ | „Modelle laufen auf einer Managed-Cloud-Plattform; Feature-Pipelines sind solide, Experiment-Tracking ist rudimentär, Sie entscheiden mit, was wir als Nächstes einführen“ |
| „Riesige Datenmengen“ | „Rund 40 Mio. Transaktionen über drei Systeme; für zwei Kern-Use-Cases gejoint und bereinigt, sonst roh“ (illustrative Zahlen) |
| „Attraktives Gehalt“ | „85.000-105.000 EUR je nach Level, plus die Kriterien, die entscheiden, wo im Band man landet“ |
| „Arbeit mit modernster KI“ | „Zwei Modelle in Produktion, ein LLM-Feature im Pilot; Ihr erstes Projekt ist, den Pilot in Produktion zu bringen“ |
Warnsignale, die Senior-Kandidat:innen vertreiben
Das sind die Tab-Schließer. Jedes ist verbreitet, jedes ist vermeidbar, und jedes kostet Sie Kandidat:innen, die Sie nie zu Gesicht bekommen.
- 1Die Wollmilchsau-Liste: Zehn und mehr Pflicht-Skills über Forschung, Engineering und DevOps hinweg signalisieren, dass das Unternehmen nicht weiß, was es braucht, Seniors lesen daraus garantiertes Rollenchaos.
- 2„Rockstar“, „Ninja“, „Guru“, „KI-Magier:in“: Personenkult-Vokabular liest sich als Kultur, die Heldentaten über Engineering stellt.
- 3Kein Gehaltsband im Jahr 2026: wird zunehmend als „unter Markt, und sie hoffen, dass niemand fragt“ gelesen, und ist in weiten Teilen der EU bald schlicht nicht mehr regelkonform.
- 4Vager Prozess („mehrere Gespräche“): Seniors budgetieren ihre Zeit; ein unspezifizierter Prozess signalisiert einen unorganisierten.
- 5Reine Mission-Anzeigen: drei Absätze Vision ohne benanntes Problem, Stack oder Team sagen technischen Leser:innen, dass darunter nichts liegt.
- 6Buzzword-Stapeln („GenAI, AGI-nah, Blockchain-ready“): Technologie-Namedropping ohne Kohärenz signalisiert eine Führung, die Trends jagt statt Probleme zu lösen.
Ein Miniaturbeispiel: der Einstieg, der den Scan übersteht
Ein illustrativer Einstiegsblock für ein fiktives Logistikunternehmen, das Erste, was Kandidat:innen lesen. Er beantwortet drei Scan-Ziele in den ersten fünf Zeilen.
| Element | Text (verdichtet) |
|---|---|
| Problem-Einstieg | „Unsere Routenplanung läuft auf handgetunten Heuristiken, die schätzungsweise 8-12% Effizienz liegen lassen (interne Schätzung). Sie verantworten das ML-System, das sie ablöst, vom ersten Modell bis zum Produktions-Rollout über 40 Depots.“ |
| Stack-Ehrlichkeit | „Python-Services auf AWS; saubere Telemetriedaten für 18 Monate, ältere Daten lückenhaft. Noch kein ML in Produktion, Sie wären die erste Person dafür, mit einem Platform Engineer dediziert für den Rollout.“ |
| Team | „Sie kommen in ein Data-Team von vier (zwei Engineers, eine Analystin, ein PM) und berichten an die Head of Data, die selbst Code ausliefert.“ |
| Band & Prozess | „90.000-110.000 EUR je nach Level. Prozess: Kennenlern-Call, technischer Deep-Dive zu einem früheren Projekt, halber Tag vor Ort mit dem Team, Angebot, drei Wochen End-to-End.“ |
Typische Fehler beim Schreiben der Anzeige
- 1Die Anzeige schreiben, bevor das Anforderungsprofil existiert, dann wird die Anzeige zur Spezifikation, rückwärts und unpriorisiert.
- 2HR-Vorlagen die Struktur diktieren lassen: Unternehmensgeschichte zuerst, Problem zuletzt, exakt invertiert zu dem, wie Kandidat:innen lesen.
- 3Jedes Tool, das irgendwer im Team nutzt, als Anforderung listen, statt den Stack als Kontext zu beschreiben.
- 4Das Senioritätslevel verschleiern: „Senior“ im Titel bei Junior-Verantwortung in den Bullets verschwendet die Prozesszeit aller Beteiligten bis zur Angebotsphase.
- 5Die Anzeige nie aktualisieren: Eine Beschreibung, die sich nach den Erkenntnissen aus den ersten zehn Gesprächen nicht ändert, ist eine Vorlage, kein Dokument.
