Zum Inhalt springen
D K
EU AI Act III(4)(a): Hochrisiko Q3

Stellenanzeigen-Agent

Stellenanzeigen erstellen, AGG-konform prüfen, zielgerichtet veröffentlichen.

Erstellt AGG-konforme Stellenanzeigen aus Anforderungsprofilen und koordiniert die Veröffentlichung. Hochrisiko-System nach EU AI Act.

Prozess analysieren lassen
Airbus Volkswagen Shell Renault Evonik Vattenfall Philips KPMG

Anforderungsprofil extrahieren per KI, AGG-Prüfung per Regeln, Kanal-Routing

Der Agent generiert Stellenanzeigen per KI aus dem Anforderungsprofil, prüft Formulierungen deterministisch auf AGG-konforme Sprache gegen eine Verbots-Liste und routet die Veröffentlichung regelbasiert an die wirksamsten Kanäle pro Zielgruppe - Freigabe bleibt bei HR.

Ergebnis: Bei 30 Prozent der Bewerber, die diskriminierende Formulierungen als Ausschluss erleben, und typischen AGG-Klagerisiken von 3 Monatsgehältern liegt der Hebel in der konsistenten Sprachprüfung vor Veröffentlichung.

38% Regelwerk
49% KI-Agent
13% Mensch

Die Architektur adressiert den Widerspruch zwischen Reichweitenzwang und rechtlicher Präzision:

Drei Recruiter, drei Formulierungen, drei AGG-Risiken

Drei Recruiter, drei Formulierungen, drei Risikoniveaus. So sieht die Realität bei Stellenanzeigen aus, wenn zwanzig offene Positionen gleichzeitig besetzt werden müssen. Die eine Anzeige spricht von einem “jungen, dynamischen Team” - ein AGG-Verstoß, der vor Gericht bis zu drei Bruttomonatsgehälter als Entschädigung kosten kann. Die nächste vergisst die Gehaltsangabe, die ab Juni 2026 durch die EU-Entgelttransparenzrichtlinie zur Pflicht wird. Die dritte ist fachlich korrekt, aber so generisch, dass sie in den 2.000 deutschen Jobportalen untergeht. Und alle drei wurden manuell auf drei verschiedenen Kanälen geschaltet, weil niemand weiß, welcher Kanal für welche Position den besten Return liefert.

Das ist kein Qualitätsproblem einzelner Recruiter. Das ist ein Systemproblem.

Das dreifache Risiko jeder einzelnen Anzeige

Stellenanzeigen sind das verwundbarste Artefakt im gesamten Recruiting-Prozess. Sie sind gleichzeitig Rechtsdokument, Budgetposten und Visitenkarte - und in den meisten Organisationen wird keines dieser drei systematisch gesteuert.

Rechtsrisiko: AGG heute, Entgelttransparenz ab morgen. Jede diskriminierende Formulierung öffnet einen Haftungsfall. “Deutsch als Muttersprache” statt “ausgezeichnete Deutschkenntnisse” - der Unterschied liegt bei einer AGG-Klage. Bei fünfzig offenen Stellen pro Jahr und durchschnittlich zwanzig Bewerbungen pro Stelle reicht ein einziger systematischer Formulierungsfehler, um fünfstellige Schadenssummen auszulösen. Ab Juni 2026 verschärft die EU-Entgelttransparenzrichtlinie die Anforderungen zusätzlich: Jede Stellenausschreibung muss eine konkrete Gehaltsspanne enthalten. Wer diese Angabe vergisst oder inkonsistent handhabt, riskiert Sanktionen und verliert das Vertrauen der Kandidaten, bevor das erste Gespräch stattfindet.

Kostenproblem: Streuung ohne Steuerung. Die durchschnittlichen Kosten pro Einstellung liegen in Deutschland zwischen 4.700 und 5.500 Euro - je nach Quelle und Branche. Ein erheblicher Teil davon fließt in Stellenanzeigen, die auf den falschen Kanälen laufen. Klassische Einzelbuchungen auf Jobbörsen kosten 1.000 bis 1.300 Euro pro Anzeige. Wer fünf Kanäle gleichzeitig bespielt, gibt schnell über 5.000 Euro pro Stelle nur für die Veröffentlichung aus - ohne zu wissen, welcher Kanal die qualifizierten Bewerbungen liefert und welcher nur Klicks produziert.

Qualitätsproblem: Inkonsistenz als Employer-Branding-Killer. Wenn dieselbe Position in drei Varianten auf dem Markt erscheint - einmal mit Bullet Points, einmal als Fließtext, einmal mit veralteten Benefits - signalisiert das organisatorische Beliebigkeit. Bei durchschnittlich 164 Tagen Vakanzzeit für Fachkräftepositionen in Deutschland zählt jeder Tag, an dem eine schlecht formulierte Anzeige die falschen Kandidaten anzieht oder die richtigen abschreckt.

Wo manuelle Prozesse versagen

Die typische Prozesskette einer Stellenanzeige sieht so aus:

Fachabteilung            Recruiting              Freigabe
──────────────           ──────────              ────────
Anforderung    ──────>   Texten       ──────>    Prüfung
(oft formlos)            (je nach                (oft nur
                          Recruiter               inhaltlich,
                          anders)                 nicht AGG)

                              v
                         Manuelles Posten
                         (3-5 Portale,
                          Copy & Paste)

Jeder Pfeil in diesem Diagramm ist eine Fehlerquelle. Die Anforderung kommt als E-Mail ohne Struktur. Der Text entsteht unter Zeitdruck ohne Rückgriff auf die Employer-Brand-Richtlinie. Die Prüfung erfolgt inhaltlich, aber nicht juristisch. Das Posten passiert manuell - und die Performance wird nie systematisch ausgewertet.

Das Resultat: 164 Tage durchschnittliche Vakanzzeit, weil die Anzeige drei Wochen zu spät live ging, auf zwei von fünf relevanten Kanälen fehlte und eine Formulierung enthielt, die qualifizierte Kandidatinnen über vierzig aussortierte.

Drei Prüfschichten fangen AGG-Risiken ab, bevor ein Recruiter den Entwurf sieht

Ein Stellenanzeigen-Agent ersetzt nicht den Recruiter. Er ersetzt die Zufälligkeit. Aus einem strukturierten Anforderungsprofil wird ein Anzeigenentwurf generiert, der drei Prüfschichten durchläuft, bevor ein Mensch ihn sieht:

Erste Schicht: AGG-Konformität. Jede Formulierung wird gegen einen Prüfkatalog abgeglichen - geschlechtsneutrale Sprache, keine Altersdiskriminierung, keine mittelbare Benachteiligung durch Sprachanforderungen. Das ist kein stilistischer Vorschlag, sondern eine harte Regel. Was nicht besteht, geht nicht weiter.

Zweite Schicht: Entgelttransparenz. Gehaltsspannen werden aus den hinterlegten Vergütungsbändern gezogen und in das vorgeschriebene Format gebracht. Konsistent über alle Anzeigen, alle Kanäle, alle Sprachen. Keine Abweichung, kein Vergessen.

Dritte Schicht: Kanaloptimierung. Welche Portale für welche Position, welche Region, welches Senioritätslevel die besten Conversion-Raten liefern, wird regelbasiert entschieden - nicht nach Bauchgefühl. Die Performance-Daten fließen zurück und verbessern die Kanalauswahl für die nächste Ausschreibung.

Erst dann sieht der Recruiter den Entwurf. Und prüft das, was nur ein Mensch prüfen kann: Stimmt die Tonalität? Passt die Beschreibung zur tatsächlichen Teamkultur? Gibt es fachliche Nuancen, die nur jemand kennt, der mit der Fachabteilung gesprochen hat?

Was das für die Recruiting-Leitung bedeutet

Die Frage ist nicht, ob Stellenanzeigen automatisiert werden. Die Frage ist, ob sie als Infrastruktur behandelt werden - mit Governance, Versionierung und Audit Trail - oder ob sie Zufallsprodukte bleiben, die bei der nächsten AGG-Klage oder der ersten Entgelttransparenz-Prüfung zum Haftungsfall werden.

Der Unterschied zwischen einer Organisation, die das gelöst hat, und einer, die es nicht hat, zeigt sich nicht im einzelnen Anzeigentext. Er zeigt sich in der Fähigkeit, auf die Frage “Wie stellen Sie sicher, dass alle Ihre Stellenanzeigen die Entgelttransparenzrichtlinie einhalten?” eine systemische Antwort zu geben statt “Das prüft jeder Recruiter selbst.”

Ein Decision Layer macht jeden Schritt nachvollziehbar: welche Regeln angewendet wurden, welche Prüfungen bestanden oder nicht bestanden haben, wer freigegeben hat. Nicht als nachträgliche Dokumentation, sondern als integraler Bestandteil des Prozesses. Bei einem Hochrisiko-System nach EU AI Act - und genau das ist ein Agent, der beeinflusst, wer Stellenanzeigen zu sehen bekommt - ist diese Nachvollziehbarkeit keine Option, sondern Pflicht.

Micro-Decision-Tabelle

Wer entscheidet bei diesem Agent?

8 Entscheidungsschritte, aufgeteilt nach Decider

38%(3/8)
Regelwerk
deterministisch
49%(4/8)
KI-Agent
modellbasiert mit Confidence
13%(1/8)
Mensch
explizit zugewiesen
Mensch
Regelwerk
KI-Agent
Jede Zeile ist eine Entscheidung. Aufklappen zeigt die Entscheidungsakte und ob man anfechten kann.
Anforderungsprofil übernehmen Ist das Anforderungsprofil vollständig und aktuell? KI-Agent

Vollständigkeitsprüfung gegen Template

Entscheidungsakte

Modell-Version und Confidence Score
Eingabedaten und Klassifikationsergebnis
Entscheidungsgrund (Erklärbarkeit)
Audit Trail mit vollständiger Nachvollziehbarkeit

Anfechtbar: Ja - vollständig dokumentiert, durch Menschen überprüfbar, Einspruch über formalen Prozess.

Anzeige generieren Wie wird das Anforderungsprofil in eine Anzeige umgesetzt? KI-Agent

Generierung aus Profil unter Berücksichtigung der Employer-Brand-Richtlinie

Entscheidungsakte

Modell-Version und Confidence Score
Eingabedaten und Klassifikationsergebnis
Entscheidungsgrund (Erklärbarkeit)
Audit Trail mit vollständiger Nachvollziehbarkeit

Anfechtbar: Ja - vollständig dokumentiert, durch Menschen überprüfbar, Einspruch über formalen Prozess.

AGG-Prüfung Ist die Anzeige AGG-konform? Regelwerk

Regelbasierte Prüfung auf diskriminierende Formulierungen

Entscheidungsakte

Regel-ID und Versionsnummer
Eingabedaten die zur Anwendung führten
Berechnungsergebnis und angewandte Formel

Anfechtbar: Ja - Regelanwendung prüfbar. Einspruch bei fehlerhafter Datenbasis oder falscher Regelversion.

SEO-Optimierung Ist die Anzeige für Jobsuchmaschinen optimiert? KI-Agent

Keyword-Analyse und Strukturoptimierung

Entscheidungsakte

Modell-Version und Confidence Score
Eingabedaten und Klassifikationsergebnis
Entscheidungsgrund (Erklärbarkeit)
Audit Trail mit vollständiger Nachvollziehbarkeit

Anfechtbar: Ja - vollständig dokumentiert, durch Menschen überprüfbar, Einspruch über formalen Prozess.

Kanalauswahl Auf welchen Kanälen wird die Anzeige veröffentlicht? Regelwerk

Regelbasiert nach Position, Region, Budget

Entscheidungsakte

Regel-ID und Versionsnummer
Eingabedaten die zur Anwendung führten
Berechnungsergebnis und angewandte Formel

Anfechtbar: Ja - Regelanwendung prüfbar. Einspruch bei fehlerhafter Datenbasis oder falscher Regelversion.

Recruiter-Review Wird die generierte Anzeige freigegeben? Mensch

Recruiter prüft inhaltliche Korrektheit und Tonalität

Entscheidungsakte

Entscheider-ID und Rolle
Begründung der Entscheidung
Zeitstempel und Kontext

Anfechtbar: Ja - über Vorgesetzten, Betriebsrat oder formalen Einspruch.

Veröffentlichung Wird die Anzeige auf den gewählten Kanälen veröffentlicht? Regelwerk

Automatische Veröffentlichung nach Freigabe

Entscheidungsakte

Regel-ID und Versionsnummer
Eingabedaten die zur Anwendung führten
Berechnungsergebnis und angewandte Formel

Anfechtbar: Ja - Regelanwendung prüfbar. Einspruch bei fehlerhafter Datenbasis oder falscher Regelversion.

Performance-Monitoring Wie performt die Anzeige auf den verschiedenen Kanälen? KI-Agent

Analyse von Klicks, Bewerbungseingängen und Conversion-Rate

Entscheidungsakte

Modell-Version und Confidence Score
Eingabedaten und Klassifikationsergebnis
Entscheidungsgrund (Erklärbarkeit)
Audit Trail mit vollständiger Nachvollziehbarkeit

Anfechtbar: Ja - vollständig dokumentiert, durch Menschen überprüfbar, Einspruch über formalen Prozess.

Entscheidungsakte und Anfechtbarkeit

Jede Entscheidung, die dieser Agent trifft oder vorbereitet, wird in einer vollständigen Entscheidungsakte dokumentiert. Betroffene Mitarbeitende können jede einzelne Entscheidung einsehen, nachvollziehen und anfechten.

Welche Regel in welcher Version wurde angewandt?
Welche Daten lagen der Entscheidung zugrunde?
Wer (Mensch, Regelwerk oder KI) hat entschieden - und warum?
Wie kann die betroffene Person Einspruch einlegen?
So setzt der Decision Layer das architektonisch um →

Passt dieser Agent zu Ihrem Prozess?

Wir analysieren Ihren konkreten HR-Prozess und zeigen, wie dieser Agent in Ihre Systemlandschaft passt. 30 Minuten, keine Vorbereitung nötig.

Prozess analysieren lassen

Governance-Hinweise

EU AI Act III(4)(a): Hochrisiko
Hochrisiko-System nach EU AI Act Annex III(4)(a) - gezielte Stellenanzeigen können den Zugang zu Beschäftigung beeinflussen. Die Hochrisiko-Einstufung betrifft insbesondere das Targeting: Wenn der Agent entscheidet, wem eine Anzeige angezeigt wird, gelten volle Hochrisiko-Pflichten. Bei reiner Texterstellung und Kanal-Verteilung ist die Einstufung milder. Empfehlung: Targeting-Logik nur mit Betriebsrats-Zustimmung nach BetrVG Paragraph 95 einsetzen. Der Decision Layer zerlegt jeden Prozess in einzelne Entscheidungsschritte und definiert für jeden Schritt: Mensch, Regelwerk oder KI-Agent. Jede Entscheidung wird in einer vollständigen Entscheidungsakte dokumentiert. Betroffene Mitarbeitende können jede automatisierte Entscheidung nachvollziehen und anfechten.

Bewertung

Agent Readiness 71-78%
Governance-Komplexität 58-65%
Economic Impact 56-63%
Leuchtturm-Wirkung 51-58%
Implementation Complexity 36-43%
Transaktionsvolumen Wöchentlich

Voraussetzungen

  • Strukturierte Anforderungsprofile pro Stelle
  • Employer-Brand-Richtlinie und Textbausteine
  • Jobportal-Schnittstellen (StepStone, LinkedIn, Indeed o.ä.)
  • AGG-Prüfkatalog für Stellenanzeigen
  • Betriebsvereinbarung für KI-gestützte Stellenanzeigen

Infrastruktur-Beitrag

Die AGG-Prüf-Engine wird vom Contract-Offer-Generation-Agent und allen Agenten wiederverwendet, die externe Kommunikation erzeugen. Das Kanal-Management-Pattern bildet die Grundlage für automatisierte Veröffentlichung in anderen Kontexten (interne Stellenausschreibung, Schulungsangebote). Baut Decision Logging und Audit Trail auf, die im Decision Layer für Nachvollziehbarkeit und Anfechtbarkeit jeder Entscheidung benötigt werden.

Was diese Erstbewertung enthält: 9 Slides für Ihr Führungsteam

Personalisiert mit Ihren Zahlen. Generiert in 2 Minuten direkt im Browser. Kein Upload, kein Login.

  1. 1

    Titelfolie - Prozessname, Entscheidungspunkte, Automatisierungspotenzial

  2. 2

    Executive Summary - FTE-Freisetzung, Kosten pro Vorgang vorher/nachher, Break-Even-Datum, Kosten des Wartens

  3. 3

    Ausgangslage - Transaktionsvolumen, Fehlerkosten, Wachstumsszenario mit FTE-Vergleich

  4. 4

    Lösungsarchitektur - Mensch - Regelwerk - KI-Agent mit konkreten Entscheidungspunkten

  5. 5

    Governance - EU AI Act, Betriebsrat (§87 BetrVG), Audit Trail - mit Ampelstatus

  6. 6

    Risikoanalyse - 5 Risiken mit Eintrittswahrscheinlichkeit, Auswirkung und Gegenmaßnahme

  7. 7

    Roadmap - 3-Phasen-Plan mit konkreten Kalenderdaten und Go/No-Go

  8. 8

    Business Case - 3-Szenarien-Vergleich (Nichtstun/Neueinstellung/Automatisierung) plus 3×3-Sensitivitätsmatrix

  9. 9

    Diskussionsvorschlag - Konkrete nächste Schritte mit Zeitplan und Verantwortlichkeiten

Enthält: 3-Szenarien-Vergleich

Nichtstun vs. Neueinstellung vs. Automatisierung - mit Ihrem Gehaltsniveau, Ihrer Fehlerquote und Ihrem Wachstumsplan. Die eine Slide, die Ihr CFO als erstes sehen will.

Berechnungsmethodik anzeigen

Stundensatz: Jahresgehalt (Ihre Eingabe) × 1,3 AG-Anteil ÷ 1.720 Jahresarbeitsstunden

Einsparung: Vorgänge × 12 × Automatisierungsrate × Minuten/Vorgang × Stundensatz × Economic Factor

Qualitäts-ROI: Fehlerreduktion × Vorgänge × 12 × EUR 260/Fehler (APQC Open Standards Benchmarking)

FTE: Eingesparte Stunden ÷ 1.720 Jahresarbeitsstunden

Break-Even: Benchmark-Investition ÷ monatliche Gesamteinsparung (Effizienz + Qualität)

Neueinstellung: Jahresgehalt × 1,3 + EUR 12.000 Recruiting pro FTE

Alle Daten bleiben in Ihrem Browser. Nichts wird an Server übertragen.

Stellenanzeigen-Agent

Erstbewertung für Ihr Führungsteam

In 2 Minuten eine fundierte Erstbewertung - mit Ihren Zahlen, Ihrem Risikoprofil und Branchenbenchmarks. Kein Anbieter-Logo, kein Vendor-Pitch.

30K120K
1%15%

Alle Daten bleiben in Ihrem Browser. Nichts wird übertragen.

Häufige Fragen

Erstellt der Agent Stellenanzeigen komplett automatisch?

Der Agent generiert einen Entwurf aus dem Anforderungsprofil und prüft AGG-Konformität. Der finale Text wird vom Recruiter geprüft und freigegeben. Kein automatisches Veröffentlichen ohne menschliche Freigabe.

Warum ist ein Stellenanzeigen-Agent Hochrisiko?

Die EU AI Act Klassifikation betrifft primär das Targeting - wenn KI entscheidet, wer die Anzeige sieht. Reine Texterstellung hat eine niedrigere Einstufung. Der Decision Layer trennt diese Schritte klar und wendet die Hochrisiko-Governance nur dort an, wo sie tatsächlich greift.

Was passiert als Nächstes?

1

30 Minuten

Erstgespräch

Wir analysieren Ihren Prozess und identifizieren den optimalen Startpunkt.

2

1 Woche

Discover

Mapping Ihrer Entscheidungslogik. Regelwerke dokumentiert, Decision Layer designt.

3

3-4 Wochen

Build

Produktiver Agent in Ihrer Infrastruktur. Governance, Audit Trail, prüfungsfähig ab Tag 1.

4

12-18 Monate

Eigenständig

Voller Zugang zu Quellcode, Prompts und Regelversionen. Kein Vendor Lock-in.

Diesen Agent implementieren?

Wir bewerten Ihre Prozesslandschaft und zeigen, wie dieser Agent in Ihre Infrastruktur passt.