top of page


Retrieval-Augmented Generation im HR: Was steckt dahinter?
Warum halluziniert ein KI-Chatbot — und wie verhindert RAG genau das? Retrieval-Augmented Generation kombiniert das Sprachverständnis großer Modelle mit dem Zugriff auf echte Unternehmensdaten. Wie der 5-Schritt-Prozess funktioniert, welche HR-Anwendungen davon profitieren und warum die Datenqualität alles entscheidet.

Felix Adam
8. Okt.


Zero-Shot vs. Fine-Tuned Modelle: Was funktioniert im Recruiting besser?
Domänenspezifisch finegetuned" klingt nach Qualitätssignal — ist aber keine automatische Verbesserung. Für die meisten Recruiting-Aufgaben liefert ein Zero-Shot-Modell mit gutem Prompt-Engineering gleichwertige oder bessere Ergebnisse. Wann Fine-Tuning sich wirklich lohnt, welche Fragen man Anbietern stellen muss — und warum Few-Shot-Prompting oft der smarte Mittelweg ist.

Denis Franz
7. Okt.


Tokenisierung, Vektoren, Embeddings: Das KI-Lexikon für HR
20 KI-Begriffe, die jeder Recruiter kennen sollte — von Embedding über RAG bis Halluzination. Kein Mathematikstudium, kein Jargon ohne Erklärung. Jeder Begriff mit direktem Bezug dazu, was er für Recruiting-Entscheidungen, Tool-Auswahl und den täglichen Umgang mit KI-Systemen bedeutet.

Denis Franz
6. Okt.


Warum KI im Recruiting halluziniert — und wie man es verhindert
KI erfindet keine Lügen — sie wählt die statistisch wahrscheinlichste Fortsetzung, die zufällig falsch ist. Im Recruiting bedeutet das: erfundene Qualifikationen, falsch zitierte Fristen, plausibel klingende Kandidatendaten ohne Quellenverankerung. Fünf Methoden, die das Risiko auf ein akzeptables Maß senken — von RAG bis strukturierter Prompt-Anweisung.

Denis Franz
5. Okt.


Was ist ein KI-Prompt und wie schreibt man ihn richtig?
Die KI taugt nichts — oder doch der Prompt? In der Hälfte aller Fälle liegt schlechte KI-Ausgabe nicht am Modell, sondern an der Anfrage. Die vier Bausteine eines guten Prompts, drei direkte Vorher-Nachher-Vergleiche aus dem Recruiting-Alltag und eine fertige Vorlagen-Bibliothek für Stellenanzeigen, Outreach und Kandidatenbewertung.

Felix Adam
3. Okt.


Wie KI aus unstrukturierten Daten strukturierte Profile macht
Ein handgeschriebener Lebenslauf, eine WhatsApp-Sprachnachricht auf Polnisch, ein eingescanntes Formular — drei völlig unterschiedliche Eingaben, alle unbrauchbar für automatisches Matching. KI extrahiert, normalisiert und strukturiert: fünf Schritte von der Roheingabe zum maschinenlesbaren Profil, inklusive Konfidenz-Scoring für unsichere Felder.

Denis Franz
2. Okt.


Multimodale KI im Recruiting: Text, Sprache und Video kombiniert
Multimodale KI verarbeitet gleichzeitig Text, Sprache, Video und Dokumente. Für Recruiting bedeutet das: Sprachinterviews ohne Tipp-Barriere, automatische Zertifikatsprüfung per Foto, Videoauswertung auf Basis von Inhalten. Aber auch klare Grenzen: Mimik- und Emotionsanalyse ist nach EU AI Act hochriskant — und wissenschaftlich nicht valide. Was heute produktionsreif ist und was nicht.

Denis Franz
1. Okt.


Antwortzeiten im Recruiting: Warum KI den Unterschied macht
73 % der Kandidaten erwarten eine Antwort innerhalb von 24 Stunden. Die meisten Unternehmen antworten nach 48–72. In dieser Lücke geht die Einstellung verloren. KI reagiert in Sekunden — rund um die Uhr, in 56+ Sprachen, ohne Terminkoordination. Wo genau die Zeitgewinne entstehen und was das für Konversionsrate und Candidate Experience bedeutet.

Denis Franz
28. Sept.


Feedback-Kultur im Recruiting: Wie KI Absagen menschlicher macht
„Wir haben uns für einen anderen Kandidaten entschieden." Dieser Satz ist das Ende jeder Bewerbungsbeziehung — und er hinterlässt genau den falschen Eindruck. KI macht es möglich, jede Absage individuell, zeitnah und mit echtem Bezug zu formulieren: Name, konkreter Grund, Wertschätzung, Perspektive. Was das rechtlich zu beachten gilt — und warum gute Absagen direktes Employer Branding sind.

Felix Adam
26. Sept.
bottom of page