Zwei Kandidaten auf deinem Bildschirm. Gleicher Jobtitel: “Project Manager”. Gleiche Jahre Erfahrung: 6 Jahre. Gleiche Skills auf LinkedIn: Agile, Scrum, Stakeholder Management.
LinkedIn sagt: identisch. Deine Intuition sagt: Check die Arbeitgeber. Du googelst die Firmennamen. 5 Minuten später weißt du: komplett verschiedene Profile.
Der eine arbeitet bei einem IT Scale-up. Der andere bei einem Bauunternehmen. Für deine IT-Vakanz ist Kandidat A relevant. Kandidat B nicht.
Wie oft erlebst du das? Jede Woche. Jede Suche. Du filterst nach Jobtitel und Standort, aber die eigentliche Frage bleibt: Welche Arbeitgeber sagen mir, ob jemand passt?
Das Problem mit Jobtiteln
Ein Jobtitel ohne Arbeitgeberkontext ist bedeutungslos.
“Project Manager” kann bedeuten:
- IT-Projekte bei einem SaaS Scale-up (Agile Sprints, EUR 2M Budget, Multi-Stakeholder)
- Bauprojekte bei einem Bauunternehmen (Wasserfall-Methode, EUR 50M Infrastruktur)
- Marketing-Kampagnen bei einem E-Commerce-Unternehmen (2-Wochen-Sprints, crossfunktional)
- Manufacturing-Projekte (Lean, Six Sigma, Supply-Chain-Optimierung)
Gleicher Titel. Vier komplett verschiedene Funktionen. Verschiedene Methodik, verschiedene Stakeholder, verschiedene Komplexität.
Der Titel sagt, was jemand tut. Der Arbeitgeber verrät, wie und in welchem Kontext.
Ohne diesen Kontext filterst du blind. Du packst Kandidat B auf deine Shortlist, weil der Titel stimmt. Im Gespräch stellt sich dann heraus, dass die Erfahrung nicht passt. Du hast eine Stunde verloren. Der Kandidat hat eine Stunde verloren. Der Hiring Manager fragt: Warum wurde dieser Kandidat vorgeschlagen?
Warum Kontext erst jetzt eine Lösung hat
Dieses Problem existiert seit 20 Jahren. Recruiter wussten schon immer, dass Arbeitgeberkontext wichtig ist. Warum wurde es dann nie gelöst?
Weil es manuell unmöglich ist.
Bei einer Suche mit 800 Profilen gibt es durchschnittlich 600-700 einzigartige Arbeitgeber. Wenn du jeden Arbeitgeber 5 Minuten googelst, bist du 50-60 Stunden beschäftigt. Für eine einzige Suche.
Du kannst nicht 50 Stunden für Research aufwenden, bevor du mit dem Screening anfängst. Also hast du nach Titeln gescreent. Und Kandidaten verpasst.
Was hat sich geändert? Drei Dinge:
- KI kann Unternehmensinformationen in Sekunden verarbeiten und analysieren
- Datenbanken wie Crustdata enthalten Unternehmensdaten von 60+ Millionen Organisationen
- NLP (Natural Language Processing) versteht Nuancen und Kontext
SourceLens kombiniert diese drei. Es analysiert die letzten 8 Arbeitgeber eines Kandidaten anhand von 18 Dimensionen. Automatisch. In 8 Sekunden pro Kandidat.
Die 18 Dimensionen, die WIRKLICH verraten, wer jemand ist
Wenn du einen Kandidaten bewertest, willst du wissen:
Unternehmen:
- Branche/Industrie
- Unternehmensgröße (Startup, KMU, Konzern)
- Umsatz und Wachstumsphase
Markt:
- B2B oder B2C
- Kundensegment (Enterprise, Mid-Market, SMB)
- Geografischer Fokus (lokal, EU, weltweit)
Produkt/Dienstleistung:
- Produkttyp (SaaS, On-Premise, physisches Produkt, Dienstleistung)
- Komplexität der Proposition
Sales/Vertrieb (für kommerzielle Positionen):
- Vertriebsmodell (Inside Sales, Field Sales, Consultative, Channel)
- Dealgröße (transaktional vs. Enterprise)
- Länge des Verkaufszyklus (Wochen vs. Monate)
Arbeitsweise:
- Entscheidungsgeschwindigkeit (Startup-Chaos vs. Konzern-Prozess)
- Ownership-Struktur (wie eigenständig arbeitet jemand)
- Kultur (Quota-getrieben vs. beziehungsorientiert)
Diese 18 Dimensionen verraten dir nicht nur, was ein Kandidat gemacht hat, sondern in welchem Kontext er es gemacht hat.
Und Kontext bestimmt, ob Erfahrung auf deine Vakanz übertragbar ist.
Case Study: Project Manager A vs Project Manager B
Angenommen: Du suchst einen IT Project Manager für ein SaaS Scale-up. Agile Arbeitsweise, Multi-Stakeholder-Umgebung, schnelle Entscheidungsfindung.
Du bekommst zwei Kandidaten:
Kandidat A:
- Position: Project Manager
- Arbeitgeber: CloudBase (Scale-up, 120 Mitarbeiter)
- Kontext: SaaS-Plattform, Agile, 2-Wochen-Sprints, Budget EUR 2M, Multi-Stakeholder (Product, Engineering, Sales), 18-24 Monate Projekte
Kandidat B:
- Position: Project Manager
- Arbeitgeber: DeltaMech (Bauunternehmen, 800 Mitarbeiter)
- Kontext: Infrastrukturprojekte, Wasserfall-Methode, 3-5 Jahre Laufzeit, Budget EUR 50M, Stakeholder (Bauunternehmer, Behörden, Aufsichtsstellen)
Gleicher Titel. Gleiche Jahre Erfahrung. Aber:
- Kandidat A arbeitet in kurzen Iterationen. Kandidat B in langen Planungsphasen.
- Kandidat A schaltet täglich zwischen Product und Sales. Kandidat B mit Bauunternehmern und Behörden.
- Kandidat A arbeitet mit Budget EUR 2M. Kandidat B mit EUR 50M (komplett andere Größenordnung und Verantwortung).
Für deine IT Scale-up Vakanz ist Kandidat A relevant. Kandidat B nicht.
Ohne Arbeitgeberkontext siehst du nur “Project Manager, 6 Jahre Erfahrung, Agile”. Mit Arbeitgeberkontext siehst du den Unterschied in 8 Sekunden.
Wie du Arbeitgeberkontext analysierst (manuell vs automatisch)
Manuelle Methode
- LinkedIn-Profil öffnen
- Jeden Arbeitgeber googeln
- Website checken: Was machen sie, welche Branche, wie groß
- Auf LinkedIn suchen: B2B oder B2C, wer sind ihre Kunden
- Versuchen herauszufinden: Vertriebsmodell, Komplexität, Arbeitsweise
- Ergebnisse notieren
- Für den nächsten Arbeitgeber wiederholen
Zeit pro Kandidat: 5-10 Minuten Zeit für 100 Kandidaten: 8-16 Stunden
Automatische Methode (SourceLens)
- LinkedIn-Profil nach SourceLens exportieren (1 Klick)
- KI analysiert die letzten 8 Arbeitgeber anhand von 18 Dimensionen
- Arbeitgeberkontext wird zum Kandidatenprofil hinzugefügt
- Matching Engine vergleicht Kontext mit deinen Vakanz-Kriterien
- Matching-Score mit Begründung pro Kriterium
Zeit pro Kandidat: 8 Sekunden Zeit für 100 Kandidaten: 13 Minuten
Von 8-16 Stunden auf 13 Minuten. Vom Raten zum Wissen.
Warum das erst jetzt möglich ist
Vor zehn Jahren war das Science Fiction. Was hat sich geändert?
Fortschrittliche KI-Modelle verstehen Unternehmenskontext aus unstrukturierten Daten. Sie können eine Unternehmenswebsite analysieren und schlussfolgern: “Das ist ein B2B SaaS-Unternehmen mit Consultative Inside Sales, 12+ Monate Verkaufszyklus, Enterprise-Kunden.”
Datenbanken wie Crustdata enthalten strukturierte Informationen über 60+ Millionen Unternehmen weltweit. Branche, Größe, Umsatz, Mitarbeiterzahl, Standort.
NLP erkennt Nuancen. Der Unterschied zwischen “Enterprise Sales bei einem SaaS-Unternehmen” und “transaktionaler Sales bei einem Produktunternehmen” ist subtil. KI versteht diesen subtilen Unterschied.
SourceLens kombiniert diese drei Technologien. Das Ergebnis: sofortiger Arbeitgeberkontext für jeden Kandidaten in deiner Suche.
Von Jobtiteln zu Arbeitgeberkontext
Die alte Arbeitsweise:
- Boolean Search in LinkedIn nach Jobtitel + Standort
- 800 Profile zurückbekommen
- Scrollen, Profil öffnen, Arbeitgeber googeln, bewerten
- 3-4 Stunden später: 80 Kandidaten auf der Shortlist
- Davon 40% eigentlich nicht relevant (stellt sich später heraus)
Die neue Arbeitsweise:
- Boolean Search in LinkedIn nach Jobtitel + Standort
- 800 Profile nach SourceLens exportieren (Chrome Extension, 2 Minuten)
- KI analysiert Arbeitgeber anhand von 18 Dimensionen, matcht mit deinen Kriterien
- 45 Minuten später: 80 Kandidaten mit Matching-Score und Begründung
- Shortlist ist direkt einsetzbar, Relevanz 95%+
Hör auf, nach Jobtiteln zu filtern. Fang an, nach Arbeitgeberkontext zu filtern.
Der Kandidat mit dem perfekten Titel beim falschen Unternehmenstyp passt nicht. Der Kandidat mit einem abweichenden Titel beim richtigen Unternehmenstyp passt oft schon.
Kontext bestimmt Relevanz. Nicht der Titel.
Fazit: Kontext ist der neue Standard
Jobtitel sind Labels. Sie kategorisieren. Aber sie erzählen nicht die Geschichte.
Der Arbeitgeber erzählt die Geschichte. Die Branche, der Organisationstyp, das Vertriebsmodell, die Komplexität. Das ist es, was bestimmt, ob jemand zu deiner Vakanz passt.
Als Corporate Recruiter kannst du nicht für jede Position den Markt kennen. Als Agentur-Mitarbeiter baust du jahrelang dieses Wissen auf. Als selbstständiger Recruiter betrittst du regelmäßig unbekannte Branchen.
Mit Arbeitgeberkontext ist das nicht mehr nötig. Der Kontext wird automatisch hinzugefügt. Für jeden Kandidaten. Jede Suche. Jede Position.
Von 800 Profilen auf 80 relevante Kandidaten. Vom Raten zum Wissen. Von Jobtiteln zu Arbeitgeberkontext.
Sieh Arbeitgeberkontext für deine nächsten 100 Kandidaten. Teste SourceLens 14 Tage kostenlos auf sourcelens.ai
Arthur Balabrega ist Gründer von SourceLens und hat 20 Jahre Erfahrung im Recruitment. Er hat SourceLens gebaut, weil er sah, dass Recruiter 90% ihrer Zeit damit verbringen herauszufinden, ob Arbeitgeber relevant sind — Zeit, die besser für das tatsächliche Sprechen mit Kandidaten genutzt werden könnte.