Recruiting: So optimieren sie die Suche nach KI-Fachkräften  

Wie suche ich eine KI-Fachkraft. Was muss eine KI-Stellenanzeige enthalten? 

Warum spielt generative AI eine wichtige Rolle bei der Suche nach KI-Fachkräften? 

Lesen Sie unseren Leitfaden für Recruiter, Führungskräfte und AI Expert:innen

Die Suche nach KI-Fachkräften stieg in Deutschland von 23.000 KI-Stellenanzeigen im 1. Quartal des Jahres 2019 auf 37.000 im 1. Quartal 2024 (Download Report vom Institut der Deutschen Wirtschaft, 2025-02 im Auftrag des Bundesministerium für Wirtschaft und Klimaschutz – Dez 24).

Der Blogeintrag ist der erste einer Serie von Einträgen:

• AI: Effektivität und Effizienz – mehr Effektivität mit KI
• AI-Fachkräfte Recruiting: DrKPI 3-Phasen Modell (sie sind hier)
• AI Anforderungen und Azubi: Technologiewandel und Duale Ausbildung
• AI – Infrastruktur und Umwelt / Klimawandel
• AI: Trends für Manager:innen

Weitere Einträge in unserem #DrKPI Blog zum Thema AI finden sie hier (einfach anklicken):

• Technologien, Innovation, KI-Fachkräfte und Job Sicherheit

AI sollte die Arbeit verändern.

Aber für einige Unternehmen hat die KI nur die Komplexität erhöht, zu Missverständnissen und Konflikten geführt und damit Enttäuschungen verursacht.

Um dies zu verhindern, müssen wir die für uns besten AI-Fachkräfte finden.

Wie uns dabei welche Art von Stellenbeschreibung hilft, wird hier mit Hilfe von Beispielen aus der Praxis erklärt.

3️⃣ Case-Studies zum AI Einsatz

Heute nutzen wir primär Generative AI (was ist). Diese erschafft mit Hilfe von Algorithmen neue Inhalte wie z.B. Text, Video, Musik oder ein Foto. 

Eine Kategorie der generativen AI sind Large Language Model(s) (LLMs) wie z.B. ChatGPT oder OpenAI.

Im letzten Beitrag haben wir eine Tabelle erstellt, die bei der Entscheidungsfindung in Sachen KI hilft.

Ob eine Arbeit automatisiert werden soll mit Hilfe von AI hängt von diesen 4 Dingen ab: 

• Häufigkeit
• Komplexität
• Vernetzung
• Kosten

Hier 3 Beispiele, welche aufzeigen, warum eine gut durchdachte Projektbeschreibung mit Zielformulierung (was oder wie hilft AI die Lösung des Problems zu finden) wichtig ist.

1️⃣ JPMorgan Chase

Bei JPMorgan Chase hat dies Jamie Dimon klar gemacht. Die  JPMorgan Chase setzt KI bereits in 450 Fällen ein. Diese KI-Projekte reichen von der Optimierung von Call Centern bis zur Absicherung von Aktienportfolios.

Jamie Dimon hat auch im Interview erklärt, dass der Einsatz von KI keine Kostenersparnis bringt, aber Vorteile im Markt inklusive besseren Service.

Die meisten Projekte im AI Bereich bei JPMorgan Chase sind z.B. darauf ausgelegt, ein Problem zu lösen. In anderen Fällen soll die jetzige Lösung optimiert werden, wie bei Aktienportfolios von Kunden.

Fazit: Diese Jobs werden häufig ausgeführt, sind nicht allzu komplex. Ebenfalls wird die Vernetzung zwischen verschiedenen Maschinen oder Menschen/Abteilungen möglichst klein gehalten.

Es macht natürlich sehr viel Sinn, Applikationen zu verbessern, welche dem Kunden Vorteile bringen.

Eine neue Studie im Vereinigten Königreich (siehe Grafik unten) zeigt z.B., dass Kunden oft sehr viel Zeit aufwenden müssen, um Probleme gelöst zu bekommen (Download der Studie als PDF).

Der gute Kundenservice bleibt dabei of auf der Strecke liegen. Der Kunde verschwendet oft viel zu viel Zeit und ärgert sich über die Firma oder den Brand.

Sie sind kein Abonnent? Abonnieren Sie den DrKPI Newsletter. Erhalten Sie die Trends 6-12 Wochen in Ihre Inbox.

• #MCLago KI Workshop 8 Mai: AI im Business effektive und effizient einsetzen – vom Konzept bis zum Einsatz mit Beispielen LIVE – jetzt KOSTENLOS anmelden mit einem Klick, nicht vergessen.

2️⃣ A&O Shearman und KI Start-Up Harvey

Im May 2024 lancierte die grosse UK Kanzlei A&O Shearman das zusammen mit dem KI Start-Up Harvey entwickelte Programm – ContractMatrix. Dieses unterstützt Anwälte in einer Kanzlei bei der Erstellung von Verträgen. 

Auch bei der Überprüfung oder bei einer Verhandlung unterstützt das Programm den Nutzer in seiner Arbeit. 

Die Software ist als Lizenzprodukt für Mandanten erhältlich.

Die Rechtsbranche ist zwar in vielen Bereichen noch traditionell, aber dennoch ein sehr interessanter Markt für generative KI. Die Abhängigkeit von standardisierten Dokumenten und Präzedenzfällen macht sie zu einem perfekten Trainingsfeld für Large Language Models (LLMs).

Fazit: Dies sind wiederum Arbeiten, die oft ausgeführt werden, wobei die Arbeit nicht allzu komplex ist, wenn man die richtigen Textblöcke für einen Vertrag nutzt.

Die Arbeitsprozesse zur Erstellung eines z.B. Kaufvertrages müssen nicht durch verschiedene Menschen oder Maschinen ausgeführt werden. Da ist der Übergabeprozess von Junior zu Associate in einer Anwaltskanzlei einfach. 

3️⃣ A&O Shearman und KI Start-Up Harvey

Das Tool, das ebenfalls in Zusammenarbeit mit dem KI-Start-up Harvey entwickelt wurde, konzentriert sich auf zeitintensive Aufgaben mit geringer Rechnungsstellung. Unter anderem sind dies Bereiche wie Kartellrecht und Fondsbildung. Hier ist der Input und die Aufsicht von Senior Associates oder Partnern erforderlich.

Das kartellrechtliche Element des Modells, das A&O Shearman selbst nutzen und an andere Kanzleien verkaufen wird, nutzt die Finanzdaten eines Unternehmens. Diese helfen zu beurteilen, in welchem der mehr als 130 Rechtsordnungen die Mandantin möglicherweise einen Antrag für eine Fusion einreichen muss.

Fazit: Bei diesem Beispiel das A&O Shearman im April 2025 vorstellte, wird es komplexer und menschliche oder durch AI verursachte Fehler kosten viel Geld.

Das heisst im Klartext, wenn eine der Rechtsordnungen nicht berücksichtigt wurde, kann dieser Fehler sehr grosse Kosten für einen Merger verursachen. 

Ebenfalls müssen grosse Mengen von Dokumenten gesichtet werden. Da hilft die AI diese Aufgaben schnell und akribisch abzuarbeiten. 

Welche AI Projekte sollen realisiert werden?

Für die oben kurz beschriebenen Projekte braucht es unterschiedliche KI-Fachkräfte. Diese sind beim heutigen Fachkräftemangel nicht einfach auf dem Stellenmarkt zu rekrutieren (siehe Bundesministerium für Wirtschaft und Klimaschutz – Dez 24). 

Die Beschreibung der Projekte oder des Projektes in Sachen AI zeigt auf, welche Arbeiten und Aufgaben das Team erledigen muss.

Das zeigt uns aber auch, welche Talente wir brauchen, mit welchen Erfahrungen und Wissen.

Was unseren Lesern sicher schon klar ist, es braucht viel Vorarbeit, bevor wir uns ins Recruiting-Getümmel stürzen sollten.

Wer hier die Hausaufgaben nicht macht, verschafft sich einige Probleme. Ein Beispiel ist, versehentlich Leute einzustellen, die wenig beitragen können, um unsere Ziele im AI Bereich zu realisieren.

Die 3 KPIs (siehe Box rechts in Grafik 1) sollten im Stelleninserat klar formuliert sein wie z.B.:

• Eine der Hauptaufgaben ist es, die erfolgreiche Rekrutierung von jährlich 160 Azubis für 22 Berufe sicherzustellen. 

• Ein zweites Ziel ist es, die Erfolgsquote der Lehrabschlüsse auf über 90% im Jahr zu sichern und die Übernahmequote der ehemaligen Azubi von 75% zu erreichen.

Berufsausbildung, Linienverantwortliche und Geschäftsleitung haben diese Ziele formuliert. Es ist klar, dass diese KPI erreicht werden müssen.

Dies bedeutet, der Fokus im AI-Bereich für die Berufsbildung und Personalentwicklung muss diese KPI miteinbeziehen. Die Frage ist also:

• Wi kann hier AI Hilfe leisten die KPI zu erreichen.

Das heisst aber auch, Recruiting Prozesse müssen analysiert und verbessert werden. 

Was wir ganz sicher nicht wollen, ist ineffektive Prozesse mit AI zu optimieren oder zumindest verbessern. Das kann nur schief gehen.

Bank Vontobel AG: Recruiting einer AI Spezialistin

Rekrutierung einer AI Spezialistin im heutigen Markt ist auch für die Bank Vontobel AG nicht ohne Herausforderungen.

Unten haben sie Einsicht in eine Stellenausschreibung der Bank Vontobel.

Speziell hilft es den von mir gelb markierten Text weiter unten im PDF Dokument zu lesen. Dieser zeigt auf, welche Herausforderung es ist, die Anforderungen für eine solche Position möglichst konkret zu formulieren. 

Beispiel ist: “solid understanding of AI”.

Dies kann sehr vieles heissen und lässt offen, inwiefern technisches Wissen und welche Art von Know-How, verlangt wird.

Es gilt also ebenfalls festzulegen, welche Art von Fachkraft wir brauchen. Alleine zu definieren, dass man eine Ausbildung in Engineering oder aber Business Analysis haben sollte, ist nicht hilfreich (siehe Bank Vontobel AG Stellenausschreibung oben).

Der Screenshot unten von der ZHAW (Zürcher Hochschule für Angewandte Wissenschaften) und ihrem CAS Marketing Automation & Artificial Intelligence zeigt, warum (PS. CAS = Certificate of Advanced Studies).

Auch für Marketing Experten werden Weiterbildungsprogramme angeboten, die sich mit KI beschäftigen.

Doch besitzt dank des CAS in Artificial Intelligence und Marketing die Absolventin, das für die Realisierung unserer AI Projekte notwendige Fachwissen?

Die Beispiele der Vontobel Bank AG aber auch der ZHAW zeigen auf, es lohnt die Dinge ein wenig genauer zu beschreiben. Nur dann kann eine Entscheidung gemacht werden, ob z.B. ein KI Developer oder eine KI Ingenieurin eingestellt werden sollte.

Bundeskriminalamt Wiesbaden: Recruiting DevOps KI Entwicklung

Update 2025-04-16 siehe diese Sektion

KI in DevOps (siehe auch Github) umfasst den Einsatz von maschinellem Lernen (ML) und anderen Technologien der künstlichen Intelligenz zur Automatisierung und Optimierung des Softwareentwicklungs- und Bereitstellungsprozesses. 

Diese Arbeit umfasst alles von der Automatisierung von Test- und Bereitstellungsprozessen bis hin zur Verbesserung der Ressourcenverwaltung und der Sicherheit der Applikationen!

Es gibt verschiedene Arten von KI, die bei DevOps eingesetzt werden, darunter:

• Maschinelles Lernen (machine learning oder ML)
• Verarbeitung natürlicher Sprache (natural language processing)
• Computer Vision
• Chatbots und virtuelle Assistenten

DevOps-Ingenieure sind für die Verwaltung der Bereitstellung, Überwachung und Wartung von Anwendungen zuständig.

Im Gegensatz dazu sind Softwareentwickler für die Entwicklung und Wartung von Softwareanwendungen mit sauberen und effizienten Kodierungsverfahren zuständig.

DevOps-Ingenieure sind für die Verwaltung der Bereitstellung, Überwachung und Wartung von Anwendungen zuständig.

Im Gegensatz dazu sind Softwareentwickler für die Entwicklung und Wartung von Softwareanwendungen mit sauberen und effizienten Kodierungsverfahren zuständig.

Die Aufgaben beim BKA vermischen diese beiden Funktionen oder Jobs miteinander.

Es scheint, eher, dass ein Softwareentwickler gesucht wird mit unter anderem auch DevOps Aufgaben. 

Das schränkt die Anzahl möglicher qualifizierter Bewerberinnen nochmals ein!

4️⃣ AI Job Profile – DrKPI KI-Fachkräfte Job Quadrant

Der AI Fachkräfte Quadrant unten zeigt anhand der X-Achse – von 1 nach 2 – auf, welche Kenntnisse z.B. zu Business Prozessen erwartet werden.

Die Y-Achse von 1 nach 4 zeigt auf inwiefern AI Fachwissen und Expertise in Computer Science vom neuen Stelleninhaber erwartet wird.

Wir beschreiben die Quadranten 1 – 4 unten genauer.

Download vom DrKPI AI Fachkräfte Quadrant als Image 40 KB

1️⃣ Was ist ein AI User?

Ein KI Anwender  – Nr. 1 im DrKPI AI Fachkräfte Quadrant – weiss relativ wenig was verschiedene AI Modelle unterscheidet.  

Auch ist sein technisches Fachwissen über AI und die Programmierung von Algorithmen und deren Optimierung durch Tests beschränkt.

Heute gibt es auch schon Stellenausschreibungen, die jenen von 1995 für Bürofachkräfte ähneln. 

Damals wurde manchmal im Jobinserat aufgeführt, welche Software Programme  wie WordPerfect oder Microsoft Word, etc. die Bewerber kennen sollten. Manchmal wurde sogar das Niveau oder die Fachkenntnisse, welche erwartet wurden, definiert. 

Heute sehen wir eine ähnliche Entwicklung im KI-Bereich. Manchmal wird aufgelistet, das Erfahrung mit Chat GPT oder OpenAI erwünscht sei.

2️⃣ Was ist ein AI Specialist oder AI Lead User?

Eine AI Spezialistin (siehe Quadrant 2 in Grafik oben) kann – siehe Bank Vontobel AG Stellenbeschrieb – irgend etwas sein.

Es ist nicht immer klar, wie viel technisches oder auch Business relevantes Wissen die Person haben muss. 

Das hat das Start-Up AI Unternehmen so gelöst, dass der eine Gründer Rechtsanwalt ist und der ander ein AI Experte im technischen Sinne also ein AI Engineer. 

Beim Gebrauch der Bezeichnung AI Spezialist, ist meistens keine wirklich technische fokussierte Position gemeint. Eher ein Lead User, der viel fachliche Kompetenz im Business Bereich wie Marketing, Recht/Compliance hat.

Da ist das technische Know-How vielleicht vielfältig zu verschiedenen AI relevanten Themen.

Nichtdestotrotz, das Wissen geht kaum genügend in die Tiefe, um z.B. das Testen und die Optimierung von Algorithmen zu ermöglichen.

Der AI Spezialist, der einen CAS in Marketing Automation und Artificial Intelligence abgeschlossen hat (siehe Image oben), ist sicherlich kein AI Engineer oder AI Developer.

Je nach Eigeninteresse sind vielleicht ihre Marketingkenntnisse sehr gut. 

Aber Erfahrung in der Programmierung und Optimierung von Algorithmen oder das fachliche tiefgründige Wissen über AI Modelle ist eher nicht vorhanden. 

Wenn wir eine klare Stellenbeschreibung erstellt haben, können wir je nach Bedarf Personen mit solchen Kenntnissen mit einbeziehen oder aber ausschliessen. 

Dies macht z.B. die IBM sehr kompetent, wie das Beispiel der Stellenausschreibung für eine AI Ingenieurin unten aufzeigt.

3️⃣ Was ist ein AI Engineer (KI Ingenieur:in) oder Machine Learning Engineer? 

KI-Ingenieure – Nr. 3 im DrKPI AI Fachkräfte Quadrant – konzentrieren sich auf die Entwicklung und Feinabstimmung von KI-Modellen.  Der Unterschied zum AI Developer ist zum einem, dass ihr Wissen zu AI Modellen und AI Theorien mehr in die Tiefe wie auch in die Breite geht als beim KI Developer.

Eine AI Ingenieurin würde z.B. das DeepSeek-R1 Modell nutzen und dieses mit Hilfe von effizientem Training leistungsfähiger machen.

KI-Ingenieure sind für die Entwicklung, Programmierung und das Training der komplexen Netzwerke von Algorithmen verantwortlich, die die KI ausmachen.

Kenntnisse und Skills: Diese Funktion erfordert kombiniertes Fachwissen in den Bereichen Business Prozesse, Softwareentwicklung, Programmierung, Data Science und Data Analytics. 

Darüber hinaus sind Kenntnisse in den Bereichen Cloud Computing, Infrastrukturmanagement und Skalierbarkeit von Systemen erforderlich.

Vergleiche auch Microsoft, Stellenbeschreibung IBM

4️⃣ Was ist ein AI Developer (KI Entwickler:in)

Ein KI-Entwickler  – Nr. 4 im DrKPI AI Fachkräfte Quadrant – ist ein Software Experte, der KI entwickelt und in Anwendungen integriert. Dies wiederum erleichtert die Automatisierung, datengesteuerte Entscheidungsfindung und verbesserte Benutzererfahrungen.

KI-Entwickler:innen wenden KI-Modelle und -Algorithmen auf reale Softwarelösungen an. 

Ihre Arbeit umfasst das Schreiben von Code, die Implementierung von KI-gesteuerten Funktionalitäten und die Sicherstellung einer nahtlosen Interaktion zwischen KI-Komponenten und umfassenderen Softwaresystemen.

Kenntnisse und Skills: Entwickler sollten sich mit generativer KI auskennen, die ChatGPT und anderen textbasierten KI-Tools zugrunde liegt – zur Zeit sind dies fast immer Large Language Model(s). 

Diese Rolle erfordert Kenntnisse in Programmiersprachen wie Python, Java und C++. 

AI Developer müssen Machine-Learning-Modelle und Deep-Learning-Architekturen verstehen, einschließlich neuronaler Netze, Entscheidungsbäume und Support-Vektor-Maschinen. 

Die KI Developer, besitzen hohes AI Wissen aber auch Expertise in Computer Science / Informatik.  

Vergleiche auch IBM und Chart oben – der DrKPI KI-Fachkräfte Quadrant 4.

IBM AI-Engineer Stellenausschreibung: So sichert man den Erfolg

Wir haben oben gezeigt, dass wir zuerst einmal klar beschreiben müssen, für welches KI-Projekt wir AI-Fachkräfte brauchen.

Hier ist wichtig zu definieren, welche Ziele mit dem AI Projekt realisiert werden müssen, inklusive mögliche KPI.

Auch welche AI Modelle oder Konzepte sowie Theorien genutzt werden sollen muss schriftlich formuliert sein.

Mit Hilfe dieser Information über das mögliche AI Projekt können wir dann die Anforderungen formulieren, welche eine Kandidatin erfüllen muss. Von Fachwissen über  Ausbildung bis hin zur Erfahrung als AI Engineer oder AI Developer. 

Nichtsdestotrotz sagt uns ein Abschluss eines Bachelors in Engineering oder Computer Science nicht, ob der Kandidat das notwendige Fachwissen und Erfahrung mit AI Modellen hat.  

Diese Herausforderung hat z.B. IBM fast in allen seinen AI bezogenen Stellenausschreibungen elegant gelöst.

Neben einer formalen Ausbildung wie einem Bachelor in Computer Science, können sich auch Leute mit einem anderen Bachelor wie Engineering oder nur einem High School Abschluss bewerben. Bedingung ist einfach, dass sie das notwendige AI Wissen und relevante Job Erfahrungen mitbringen.  

Diese Information ist hilfreich für Absolventen mit einem Bachelor in Computer Science (CS), aber auch Personen, welche eine andere Bildungskarriere hingelegt haben. 

Gleichzeitig signalisiert es aber auch an Leute mit einem Bachelor in CS, welches Know-How und welche verschiedenen Fertigkeiten von ihnen erwartet werden:

• “Utilize: Deep Learning, Machine Learning Algorithms, Generative AI Models, Natural language processing, API design/development, Complex Software architecture, Full Stack Development, Cloud infrastructure and hyper scalar technologies” 

➡️ siehe S 2, gelb markierter Text im Dokument unten

Im Gegensatz zur Stellenausschreibung der Bank Vontobel AG ist das Jobinserat bei IBM klarer. Welche Arbeit ausgeführt werden muss, aber auch das Fachwissen, das ich brauche, um reüssieren zu können, ist aufgelistet. 

Was die Firma sich wünscht, was meine Arbeitserfahrung auf dem Gebiet betrifft, ist ebenfalls aufgelistet. Die Art der “Job Experience” ist klar definiert in der Hoffnung, die Wahrscheinlichkeit zu erhöhen, dass die Bewerberin die notwendige Erfahrung mitbringt. 

Fazit: Erfolgreiche Rekrutierung von KI-Fachkräften braucht einige Vorarbeit

AI sollte die Arbeit verändern. Aber für einige Unternehmen hat die KI nur die Komplexität erhöht, zu Misverständnissen und Konflikten geführt und damit Enttäuschungen verursacht.

Aus Erfahrung wissen wir, dass wir die Prozesse genau untersuchen und optimieren sollen, bevor wir diese digitalisieren. 

Das gleiche gilt auch für den Artificial Intelligence Bereich, wie Grafik 1 oben aufzeigt.

Was immer KI bei uns auch ist, es muss klar definiert sein, welche Technologie genutzt wird und welche Ziele damit verfolgt werden. Ansonsten wird es fast unmöglich, mit einer Stellenbeschreibung die richtig qualifizierten KI-Fachkräfte zu rekrutieren.

Das heisst, wie KI anhand von KPI wirklich hilft die Pflegedokumentation optimaler zu gestalten und somit Zeiterspartnis zu realisieren ist das eine Ziel (siehe auch Spitalstiftung Konstanz).

Das zweite Ziel ist wie AI das Wissenmanagement verbessert und welches KPI wir hier einsetzen können, muss klargestellt werden.

Dies sollte passieren, bevor wir unsere Anwendung im Wissensmanagement mit Hilfe von KI einführen oder verbessern.

Deine Meinung ist gefragt

• Was denkst du macht ein optimales Stelleninserat für KI-Fachkräfte aus?
• Wie siehst du die Zusammenarbeit im Team zwischen weniger technischem AI Spezialisten und KI-Developer oder KI Engineer? Funktioniert das bei Euch?
• Welche KI-Applikation nutzt du gerne und für welche Arbeit? Vorteile oder auch Nachteile sind?

Hinterlasse einen Kommentar hier im Blog und wir werden ihn bestimmt beantworten.