Talente sind Beziehungen, keine Datensätze.
Engage ist ein Talent Pool Management System, das Recruiting neu denkt: nicht als Trichter, sondern als Pflege langfristiger menschlicher Verbindungen – mit KI, die den Recruiter unterstützt, ohne die Menschlichkeit zu ersetzen.
Problemraum
Das Problem mit Talent Pools
Talent Pools in klassischer ATS-Software sind Friedhöfe. Kandidat:innen bewerben sich, werden abgelehnt oder vertröstet und landen in einer Liste, die niemand mehr anfasst. Wenn sechs Monate später eine passende Stelle entsteht, hat der Recruiter keine Ahnung, ob die Person noch verfügbar ist.
„Standard-ATS denkt in Trichtern. Engage denkt in Beziehungen – und Beziehungen brauchen Pflege, nicht nur Dokumentation.“
Engage ist als Plugin für bestehende ATS-Systeme konzipiert. Es ergänzt, was dort fehlt: aktives Engagement, menschliche Aufmerksamkeit im richtigen Moment und KI-Unterstützung, die den Recruiter entlastet, ohne die Verbindung zum Talent zu ersetzen.
Kernfunktionen
Was Engage leistet
Engagement-Dashboard
Zeigt auf einen Blick, welche Talente aktiv signalisieren – durch Profilaktualisierungen, Stellenaufrufe oder Standortwechsel.
Predictive Matching
Die „Glaskugel" zeigt, ob ein Talent heute oder in 3 Monaten auf eine offene Stelle passt – basierend auf Skills, Standort und Entwicklung.
Human Moments
Geburtstage, LinkedIn-Posts, Instagram-Beiträge mit Jobkontext – der Recruiter wird zum richtigen Zeitpunkt zum Handeln motiviert.
KI-Talent-Brief
Beim Öffnen eines Talentprofils fasst die KI alle relevanten Informationen zusammen und empfiehlt den nächsten konkreten Schritt.
Eventmodul
Talente zu Events einladen, RSVP tracken und schon beim Einladen sehen, für welche aktuellen oder zukünftigen Stellen sie relevant sind.
Interaktive Wiki
Eingebettete Lernhilfe direkt im Produkt – kein separates Handbuch. Der Recruiter lernt im Kontext der Aufgabe.
Das Dashboard bündelt Pool-Kennzahlen, neueste Aktivitäten und Top-Matches auf einen Blick.
Der Talent Pool zeigt Engagement-Level, Skills und den nächsten sinnvollen Schritt pro Kandidat:in – statt starrer Kanban-Spalten.
Schwerste Aufgabe
Was bedeutet „engagiert"?
Die größte konzeptionelle Herausforderung war die Engagement-Rate – eine einzelne Zahl, die aussagen soll, wie aktiv und erreichbar ein Talent gerade ist. Zu einfach gedacht ist sie nutzlos; zu komplex, und der Recruiter versteht sie nicht mehr.
Engagement-Score · Signalgewichtung
Signale werden zeitlich gewichtet: ein Update vor 3 Tagen zählt mehr als dasselbe vor 6 Monaten. Der Score sinkt aktiv, wenn kein Signal mehr eingeht.
Die zweite große Herausforderung war das Predictive Matching – die „Glaskugel". Der entscheidende Unterschied zum Standard: sie zeigt nicht nur, ob jemand jetzt passt, sondern ob er in drei Monaten passen wird.
Die Glaskugel gruppiert Talente nach erwarteter Verfügbarkeit: sofort, in 3 Monaten oder in einem Jahr.
KI-Brief & Interaktion
Der nächste Schritt, auf einen Blick
Wenn ein Recruiter ein Gespräch öffnet, fasst die KI alles Relevante zusammen – ohne durch Notizen, Nachrichten und Aktivitätslog scrollen zu müssen. Und sie empfiehlt konkret, was jetzt sinnvoll wäre.
Der Interaktions-Bereich verbindet Chat-Verlauf, KI-Zusammenfassung und Companion-App – die KI unterstützt, ohne die menschliche Antwort zu ersetzen.
Gegen den Standard
Was Engage bewusst anders macht
Warum eine eingebettete Wiki statt externem Handbuch?
Recruiter lernen nicht vor dem Einsatz – sie lernen beim Einsatz. Eine kontextsensitive Wiki reduziert die Einarbeitungszeit drastisch und senkt die Hemmschwelle für neue Funktionen.
Warum kein klassisches Kanban-Board für den Pool?
Kanban denkt in Phasen und Fortschritt – das passt für aktive Bewerbungen. Ein Talent Pool ist kein Prozess, sondern eine Community. Engage denkt in Engagement-Leveln und Signalen, nicht in Spalten.
Warum Plugin statt eigenständiges Produkt?
Recruiter wechseln ihr ATS nicht. Engage muss dort sein, wo die Arbeit stattfindet – nicht eine weitere App, in die man sich einloggen muss. Das senkt die Adoption-Hürde auf nahezu null.
Prototyp-Präsentation
Das Projekt erklärt
Ich habe mich kurz aufgenommen, um daraus einen KI-Avatar zu generieren, der mein Skript dann vorgelesen hat.
Reflexion
Was ich mitgenommen habe
- GelerntEine Kennzahl zu designen ist Produktarbeit, keine Analytik. Die Frage „Was bedeutet Engagement?" zu beantworten war eine der komplexesten Designaufgaben – weil die Antwort bestimmt, wie sich das gesamte Produkt anfühlt.
- BestätigtKI in B2B-Produkten funktioniert am besten als Copilot, nicht als Autopilot. Der KI-Brief ist nützlich, weil er dem Recruiter eine Entscheidung ermöglicht – nicht weil er sie ersetzt.
- TransferierbarDas Konzept „Beziehung statt Trichter" lässt sich auf viele B2B-Kontexte übertragen: Customer Success, Account Management, Partner Relations.
- OffenWo ist die Grenze zwischen hilfreicher Aufmerksamkeit und Überwachung? Das Tracking von Social-Signalen wirft Datenschutzfragen auf, die in einem echten Produkt sorgfältig gelöst werden müssten.