TechCorp Global: Recruiting in 15 Ländern

Ausgangssituation

Für die internationale Expansion mussten mehr als 200 spezialisierte Engineering-Stellen in 15 Ländern und mehreren Zeitzonen besetzt werden. Je Standort waren andere rechtliche Anforderungen und Arbeitsmarktbedingungen zu berücksichtigen.

Hauptprobleme

Lange Einstellungsdauer

Die durchschnittliche Einstellungsdauer von 45 Tagen führte laut Fallstudie dazu, dass Bewerber andere Angebote annahmen und Produkte später eingeführt wurden. Wichtige Stellen blieben monatelang unbesetzt.

Uneinheitliche Auswahl zwischen Regionen

Regionale Teams nutzten unterschiedliche Kriterien und Systeme für die Vorauswahl. Die Eignung der weitergeleiteten Kandidaten schwankte; im Durchschnitt kamen 8 Interviews auf ein Angebot (8:1).

Hohe Arbeitsbelastung und Kosten

Recruiter verbrachten 70% ihrer Zeit mit manueller Vorauswahl und Koordination. Die Kosten pro Einstellung lagen bei mehr als $15.000; die Quelle nennt ineffiziente Abläufe und die starke Nutzung von Agenturen als Ursachen.

Lange Wartezeiten für Bewerber

Bewerber warteten wochenlang auf Rückmeldungen und erhielten uneinheitliche Informationen. Sie bewerteten das Verfahren auf Glassdoor mit 2,8/5. Laut Fallstudie litt darunter der Ruf des Unternehmens als Arbeitgeber.

Fehlende gemeinsame Datenauswertung

Eine zentrale Auswertung und Vergleichswerte fehlten. Dadurch waren Verzögerungen, Verbesserungsmöglichkeiten und künftiger Einstellungsbedarf schwer zu beurteilen.

Geschäftsauswirkungen vor Talenty.ai:

• 30% der qualifizierten Bewerber entschieden sich für schnellere Wettbewerber.
• Verzögerte Produkteinführungen mit geschätzten entgangenen Geschäftsmöglichkeiten im Wert von mehr als $2M.
• Jährliche Fluktuation im Recruiting-Team: 35%; die Quelle nennt Burnout als Ursache.

Einführung bei TechCorp

TechCorp führte Talenty in drei Phasen über 12 Wochen in allen Regionen ein. Die Fallstudie beschreibt eine gemeinsame Datenbasis, automatisierte Abläufe und die anschließende Prüfung der Ergebnisse.

Phase 1: Datenbasis und Kriterien (Wochen 1-4)

• KI-gestützter Abgleich: Technische Anforderungen und Werte des Unternehmens wurden als Kriterien für die Vorauswahl hinterlegt.
• Gemeinsame Bewerberdatenbank: Daten aus allen 15 Ländern wurden zusammengeführt und doppelte Profile erkannt.
• Einheitliche Kriterien: Ein gemeinsamer Bewertungsrahmen berücksichtigte zugleich regionale Unterschiede.

Phase 2: Automatisierung (Wochen 5-8)

• Mehrsprachige Kommunikation: Auf Bewerber und Gesprächskontext abgestimmte Nachrichten in 12 Sprachen.
• Interviewplanung: Kalenderabstimmung über Zeitzonen hinweg; laut Quelle 85% weniger Planungszeit.
• Technische Kompetenztests: Automatisierte Auswertung mit direkt verfügbaren Ergebnissen und Angaben zur Prüfung durch das Team.

Phase 3: Auswerten und Abläufe verbessern (Wochen 9-12)

• Gemeinsame Auswertung: Aktueller Überblick über Bewerbungen, Verzögerungen und die Genauigkeit der Einstellungsprognosen.
• Einstellungsqualität verfolgen: Vergleich der späteren Arbeitsleistung über sechs Monate, um die Abgleichverfahren weiterzuentwickeln.
• Modelle weiterentwickeln: Ergebnisse und Fehleinschätzungen aus Einstellungen wurden zur Überprüfung und Anpassung der Modelle verwendet.

Effizienzgewinne

• Verkürzung der Einstellungsdauer: 73%.
• Eingesparte Zeit für die Vorauswahl: 85%.
• Interviews je Stellenangebot: 8:1 → 3:1.
• Angenommene Stellenangebote: +42%.

Qualitätsverbesserungen

• Qualifizierte Bewerber: +280%.
• Nach 90 Tagen noch im Unternehmen: 96%.
• Zufriedenheit der einstellenden Führungskräfte: 67% → 94%.
• Bewertung der Bewerbererfahrung: 2.8 → 4.6.

Finanzielle Auswirkungen - Jahr 1

Weitere berichtete Veränderungen

Auswirkungen auf das Team

• Zufriedenheit der Recruiter: von 58% auf 89%.
• Fluktuation im Recruiting-Team: von 35% auf 12%.
• 60% mehr Zeit für die Planung und Weiterentwicklung der Personalgewinnung.

Geschäftsergebnisse

• Abhängigkeit von Agenturen um 78% verringert.
• Bewertung der Arbeitgebermarke um 4,2 Punkte verbessert.
• Produkte wurden laut Quelle durchschnittlich 3 Monate früher eingeführt.

Anforderungen, Daten und Schulung

Anforderungen erfassen, Daten aus den bestehenden Systemen zusammenführen und das Team schulen.

Woche 3-4

Pilotprojekt starten

Das Verfahren in 2 Regionen für 20 Rollen erproben und Ausgangswerte festlegen.

Woche 5-8

Einführung in allen Regionen

Alle 15 Regionen angebunden und die vorgesehenen Automatisierungen aktiviert.

Woche 9-12

Auswertungen und Abläufe überarbeiten

Auswertungen bereitgestellt, Prozesse überarbeitet und Teams begleitet.

Monat 4-6

Abläufe regelmäßig prüfen und weiterentwickeln

Abläufe weiter verbessert, Funktionen ergänzt und die Nutzung ausgeweitet.