KI-Sourcing in normaler Sprache: von breiter Suche zur Shortlist

Warum KI-Sourcing in normaler Sprache anders funktioniert als Boolean Search

Was Boolean Search von einer Recruiterin oder einem Recruiter verlangt

Boolean Search dreht sich um die Suche mit Operatoren wie AND, OR und NOT. Das erfordert einige Vorbereitung, weil Sie vorab Jobtitel, Synonyme und Ausschlüsse durchdenken müssen. Dadurch kostet es oft viel Zeit, gerade bei neuen Rollen oder knappen Zielgruppen. Fehlt ein wichtiges Wort, fällt eine gute Kandidatin oder ein guter Kandidat manchmal direkt aus dem Blick. Deshalb entscheiden sich viele Teams eher für Sourcing ohne Boolean, wenn sie schneller aus den ersten Ergebnissen lernen wollen.

Was die Suche in normaler Sprache verändert

Bei der Suche in normaler Sprache beschreiben Sie die Arbeit, den Kontext und ein paar klare Voraussetzungen einfach in normalen Sätzen. Sie erklären, was die Kandidatin oder der Kandidat tun muss, in welcher Art Rolle diese Person gearbeitet hat und wo sie ungefähr wohnen sollte. Danach betrachten Sie das Ergebnis und steuern nach. Das macht die Kandidatensuche in natürlicher Sprache für Recruiter und Hiring Manager deutlich verständlicher. Auf unserer Seite über KI-Sourcing in normaler Sprache zeigen wir, wie wir das unterstützen, während die Recruiterin oder der Recruiter selbst die volle Kontrolle über die Kriterien und das Ergebnis behält.

Warum eine breite erste Suchanfrage nützlich ist

Ein breiter Start ist oft eine kluge Wahl. Sie wollen nämlich zuerst sehen, wie das System die Anfrage interpretiert. Die ersten Ergebnisse zeigen oft direkt, ob Sie sich zu sehr auf Jobtitel stützen, ob die Region zu weit gefasst ist oder ob die gewünschte Erfahrung noch zu allgemein beschrieben ist. Deshalb funktioniert die Kandidatensuche mit KI oft besser, wenn Sie nicht sofort alles eng fassen. So behalten Sie den Raum zum Lernen und verfeinern Ihre Suchanfrage erst danach für Kandidatinnen und Kandidaten, die die perfekte Passung bilden.

So starten Sie KI-Sourcing in normaler Sprache mit einer breiten Suchanfrage

Die Beispielvakanz

Angenommen, Sie suchen eine Account-Managerin oder einen Account-Manager im Außendienst in der Region München. Diese Rolle verlangt Erfahrung mit B2B-Sales, Kundenbesuchen und Zusammenarbeit mit Kolleginnen und Kollegen. Sie suchen jemanden in Festanstellung, der in angemessener Reisedistanz wohnt und genug Erfahrung hat, um schnell selbstständig loszulegen. Das ist ein hervorragender Ausgangspunkt, um eine Vakanz in eine Suchanfrage zu übersetzen. Der Kern der Arbeit ist nämlich bereits klar, ohne dass Sie sich in langen Listen mit einzelnen Schlagwörtern verlieren.

Die erste Suchanfrage wörtlich ausgeschrieben

Eine erste Anfrage in normaler Sprache kann so klingen: Suchen Sie Kandidatinnen und Kandidaten für eine Außendienstrolle im B2B-Sales in der Region München. Die ideale Kandidatin oder der ideale Kandidat kann Kundenbeziehungen aufbauen, selbstständig Termine planen und ist an ein kommerzielles Umfeld gewöhnt. Erfahrung mit Account-Management oder Field Sales ist relevant. Zudem arbeitet die Kandidatin oder der Kandidat bevorzugt in Festanstellung und wohnt in oder rund um München.

Warum diese Anfrage bewusst weit gefasst bleibt

Diese erste Version ist bewusst breit genug gehalten, um verschiedene Jobtitel einzubeziehen. Jemand kann Account Manager heißen, aber auch Sales Consultant, Relationship Manager oder Business Developer. Wenn Sie sofort zu spezifisch suchen, verpassen Sie Menschen, die die Arbeit hervorragend erledigen können, aber einen anderen Jobtitel auf ihrem Profil stehen haben. In diesem Fall liefert die erste Suchanfrage 12.035 Kandidatinnen und Kandidaten. Das ist viel, aber es liefert sehr brauchbaren Input für den nächsten Schritt innerhalb des LinkedIn-Sourcings und des breiteren iterativen Sourcens.

Welche irrelevanten Kandidatinnen und Kandidaten Sie jetzt noch sehen

In dieser ersten Liste stehen zweifellos noch Personen, die zu weit weg wohnen, als Selbstständige oder Freelancer arbeiten oder vor allem Erfahrung im Inside Sales haben. Sie sehen auch Kandidatinnen und Kandidaten mit zu wenig passender Erfahrung oder Mitarbeitende von Arbeitgebern, die Sie gerade ausschließen möchten. Das ist in dieser Phase absolut kein Fehler. Dieses Rauschen zeigt gerade, worauf Sie gleich gezielt nachsteuern können. Beginnen Sie deshalb mit harten Ausschlusskriterien. Präferenzen fügen Sie erst später hinzu, weil Sie sonst riskieren, zu schnell wertvolle Kandidatinnen und Kandidaten zu verlieren.

KI-Sourcing in normaler Sprache nachsteuern, erst mit harten Filtern, dann mit Präferenzen

Erste Nachsteuerung: keine Selbstständigen oder Freelancer

Beginnen Sie mit einem harten Ausschlusskriterium. Weil Sie jemanden in Festanstellung suchen, geben Sie an, dass Selbstständige und Freelancer nicht infrage kommen. Das ist oft ein sicherer erster Schritt; Sie entfernen damit direkt einen erheblichen Teil des Rauschens, ohne starke Kandidatinnen und Kandidaten zu verlieren. Für Teams, die mit KI-Sourcing-Tools arbeiten, ist das eine logische erste Korrektur, die das Ergebnis sofort deutlich sauberer macht.

Zweite Nachsteuerung: maximal 30 Minuten Reisezeit

Fügen Sie danach eine praktische Bedingung hinzu, etwa eine maximale Reisezeit von 30 Minuten bis München. Das hilft, die Kandidatenliste nach Machbarkeit zu filtern. Bedenken Sie dabei, dass die Reisezeit immer eine Kontrolle erfordert, da Entfernung nicht für jeden gleich ausfällt. Jemand kann knapp außerhalb der gesetzten Grenze wohnen und trotzdem hervorragend erreichbar sein. Es ist ein nützlicher Filter, aber kein Grund, dem Ergebnis blind zu vertrauen.

Dritte Nachsteuerung: mindestens 3 Jahre relevante Erfahrung

Machen Sie die geforderte Erfahrung danach konkreter. Fügen Sie hinzu, dass die Kandidatin oder der Kandidat mindestens drei Jahre relevante Erfahrung mit B2B-Sales oder Account-Management in einer Außendienstrolle haben muss. Das Wort „relevant" ist hier entscheidend, weil nicht jedes Jahr Sales-Erfahrung gleich brauchbar für diese konkrete Vakanz ist. An diesem Punkt sehen Sie oft, dass sich die Ergebnisse inhaltlich stark verbessern und dass das Filtern der Kandidatenliste viel mehr bringt als das Hinzufügen noch weiterer Jobtitel.

Vierte Nachsteuerung: aktuellen Arbeitgeber ausschließen

Manchmal möchten Sie Kandidatinnen und Kandidaten eines bestimmten Arbeitgebers lieber nicht ansprechen. Das kann mit Kundenabsprachen zu tun haben oder damit, dass über dieses Unternehmen bereits jemand im Verfahren ist. Auch das fügen Sie einfach als hartes Ausschlusskriterium hinzu. Nach diesen vier Schritten sinkt die Liste in unserem Fall von 12.035 auf 642 Kandidatinnen und Kandidaten. Das zeigt, warum das Verfeinern Ihrer Suchanfrage nach Kandidatinnen und Kandidaten am besten funktioniert, wenn Sie eine feste Reihenfolge einhalten. Zuerst entfernen Sie die größten Rauschquellen. Danach betrachten Sie die Ergebnisse erneut und bestimmen, ob die Liste handhabbar ist.

• Schritt 1 entfernt Selbstständige und Freelancer, da die Rolle ein Anstellungsverhältnis erfordert.
• Schritt 2 begrenzt die Reisezeit, weil Erreichbarkeit direkten Einfluss auf die Interessenschance und eine erfolgreiche Einstellung hat.
• Schritt 3 macht die Erfahrung konkret; eine zu breite Sales-Erfahrung erzeugt sonst zu viel Rauschen.
• Schritt 4 schließt bestimmte Arbeitgeber aus, sodass Sie getroffene Absprachen einhalten und doppelte Ansprachen vermeiden.

Was KI-Sourcing in normaler Sprache Ihnen von 12.035 auf 642 Kandidatinnen und Kandidaten lehrt

Warum 642 Kandidatinnen und Kandidaten noch keine Shortlist sind

Obwohl 642 Kandidatinnen und Kandidaten eine deutliche Verbesserung sind, sprechen wir hier noch nicht von einer Shortlist. Es ist eine handhabbare Longlist. Die Liste ist klein genug, um gut beurteilt zu werden, aber groß genug, um Profile zu vergleichen. Viele Recruiter machen an diesem Punkt den Fehler, zu lange weiterzufiltern. Dadurch verschwindet manchmal genau die eine Kandidatin oder der eine Kandidat mit einem weniger naheliegenden Jobtitel oder abweichendem Werdegang, obwohl diese Person inhaltlich eine perfekte Passung ist.

Wann Sie mit dem Verfeinern aufhören sollten

Hören Sie mit dem Verfeinern auf, sobald die Liste groß genug ist, um Kandidatinnen und Kandidaten zu vergleichen, und klein genug, um sie pro Person zu prüfen. An diesem Punkt verschiebt sich die Arbeit nämlich vom Suchen zum Beurteilen. Wir unterstützen diesen Prozess, indem wir Tausende Kandidatinnen und Kandidaten scannen und pro Profil erläutern, warum jemand gut passt. Weil die Recruiterin oder der Recruiter selbst die Kriterien und Ergebnisse weiterhin kontrolliert, bleibt die Endentscheidung immer menschlich und gut erklärbar.

Warum zu langes Nachschärfen Risiko birgt

Durch zu langes Verfeinern machen Sie eine Suchanfrage schnell zu eng. Gute Kandidatinnen und Kandidaten tragen nämlich nicht immer exakt denselben Jobtitel, und relevante Erfahrung kann auch aus einem verwandten Markt stammen. Manchmal ist ein Werdegang etwas weniger geradlinig, aber das erworbene Wissen ist mehr als wertvoll für die Rolle. Es ist deshalb klug, nach dem Einstellen der harten Filter direkt zur menschlichen Beurteilung überzugehen. Das ist die praktische Grenze, an der KI-Sourcing in normaler Sprache am meisten bringt.

Wie Sie Zweifelsfälle separat halten

Platzieren Sie Kandidatinnen und Kandidaten, die knapp nicht ganz zu passen scheinen, in einer eigenen Gruppe. Notieren Sie sich kurz, was noch unklar ist, etwa die Reisezeit, die genaue Außendiensterfahrung oder Kenntnisse eines bestimmten Marktes. Prüfen Sie danach, ob Sie diese Information schnell klären können. So behalten Sie den Überblick und verhindern, dass ausgezeichnete Kandidatinnen und Kandidaten zu früh aus dem Blick geraten. Das ist besonders wertvoll beim Erstellen einer Shortlist im Recruiting, weil viele gute Matches erst wirklich auffallen, wenn Sie Raum für Nuancen lassen.

Von KI-Sourcing in normaler Sprache zu Shortlist und erster Ansprache

Arbeiten Sie mit einer einfachen Scorekarte

Für das Erstellen einer starken Shortlist funktioniert eine einfache Scorekarte hervorragend. Beurteilen Sie jede Kandidatin und jeden Kandidaten anhand von vier klaren Punkten: harte Anforderungen, Pluspunkte, Zweifelspunkte und den Grund für die Priorität. So können Sie Ihre endgültige Wahl besser gegenüber Hiring Managern und Kolleginnen und Kollegen erklären. Sie müssen das wirklich nicht kompliziert machen. Eine kurze, feste Bewertung pro Profil reicht meist völlig aus, um schnell den Unterschied zwischen starken Matches und Kandidatinnen und Kandidaten zu erkennen, die noch etwas zusätzliche Kontrolle brauchen.

• Harte Anforderungen: stimmt die Basis, wie die Region, die Art des Anstellungsverhältnisses und die relevante Berufserfahrung?
• Pluspunkte: verfügt die Kandidatin oder der Kandidat über zusätzliches Marktwissen, starke Fähigkeiten im Beziehungsmanagement oder Erfahrung in einer vergleichbaren Außendienstrolle?
• Zweifelspunkte: was müssen Sie noch überprüfen, bevor Sie jemanden endgültig oben auf Ihre Liste setzen?
• Grund für Priorität: warum entscheiden Sie sich, diese Kandidatin oder diesen Kandidaten zuerst anzusprechen?

Welche Kandidatinnen und Kandidaten Sie zuerst ansprechen

Beginnen Sie mit den Kandidatinnen und Kandidaten, die bei den harten Anforderungen gut abschneiden und zudem klare Pluspunkte aufweisen. Danach folgen die Profile mit nur einem lösbaren Zweifelspunkt. Kandidatinnen und Kandidaten mit mehreren offenen Fragen setzen Sie etwas weiter unten auf die Liste. Dieser Ansatz funktioniert effizienter, weil Sie die am besten begründeten Matches zuerst ansprechen. Auf unserer Seite so funktioniert Elvatix von der Shortlist bis zur Nachricht erklären wir haargenau, wie Suchen, Beurteilen und die menschliche Kontrolle nahtlos ineinandergreifen.

Wie Sie die Shortlist an Ansprache und Nachverfolgung übergeben

Sourcing endet natürlich nicht beim Filtern. Sie wollen genau wissen, wer bereits angesprochen wurde, wer reagiert und welche Kandidatinnen und Kandidaten in die nächste Runde können. Deshalb ist es entscheidend, dass Suchen und Nachverfolgung logisch ineinander übergehen. Wir positionieren unsere Plattform daher als vollständige Umgebung für das Finden, Ansprechen und Nachverfolgen von Talenten. Bereits angesprochene Kandidatinnen und Kandidaten werden direkt erkannt, bevor ein neues Outreach startet, Nachrichten bleiben stets unter menschlicher Kontrolle, und der Fortschritt bleibt übersichtlich. Neugierig, wie Teams das breiter einsetzen? Zusätzlichen Kontext finden Sie in unseren Praxisbeispielen für KI im Recruiting.

Ein wiederholbarer Prozess mit KI-Sourcing in normaler Sprache für Teams mit vielen Vakanzen

Zusammenarbeiten, ohne von einer Spezialistin oder einem Spezialisten abhängig zu sein

In vielen Teams ist eine Kollegin oder ein Kollege versiert in Boolean Search, und der Rest der Abteilung stützt sich auf dieses Wissen. Das macht den Prozess ziemlich anfällig. Durch die Suche in natürlichen Sätzen wird die Zusammenarbeit deutlich transparenter und einfacher. Recruiter, Consultants und Sourcer verstehen die Startanfrage nämlich schneller und auf dieselbe Weise. Dadurch können Sie leichter gemeinsam beurteilen, die Arbeit schneller übergeben und klar begründen, warum eine Kandidatin oder ein Kandidat infrage kommt oder gerade nicht.

Wann iteratives Sourcen bei Nischenprofilen hilft

Iteratives Sourcen bedeutet einfach, dass Sie Schritt für Schritt suchen und aus jedem Zwischenergebnis weiter lernen. Das funktioniert besonders gut bei Funktionen mit großer Variation an Jobtiteln oder Hintergründen. Sie müssen die erste Anfrage also nicht sofort perfekt formulieren. Gerade bei Nischenprofilen oder weniger gängigen Vakanzen ist diese Methode enorm wertvoll; Sie entdecken so viel schneller, welche Wörter, welcher Kontext und welche Filter wirklich den Unterschied machen.

Wie Agentur- und Corporate-Teams das praktisch einsetzen

Agenturen, Personaldienstleister und Corporate-Recruiting-Teams arbeiten vielleicht in unterschiedlichen Kontexten, aber die Basis ist oft genau dieselbe. Sie starten breit, filtern das offensichtliche Rauschen heraus, stoppen, wenn Sie eine handhabbare Liste haben, und erstellen erst dann eine Shortlist. Für Teams, die viele Aufträge gleichzeitig bearbeiten, haben wir eine spezielle Seite über KI-Sourcing für Recruiting-Agenturen. Dort zeigen wir, wie diese Arbeitsweise nahtlos an die täglichen Recruiting-Prozesse anschließt.

Übung mit KI-Sourcing in normaler Sprache: eine Vakanz in vier normale Sätze umwandeln

Satz 1: beschreiben Sie die Arbeit, die jemand tun muss

Schreiben Sie zunächst auf, was eine Kandidatin oder ein Kandidat tatsächlich können muss. Denken Sie zum Beispiel an: „Suchen Sie jemanden, der selbstständig Kundenbeziehungen aufbaut, Termine plant und kommerzielle Chancen erfolgreich in Ergebnisse umsetzt." Beginnen Sie immer bei der Arbeit selbst. Das gibt viel mehr Richtung als eine lange Aufzählung einzelner Schlagwörter und hilft Ihnen, den Inhalt der Rolle scharf ins Visier zu bekommen.

Satz 2: fügen Sie ein hartes Ausschlusskriterium hinzu

Fügen Sie danach ein klares Ausschlusskriterium hinzu. Zum Beispiel: „Keine Selbstständigen, nur Kandidatinnen und Kandidaten, die für eine Festanstellung offen sind." Wählen Sie hier eine Anforderung, die wirklich unumstritten ist. Fügen Sie nicht sofort mehrere Ausschlusskriterien gleichzeitig hinzu. Sie lernen dann weniger aus dem ersten Ergebnis und erhöhen zudem die Chance, gute Menschen zu früh auszuschließen.

Satz 3: fügen Sie eine praktische Präferenz hinzu

Jetzt ist es Zeit, eine praktische Präferenz hinzuzufügen, etwa „wohnhaft innerhalb von etwa 30 Minuten Reisezeit von München". Behalten Sie dabei immer Raum für eine manuelle Kontrolle, weil solche Präferenzen manchmal abweichen dürfen, ohne dass eine Kandidatin oder ein Kandidat direkt ungeeignet ist. Gerade dieser Schritt hilft Ihnen enorm, von einer breiten Suchanfrage zu einer besser brauchbaren Liste zu kommen.

Satz 4: machen Sie die relevante Erfahrung konkret

Schließen Sie das Ganze mit der Erfahrung ab, die wirklich zählt. Zum Beispiel: „Mindestens 3 Jahre relevante Berufserfahrung im B2B-Sales in einer Außendienstrolle." Lesen Sie Ihre vier Sätze danach noch einmal kritisch durch und prüfen Sie, ob sie sich noch wie normales, flüssiges Deutsch anfühlen. Ist das der Fall, haben Sie in der Regel einen hervorragenden Ausgangspunkt für Ihr Sourcing. Möchten Sie das direkt in einem echten Workflow üben? Über den Link Elvatix selbst ausprobieren erleben Sie mit eigenen Augen, wie das in der Praxis funktioniert.

Häufig gestellte Fragen zu KI-Sourcing in normaler Sprache

Wie breit darf eine erste Suchanfrage sein?

Oft breiter, als die meisten Recruiter denken. Solange der Kern der Arbeit, die gewünschte Region und der Grundkontext klar sind, können Sie danach gezielt nachsteuern. Das Hauptziel dieses ersten Schritts ist zu sehen, wo genau das Rauschen liegt und welche Filter in einer späteren Phase tatsächlich nötig sind.

Wann ändern Sie die Anfrage und wann die Filter?

Ändern Sie Ihre Suchanfrage, wenn der Inhalt der Ergebnisse nicht gut passt. Nutzen Sie dagegen Filter, wenn der Inhalt zwar stimmt, die Liste aber noch zu groß oder zu unübersichtlich ist. Sehen Sie zum Beispiel zu viele Inside-Sales-Profile, während Sie eine Außendienstmitarbeiterin oder einen Außendienstmitarbeiter suchen? Dann müssen Sie die Beschreibung der Arbeit schärfer formulieren. Sehen Sie hingegen fantastische Kandidatinnen und Kandidaten, die einfach zu weit weg wohnen, dann bietet ein praktischer Filter die richtige Lösung.

Wie machen Sie aus einer Kandidatenliste eine Shortlist?

Nutzen Sie eine Scorekarte mit harten Anforderungen, Pluspunkten und eventuellen Zweifelspunkten. Beurteilen Sie danach pro Kandidatin oder Kandidat, warum die Person gut passt. Setzen Sie die am besten begründeten Matches direkt oben auf Ihre Liste und bewahren Sie die Profile, die knapp nicht perfekt zu passen scheinen, in einer eigenen Gruppe. Dadurch wird Ihre Shortlist nicht nur besser erklärbar, sondern auch direkt deutlich praktischer für das eigentliche Outreach.

Was tun Sie mit Kandidatinnen und Kandidaten, die fast passen?

Setzen Sie diese Profile separat und notieren Sie übersichtlich, was noch fehlt oder unklar ist. Prüfen Sie danach, ob Sie diese fehlende Information mit einer schnellen Prüfung klären können. Das funktioniert deutlich besser, als jemanden direkt abzulehnen. Starke Kandidatinnen und Kandidaten tragen nun einmal nicht immer exakt denselben Jobtitel oder Werdegang auf ihrem Profil, wie er in Ihrem Vakanztext beschrieben ist.

Ist KI-Sourcing in normaler Sprache ein Ersatz für die Beurteilung durch Recruiter?

Nein, absolut nicht. Es hilft Ihnen nur, schneller von einer breiten Suchanfrage zu einer handhabbaren Liste zu gelangen. Die Recruiterin oder der Recruiter behält jederzeit die Kontrolle über Kriterien, Ergebnis und Ansprache. Die Qualität der endgültigen Shortlist bleibt somit immer abhängig von einer soliden menschlichen Beurteilung und einer starken, persönlichen Nachverfolgung.