Die Herausforderung: Ineffektives Sourcing von passiven Talenten

Für viele HR- und Talent-Acquisition-Teams ist das Sourcing passiver Talente zum Engpass bei der Besetzung kritischer Rollen geworden. Nischenexpert:innen, Führungskräfte und High-Impact-Spezialist:innen bewerben sich selten über Jobbörsen. Stattdessen verbringen Recruiter:innen Stunden damit, LinkedIn, CV-Datenbanken und Fach-Communities zu durchsuchen, um Kandidat:innen zu identifizieren, die potenziell passen und offen für einen Wechsel sind. Der Prozess ist langsam, schwer zu standardisieren und zu stark von den persönlichen Netzwerken und Suchskills einzelner Recruiter:innen abhängig.

Traditionelle Ansätze wurden für einen aktiven Kandidatenmarkt entwickelt: Stellenanzeigen, Agenturbriefings und generische InMails. Diese Methoden funktionieren nicht, wenn die besten Kandidat:innen bereits angestellt sind, mit undifferenzierter Ansprache überflutet werden und extrem wählerisch sind. Manuelle Boolesche Suchen über mehrere Plattformen werden zum Ratespiel. Selbst starke Recruiter:innen haben Schwierigkeiten, komplexe Anforderungsprofile konsistent in wirksame Suchstrategien und individualisierte Nachrichten in Skalierung zu übersetzen.

Die geschäftlichen Auswirkungen sind erheblich. Kritische Positionen bleiben monatelang unbesetzt, Produkt-Roadmaps und Transformationsprogramme verlangsamen sich. Hiring Manager verlieren das Vertrauen in die Fähigkeit von HR, schwer zu besetzende Rollen zu liefern, und wenden sich teuren Agenturen und Jobbörsen zu – die Kosten pro Einstellung steigen. Wettbewerber, die passive Talente besser ansprechen, bauen im Stillen stärkere Teams und Employer Brands auf, während Ihre Organisation Top-Performer:innen verpasst, die erreichbar gewesen wären – aber nie auf die richtige Art kontaktiert wurden.

Diese Herausforderung ist real, aber lösbar. Mit der richtigen KI-Unterstützung können HR-Teams Passive Sourcing von einer ad-hoc-, recruiterabhängigen Aktivität in eine wiederholbare Fähigkeit verwandeln. Bei Reruption haben wir Organisationen dabei unterstützt, KI-gestützte Recruiting-Workflows und Chatbots aufzubauen, und die gleichen Prinzipien gelten für die Strukturierung von Passive Sourcing mit Tools wie ChatGPT. Im weiteren Verlauf dieser Seite finden Sie praxisnahe Empfehlungen, Prompts und Muster, mit denen Sie Passive Sourcing in eine strategische Stärke verwandeln können.

Bauen Sie jetzt ein KI-System mit uns!

Wir bauen einen Proof of Concept für Ihr Problem für 5.000–8.000€. Sie bekommen eine handfeste Demo statt Folien mit Versprechen.

Innovatoren bei diesen Unternehmen vertrauen uns:

Unsere Einschätzung

Eine strategische Einschätzung der Herausforderung und High-Level-Tipps, wie Sie sie angehen können.

Aus Reruption’s Arbeit an KI-gestützten Recruiting-Workflows und chatbasierter Kandidatenkommunikation wissen wir, dass Tools wie ChatGPT dann am wertvollsten sind, wenn sie in die Arbeitsweise von HR eingebettet sind – nicht, wenn sie nur als einmalige Texthilfe genutzt werden. Für die spezifische Herausforderung des ineffektiven Sourcings von passiven Talenten kann ChatGPT als Sourcing-Strateg:in, Research-Analyst:in und Outreach-Assistent:in für Ihr Team agieren – allerdings nur, wenn Sie die richtigen Prozesse, Leitplanken und Integrationen darum herum gestalten.

Betrachten Sie Passive Sourcing als System, nicht als individuelle Heldentat

Die meisten Organisationen verlassen sich auf einige wenige erfahrene Recruiter:innen, die „wissen, wo sie suchen müssen“, um passive Kandidat:innen zu finden. Dieser Ansatz skaliert nicht und bricht zusammen, sobald diese Personen überlastet sind oder gehen. Strategisch geht es darum, Passive Sourcing als wiederholbares System zu begreifen: Rollendefinition → Markt-Mapping → Persona-Erstellung → Suchstrategie → Outreach-Sequenzierung → kontinuierliche Verfeinerung.

ChatGPT fügt sich in dieses System als Motor ein, der Anforderungen in strukturierte Outputs übersetzt – Zielprofile, Suchstrings, Messaging-Frameworks. Um dorthin zu kommen, sollte die HR-Leitung standardisieren, wie Anforderungen von Hiring Managern aufgenommen werden, und definieren, wie „Güte“ bei Suchen und Outreach aussieht. Je strukturierter Ihre Inputs, desto konsistenter kann ChatGPT jede:n Recruiter:in unterstützen – nicht nur die Besten.

Klare Grenzen zwischen menschlichem Urteil und KI-Unterstützung definieren

Es ist verlockend, KI im Recruiting vorschlagen zu lassen, welche Kandidat:innen priorisiert werden sollen. Strategisch sinnvoller ist jedoch eine klare Arbeitsteilung: ChatGPT sollte Informationsverarbeitung und Inhaltserstellung beschleunigen, während Menschen die finalen Entscheidungen, den Beziehungsaufbau und die ethische Aufsicht verantworten.

Für Passive Sourcing bedeutet das: ChatGPT nutzt man, um Rollenanforderungen zu interpretieren, Zielunternehmen und relevante Hintergründe vorzuschlagen und personalisierte Outreach-Nachrichten zu entwerfen – während die menschliche Prüfung für Kandidatenauswahl, Alignment mit Senior Stakeholdern und sensible Kommunikation bestehen bleibt. Wenn Sie diese Grenze in Ihren Sourcing-Playbooks formalisieren, reduzieren Sie Risiken rund um Bias, Tonalität und unpassende Ansprache – und sichern sich trotzdem die Produktivitätsgewinne.

Datenqualität und Kontext erhöhen, bevor Sie skalieren

ChatGPT liefert am besten, wenn verlässlicher Kontext vorhanden ist: gut geschriebene Rollenbeschreibungen, klare Kompetenzmodelle und belastbare Informationen zu Ihrem Employer Value Proposition. Strategisch sollten Sie, bevor Sie ChatGPT breit zur Unterstützung des Passive Sourcings einsetzen, in die Bereinigung der Inputs investieren, auf die es sich stützen wird.

Das kann bedeuten, wie Hiring Manager Rollen beschreiben, neu zu denken, Skill-Frameworks zu konsolidieren oder Informationen zu Kultur, Benefits und Karrierepfaden zu zentralisieren. Mit einer API-Anbindung an Ihr ATS oder CRM kann ChatGPT dann Outreach-Texte und Suchstrategien generieren, die Ihre tatsächliche Situation abbilden – statt generischer HR-Buzzwords. Das führt wiederum zu besseren Response-Raten und einer stärkeren Passung zwischen gesourcten Kandidat:innen und den realen Anforderungen.

Ihr HR-Team mit Enablement vorbereiten, nicht nur mit Zugang

Allein der Zugang zu ChatGPT wird ineffektives Sourcing von passiven Talenten nicht lösen. Einige werden experimentieren; die meisten werden zu alten Gewohnheiten zurückkehren. Strategisch brauchen Sie Enablement: Trainings dazu, wofür sich ChatGPT eignet, wo seine Grenzen liegen und wie man wirksame Prompts und Workflows für das Sourcing gestaltet.

Überlegen Sie, kurze, fokussierte Enablement-Sessions durchzuführen, in denen Recruiter:innen gemeinsam Prompts für konkrete Rollen entwickeln, diese live testen und zusammen verfeinern. Halten Sie die besten Versionen in einem gemeinsamen Sourcing-Playbook oder einer Prompt-Bibliothek fest. So wird KI von einem „Nice-to-have-Tool“ zu einem zentralen Bestandteil des Talent-Acquisition-Betriebsmodells und reduziert die Abhängigkeit von einigen wenigen KI-Enthusiast:innen.

Compliance-, Bias- und Markenrisiken proaktiv adressieren

Der Einsatz von KI in der Talentgewinnung berührt sensible Themen: Fairness, Datenschutz und Employer Brand. Strategisch ist es besser, diese proaktiv anzugehen, statt auf Probleme zu warten. Definieren Sie, welche Daten ChatGPT verarbeiten darf und welche nicht, wie Sie mit personenbezogenen Daten umgehen und wie Sie verhindern, dass historische Verzerrungen in Ihren Sourcing-Kriterien verstärkt werden.

Arbeiten Sie mit Legal, Betriebsrat und D&I-Verantwortlichen zusammen, um Leitlinien zu definieren: Zum Beispiel darf ChatGPT Suchstrategien und Outreach-Texte entwickeln, aber keine automatisierten Screening-Entscheidungen ohne menschliche Prüfung treffen. Wenn Sie diese Leitplanken in Ihre Workflows einbetten und intern klar kommunizieren, können Sie mit KI schnell vorankommen und bleiben dennoch compliant und vertrauenswürdig.

Strategisch eingesetzt transformiert ChatGPT das Passive Sourcing von einer manuellen „Hit-or-Miss“-Aktivität in eine strukturierte Fähigkeit, die jede:r Recruiter:in nutzen kann. Es wird Ihr Talent-Acquisition-Team nicht ersetzen, aber es wird verändern, wie es seine Zeit verbringt – weniger mit Suchen und Umschreiben von Nachrichten, mehr mit Beziehungsaufbau und dem Closing kritischer Einstellungen. Wenn Sie von der Theorie zu einer funktionierenden Sourcing-Engine kommen möchten, unterstützt Sie Reruption dabei, KI-gestützte Workflows End-to-End zu konzipieren, zu prototypisieren und zu implementieren – von Prompt-Bibliotheken bis ATS-Integration –, sodass Ihr HR-Team diese Tools im Alltag souverän nutzt.

Bauen Sie jetzt ein KI-System mit uns!

Wir bauen einen Proof of Concept für Ihr Problem für 5.000–8.000€. Sie bekommen eine handfeste Demo statt Folien mit Versprechen.

Fallbeispiele aus der Praxis

Von Pharmazeutika bis Technologie: Erfahren Sie, wie Unternehmen ChatGPT erfolgreich einsetzen.

AstraZeneca

Pharmazeutika
In der stark regulierten pharmazeutischen Industrie stand AstraZeneca unter erheblichem Druck, die Wirkstoffforschung und klinischen Studien zu beschleunigen, die traditionell 10–15 Jahre dauern und Milliarden kosten, bei geringen Erfolgsraten von unter 10 %. Datensilos, strenge Compliance-Anforderungen (z. B.

Lösung

AstraZeneca startete eine unternehmensweite Strategie für generative KI und setzte ChatGPT Enterprise ein, maßgeschneidert für Pharma-Workflows. Dazu gehörten KI-Assistenten für die Analyse 3D-molekularer Bildgebung, automatische Entwürfe von Protokollen für klinische Studien und die Synthese von Wissen aus wissenschaftlicher Literatur.

Ergebnisse

  • ~12.000 Mitarbeitende bis Mitte 2025 in generativer KI geschult
  • 85–93 % der Mitarbeitenden berichteten von Produktivitätssteigerungen
  • 80 % der Medical Writer fanden KI-Protokollentwürfe nützlich
  • Signifikante Reduktion der Trainingszeit für Life-Sciences-Modelle durch MI300X-GPUs
  • Hohe AI-Maturity-Bewertung laut IMD-Index (weltweit oben)
  • GenAI ermöglicht schnellere Studienplanung und Dosiswahl
Fallstudie lesen →

JPMorgan Chase

Bankwesen
In der hochdynamischen Welt des Asset Management und der Vermögensverwaltung bei JPMorgan Chase waren Berater mit erheblichen zeitlichen Belastungen durch manuelle Recherche, Dokumentenzusammenfassungen und Berichtsentwürfe konfrontiert. Die Erstellung von Investmentideen, Marktanalysen und personalisierten Kundenberichten dauerte oft Stunden oder Tage, wodurch die Zeit für Kundeninteraktion und strategische Beratung eingeschränkt wurde.

Lösung

JPMorgan begegnete diesen Herausforderungen durch die Entwicklung der LLM Suite, einer internen Suite aus sieben feinabgestimmten Large Language Models (LLMs), die von generativer KI angetrieben und in eine sichere Dateninfrastruktur integriert sind. Diese Plattform ermöglicht es Beratern, Berichte zu entwerfen, Investmentideen zu generieren und Dokumente schnell zusammenzufassen, wobei proprietäre Daten genutzt werden.

Ergebnisse

  • Erreichte Nutzer: 140.000 Mitarbeitende
  • Entwickelte Use Cases: 450+ Proof-of-Concepts
  • Finanzieller Nutzen: Bis zu 2 Mrd. $ an KI-Wert
  • Bereitstellungsgeschwindigkeit: Vom Pilot bis zu 60.000 Nutzern in wenigen Monaten
  • Berater-Tools: Connect Coach für die Private Bank
  • Firmenweite PoCs: Strikte ROI-Messung über 450 Initiativen
Fallstudie lesen →

Morgan Stanley

Vermögensverwaltung
Finanzberater bei Morgan Stanley hatten Schwierigkeiten, schnell auf die umfangreiche proprietäre Forschungsdatenbank des Unternehmens zuzugreifen, die über 350.000 Dokumente und Jahrzehnte institutionellen Wissens umfasst. Manuelle Recherchen in diesem riesigen Archiv waren zeitraubend und dauerten oft 30 Minuten oder länger pro Anfrage, was die Fähigkeit der Berater einschränkte, während Kundengesprächen zeitnahe, personalisierte Beratung zu liefern .

Lösung

Morgan Stanley arbeitete mit OpenAI zusammen, um AI @ Morgan Stanley Debrief zu entwickeln, einen auf GPT-4 basierenden generativen KI-Chatbot, der speziell für Vermögensverwaltungsberater zugeschnitten ist. Das Tool verwendet retrieval-augmented generation (RAG), um sicher und kontextbewusst Abfragen in der proprietären Forschungsdatenbank durchzuführen und sofortige, quellenbasierte Antworten zu liefern .

Ergebnisse

  • 98% Akzeptanzrate bei Vermögensverwaltungsberatern
  • Zugriff für nahezu 50% der gesamten Mitarbeitenden von Morgan Stanley
  • Anfragen werden in Sekunden statt in über 30 Minuten beantwortet
  • Mehr als 350.000 proprietäre Forschungsdokumente indexiert
  • 60% Mitarbeiterzugriff bei Wettbewerbern wie JPMorgan zum Vergleich
  • Signifikante Produktivitätssteigerungen laut Chief Administrative Officer
Fallstudie lesen →

Wells Fargo

Bankwesen
Wells Fargo, das 70 Millionen Kunden in 35 Ländern betreut, sah sich mit hoher Nachfrage nach 24/7-Kundendienst in seiner Mobile-Banking-App konfrontiert, in der Nutzer sofortige Unterstützung bei Transaktionen wie Überweisungen und Rechnungszahlungen benötigten. Traditionelle Systeme hatten Schwierigkeiten mit hohen Interaktionsvolumina, langen Wartezeiten und der Notwendigkeit schneller Antworten per Sprache und Text, insbesondere da die Kundenerwartungen sich hin zu nahtlosen digitalen Erlebnissen wandelten.

Lösung

Wells Fargo entwickelte Fargo, einen generativen KI-Virtual-Assistenten, der in die Banking-App integriert ist und auf Google Cloud AI setzt, einschließlich Dialogflow für den Konversationsfluss und PaLM 2/Flash 2.0 LLMs für das Verständnis natürlicher Sprache. Diese modell-agnostische Architektur ermöglichte eine datenschutzorientierte Orchestrierung, die Anfragen routet, ohne PII an externe Modelle zu senden.

Ergebnisse

  • 245 Millionen Interaktionen in 2024
  • 20 Millionen Interaktionen bis Januar 2024 seit dem Start im März 2023
  • Prognose: 100 Millionen Interaktionen jährlich (Prognose 2024)
  • Keine menschlichen Übergaben bei allen Interaktionen
  • Keine PII an LLMs weitergegeben
  • Durchschnittlich 2,7 Interaktionen pro Nutzersitzung
Fallstudie lesen →

Visa

Zahlungsverkehr
Die Zahlungsbranche sah sich einem Anstieg an Online-Betrug gegenüber, insbesondere Enumeration-Angriffen, bei denen Angreifer automatisierte Skripte und Botnetze einsetzen, um gestohlene Kartendaten in großem Umfang zu testen. Diese Angriffe nutzen Schwachstellen bei Transaktionen ohne Kartenpräsenz (card-not-present) aus und verursachen weltweit jährliche Betrugsverluste in Höhe von 1,1 Mrd. $ sowie erhebliche Betriebskosten für Emittenten.

Lösung

Visa entwickelte den Visa Account Attack Intelligence (VAAI) Score, ein generative KI‑gestütztes Tool, das in Echtzeit die Wahrscheinlichkeit von Enumeration-Angriffen bei Transaktionen ohne Kartenpräsenz bewertet. Durch die Kombination von generativen KI‑Komponenten mit Machine‑Learning‑Modellen erkennt VAAI ausgeklügelte Muster von Botnetzen und Skripten, die legacy, regelbasierte Systeme umgehen.

Ergebnisse

  • 40 Mrd. $ an Betrug verhindert (Okt 2022–Sep 2023)
  • Fast 2x Steigerung YoY bei der Betrugsprävention
  • 1,1 Mrd. $ jährlich an globalen Verlusten durch Enumeration-Angriffe adressiert
  • 85 % mehr betrügerische Transaktionen an Cyber Monday 2024 YoY blockiert
  • 200 % Anstieg an Betrugsversuchen ohne Serviceunterbrechung abgewickelt
  • Verbesserte Genauigkeit des Risikoscorings durch ML und Identity Behavior Analysis
Fallstudie lesen →

Best Practices

Erfolgreiche Implementierungen folgen bewährten Mustern. Werfen Sie einen Blick auf unsere taktischen Ratschläge für den Einstieg.

Rollenanforderungen mit ChatGPT in strukturierte Such-Briefings überführen

Die meisten Probleme beim Passive Sourcing beginnen mit vagen oder inkonsistenten Rollendefinitionen. Anstatt unstrukturierte Stellenbeschreibungen an Recruiter:innen weiterzureichen, nutzen Sie ChatGPT für HR, um diese in klare Such-Briefings zu übersetzen: Ziel-Titel, Must-have-Skills, Nice-to-haves, typische Karrierepfade und relevante Branchen.

Lassen Sie Recruiter:innen oder Hiring Manager die Roh-Rollenbeschreibung in ChatGPT einfügen und ein strukturiertes Sourcing-Briefing anfordern, das für LinkedIn, GitHub, CV-Datenbanken und Fach-Communities verwendet werden kann.

Prompt-Beispiel:
Sie sind eine erfahrene Führungskraft im Talent Sourcing.

Input:
- Jobtitel: Senior Data Engineering Lead
- Standort: München (hybrid, Umzug innerhalb der EU möglich)
- Level: Führt ein Team von 5–7 Personen, berichtet an VP Engineering
- Verantwortlichkeiten: Verantwortung für Datenplattform, Stakeholder-Management, Architekturentscheidungen
- Tech-Stack: Azure, Databricks, Python, SQL, CI/CD, Terraform

Aufgaben:
1. Erstellen Sie ein strukturiertes Passive-Sourcing-Briefing mit:
   - 5–8 wahrscheinlichen aktuellen Jobtiteln
   - 5–10 relevanten Zielunternehmen (Typ, keine spezifischen Namen)
   - Typischen Karrierepfaden/vorangegangenen Rollen
   - Must-have- und Nice-to-have-Skills für die Suche
2. Schlagen Sie 3 Boolesche Suchstrings für LinkedIn Recruiter vor.
3. Nennen Sie 3 nicht offensichtliche Sourcing-Kanäle oder Communities, die es zu prüfen lohnt.

Erwartetes Ergebnis: Recruiter:innen starten jede Suche mit einem hochwertigen, standardisierten Briefing, reduzieren Rückfragen mit Hiring Managern und beschleunigen die erste Shortlist um 20–30 %.

Fortgeschrittene Suchstrings plattformübergreifend generieren und verfeinern

Boolesche Suche ist eine Kompetenz – und ein Zeitfresser. Nutzen Sie ChatGPT im Recruiting, um Suchstrings zu generieren, zu testen und für jede Plattform zu optimieren. Recruiter:innen können einen ersten Versuch einfügen und ChatGPT bitten, diesen hinsichtlich Recall vs. Präzision zu optimieren oder von LinkedIn auf eine andere CV-Datenbank zu übertragen.

Prompt-Beispiel:
Sie unterstützen eine:n Recruiter:in dabei, Suchen nach passiven Kandidat:innen zu verbessern.

Hier ist die Rolle und meine aktuelle LinkedIn-Boolesche Suche:
[Rollenzusammenfassung einfügen]

Aktuelle Suche:
("Head of Sales" OR "Sales Director") AND (SaaS OR "software as a service") AND ("DACH" OR Germany OR Austria OR Switzerland)

Aufgaben:
1. Schlagen Sie 2 verbesserte Versionen vor: eine mit Fokus auf breiteren Recall, eine mit höherer Präzision.
2. Erklären Sie Ihre Änderungen.
3. Passen Sie die präzisere Version für eine interne CV-Datenbank an, die keine Proximity-Operatoren unterstützt.

Erwartetes Ergebnis: Konstantere Suchqualität im gesamten Team und weniger übersehene Kandidat:innen – insbesondere für Nischen- oder Senior-Rollen.

Personalisierte Ansprache passiver Kandidat:innen in Skalierung

Generische InMails sind ein zentraler Grund für niedrige Response-Raten bei passiven Kandidat:innen. Mit einer Anbindung von ChatGPT an Ihr ATS/CRM oder parallel zur Nutzung von LinkedIn-Profilen können Recruiter:innen hochgradig personalisierte Outreach-Nachrichten generieren, die auf den Hintergrund und die Motive einzelner Kandidat:innen eingehen und gleichzeitig eine konsistente Markenstimme wahren.

Recruiter:innen können die Profilzusammenfassung einer Person kopieren und ChatGPT bitten, eine individuell zugeschnittene Nachricht zu formulieren und anschließend die Tonalität nach Bedarf anpassen (z. B. direkter für Senior-Rollen, explorativer für Mid-Level-Talente).

Prompt-Beispiel:
Sie sind ein Sourcing-Assistent für ein internes HR-Team.

Input:
- LinkedIn-"Info"-Abschnitt und aktuelle Erfahrung der Kandidatin/des Kandidaten:
[Text einfügen]
- Rolle, für die wir einstellen: Senior Product Manager, B2B SaaS, remote-freundlich in der EU
- Company Pitch: [3–5 Stichpunkte zu Ihrem Unternehmen und der Rolle einfügen]
- Ton: Professionell, prägnant, ehrlich personalisiert, kein Hype.

Aufgaben:
1. Formulieren Sie eine erste Outreach-Nachricht mit 120–180 Wörtern, die:
   - 2–3 spezifische Elemente aus dem Profil der Kandidatin/des Kandidaten referenziert
   - erklärt, warum diese Rolle für sie/ihn relevant ist
   - einen unverbindlichen nächsten Schritt anbietet (15-minütiger Kennenlern-Call)
2. Schlagen Sie eine prägnante Betreffzeile (< 50 Zeichen) vor.

Erwartetes Ergebnis: Zielgerichtetere, relevantere Ansprache, die sich „für mich geschrieben“ anfühlt statt copy-paste – häufig mit 30–50 % besseren Response-Raten im Vergleich zu generischen Vorlagen.

Multi-Step-Outreach-Sequenzen aufbauen und Varianten A/B-testen

Effektives Passive Sourcing besteht nicht aus einer Nachricht, sondern aus einer Sequenz. Nutzen Sie ChatGPT für Talent-Acquisition-Kampagnen, um Multi-Touch-Outreach-Flows zu gestalten, die Recruiter:innen in LinkedIn, E-Mail oder Ihr CRM übernehmen können. Inklusive Erinnerungen, Content-Sharing (z. B. Case Studies, Kultur-Artikel) und höflichen Follow-ups.

Bitten Sie ChatGPT, mehrere Varianten mit unterschiedlichen Tonalitäten und Blickwinkeln zu erstellen, damit Sie testen können, was bei verschiedenen Persona-Typen (z. B. Engineering-Leads vs. Sales-Executives) besser ankommt.

Prompt-Beispiel:
Sie entwerfen eine 3-stufige Outreach-Sequenz für passive Kandidat:innen.

Input:
- Zielpersona: VP Engineering in mittelgroßen B2B-SaaS-Unternehmen, DACH-Region
- Wertversprechen: [Stichpunkte zu Ihrer Rolle & Ihrem Unternehmen einfügen]
- Rahmenbedingungen: Nicht mehr als 140 Wörter pro Nachricht, 4–7 Tage Abstand zwischen den Kontaktpunkten.

Aufgaben:
1. Erstellen Sie eine 3-Nachrichten-Sequenz für LinkedIn.
2. Schlagen Sie zu jeder Nachricht eine alternative Version mit einem anderen Schwerpunkt vor (Karrierewachstum vs. Impact vs. Tech-Challenge).
3. Geben Sie das Ergebnis in strukturierter Form aus (Nachricht 1A, 1B, 2A, 2B ...).

Erwartetes Ergebnis: Recruiter:innen verfügen über einsatzbereite, getestete Sequenzen statt jedes Mal bei Null zu starten – das ermöglicht konsistentere Nachverfolgung und eine bessere Nutzung ihrer Zeit.

ChatGPT zur Mapping- und Priorisierung von Talentmärkten nutzen

Vor dem Sourcing müssen Sie wissen, wo die richtigen Personen sind. ChatGPT kann öffentliche Informationen schnell synthetisieren und eine erste Talent-Marktkarte erstellen: Welche Regionen, Branchensegmente und Unternehmensphasen wahrscheinlich über das gesuchte Talent verfügen.

Recruiter:innen oder HRBPs können ihre Zeit dadurch dort fokussieren, wo die Erfolgsaussichten am höchsten sind, und fundiertere Gespräche mit Hiring Managern über Trade-offs führen (z. B. Standort vs. Erfahrung).

Prompt-Beispiel:
Sie sind Talent-Market-Analyst:in und unterstützen HR bei der Planung des Passive Sourcings.

Input:
- Rolle: Head of Customer Success, Enterprise-B2B-Software
- Region: Europa (Priorität: Deutschland, Niederlande, Nordics)
- Anforderungen: Teams > 20 Personen aufgebaut und geführt, Erfahrung mit ARR > 50 Mio., fließend Englisch.

Aufgaben:
1. Skizzieren Sie 3–5 Talentcluster (nach Land & Unternehmenstyp), in denen Kandidat:innen voraussichtlich zu finden sind.
2. Beschreiben Sie für jeden Cluster typische Unternehmensprofile und Kandidaten-Hintergründe.
3. Schlagen Sie 3 Suchstrategien pro Cluster vor (Plattformen, Keywords, Signale).
4. Präsentieren Sie dies als kompakten Marktüberblick, den HR mit Hiring Managern teilen kann.

Erwartetes Ergebnis: Fokussiertere Sourcing-Aktivitäten, weniger Sackgassen-Suchen und besseres Alignment mit Business-Verantwortlichen darüber, wo passende Talente realistisch verfügbar sind.

ChatGPT per API in Ihren ATS/CRM-Workflow einbetten

Um von Experimenten zu echter Skalierung zu kommen, integrieren Sie ChatGPT mit Ihrem ATS oder CRM. Mit einer API-Anbindung und den richtigen Prompts können Recruiter:innen Outreach-Entwürfe, Profilzusammenfassungen oder Suchstrategie-Vorschläge direkt aus Kandidaten- oder Jobdatensätzen heraus anstoßen, statt zwischen Tools zu wechseln.

Typische Workflow-Schritte sind: Standard-Promptvorlagen für Schlüsselschritte definieren (z. B. „Fasse dieses Kandidatenprofil für den Hiring Manager zusammen“, „Erstelle einen ersten Outreach-Entwurf auf Basis dieser Stelle und dieses Profils“), diese als Buttons oder Automatisierungen im System umsetzen und generierte Inhalte für Compliance und Qualitätsprüfung protokollieren.

Konfigurationsskizze (konzeptionell):
- Trigger: Recruiter:in klickt auf "Outreach generieren" im Kandidatenprofil.
- An die ChatGPT-API gesendete Daten:
  - Stellenbeschreibung
  - Profilfelder der Kandidatin/des Kandidaten (bei Bedarf von personenbezogenen Daten bereinigt)
  - Company-Pitch-Text
  - Ausgewählter Ton/Persona-Tag
- Beispiel für Systemprompt:
  "Sie sind eine Inhouse-Recruiterin/ein Inhouse-Recruiter. Formulieren Sie eine personalisierte Outreach-Nachricht ..."
- Response: Outreach-Entwurf wird als Notiz gespeichert, Recruiter:in kann ihn bearbeiten & versenden.

Erwartetes Ergebnis: 20–40 % weniger Zeitaufwand pro gesourcter Person, höhere Konsistenz in der Qualität und bessere Analytics dazu, welche Botschaften wirken – ohne zusätzliche Tools im Tech-Stack der Recruiter:innen.

Über alle diese Praktiken hinweg sehen Organisationen, die ChatGPT durchdacht in ihre Workflows für Passive Sourcing einbetten, typischerweise schnellere Zeiten bis zur Shortlist für Nischen- und Senior-Rollen (oft 25–40 % schneller), höhere Response-Raten bei zielgerichtetem Outreach und geringere Abhängigkeit von externen Agenturen. Die genauen Kennzahlen hängen von Ihrer Ausgangslage und Datenqualität ab, aber das Muster ist konsistent: weniger manuelle Suche und Textarbeit, mehr Zeit mit den richtigen Kandidat:innen.

Bauen Sie jetzt ein KI-System mit uns!

Wir bauen einen Proof of Concept für Ihr Problem für 5.000–8.000€. Sie bekommen eine handfeste Demo statt Folien mit Versprechen.

Häufig gestellte Fragen

ChatGPT unterstützt Passive Sourcing in drei Hauptbereichen: Es übersetzt vage Rollenbeschreibungen in strukturierte Sourcing-Briefings, generiert und verfeinert komplexe Suchstrings und erstellt hochgradig personalisierte Outreach-Nachrichten in Skalierung. Recruiter:innen müssen nicht mehr jede Suche bei Null beginnen, sondern arbeiten mit standardisierten, KI-unterstützten Playbooks für jeden Rollentyp und jedes Senioritätslevel.

Außerdem hilft ChatGPT, Talentmärkte zu kartieren und nicht offensichtliche Kanäle (Communities, Unternehmenstypen, Regionen) sichtbar zu machen, die im Tagesgeschäft leicht übersehen werden. Das Ergebnis ist eine konsistentere Suchqualität im Team und bessere Response-Raten von Kandidat:innen, die das Gefühl haben, dass Ihre Nachrichten wirklich auf sie zugeschnitten sind.

Mindestens benötigen Sie: Zugang zu ChatGPT (oder einer Enterprise-Instanz), Recruiter:innen, die Ihre Rollen und Talent-Personas verstehen, und jemanden, der initiale Prompts und Sourcing-Templates aufsetzt. Technische Skills sind nur nötig, wenn Sie ChatGPT mit Ihrem ATS/CRM per API integrieren möchten – dann sollten Sie Ihre interne IT oder das Engineering-Team einbinden.

Die meisten HR-Teams starten mit einem Low-Tech-Ansatz: Rollenbeschreibungen und Profile in ChatGPT copy/pasten, Prompts über einige Wochen verfeinern und die besten Varianten anschließend in einem Sourcing-Playbook festhalten. Mit zunehmender Reife gehen viele in eine tiefere Integration über – hier arbeitet Reruption typischerweise mit HR und IT gemeinsam, um KI in bestehende Tools und Workflows einzubetten.

Im Bereich Passive Sourcing können Sie erste Erfolge innerhalb von 2–4 Wochen sehen. Sobald Recruiter:innen gut gestaltete Prompts auf reale Rollen anwenden, erleben sie meist schnelleres Setup von Suchen, bessere Longlists und wirksamere Outreach-Nachrichten. Verbesserungen bei den Response-Raten werden oft schon nach ein bis zwei Outreach-Zyklen sichtbar.

Der Aufbau einer robusten, integrierten, KI-gestützten Sourcing-Fähigkeit dauert länger. Die Gestaltung von Prompt-Bibliotheken, das Training des Teams und ein Pilot für die ATS/CRM-Integration erfolgen typischerweise über 8–12 Wochen. Deshalb starten viele Kund:innen mit einem fokussierten Piloten für 1–2 kritische Rollen, messen den Impact auf Time-to-Shortlist und Response-Raten und skalieren dann auf weitere Rollen und Regionen.

Die Kosten fallen in drei Bereiche: ChatGPT-Nutzung (oft gering im Vergleich zu Recruiting-Ausgaben), interner Zeitaufwand von HR und IT sowie ein mögliches externes Budget für Konzeption und Integration. Der größte „Kostenfaktor“ ist meist das Change Management – also die Umstellung der Arbeitsweise Ihrer Recruiter:innen auf neue Workflows und Prompts.

Auf der ROI-Seite betrachten Organisationen typischerweise Time-to-Shortlist, Response-Raten auf Outreach und Agenturausgaben. Wenn KI-gestützte Workflows Ihnen helfen, auch nur einige Senior- oder Nischenrollen ohne Agenturen zu besetzen, sind die Einsparungen schnell höher als die Implementierungskosten. Realistisch ist ein Ziel von 20–30 % weniger manueller Sourcing-Zeit pro Rolle und einer messbaren Reduktion externer Agenturabhängigkeit in den ersten 6–12 Monaten.

Reruption agiert als Co-Preneur mit Ihren HR- und IT-Teams, um von der Idee zur funktionierenden Lösung zu kommen. Häufig starten wir mit einem fokussierten KI-PoC (9.900€), um zu beweisen, dass ChatGPT Ihr Passive Sourcing für ausgewählte Rollen wirksam unterstützen kann. Dazu gehören Use-Case-Scoping, Gestaltung von Prompts und Workflows, Rapid Prototyping (oft mit einer leichten Integration in Ihr ATS oder CRM) und klare Performance-Metriken.

Darauf aufbauend helfen wir Ihnen, funktionierende Ansätze zu industrialisieren: Aufbau von Prompt-Bibliotheken und Sourcing-Playbooks, Einbettung von KI in die Workflows der Recruiter:innen und Adressierung von Compliance- und Change-Management-Fragen. Wir liefern nicht nur Foliensätze – wir arbeiten eng mit Ihrem Team, stellen Annahmen in Frage und iterieren, bis eine echte, nutzbare Sourcing-Fähigkeit in Ihrer Organisation live ist.

Kontaktieren Sie uns!

0/10 min.

Direkt Kontaktieren

Your Contact

Philipp M. W. Hoffmann

Founder & Partner

Adresse

Reruption GmbH

Falkertstraße 2

70176 Stuttgart

Kontakt

Social Media