Ein technischer Personaldienstleister mit Schwerpunkt Contracting und Festanstellungsvermittlung in der AMA-Industrie. Mit einem kleinen, schlagkräftigen Team wurde zuletzt ein Jahresumsatz im hohen einstelligen Millionenbereich erzielt. Das Unternehmen wollte zweistellig wachsen – ohne proportional mehr Mitarbeitende einzustellen.

Ausgangssituation Der Kernprozess des Unternehmens – Jobs identifizieren, passende Kandidatenprofile zuordnen und an Kunden versenden – lief nahezu vollständig manuell. Recruiter durchsuchten Jobbörsen und Kundenportale händisch, glichen Anforderungen einzeln mit der eigenen Kandidatendatenbank ab, bereiteten Profile manuell auf und versendeten sie per E-Mail. Pro Besetzungsvorgang vergingen so bis zu zwei Stunden reine Prozesszeit, bevor überhaupt ein Gespräch mit dem Kunden stattfand. Erste Automatisierungen wie ein automatischer NDA-Versand und KI-gestützte Gesprächs-Summaries waren bereits im Einsatz – der größte Zeitfresser, das Job-Profil-Matching selbst, blieb jedoch unangetastet.

Wir entwickelten eine individuelle Automatisierungslösung, die den gesamten Prozess von der Jobidentifikation bis zum Profilversand abdeckt. Ein KI-Agent scannt definierte Jobquellen automatisch nach Aufträgen, die zum Skillset des Unternehmens passen. Neue Jobs werden strukturiert im System angelegt, ohne manuelles Copy-Paste. Anschließend matcht ein Scoring-Algorithmus vorhandene Kandidatenprofile automatisch gegen die Jobanforderungen und erstellt eine priorisierte Shortlist. Der Recruiter prüft und bestätigt die Vorschläge – und löst damit den automatisierten, personalisierten Profilversand an den Kunden aus. Die gesamte Lösung wurde in die bestehende IT-Infrastruktur integriert und innerhalb von acht Wochen live geschaltet.

Ein inhabergeführter IT-Staffing-Dienstleister mit 8 Mitarbeitenden, spezialisiert auf die Vermittlung von Entwicklern, DevOps-Engineers und IT-Projektleitern.

Der Geschäftsführer investierte wöchentlich rund 12 Stunden in manuelle Vertriebsarbeit: LinkedIn-Recherche nach Entscheidern, Profilanalyse, individuelle Ansprache, Nachfassen per E-Mail. Die Ergebnisse waren solide, aber nicht skalierbar. In guten Monaten kamen zwei neue Kunden dazu, in schlechten keiner. Ein zweiter Vertriebler war finanziell nicht darstellbar — und hätte Monate Einarbeitung gebraucht. Gleichzeitig fehlte ein System, das erkennt, wann ein potenzieller Kunde tatsächlich offene Positionen hat und damit akuten Bedarf signalisiert.

Wir entwickelten eine dreistufige Automatisierung, die den Vertriebsprozess von der Lead-Erkennung bis zur Terminbuchung abdeckt: Automatische Lead-Erkennung: Ein System scannt Jobbörsen, Karriereseiten und LinkedIn nach Unternehmen mit offenen IT-Positionen, die zum Dienstleister-Profil passen, und reichert sie automatisch mit Kontaktdaten und Firmeninfos an. Individualisierte Kontaktaufnahme: Das System generiert personalisierte Erstansprachen per E-Mail und LinkedIn, die konkret auf die offene Position und das passende Kandidaten-Skillset eingehen — keine Massennachrichten. Intelligentes Follow-up: Automatisierte Nachfass-Sequenzen reagieren auf Signale wie E-Mail-Öffnungen oder Profilbesuche. Bei Interesse wird der Lead direkt im Kalender eingebucht.

Ein technischer Personaldienstleister (ANÜ & Permanent) für Maschinenbau, Elektrotechnik und Automotive.

Die Datenbank war historisch gewachsen und enthielt Profile aus den letzten acht Jahren. Ca. 4.000 Datensätze waren veraltet — falsche Telefonnummern, alte E-Mail-Adressen, nicht mehr aktuelle Positionen. Recruiter griffen deshalb fast ausschließlich auf Active Sourcing über LinkedIn und Jobbörsen zurück, obwohl bereits Tausende potenziell passende Kandidaten im eigenen System lagen. Jede Neubesetzung begann bei null. Die Kosten pro Besetzung stiegen, die Time-to-Fill lag bei durchschnittlich 34 Tagen.

Wir entwickelten ein dreistufiges, DSGVO-konformes Reaktivierungssystem, das Kandidatenprofile bereinigt, bewertet und gezielt anspricht – ausschließlich auf Basis vorliegender Einwilligungen und interner CRM-Daten. 1. Prüfung aller Profile auf gültige Rechtsgrundlagen. Nicht verwertbare Datensätze wurden gesperrt und in Re-Consent- oder Löschprozesse überführt. Aktive Profile wurden bereinigt, dedupliziert und nach Fachbereich sowie letztem Kontakt strukturiert, ohne externes Scraping. 2. Ein internes Scoring bewertete Aktualität und Relevanz (Kontaktverlauf, Fachgebiet, offene Positionen). Inaktive Kandidaten (>24 Monate) erhielten vorab eine transparente Re-Consent-Anfrage. 3. Geeignete Kandidaten wurden individuell angesprochen – mit Bezug zur letzten Zusammenarbeit, klarer Mehrwertkommunikation und Opt-out.