Personalvermittlung bedeutet seit fünfzig Jahren im Kern dasselbe: Ein:e Berater:in sammelt Lebensläufe, screent nach Stichworten und reicht gegen eine Provision eine Shortlist ein, sobald jemand eingestellt wird. Bei KI- und Tech-Rollen scheitert dieses Modell, denn der Unterschied zwischen einer Kandidatin, die ein Modell tatsächlich in Produktion bringt, und jemandem, der nur flüssig darüber sprechen kann, ist per Stichwortsuche unsichtbar. Eine KI-native Personalvermittlung ist ein anderer Agenturtyp, von Grund auf darauf ausgelegt, anhand von Nachweisen statt Lebenslauftext zu prüfen und zu matchen, und das in Tagen statt Wochen.
Wie eine klassische Personalvermittlung tatsächlich arbeitet
Eine klassische Personalvermittlung sourct Kandidat:innen über Jobbörsen und die eigene Datenbank, filtert Lebensläufe per Stichwortabgleich gegen die Stellenbeschreibung des Kunden, führt ein Screening-Gespräch, das sich vor allem um Verfügbarkeit, Gehaltsvorstellung und weichen Fit dreht, und reicht dann eine Shortlist ein. Die Ökonomie der Agentur belohnt Volumen: mehr eingereichte Kandidat:innen, mehr Chancen auf eine Einstellung, mehr Vermittlungsprovision. Bei generalistischen Rollen (Vertrieb, Verwaltung, Operations) funktioniert das einigermaßen, weil die Fähigkeiten aus CV und Gespräch ablesbar sind. Bei KI- und Engineering-Rollen nicht, weil das eigentliche Unterscheidungsmerkmal, kann diese Person ein funktionierendes System bauen und ausliefern, im Lebenslauf schlicht nicht sichtbar ist.
Was „KI-nativ“ wirklich verändert
KI-nativ heißt nicht, dass die Agentur einen Chatbot auf der Website hat. Es bedeutet, dass KI konkret im Prüf- und Matching-Prozess selbst eingesetzt wird, auf drei Arten.
- Nachweisbasierte Prüfung: Kandidat:innen werden anhand strukturierter technischer Bewertungen und echter Arbeitsproben beurteilt (eine Take-Home-Aufgabe nahe an der tatsächlichen Rolle, eine Live-Systemdiskussion, Code-Review), bewertet von Menschen, die selbst KI-Systeme ausgeliefert haben, nicht von Recruiter:innen, die einen Lebenslauf lesen.
- Signalbasiertes Matching: Statt Stichworte in einer Stellenbeschreibung mit Stichworten im CV abzugleichen, matcht das System verifizierte Fähigkeiten, Projekthistorie und Rollenanforderungen in einer Granularität, die ein:e Generalist:in manuell nicht leisten kann.
- Verdichtete Pipeline: Sourcing, Erst-Screening und Referenzprüfung laufen parallel statt sequenziell, genau das macht aus einer 4-6-wöchigen Suche eine Shortlist innerhalb von 72 Stunden.
Warum das speziell für KI- und Tech-Hiring zählt
Bei KI-Rollen klafft eine große Lücke zwischen Kandidat:innen, die qualifiziert klingen, und solchen, die es sind. Jemand kann flüssig über Transformer, RAG-Pipelines und Fine-Tuning sprechen, ohne je ein Modell unter realen Latenz-, Kosten- und Zuverlässigkeitsbedingungen vom Prototyp in die Produktion gebracht zu haben. Ein:e Generalisten-Berater:in in der klassischen Personalvermittlung, so gut sie Menschen einschätzen kann, hat keine verlässliche Methode, diese beiden Profile zu unterscheiden, also werden beide weitergereicht und der Kunde trägt die Kosten, es auf die harte Tour herauszufinden. Technische Prüfung durch Menschen, die solche Systeme selbst gebaut haben, ist der einzige Weg, diese Lücke vor dem Angebot zu schließen, nicht erst nach einer Fehlbesetzung sechs Monate später.
Ändert sich das Provisionsmodell?
Nicht grundlegend. Die meisten KI-nativen Agenturen, Aiporate eingeschlossen, arbeiten weiterhin mit Vermittlungsprovision oder Embedded-Talent-Modellen statt eine neue Preiskategorie zu erfinden. Was sich ändert, ist das Verhältnis von eingereichten zu tatsächlich interviewwürdigen Kandidat:innen: Statt zehn Lebensläufen mit 20-30% echtem Fit sieht der Kunde zwei oder drei Kandidat:innen, die bereits eine technische Hürde genommen haben. Bezahlt wird für Sicherheit und Tempo, nicht für Volumen.
Wie man prüft, ob eine Personalvermittlung wirklich KI-nativ ist
- Fragen, woraus die technische Bewertung konkret besteht und ob sie von jemandem mit praktischer KI-/Engineering-Erfahrung beurteilt wird.
- Nach der durchschnittlichen Zeit von Briefing bis Shortlist fragen, und ob diese Zahl auch für spezialisierte KI-Rollen gilt, nicht nur für generalistische Tech-Rollen.
- Fragen, wie Kandidat:innen gesourct werden, lautet die Antwort „unsere Datenbank plus Jobbörsen“, handelt es sich um eine klassische Agentur mit KI-Etikett auf der Startseite.
- Nach Referenzfällen fragen, die in vergleichbaren KI-/ML-Rollen vermittelt wurden, und wie deren Onboarding und Verbleib aussahen.