Wie ein kleines Vermittlungsbüro täglich hunderte Stellen mit KI prüft – und was der Mittelstand daraus lernen kann

Jeden Morgen um 4.45 Uhr beginnt in unserem Büro der Arbeitstag. Niemand ist da. Ein Rechner sammelt die neuen Stellen des Tages ein: die Vakanzen, die unsere Klienten uns direkt melden, dazu die Inserate von über einem Dutzend Jobportalen und Firmenwebseiten. Er sortiert alles nach Beruf und Region, prüft jede Stelle gegen eine Sperrliste, rechnet die Fahrzeit zu jedem unserer Kandidaten aus und stellt um sieben Uhr einen Bericht bereit: Welche Stellen sind neu, welche passen zu wem, wo lohnt sich ein Blick. Wenn ich meinen Kaffee trinke, ist die Vorarbeit erledigt, für die früher ein Mitarbeiter den halben Tag brauchte.

Wir sind eine kleine Personalvermittlung für Industrie, Technik und Bau in der Ostschweiz. Keine IT-Abteilung, kein Budget für Beratungshäuser. Und trotzdem läuft heute ein grosser Teil unserer Arbeit automatisch. Wie das ging, ist keine Geschichte über Technologie, sondern über Geduld.

Das Problem: zu viele Inserate, zu wenig Zeit

Wer Fachkräfte vermittelt, lebt von Übersicht. In der Schweiz werden an einem normalen Werktag mehrere tausend Stellen in Industrie und Bau ausgeschrieben, verteilt auf Portale, Firmenwebseiten und Aggregatoren. Die meisten sind für einen bestimmten Kandidaten uninteressant: falscher Ort, falsche Spezialisierung, befristet, ein Personalverleiher statt eines Arbeitgebers, oder ein Inserat, das seit Wochen auf drei Portalen gleichzeitig läuft.

Das Sichten dieser Masse war unser Engpass. Nicht das Gespräch mit dem Kandidaten, nicht die Beratung, sondern das stupide Durchklicken. Und wer stupide Arbeit lange genug macht, macht Fehler: Man übersieht die eine passende Stelle und schickt dafür eine, die 80 Kilometer entfernt liegt.

Schritt eins: Regeln statt Intelligenz

Der erste Schritt hatte mit künstlicher Intelligenz nichts zu tun. Wir haben aufgeschrieben, nach welchen Regeln wir selbst entscheiden. Welche Berufsbezeichnungen gehören zu welcher Kandidatengruppe? Welche Firmen wollen keine Vermittler? Ab welcher Fahrzeit ist eine Stelle für jemanden aus Singen oder Bregenz nicht mehr realistisch? Wie erkennt man, dass zwei Inserate dieselbe Stelle sind?

Diese Regeln wurden zu Skripten. Nüchtern, nachvollziehbar, jederzeit korrigierbar. Das war die wichtigste Lektion: Automatisierung beginnt mit dem Formulieren der eigenen Entscheidungslogik. Wer das nicht kann, dem hilft auch keine KI.

Schritt zwei: KI dort, wo Regeln versagen

Regeln scheitern an Sprache. Ist ein «Projektleiter Sondermaschinenbau» ein Konstrukteur oder ein Manager? Beschreibt ein Inserat eine Festanstellung oder einen Temporäreinsatz, ohne es zu sagen? Erfüllt ein Kandidat mit 15 Jahren Erfahrung in der Blechbearbeitung die Anforderung «CNC-Kenntnisse», obwohl das Wort in seinem Lebenslauf nicht vorkommt?

Hier setzen wir seit vielen Jahren eine eigens dafür entwickelte Software ein, die wir laufend weiterbauen. Sie liest Inserat und Kandidatenprofil und beantwortet eine klar umrissene Frage: Passt das, und wenn nein, warum nicht? Jede Antwort wird gespeichert, jede Begründung ist für uns lesbar. Für die sprachlichen Fragen greift die Software auf ein KI-Sprachmodell zurück, angesteuert über eine Schnittstelle. Kostenpunkt: wenige Franken pro Tag. Das ist weniger, als eine Stunde manuelles Sichten kostet.

Drei Dinge haben sich dabei bewährt:

• Kleine, präzise Fragen. Das Modell bekommt nie den Auftrag «finde den besten Kandidaten», sondern immer eine Ja-Nein-Frage mit Kontext. Je enger die Frage, desto verlässlicher die Antwort.
• Mensch entscheidet, Maschine sortiert. Die KI schlägt vor, ich bestätige. Jeden Vorschlag sehe ich in einem Bericht mit Begründung und entscheide mit einem Klick. Was ich ablehne, lernt das System als Regel für die Zukunft.
• Kontrolle durch Zahlen. Wir messen, wie viele Vorschläge wir annehmen und wie viele Kandidaten auf eine vorgeschlagene Stelle mit Ja antworten. Sinkt die Quote, stimmt etwas im Filter, und wir schauen hin, bevor ein Kandidat etwas merkt.

Schritt drei: die Kette schliessen

Das Herzstück ist nicht das Modell, sondern die Kette. Eine passende Stelle wird automatisch zu einem sauber formatierten Stellenprofil, die Fahrzeit vom Wohnort wird berechnet, der Kandidat bekommt die Vorschläge per E-Mail, antwortet mit einem Klick online, und seine Rückmeldung landet in unserem CRM und in den Regeln für die nächste Runde. Wer Nein sagt, kann den Grund antippen: zu weit, falsche Branche, zu wenig Lohn. Auch das fliesst zurück.

Was früher sechs Werkzeuge und vier Medienbrüche waren, ist heute ein Ablauf. Er läuft in Zehn-Minuten-Zyklen, überwacht sich selbst und schickt mir morgens eine Liste der Punkte, bei denen er nicht weiterwusste. Meistens sind es zwei oder drei.

Aus derselben Datenbasis entstand im August 2026 eine zweite Plattform: facharbeiter-jobs.ch bündelt Festanstellungen für Fachkräfte aus Handwerk, Bau und Produktion, einschliesslich der Stellen für Grenzgänger aus Deutschland und Österreich. Sie läuft auf derselben Automatik, mit einem Team, das sich im Alltag auf die Gespräche konzentriert. Ende Oktober 2026 kam als dritte Plattform fachexperten-jobs.ch dazu: Festanstellungen für Fachexperten aus IT, HR, Finanzen, Management, Beratung, Marketing und Einkauf, ebenfalls auf derselben Automatik.

Was nicht funktioniert hat

Ehrlichkeit gehört dazu. Drei Dinge sind gescheitert:

Die grosse Lösung auf einmal. Unser erster Versuch war ein Werkzeug, das alles konnte. Es konnte nichts richtig. Erst als wir die Kette in Einzelschritte zerlegten, die jeder für sich prüfbar waren, wurde es stabil.

KI als Richter. Eine Zeit lang liessen wir das Modell aussortierte Stellen nochmals bewerten, in der Hoffnung, übersehene Perlen zu finden. Ergebnis nach vier Wochen: null brauchbare Treffer, aber Kosten. Die Regeln waren besser als die zweite Meinung.

Vertrauen ohne Kontrolle. Einmal meldete ein Skript, es habe die Entscheidungen von 14 Kandidaten gespeichert. Angekommen waren keine. Seither prüft ein zweiter Prozess jede Schreiboperation nach, und wir glauben keiner Erfolgsmeldung mehr, die nicht nachgezählt wurde. Das klingt pedantisch. Es ist der Unterschied zwischen einem Werkzeug und einem Risiko.

Was der Mittelstand daraus mitnehmen kann

Die meisten Unternehmen, mit denen wir sprechen, warten auf das richtige Produkt. Es gibt keins. Was es gibt, sind vier Schritte, die jedes KMU gehen kann:

1. Den langweiligsten Prozess wählen. Nicht den wichtigsten, den langweiligsten. Dort sind die Regeln am klarsten und die Fehler am teuersten.
2. Regeln aufschreiben, bevor man Software kauft. Wer seine Entscheidungslogik in zwanzig Sätzen formulieren kann, hat die halbe Automatisierung. Wer es nicht kann, hat ein Führungsproblem, kein Technologieproblem.
3. KI nur für Sprache, Regeln für alles andere. Sprachmodelle sind brillant im Lesen und Einordnen, und unzuverlässig im Rechnen, Zählen und Entscheiden. Diese Trennung spart Geld und Ärger.
4. Jeden Schritt messen. Was die Maschine tut, muss ein Mensch in einer Minute prüfen können. Sonst wird aus Automatisierung Blindflug.

Und der Mensch? Der wird nicht überflüssig. Er wird wieder sichtbar. Ich verbringe heute mehr Zeit mit Kandidaten und Firmen als vor der Automatisierung, nicht weniger. Die Maschine hat mir nicht die Arbeit genommen. Sie hat mir die Arbeit zurückgegeben, für die ich dieses Unternehmen gegründet habe.