KI verändert Recruiting und Vertrieb in der Zeitarbeit. Daniel Müller teilt 10 ehrliche Learnings aus Wochen Praxis – inklusive Fehler, Kosten und Chancen.
Das Wichtigste in Kürze
In den letzten Wochen hat sich in der KI-Welt mehr verändert als in manchem ganzen Jahr davor. Neue Sprachmodelle, neue Voice-Funktionen, neue Limits – und mittendrin Du als Inhaber oder Disponent eines Personaldienstleisters, der entscheiden muss, wo Du Deine Energie hinsteckst. In dieser Folge teilt Daniel Müller, Gründer von Liebe Zeitarbeit, BAFA-zertifizierter Berater und Host des Branchen-Podcasts, zehn sehr konkrete Learnings aus seiner Praxis. Ehrlich, mit Fehlern, mit Zahlen – und mit klarer Ableitung für Deinen Alltag in der Zeitarbeit.
Wenn Deine Website-Inhalte erst per JavaScript nachgeladen werden, sind sie für die KI quasi unsichtbar. Das ist die wichtigste technische Erkenntnis dieser Folge. Daniel hatte eine eigene Seite gebaut – mit Lovable, mit Claude, klassisches „Vibe Coding” – und musste durch ein Audit eines Kollegen feststellen, dass die KI-Crawler die Seite fälschlich als WordPress identifizierten und zentrale Inhalte gar nicht erfassen konnten.
Für Personaldienstleister heißt das: Stellenanzeigen, Standortseiten, Leistungsbeschreibungen und Bewertungen müssen im statischen HTML stehen, nicht erst durch ein Framework gerendert werden. Sonst tauchst Du in Google AI Overviews, Perplexity oder ChatGPT Search schlicht nicht auf – egal, wie schön die Seite im Browser aussieht. „Es muss irgendwie im HTML stehen, dann kann die KI das auch lesen und wahrnehmen”, bringt Daniel es auf den Punkt. Generative Engine Optimization (GEO) wird damit zum neuen SEO – und gerade in einem Verdrängungswettbewerb wie der Zeitarbeit entscheidet das, ob Bewerber und Kunden Dich überhaupt noch finden.
KI kann überzeugend falsch liegen. Daniel hat das teuer gelernt: Bei einer Preisangabe von 1.000 Euro hatte die KI eigenmächtig „inklusive Mehrwertsteuer” gerechnet, obwohl „exklusive” gemeint war. Differenz: 190 Euro. Klingt nach einer Lappalie, ist aber ein klassischer Fall von Halluzination im operativen Geschäft – und genau so passieren sie in Angeboten, Überlassungsverträgen oder Equal-Pay-Berechnungen.
Sein Gegenmittel ist pragmatisch: Bei wichtigen Aufgaben lässt er die KI ihre eigenen Ergebnisse noch einmal überprüfen. „Da ist echt interessant, was da manchmal rauskommt”, sagt Daniel. Für Dich in der Disposition heißt das: Jede KI-generierte Kalkulation, jedes automatisierte Anschreiben, jede Vertragsklausel braucht eine zweite Prüfschleife – entweder durch die KI selbst oder durch einen Menschen. Wer KI einsetzt, ohne den eigenen Verstand einzuschalten, kauft sich Risiken ein, die er nicht braucht.
82 Prozent der Weltbevölkerung haben laut den von Daniel zitierten Zahlen noch nie aktiv mit einem Large Language Model gearbeitet. Nur ein Bruchteil davon hat einen bezahlten Account, und noch weniger entwickeln aktiv damit. Für die Personaldienstleistung ist diese Lücke eine Steilvorlage.
Wer heute KI im Recruiting, in der Disposition, im Vertrieb und im Marketing einsetzt, gehört zu einer sehr kleinen Gruppe. „Hier sitzt einer, der das nutzt und macht – da kann man schon sagen, dass ich eher so ein Einhorn bin”, formuliert Daniel selbstironisch. Sein Appell: AI first denken. Frag bei jeder Aufgabe zuerst, ob KI sie schneller, günstiger oder besser lösen kann. Nicht alles muss mit KI gelöst werden – aber sehr vieles kann. Wer jetzt nicht startet, holt den Hammer erst dann, wenn alle Mitbewerber schon dort sind, wo Du heute noch hin musst.
Skills sind gespeicherte Routinen, die Du der KI einmal beibringst und die sie beim nächsten Mal sofort beherrscht. Daniel nutzt diese Funktion intensiv in Claude und empfiehlt, sie auch in ChatGPT als dokumentierte Workflows abzubilden. Hat eine Lösung einmal funktioniert – etwa die HTML-Regel von oben – wird sie als eigener Skill abgelegt und steht für alle künftigen Projekte zur Verfügung.
Zweiter Hebel: Markdown statt Excel oder Word. Daniel arbeitet so weit wie möglich mit .md-Dateien, weil KI sie nativ lesen kann – ohne den Umweg über PDF-Transkription, ohne Token-Verschwendung. Wenn ein Chat zu lang wird oder ein neues Modell wie Opus 4.8 verfügbar ist, lässt er sich eine Zusammenfassung als Markdown-Datei erstellen, öffnet einen frischen Chat und übergibt das Wissen sauber. So vermeidet er Halluzinationen, die in langen Chats entstehen, und nutzt automatisch die jeweils stärkste Modellversion.
KI war noch nie so günstig wie heute – und wird trotzdem täglich teurer in der Nutzung. Daniel berichtet, dass er allein für sein Fokus-Cockpit, einen selbst gebauten Trello-Klon, rund 250 Euro Token-Kosten in kurzer Zeit verbraucht hat. Neue Modelle wie das angekündigte Fable verbrauchen teilweise doppelt so viele Token wie Opus 4.8, liefern aber oft bessere Ergebnisse – die Rechnung muss man im Einzelfall machen.
Sein Praxis-Tipp für Personaldienstleister: Nicht für jede Aufgabe das Premium-Modell zünden. Die 16 Bundesländer kann auch ein kleines Modell aufzählen. Für sensible Daten – Bewerberprofile, Stundennachweise, Mitarbeitergespräche – setzt Daniel auf ein lokales LLM auf einem zweiten MacBook. Das läuft langsamer, hält die Daten aber im Haus und macht ihn unabhängig, falls ein Anbieter den Zugang sperrt. „KI wird wie Essen und Trinken sein”, sagt er. Wer abhängig ist, hat ein Problem, sobald der Stecker gezogen wird.
Der vielleicht stärkste Mindset-Shift: Frag die KI nicht, was sie machen soll – frag sie, wie sie es lösen würde. Daniel empfiehlt, am Ende jeder Aufgabe drei alternative Lösungsansätze und drei Folge-Impulse anzufordern. So wird die KI vom Werkzeug zum Sparringspartner, der Deine Candidate Journey, Deinen Vertrieb und Deine Automatisierungen kontinuierlich verbessert.
Gleichzeitig warnt er vor dem Burnout-Risiko: Projekte mit KI hören nie auf. Du kannst Deine Homepage, Deine Tools, Deine Prozesse endlos optimieren. Setz Dir bewusste Grenzen, nimm Dir Wochenenden für Familie und Kopf – aber bleib dran. Die größere Gefahr ist nicht das Burnout, sondern das Verpassen.
Die meisten KI-Crawler lesen ausschließlich statisches HTML und führen kein JavaScript aus. Wenn Deine Inhalte – Stellenanzeigen, Standorte, Leistungen – erst clientseitig nachgeladen werden, sind sie für ChatGPT Search, Perplexity oder Google AI Overviews unsichtbar. Lass Deine Seite serverseitig rendern oder als statisches HTML ausliefern, dann tauchst Du auch in generativen Antworten auf.
Es gibt nicht das eine Modell. Für Recherche und kreative Texte sind Premium-Modelle wie Claude Opus oder GPT-5.5 stark. Für einfache Aufgaben reichen kleinere, günstigere Varianten. Bei sensiblen Bewerber- und Mitarbeiterdaten empfiehlt sich ein lokales LLM auf eigenem Server, um DSGVO-konform und unabhängig zu bleiben.
Lass die KI ihre eigenen Ergebnisse in einem zweiten Schritt kritisch prüfen und gib klare Vorgaben – etwa explizit „exklusive Mehrwertsteuer”. Bei Überlassungsverträgen, Equal-Pay-Berechnungen und Angeboten gehört zusätzlich immer eine menschliche Endkontrolle dazu. KI beschleunigt Dich, ersetzt aber keine fachliche Verantwortung.
Skills sind gespeicherte Routinen, die Du der KI einmal beibringst und die sie dauerhaft anwendet. Hast Du etwa eine optimale Stellenanzeigen-Struktur entwickelt, speicherst Du sie als Skill und musst sie nie wieder neu erklären. Das spart Zeit, sichert Qualität und macht Deine Workflows reproduzierbar – egal, wer im Team gerade arbeitet.
Setz nicht alles auf eine Karte. Halte mindestens zwei kommerzielle Anbieter parallel verfügbar und ergänze ein lokales LLM auf einem eigenen Rechner für sensible Daten. So hast Du immer einen Plan B, falls Modelle nicht freigegeben werden oder ein Account gesperrt wird – ein realistisches Szenario, das Daniel mit Claudes „Fable” gerade selbst erlebt.
KI ist für Personaldienstleister eine Chance, kein Heilsbringer. Wer GEO ernst nimmt, Modelle bewusst wählt, Skills und Markdown-Übergaben nutzt und seine Ergebnisse konsequent gegenprüft, baut sich einen Vorsprung auf, den die 82 Prozent Nicht-Nutzer so schnell nicht aufholen. Daniels wichtigste Botschaft: Probier aus, mach Fehler, lerne weiter – aber bleib der Profi, der seinen eigenen Kopf einschaltet. KI verhandelt keine Equal-Pay-Stunden und führt kein Mitarbeitergespräch. Aber sie macht Dich in fast jedem Schritt davor schneller, schärfer und sichtbarer.
Die komplette Episode 849 findest Du als Video auf YouTube sowie als Audio bei Apple Podcasts, Spotify, Amazon Music und Deezer. Such einfach nach „Liebe Zeitarbeit” und abonnier den Podcast, damit Du keine neue Folge verpasst.