Aus der Küche zu den Prompts – Warum Recruiting KI-Talent nicht erkennt
Ein Recruiter sagte mir einmal etwas, das mich nicht losgelassen hat: dass man einem Lebenslauf und einem Vorstellungsgespräch wirklich nicht ansehen kann, ob jemand für eine bestimmte Stelle geeignet sein wird. Dass Intuition dabei eine große Rolle spielt – wie auch immer man das nennen möchte. Er sprach von gewöhnlichen, klar definierten Stellen. Traditionellen Positionen mit Aufgabenlisten, die es seit Jahren gibt.
Nun stellen Sie sich vor, dieser Recruiter erhält eine Bewerbung von jemandem, der Küchenschichten in einem Restaurant arbeitet. In seiner Freizeit baut er Systeme zur Verarbeitung natürlicher Sprache, betreibt einen Blog über die Zusammenarbeit zwischen Mensch und KI und schafft es in einer einzigen Session mit einem Sprachmodell, von einer rohen Idee zu einem funktionierenden Anwendungsprototyp zu kommen. Diese Person hat keinen Informatikabschluss. Keine Erfahrung bei einem Technologiekonzern. Im Lebenslauf steht: „Mitarbeiter in der Gastronomie.“
Die Frage ist: Wird dieser Recruiter den Lebenslauf überhaupt öffnen? Und die zweite Frage, vielleicht noch wichtiger: Weiß diese Person überhaupt, dass sie ihn einschicken sollte?
Recruiting ist blind – und das ist keine Metapher
Bevor wir überhaupt zum Thema KI kommen, lohnt es sich, das Ausmaß des Problems mit dem Recruiting selbst zu verstehen. Eine Studie von TestGorilla aus dem Jahr 2025, durchgeführt mit tausend HR- und Recruiting-Verantwortlichen in den USA, zeichnet ein Bild, das man kaum ermutigend nennen kann:
58 % der Recruiter geben zu, dass sie Schwierigkeiten haben, die Fähigkeiten zu überprüfen, die Bewerber in ihren Lebensläufen angeben. 47 % können die kulturelle Passung eines Kandidaten nicht wirksam einschätzen. Und 46 % betrachten ihre aktuellen Sourcing-Tools schlicht als ineffektiv.
Aber das ist erst der Anfang. Ein SHRM-Bericht aus dem Jahr 2025 zeigt, dass sowohl die Kosten der Personalbeschaffung als auch die Zeit, die benötigt wird, um eine Stelle zu besetzen, in den vergangenen drei Jahren gestiegen sind – genau in dem Zeitraum, in dem Unternehmen massenhaft KI-Tools für HR-Prozesse eingeführt haben. Nichol Bradford von SHRM brachte es auf den Punkt: „Das KI-Wettrüsten nützt keiner Seite.“
Bewerber nutzen KI, um perfekte Lebensläufe und Anschreiben zu erstellen. Unternehmen nutzen KI, um diese Lebensläufe zu filtern. Das Ergebnis? Beide Seiten spielen ein Spiel, bei dem echte Kompetenz irgendwo in der Mitte verloren geht.
Eine Gartner-Studie vom März 2025 fügt eine weitere Dimension hinzu: Nur 26 % der Bewerber (aus der Studie 1Q25, 2.918 Befragte) vertrauen darauf, dass künstliche Intelligenz sie im Bewerbungsprozess fair bewertet. Gleichzeitig geben mehr als 39 % (aus einer separaten Studie 4Q24, 3.290 Befragte) zu, selbst KI zu verwenden, wenn sie sich bewerben – um Lebensläufe umzuschreiben, Antworten auf Bewerbungsfragen zu generieren, Portfolios zu erstellen.
Wir haben eine Situation, in der niemand niemandem vertraut und alle dieselben Werkzeuge nutzen, um sich gegenseitig zu „überlisten“. Und genau in diesem Kontext stellt sich die Frage nach KI-Kompetenz – der echten, tiefgehenden, schwer messbaren Art.
Drei Leben des Prompt Engineerings
Um zu verstehen, wo wir heute stehen, müssen wir ins Jahr 2023 zurückgehen. ChatGPT war gerade mit einem Paukenschlag auf die Bühne getreten. Die Tech-Medien verkündeten die Geburt eines neuen Berufs: Prompt Engineer – der „KI-Flüsterer“. Anthropic veröffentlichte Stellenausschreibungen mit Gehältern von bis zu 375.000 Dollar im Jahr. Kein Informatikabschluss erforderlich (obwohl grundlegende Programmierkenntnisse erwünscht waren). Kurz gesagt: Man musste einfach wissen, wie man mit einem Sprachmodell spricht.
Das klang wie ein Traum. Die Suchanfragen nach „prompt engineering jobs“ auf Indeed erreichten im April 2023 ihren Höhepunkt. Und dann begannen sie zu fallen. Kontinuierlich.
In einer Microsoft-Umfrage aus dem Jahr 2025 unter 31.000 Mitarbeitern in 31 Ländern landete die Rolle des Prompt Engineers auf dem vorletzten Platz unter den Positionen, die Unternehmen in den nächsten 12 bis 18 Monaten zu schaffen planen. Jared Spataro, Microsofts Chief Marketing Officer of AI at Work, brachte es direkt auf den Punkt: „Vor zwei Jahren sagten alle, Prompt Engineer werde ein gefragter Job sein. Aber man braucht keinen perfekten Prompt mehr.“
Sam Altman, CEO von OpenAI, hatte das sogar noch früher vorhergesagt – bereits 2022 sagte er, dass in fünf Jahren niemand mehr Prompt Engineering betreiben würde. Die Modelle würden gut genug werden, sodass man einfach sagen könnte, was man möchte.
Und in gewisser Weise hatte er recht. Aber eben nur in gewisser Weise.
Denn das ist, was tatsächlich passierte: Die Berufsbezeichnung „Prompt Engineer“ verschwand im Wesentlichen. Aber die Fähigkeit, effektiv mit Sprachmodellen zu arbeiten, überlebte nicht nur – sie wurde zu einer der gefragtesten Kompetenzen auf dem Markt. Nur weiß niemand, wie man sie messen, wo man sie suchen oder wie viel man dafür zahlen soll.
Allison Shrivastava, Wirtschaftswissenschaftlerin bei Indeed, formulierte es treffend: „Prompt Engineering als Fähigkeit ist definitiv noch wertvoll. Aber es ist kein Vollzeitjob.“
Und ein Kommentator bei Fast Company verglich Prompt Engineering mit dem „Excel-Experten“ oder dem „PowerPoint-Guru“ – eine wertvolle Kompetenz, aber keine, um die herum Unternehmen dedizierte Stellen aufbauen. Sie wird in andere Positionen absorbiert.
Das Problem ist: Wenn eine Kompetenz „absorbiert“ wird – wird sie unsichtbar. Sie taucht nicht in Berufsbezeichnungen auf. Sie erscheint nicht in den Filtern von ATS-Systemen. Sie schafft es nicht auf Anforderungslisten, weil niemand weiß, wie man sie beschreibt. Und plötzlich haben wir eine Situation, in der ein Unternehmen dringend jemanden braucht, der effektiv mit KI zusammenarbeiten kann – aber die Stellenausschreibung lautet „Kenntnisse mit KI-Tools von Vorteil“ – was ungefähr so viel bedeutet wie nichts.
Paper Ceiling – Eine gläserne Decke aus Papier
In der Welt des Recruitings gibt es einen Begriff, der dieses Problem perfekt beschreibt: die „Paper Ceiling“. Nicht aus Glas, nicht aus Beton – aus Papier. Denn es sind Abschlüsse, Zertifikate und Zeilen im Lebenslauf, die darüber entscheiden, wer überhaupt wahrgenommen wird.
Die Daten sind erbarmungslos: 87 % der Arbeitgeber im Technologiesektor berichten von Schwierigkeiten bei der Stellenbesetzung aufgrund von Qualifikationslücken. Gleichzeitig engen formale Bildungsanforderungen den Talentpool weiter ein und versperren den Zugang für Menschen, die ihre Fähigkeiten selbstständig oder auf informellen Lernwegen erworben haben. LinkedIn stellt fest, dass Stellenausschreibungen ohne Abschlussanforderungen zwischen 2019 und 2022 um 36 % gestiegen sind – aber das ist noch immer eine Minderheit.
Wie Analysten im Artikel „Beyond the CV“ aus dem Jahr 2025 schrieben: Ein autodidaktischer Programmierer aus Indien oder eine Marketingfachfrau aus Nigeria kann allein deshalb übergangen werden, weil ihr Lebenslauf kein Prestige aufweist – keine bekannte Universität, kein wiedererkennbares Unternehmen, kein vertrauter Karriereverlauf.
Es gibt jedoch einen besonders interessanten Fall: die New Yorker gemeinnützige Organisation Pursuit. Pursuit bereitet Geringverdiener – Menschen ohne Hochschulabschluss, oft ohne jegliche Technologieerfahrung – auf Karrieren in der IT vor. Historisch gesehen erzielen ihre Absolventen eine durchschnittliche Gehaltssteigerung von 400 % – von etwa 18.000 auf 90.000 Dollar im Jahr. Im Jahr 2025 startete Pursuit ein neues KI-fokussiertes Ausbildungsprogramm für dasselbe Teilnehmerprofil.
Vierhundert Prozent. Von körperlicher Arbeit in die Tech-Welt. Ohne MIT-Abschluss, ohne Google-Praktikum.
Aber Pursuit ist eine Ausnahme – eine Organisation, die aktiv eine Brücke zwischen zwei Welten baut. Die meisten Menschen, die dieselbe Reise antreten könnten, wissen nicht einmal, dass diese Brücke existiert. Denn woher sollten sie es wissen?
Jemand, der sein gesamtes Berufsleben damit verbracht hat, körperliche Arbeit zu suchen, der weiß, dass Aufstieg harte Schichtstunden bedeutet, der nie irgendeinen Kontakt zur IT-Welt hatte – wie soll diese Person herausfinden, dass sie vom Burger-Wenden zum Aufbau von Systemen mit Prompts springen kann?
Das ist keine Frage fehlenden Talents. Es ist eine Frage fehlender Information darüber, dass dieser Weg überhaupt existiert und zugänglich ist.
Die Hürde beim Einstieg in die KI-Welt ist nicht technischer Natur – sie ist informationeller und sozialer Natur. Niemand sagt den Menschen, die in der Gastronomie, der Logistik oder der Produktion arbeiten: „Hey, was du nach der Arbeit mit ChatGPT machst – das ist eine echte, marktfähige Kompetenz.“
Und so bewerben sich diese Menschen nicht. Und Recruiter wissen nicht, dass sie nach ihnen suchen sollten.
Vibe Coding – Neuer Gleichmacher oder neue Illusion?
Im Februar 2025 veröffentlichte Andrej Karpathy – Gründungsmitglied von OpenAI und ehemaliger KI-Chef bei Tesla – einen Beitrag, der die Art und Weise veränderte, wie Menschen über Programmierung denken. Er nannte es „Vibe Coding“: einen Ansatz, bei dem ein Entwickler ein Projekt in natürlicher Sprache beschreibt und ein Sprachmodell den Code generiert. Kein manuelles Schreiben jeder einzelnen Zeile. Kein Ringen mit der Syntax. Stattdessen – Gespräch, Iteration, „Vibing“ mit KI.
Der Begriff schaffte es auf die Trendliste von Merriam-Webster. Collins Dictionary kürte ihn zum Wort des Jahres 2025. Suchanfragen nach „vibe coding“ schossen im Frühjahr 2025 um 6.700 % in die Höhe. Y Combinator enthüllte, dass 25 % der Startups aus ihrem Winter-2025-Jahrgang Codebasen hatten, die zu mehr als 95 % von KI generiert worden waren.
Aber was am Vibe Coding wirklich revolutionär ist, hat nichts mit Entwicklern zu tun. Es betrifft Menschen, die keine Entwickler sind.
Die Website LIT.AI beschrieb den Fall einer erfahrenen HR-Recruiterin, die mithilfe von Vibe Coding in wenigen Stunden eine professionelle Anwendung zur Bewerberbewertung für Vorstellungsgespräche erstellte. Diese Person brachte ihr Fachwissen mit: Sie verstand, welche Fragen die Qualität eines Kandidaten offenbaren, wie man eine Bewertung strukturiert, welche Nuancen wichtig sind. Die KI kümmerte sich um den Code, die Benutzeroberfläche, die Datenorganisation. Das Ergebnis: ein produktionsreifes Tool, das traditionell Monate an Arbeit eines Entwicklerteams erfordert hätte.
Das ist der Moment, in dem sich die Wege kreuzen. Ein Koch, der nach Feierabend NLP-Tools baut. Eine HR-Recruiterin, die eine Anwendung zur Kandidatenbewertung erstellt. Ein Logistikmitarbeiter, der das Reporting in seinem Unternehmen durch ein Gespräch mit Claude automatisiert. Diese Menschen passen in keine Recruiting-Vorlage – weil die Vorlagen noch nicht existieren.
Vibe Coding verspricht, die Softwareerstellung zu demokratisieren. Aber es hat auch seine dunkleren Seiten, über die es sich lohnt, ehrlich zu sprechen.
Die METR-Studie vom Juli 2025 – ein randomisierter kontrollierter Versuch – ergab, dass erfahrene Open-Source-Entwickler beim Einsatz von KI-Coding-Tools um 19 % langsamer waren, obwohl sie sich selbst als 24 % schneller einschätzten. Eine CodeRabbit-Analyse vom Dezember 2025, die 470 Pull Requests auf GitHub umfasste, stellte fest, dass KI-mitgenerierter Code 1,7-mal mehr schwerwiegende Fehler enthielt als manuell geschriebener Code – darunter 2,74-mal mehr Sicherheitslücken. Fast Company beschrieb im September 2025 einen „Vibe Coding Hangover“ und zitierte erfahrene Ingenieure, die von einer „Entwicklungshölle“ beim Arbeiten mit KI-generiertem Code berichteten.
Vibe Coding ist also kein magisches Tor. Aber es ist ein anderes Tor – eines, das es zum ersten Mal in der Geschichte Menschen ohne formale Informatikausbildung ermöglicht, echte Tools zu bauen.
Und hier stellt sich die grundlegende Frage: Ist der Arbeitsmarkt bereit für Menschen, die durch dieses Tor treten?
Wo ist Raum für Veränderung?
Ein Experiment von Stanford-Forschern in Zusammenarbeit mit der University of Southern California beleuchtet die Richtung, in die sich Recruiting entwickeln könnte. Das Experiment verglich zwei Methoden: traditionelle Lebenslaufauswahl versus KI-geführte Interviews. Kandidaten, die KI-Interviews durchliefen, erzielten eine Erfolgsquote von 53,12 % in anschließenden menschlichen Interviews – im Vergleich zu 28,57 % in der traditionellen Gruppe.
Das ist kein kleiner Effekt. Das ist nahezu doppelte Effektivität.
Und entscheidend ist zu verstehen, warum diese Methode funktioniert: weil sie tatsächliche Kompetenzen bewertet und nicht Erklärungen auf Papier. Wie die Autoren anmerkten, „minimieren KI-geführte Interviews das Risiko, bestimmte Hintergründe zu bevorzugen, und schaffen gleiche Ausgangsbedingungen für nicht-traditionelle Kandidaten, Quereinsteiger und unterrepräsentierte Gruppen.“
SSIR (Stanford Social Innovation Review) schlägt einen noch radikaleren Ansatz vor: die „Proxy-Indikatoren“ des Lebenslaufs durch Aufgaben zu ersetzen, die auf echter Arbeit basieren – Arbeitsproben, Simulationen, betreute Probeaufgaben mit standardisierten Bewertungskriterien. „Ein Kandidat für eine Datenanalyse-Stelle sollte zeigen, dass er unordentliche Daten bereinigen, ein einfaches Modell erstellen, die Glaubwürdigkeit der Ergebnisse überprüfen und die Abwägungen einer nicht-technischen Person erklären kann.“
Eine Ipsos-Studie aus dem Jahr 2025 für Google berichtet, dass 49 % der Personalverantwortlichen beginnen, formale Kompetenzbeurteilungen einzusetzen – technische Tests, Arbeitssimulationen, Passungsbewertungen. Das ist bereits fast die Hälfte. Aber „beginnen einzusetzen“ bedeutet nicht „effektiv einsetzen“. Zwischen Absicht und Praxis liegt eine Lücke. Und in dieser Lücke liegen Chancen.
Eine davon ist das Portfolio als Alternative zum Lebenslauf. Nicht ein traditionelles Projektportfolio – sondern ein Portfolio des Denkprozesses. Ein Blog, der die Zusammenarbeit mit KI dokumentiert. GitHub-Repositories, die nicht nur das Endergebnis zeigen, sondern die Iteration, das Debugging, die Kommunikation mit dem Modell. Eine Aufzeichnung einer Vibe-Coding-Session, in der man sehen kann, wie jemand die KI von einer Idee zu einem funktionierenden Prototyp führt.
Eine zweite Möglichkeit sind „Live-Vibe-Coding-Sessions“ als neue Form des Vorstellungsgesprächs. Das Unternehmen Netclues macht das bereits: Ein Kandidat erhält ein Problem, löst es mit seinem KI-Tool der Wahl live – während der Recruiter nicht nur das Ergebnis bewertet, sondern den Denkprozess, die Qualität der Prompts, die Fähigkeit zu debuggen, die Reaktion auf KI-Fehler.
Eine dritte – und vielleicht wichtigste – ist ein Wandel in der Erzählung darüber, wer mit KI arbeiten kann. Die vorherrschende Annahme ist, dass KI-Kompetenz zur Domäne von Programmierern und Dateningenieuren gehört. Aber die Forschung legt etwas anderes nahe: Die entscheidenden Eigenschaften von Menschen, die am effektivsten mit LLMs arbeiten, sind Problemlösungsfähigkeit, Anpassungsfähigkeit und Lernbereitschaft – kein spezifisches Set technischer Fähigkeiten.
Der Bericht „2025 Talent Outlook“ von Universum betont, dass diese „weichen“ Kompetenzen in einer KI-erweiterten Umgebung genauso entscheidend sind wie harte technische Fähigkeiten.
Es gibt auch etwas, das Analysten bei SSIR als „latente Expertise“ bezeichnen. KI kann einem Studenten helfen, Daten zu analysieren, einem Einzelhandelsmitarbeiter, Code-Snippets zu generieren, und einem Schulabsolventen, professionelle Marketingmaterialien zu erstellen. KI offenbart Kompetenzen, die traditionelle Recruiting-Systeme nicht sehen können.
Die Frage ist also nicht, ob diese Möglichkeiten existieren. Die Frage ist, wer sie als Erster ergreift – Unternehmen, Kandidaten oder vielleicht völlig neue Akteure auf dem Markt, die wir noch nicht kennen.
Schluss
Irgendwo in einer Restaurantküche beendet gerade jemand seine Schicht, zieht die Schürze aus, setzt sich an den Computer und beginnt eine weitere Session mit einem Sprachmodell. Er baut ein Tool, das niemand von ihm erwartet hat. Löst ein Problem, für das kein Recruiter eine Stellenausschreibung verfasst hat. Erschafft etwas, das kein ATS-System identifizieren kann.
Diese Person hat die Kompetenzen, nach denen Unternehmen verzweifelt suchen. Aber sie weiß nicht, dass sie sie hat – oder sie weiß nicht, dass irgendjemand dafür zahlen würde.
Und Unternehmen wissen nicht, dass sie genau nach solchen Menschen suchen sollten.
Das ist die Lücke. Nicht technologisch, nicht bildungsbezogen – informationell und imaginativ.
Und solange niemand sie füllt, werden KI-Talente weiterhin in der Todeszone zwischen der Welt, aus der sie kommen, und der Welt, die sie wertschätzen könnte, verschwinden.
Quellen
- TestGorilla, 2025 – Umfrage unter 1.000 HR- und Recruiting-Verantwortlichen in den USA (betanews.com)
- SHRM, 2025 – „Recruitment Is Broken. Automation and Algorithms Can’t Fix It.“ (shrm.org)
- Gartner, März 2025 – Vertrauen von Kandidaten in KI-Recruiting (unleash.ai)
- Microsoft, 2025 – Umfrage unter 31.000 Mitarbeitern zur Zukunft von KI-Rollen (salesforceben.com)
- Fortune / Indeed, Mai 2025 – „This six-figure role was predicted to be the next big thing—it’s already obsolete“ (fortune.com)
- Fast Company, Mai 2025 – „AI is already eating its own: Prompt engineering is quickly going extinct“ (fastcompany.com)
- Robert Half, 2025 – „Building Future-Forward Tech Teams“ (roberthalf.com)
- LinkedIn, 2022 – Wachstum von Stellenausschreibungen ohne Abschlussanforderungen, 2019–2022 (linkedin.com)
- Stanford / USC – Experiment zum Vergleich von KI- vs. traditionellem Recruiting (weforum.org)
- Dice, 2025 – „The Rise of Nontraditional Tech Career Paths“ (dice.com)
- Pursuit / Stand Together, 2025 – KI-Programm für Arbeitnehmer ohne Hochschulabschluss (standtogether.org)
- „Beyond the CV“ – KI-gestützte Kompetenzgraphen im Recruiting (virtualemployee.com)
- Ipsos / Google, 2025 – „Future-proofing careers in the age of AI“ (ipsos.com)
- SSIR – „A New AI Career Ladder“ (ssir.org)
- Universum, 2025 – „2025 Talent Outlook“ – Soft Competencies in einer KI-Umgebung (via: skywalkgroup.com)
- Wikipedia – Vibe Coding (wikipedia.org)
- LIT.AI – Vibe Coding: A Human-AI Development Methodology (lit.ai)
- METR, Juli 2025 – Randomisierter kontrollierter Versuch zur Entwicklerproduktivität mit KI (wikipedia.org/Vibe_coding)
- CodeRabbit, Dezember 2025 – Analyse der Code-Qualität: KI vs. Mensch (wikipedia.org/Vibe_coding)
- Netclues – Live-Vibe-Coding-Sessions im Recruiting (netclues.com)
- Anthropic, 2023 – Stellenausschreibung „Prompt Engineer and Librarian“, 280.000–375.000 $ (businessinsider.com)
- Sam Altman, Oktober 2022 – Aussage zur Zukunft des Prompt Engineerings
