Hallo Staffingpreneur:in,
Über kaum ein Thema wird im Staffing aktuell so viel gesprochen wie über KI.
In nahezu jedem Gespräch, auf jeder Konferenz und in fast jeder Produktdemo taucht sie auf. Matching wird „intelligenter“, Prozesse werden „automatisiert“, Entscheidungen „datengetrieben“.
Man könnte meinen, die Branche befindet sich mitten in einer tiefgreifenden Transformation. Meine Wahrnehmung ist eine andere.
Ja, es wird mehr investiert als je zuvor.
Ja, es gibt mehr Tools, mehr Features, mehr Dashboards.
Und trotzdem bleibt eine zentrale Kennzahl erstaunlich stabil:
die Produktivität pro Consultant.
Bei den Staffingfirmen, welche KI reflexartig einführen es aber zu keinen Produktivitätswachstum kommt, sehen wir aktuell weniger eine KI-Revolution –
sondern vor allem eines: AI Washing.
Das eigentliche Problem ist nicht neu
Die strukturellen Herausforderungen der Branche sind seit Jahren bekannt.
Wachstum folgt in vielen Unternehmen noch immer einer einfachen Logik:
Mehr Umsatz entsteht durch mehr Menschen. Mehr Consultants bedeuten mehr Platzierungen, mehr Projekte, mehr Erlös.
Dieses Modell – Human Scaling – hat die Branche groß gemacht. Aber es stößt zunehmend an seine Grenzen.
Die Kostenstruktur ist der deutlichste Beleg dafür. In klassischen Staffingfirmen entfallen 60 bis 75 Prozent der operativen Kosten auf Personal.
Das Potential für KI im Staffing ist gross, denn dieser Kostenblock könnte reduziert und der Erlös pro Mitarbeiter gesteigert werden. Also werden einfach irgendwelche Tools eingeführt die eins oder beides versprechen. Dadurch steigt gleichzeitig die Komplexität: mehr Abstimmung, mehr Koordination, mehr interne Reibung.
Das Ergebnis sehe ich aktuell in vielen Organisationen:
Die Zahl der Tools steigt – der Output pro Kopf nicht.
Das Problem ist also nicht, dass die Branche die Herausforderung nicht versteht.
Das Problem ist: Die Antwort darauf wird falsch umgesetzt.
AI Washing - das unterschätzte Problem
AI Washing ist kein neues Phänomen, aber im Staffing aktuell besonders sichtbar.
Gemeint ist damit: Technologien werden als „KI“ positioniert, ohne dass sich die zugrunde liegende Wertschöpfung tatsächlich verändert.
Das klingt abstrakt, ist aber im Alltag sehr konkret.
Ich sehe aktuell immer wieder die gleichen Muster:
Matching-Algorithmen, die im Kern auf einfachen Keyword-Logiken basieren
CV-Parsing, das als „AI Engine“ vermarktet wird
ChatGPT-Wrapper, die als Produktinnovation verkauft werden
Automatisierung einzelner Schritte, während der Gesamtprozess unverändert bleibt
Dashboards, die Daten visualisieren, aber keine Entscheidungen verbessern
Das Problem dabei ist nicht, dass diese Technologien per se schlecht sind.
Das Problem ist: Sie verändern das System nicht.
Und genau darum geht es eigentlich.
Der zentrale Denkfehler
Die meisten KI-Initiativen im Staffing scheitern nicht an der Technologie.
Sie scheitern an der Denkweise.
KI wird als Tool verstanden – nicht als Betriebssystem.
Das führt zu einer Reihe von Fehlannahmen:
„Wir implementieren KI“ statt „Wir verändern Prozesse“
„Wir kaufen ein Tool“ statt „Wir bauen ein System“
„Mehr Features = mehr Fortschritt“ statt „Mehr Integration = mehr Produktivität“
Diese Logik ist nachvollziehbar. Tools sind greifbar, schnell beschaffbar und lassen sich einfach kommunizieren.
Aber sie führt genau zu dem Effekt, den wir aktuell sehen: viel Aktivität, wenig Wirkung.
Warum AI Washing ökonomisch gefährlich ist
Der vielleicht wichtigste Punkt wird oft unterschätzt:
AI Washing ist nicht nur ein Kommunikationsproblem. Es ist ein betriebswirtschaftliches Risiko.
Die Potenziale von System Scaling sind real.
Wenn 30 bis 50 Prozent der operativen, repetitiven Tätigkeiten automatisiert oder durch KI unterstützt werden, entstehen massive Effekte:
sinkende Kosten
kürzere Durchlaufzeiten
höhere Qualität
steigende Skalierbarkeit
mehr Output
In deinem Beispiel führt das zu signifikanten EBITDA-Verbesserungen – selbst ohne Umsatzwachstum.
Aber genau diese Effekte setzen eine Voraussetzung voraus: echte Transformation.
AI Washing liefert diese Effekte nicht.
Stattdessen passiert Folgendes:
Unternehmen investieren in Tools
Prozesse bleiben gleich
Produktivität verändert sich nicht
Kosten steigen weiter
Das Ergebnis ist besonders kritisch:
Kapital wird gebunden – ohne Return.
Und noch wichtiger:
Zeit geht verloren.
System Scaling - woran echte Transformation zu erkennen ist
Wenn AI Washing die eine Seite ist, stellt sich die entscheidende Frage:
Wie sieht die andere aus?
Was unterscheidet echtes System Scaling von oberflächlicher KI-Nutzung?
Aus meiner Sicht sind es drei klare Merkmale.
1. End-to-End statt Punktlösungen
Echte Transformation optimiert nicht einzelne Schritte, sondern den gesamten Prozess.
Sourcing, Screening, Kommunikation, Dokumentation und Reporting werden nicht isoliert betrachtet, sondern als zusammenhängendes System.
2. Daten als Fundament
KI ist nur so gut wie die Daten, auf denen sie basiert.
Unternehmen, die System Scaling ernst nehmen, investieren zuerst in Datenqualität, Datenstruktur und Datenverfügbarkeit – nicht in Features.
3. AI-first, Human-in-the-Loop
Standardisierte Prozesse laufen automatisiert.
Menschen greifen dort ein, wo Urteil, Kontext und Beziehung entscheidend sind.
Das verändert Rollen fundamental:
Der Recruiter wird vom Bearbeiter zum Orchestrator.
Der Unterschied auf einen Blick
AI Washing | System Scaling |
isolierte Tools | integrierte Architektur |
manuelle Übergaben | durchgängige Prozesse |
Feature-getrieben | Workflow-getrieben |
kein messbarer Output | klare KPI-Verbesserung |
Marketing-Narrativ | operatives Betriebsmodell |
Warum sich die Spreu jetzt vom Weizen trennt
Diese Unterscheidung ist nicht nur theoretisch. Sie wird in den nächsten Jahren über Wettbewerbsfähigkeit entscheiden.
Der Markt verändert sich gerade fundamental:
KI-first Startups greifen einzelne Wertschöpfungsstufen an
Plattformen entwickeln sich zu aktiven Matching-Systemen
HR-Tech-Anbieter integrieren zunehmend Services
Staffingfirmen bauen eigene technologiegetriebene Modelle
Die Konsequenz: Der Wettbewerb verschiebt sich von „Wer hat die meisten Recruiter“ zu „Wer hat das bessere System“. Dass Bewerber zunehmend nach diesen Punkt fragen, zeigen die aktuellen Stellenanzeigendaten.
Unternehmen, die weiterhin auf Human Scaling oder AI Washing setzen, konkurrieren zunehmend mit Anbietern, deren Kostenbasis strukturell niedriger ist.
Das ist kein inkrementeller Unterschied. Das ist ein struktureller.
Meine Einschätzung
Ich glaube, die Branche unterschätzt das Thema aktuell massiv.
Nicht, weil KI überschätzt wird – sondern weil ihre Umsetzung unterschätzt wird.
Viele Initiativen werden in den nächsten Jahren scheitern. Nicht wegen der Technologie. Sondern weil sie nicht tief genug greifen.
Wir stehen deshalb nicht am Anfang einer KI-Welle. Wir stehen am Anfang einer Bereinigung.
Und diese Bereinigung wird nicht danach unterscheiden, wer KI einsetzt –
sondern wer sie richtig einsetzt.
Was das konkret für Staffingfirmen bedeutet
Ein einfacher Test hilft dabei. Nicht jeder Prozess verdient KI — und genau das ist der erste Schritt, den die meisten überspringen.
Der folgende Entscheidungsbaum (von Entero – einer integrierten Business- und IT-Beratung) macht sichtbar, was die meisten Tool-Entscheidungen voraussetzen, ohne es zu prüfen:
Ist ein KI-Potenzial erkannt, so wir mit einer 4-Feld-Matrix nach Mehrwert und Kosten abgetragen.
1. Wie hoch ist der Mehrwert des Tools?
Nicht: „Hat das Tool KI?“
Sondern: „Verändert es meinen Prozess messbar?“
Dies kann bspw. Durch eine Nutzwertanalyse sichergestellt werden.
2. Wie hoch sind die Kosten für die Systemintegration
Integration schlägt Innovation. Ein funktionierendes System ist mehr wert als zehn neue Features.
Direkte und verdeckte kosten können in eine Kapitalwertmethode einfließen und so eine Aussage über die Kosten gewonnen werden.
Umsetzung nach klaren Entscheidungsbaum
Logischerweise werden die KI Tools mit hohen Nutzen und geringen Kosten zusammengeführt und nach und nach eingeführt.
Nach der Umsetzung Produktivität konsequent messen
Der zentrale KPI ist nicht Output insgesamt, sondern Output pro Consultant.
Durch diese klare Kriterien, woran echter Fortschritt gemessen wird – wird AI Washing vermieden.
Schlussgedanke
Die Frage ist nicht mehr, ob KI das Staffing verändert.
Die Frage ist: Wer baut echte Systeme – und wer bleibt beim Narrativ.
System Scaling wird den Markt verändern. Eine gute Strategie zur schnellen Umsetzung entscheidet wer im Staffing gewinnen wird. AI Washing wird entscheiden, wer daran scheitert.
Dein Staffingpreneur
Thomas André Sola
P.S. Wer Fragen bezüglich der beschriebenen Methologie “Make AI applicable” “MAIA” hat, der wende sich gerne an Jürgen Schäfer.
P.P.S. Ein Danke an meinen Artikelsponsor Byner. Die Plattform für Staffing-Unternehmen von Morgen.
WERBUNG AN
Du willst nicht auf Morgen Margin warten? Gut.
Das Tagesgeschäft läuft, deine Leute sind im Einsatz – und dennoch stapeln sich die Aufgaben, die zu kurz kommen. Den Überblick behalten. Prozesse beschleunigen. Und AI? Irgendwann, wenn Zeit ist.
Byner gibt dir den Raum, dich auf das zu konzentrieren, was wirklich zählt. Akquise, Projekte, Matching, und Kunden auf einer Plattform. Automatisierung und AI, die dir im Alltag wirklich Zeit sparen. Und alle Kennzahlen in Echtzeit verfügbar – nicht erst am Monatsende.
Die All-in-One Plattform für Staffing-Unternehmen, die jetzt wachsen wollen.
Byner live erleben? Buch dir deine Demo.
WERBUNG AUS