Effektive KI-Screening-Prompts schreiben: Beispiele für jede Rollenart

Der Unterschied zwischen „Die KI lieferte nützliche Ergebnisse“ und „Das KI-Screening war Zeitverschwendung“ liegt fast immer an einer Sache: der Qualität Ihres individuellen Prompts.

Ihr individueller KI-Prompt ist Ihr Wettbewerbsvorteil. Er sagt der KI genau, worauf sie achten soll, was Priorität hat und welche Warnsignale sie beobachten muss. Ein gut formulierter Prompt verwandelt ein generisches Screening-Tool in Ihren persönlichen KI-Recruiter.

Aufbau eines effektiven Screening-Prompts

Ein großartiger Prompt besteht aus vier Komponenten:

1. Muss-Kriterien

Welche Fähigkeiten, Erfahrungen oder Qualifikationen sind unverhandelbar?

2. Wünschenswerte Unterscheidungsmerkmale

Was würde einen Kandidaten hervorheben (aber ist nicht zwingend erforderlich)?

3. Warnsignale

Worauf sollte die KI als mögliche Bedenken achten?

4. Bewertungspriorität

Wie soll die KI verschiedene Faktoren gewichten?

Vorlagenstruktur

Muss-Kriterien:
[Liste der unverhandelbaren Anforderungen]

Starke Unterscheidungsmerkmale:
[Liste der wünschenswerten Qualifikationen]

Warnsignale:
[Liste der zu beobachtenden Bedenken]

Bewertungspriorität:
[Beschreibung, wie verschiedene Faktoren zu gewichten sind]

Sofort einsetzbare Prompt-Vorlagen

Software Engineer (Backend)

Muss-Kriterien: 3+ Jahre Erfahrung in der Backend-Entwicklung mit Python, Java oder Go. Erfahrung mit relationalen Datenbanken (PostgreSQL, MySQL). Verständnis von REST-API-Design und Microservices-Architektur.

Starke Unterscheidungsmerkmale: Cloud-Plattform-Erfahrung (AWS, GCP oder Azure). Erfahrung mit Containerisierung (Docker, Kubernetes). Beiträge zu Open-Source-Projekten. Erfahrung mit ereignisgesteuerter Architektur oder Message Queues (Kafka, RabbitMQ). Erfahrung im Systemdesign für Anwendungen mit hohem Traffic.

Warnsignale: Keine Produktionserfahrungen. Nur akademische/Tutorial-Projekte. Häufige Jobwechsel mit weniger als 1 Jahr in jeder Position. Keine Hinweise auf teamorientiertes Arbeiten.

Bewertungspriorität: Priorisieren Sie die Tiefe der technischen Erfahrung über die Breite. Wertschätzen Sie Kandidaten, die Produktionssysteme gebaut und gewartet haben. Starke Gewichtung von Systemdesign und Architekturverständnis für Senior-Rollen.

Frontend-Entwickler (React)

Muss-Kriterien: 2+ Jahre Erfahrung in React.js-Entwicklung. Starke JavaScript/TypeScript-Kenntnisse. Erfahrung mit State-Management (Redux, Context oder Ähnliches). Responsive Design und CSS-Kenntnisse.

Starke Unterscheidungsmerkmale: Erfahrung mit Next.js oder serverseitigem Rendering. Testing-Erfahrung (Jest, React Testing Library, Cypress). Performance-Optimierung. Erfahrung mit Design-Systemen oder Komponentenbibliotheken. Barrierefreiheit (a11y) Awareness.

Warnsignale: Nur jQuery/Vanilla-JS-Erfahrung ohne moderne Frameworks. Keine TypeScript-Erfahrung bei mittlerem oder höherem Niveau. Portfolio nur mit Template-/Tutorial-Projekten.

Bewertungspriorität: Priorisieren Sie Kandidaten, die React-Muster und Best Practices verstehen, nicht nur Syntaxkenntnisse. Wertschätzen Sie reale Projekterfahrung über Bootcamp-Absolventen mit nur Kursprojekten (außer die Projekte sind beeindruckend).

Product Manager

Muss-Kriterien: 3+ Jahre Erfahrung im Produktmanagement. Nachweislich Produkte vom Konzept bis zum Launch begleitet. Erfahrung in der Zusammenarbeit mit Entwicklerteams. Datengetriebene Entscheidungsfindung.

Starke Unterscheidungsmerkmale: B2B SaaS Produkterfahrung. Erfahrung mit Produktanalysetools (Amplitude, Mixpanel, etc.). User Research oder Design Thinking Hintergrund. Technischer Hintergrund oder Informatikstudium. Erfahrung in der Verwaltung mehrerer Produktlinien.

Warnsignale: Nur Projektmanagement-Erfahrung (keine Produktverantwortung). Keine Nachweise messbarer Ergebnisse oder Kennzahlen. Rein technischer Hintergrund ohne Kunden- oder Nutzerkontakt.

Bewertungspriorität: Wertschätzung von Ergebnissen über prestigeträchtige Firmennamen. Suchen Sie Kandidaten, die über Outcomes sprechen (z. B. Retention um X% verbessert, Umsatz um Y% gesteigert), nicht nur über gelieferte Features.

Marketing Manager (B2B)

Muss-Kriterien: 3+ Jahre B2B-Marketing-Erfahrung. Erfahrung mit Content Marketing und/oder Demand Generation. Vertrautheit mit Marketing-Automatisierungstools (HubSpot, Marketo etc.). Nachweis der Kampagnenverwaltung und ROI-Tracking.

Starke Unterscheidungsmerkmale: SaaS-Marketing-Erfahrung. SEO- und organisches Wachstumsexpertise. Erfahrung mit ABM (Account-Based Marketing). Verwaltung bezahlter Werbung (Google Ads, LinkedIn). Erfahrung im Aufbau von Marketing in einem Startup.

Warnsignale: Nur B2C- oder Agenturerfahrung. Keine Nachweise von ROI-Messung oder Attribution. Rein kreative Erfahrung ohne analytische Fähigkeiten.

Bewertungspriorität: Priorisieren Sie Kandidaten, die datengetriebene Marketingansätze demonstrieren. Wertschätzen Sie Nachweise für Pipeline-/Umsatzwirkung über Markenbekanntheit. SaaS-Erfahrung ist ein starkes Plus, aber nicht zwingend, wenn übertragbare Fähigkeiten gezeigt werden.

Sales Representative (SaaS)

Muss-Kriterien: 2+ Jahre B2B-Vertriebserfahrung. Nachweis erfolgreicher Quoten-Erreichung oder -Übertretung. Erfahrung mit CRM-Tools (Salesforce, HubSpot). Erfahrung mit Outbound-Prospecting.

Starke Unterscheidungsmerkmale: Erfahrung im SaaS- oder Technologievertrieb. Durchschnittlicher Dealwert > 50.000 $. Erfahrung mit Enterprise-Vertriebzyklen. Vertrautheit mit Vertriebs-Methodologien (MEDDIC, SPIN, Challenger). Erfahrung in unserer Branchenlösung.

Warnsignale: Nur Inbound-/Bestellannahme-Vertrieb. Keine Quoten-Erreichungsdaten. Häufige Jobwechsel ohne Aufstieg. Nur Einzelhandels- oder B2C-Vertriebs-Hintergrund.

Bewertungspriorität: Die Erreichung der Quote ist der wichtigste Indikator. Suchen Sie nach konkreten Zahlen: generierter Umsatz, abgeschlossene Deals, Prozentsatz der Quoten-Erfüllung. Wertschätzen Sie beratungsorientierten Vertrieb über transaktionalen Verkauf.

Customer Success Manager

Muss-Kriterien: 2+ Jahre Erfahrung in Customer Success, Account Management oder Kundenservice. Erfahrung in der Verwaltung eines Kundenbestands. Nachweis von Retention- oder Expansion-Kennzahlen. Starke Kommunikationsfähigkeiten.

Starke Unterscheidungsmerkmale: SaaS Customer Success Erfahrung. Erfahrung mit CS-Plattformen (Gainsight, Totango, ChurnZero). Nachweis der Verbesserung von NPS, CSAT oder Retentionsmetriken. Erfahrung mit Unternehmenskunden (100.000 $+ ARR). Erfahrung mit Onboarding oder Implementierung.

Warnsignale: Nur Support-/Helpdesk-Erfahrung ohne strategisches Account Management. Kein Nachweis proaktiver Kundenbetreuung. Hohe Kundenabwanderung ohne Erklärung in früheren Rollen.

Bewertungspriorität: Achten Sie auf Nachweise von Kundenbindung und -erweiterung. Wertschätzen Sie Kandidaten, die über Geschäftsergebnisse sprechen, nicht nur über Beziehungsaufbau. Empathie und Kommunikationsfähigkeiten sind wichtig – suchen Sie nach Beispielen für Kundenbefürwortung.

Data Scientist / ML Engineer

Muss-Kriterien: 3+ Jahre Erfahrung in Machine Learning oder Data Science. Kenntnisse in Python und ML-Frameworks (TensorFlow, PyTorch, scikit-learn). Starke Statistik- und Mathematikgrundlage. Erfahrung im Produktions-Deployment von Modellen.

Starke Unterscheidungsmerkmale: Erfahrung mit LLMs und generativer KI. Deep Learning Expertise. Veröffentlichte Forschung oder Konferenzbeiträge. Erfahrung mit ML-Infrastruktur (MLflow, Kubeflow, SageMaker). Domänenexpertise in unserer Branche.

Warnsignale: Nur Kaggle-Wettkampferfahrung ohne Produktionserfahrung. Keine Erklärung von Modellentscheidungen oder Trade-offs möglich. Keine Erfahrung mit Datenpipelines oder Feature Engineering in großem Maßstab.

Bewertungspriorität: Produktionserfahrung ist entscheidend – priorisieren Sie Kandidaten, die ML-Systeme in Produktion gebaut und gewartet haben, über rein forschungsorientierte Profile. Suchen Sie nach Nachweisen, dass ihre Modelle geschäftlichen Mehrwert schaffen.

HR / People Operations

Muss-Kriterien: 3+ Jahre HR-Erfahrung. Kenntnisse im Arbeitsrecht und Compliance. Erfahrung mit HRIS-Systemen. Erfahrung in Mitarbeiterbeziehungen.

Starke Unterscheidungsmerkmale: Erfahrung im Aufbau von HR für wachsendes Unternehmen (50 bis 200+ Mitarbeiter). Erfahrung in Vergütungs- und Benefit-Design. Aufbau von Unternehmenskultur und Employer Branding. Erfahrung mit HR-Analytics und Personaldaten. Internationale HR- oder Multi-Länder-Erfahrung.

Warnsignale: Nur administrative HR-Erfahrungen. Keine Nachweise strategischer HR-Initiativen. Keine Erfahrung mit modernen HR-Tools. Widerstand gegen datenbasierte Ansätze.

Bewertungspriorität: Wertschätzung strategischen HR-Denkens über administrative Erfahrung. Suchen Sie Kandidaten, die Prozesse und Systeme aufgebaut, nicht nur verwaltet haben. Fokus auf Kultur und Mitarbeitererfahrung ist wichtig.

Erweiterte Prompt-Techniken

Tiered Evaluation

Bewerten Sie Kandidaten in drei Stufen:
- Stufe 1 (starke Passung): Erfüllt alle Muss-Kriterien + 3 oder mehr Differenzierungsmerkmale
- Stufe 2 (gute Passung): Erfüllt alle Muss-Kriterien + 1-2 Differenzierungsmerkmale
- Stufe 3 (begrenzte Passung): Erfüllt die meisten Muss-Kriterien, aber es fehlen wichtige Anforderungen

Geben Sie die Stufe klar in der Analyse an.

Branchenspezifischer Fokus

Wir sind ein FinTech-Unternehmen für Unternehmenskundenbanken. Priorisieren Sie Kandidaten mit:
- Erfahrung im Finanzdienstleistungs- oder regulierten Sektor
- Verständnis von Compliance-Anforderungen (SOC 2, PCI usw.)
- Erfahrung mit Enterprise-Vertriebzyklen (6+ Monate)

Bewertung des Wachstumspotenzials

Bewerten Sie neben den aktuellen Fähigkeiten auch das Wachstumspotenzial:
- Nachweis einer schnellen Fähigkeitenentwicklung
- Karriereverlauf (Beförderungen, wachsende Verantwortung)
- Nebenprojekte oder Anzeichen ständigen Lernens
- Anpassungsfähigkeit erkennbar an Karrierewechseln

Kulturelle Signale

Unser Team schätzt:
- Verantwortungsbewusstsein und Ownership (Hinweise auf Projektverantwortung von Anfang bis Ende)
- Zusammenarbeit (Nachweise für interdisziplinäre Arbeit)
- Kontinuierliches Lernen (Kurse, Zertifikate, Nebenprojekte)
- Klare Kommunikation (Achten Sie auf präzise und klare Schreibweise im Lebenslauf)

Tipps zur Prompt-Optimierung

1. Seien Sie konkret – „Starke Programmierfähigkeiten“ ist vage. „3+ Jahre Python mit Django oder FastAPI“ ist umsetzbar.

2. Begründen Sie Ihre Anforderungen – Anstatt nur Kriterien aufzulisten, erklären Sie, warum sie wichtig sind. So trifft die KI bessere Entscheidungen in Grenzfällen.

3. Iterieren Sie – Überprüfen Sie die ersten Ergebnisse. Wenn die KI einseitig bewertet, passen Sie den Prompt an.

4. Nutzen Sie Folge-Prompts – Der erste Prompt screenet Lebensläufe. Der Folge-Prompt kann Kandidaten gezielt zu Lücken oder interessanten Punkten befragen.

5. Halten Sie den Prompt aktuell – Passen Sie ihn an, wenn sich Ihre Anforderungen ändern. Was bei Einstellung #1 wichtig war, kann bei Einstellung #10 anders sein.

---

Ihre KI ist nur so gut wie Ihre Vorgaben. Schreiben Sie großartige Prompts, um großartige Leute einzustellen.