RPO-Recruiting: Bewerber-Mails und Auswahlstatus mit Claude Code schneller managen

Freitagnachmittag, 35 Kandidaten für drei Kunden gleichzeitig. Antworten zu Interviewterminen, Absagen, Erinnerungen für fehlende Unterlagen. Ich hatte den Posteingang offen und überlegte eine halbe Stunde, womit ich überhaupt anfangen sollte.

Und dann ist es passiert. Die Mail „Dein nächstes Interview ist nächsten Dienstag”, die ich für Kunde A geschrieben hatte, ging an einen Kandidaten von Kunde B raus. In dem Moment, als ich auf Senden geklickt hatte, wurde mir eiskalt.

Im RPO-Recruiting (Recruitment Process Outsourcing, also ausgelagerte Personalbeschaffung) muss man den Kopf den ganzen Tag umschalten. Jeder Kunde hat einen anderen Auswahlprozess und einen anderen Ton. Jeder Kandidat steckt in einer anderen Phase. Solange man das nur mit Gedächtnis und Willenskraft stemmt, bricht in der Hochphase garantiert irgendwo etwas zusammen.

Was ich in den letzten Monaten gemacht habe, ist keine „Voll­automatisierung” der Mails. Mein Ansatz war eine klare Grenze: Entwürfe und Sortierung übernimmt Claude Code, die Entscheidung zum Senden behält der Mensch. Heute schreibe ich das konkrete Vorgehen auf, inklusive einer Prompt-Vorlage zum Kopieren und einem Prüfskript.

Das Wichtigste in Kürze

• Die meisten Doppelarbeiten im RPO-Recruiting entstehen nicht beim Formulieren der Texte, sondern dadurch, dass man den Überblick verliert, welcher Kandidat gerade in welcher Phase steckt.
• Claude Code übernimmt Mail-Entwürfe, die Bestandsaufnahme des Auswahlstatus und das Aufspüren von Lücken; das Senden und die Zu-/Absage entscheidet der Mensch.
• Wer Mail-Entwürfe als Muster anlegt, kürzt 5–8 Minuten pro Mail auf 1–2 Minuten. Bei 100 Mails pro Woche sind das rund 20 Stunden weniger im Monat.
• Personenbezogene Daten werden nicht an die KI gegeben: Statt Klarnamen und Kontaktdaten arbeitet man nur mit Pseudonymen und Phasen-Labels.
• Du bekommst eine sofort nutzbare Prompt-Vorlage und ein Prüfskript, das stehengebliebene Kandidaten aufdeckt.

Für wen ist das, und wo hakt es immer

Dieser Artikel richtet sich an RPO-Verantwortliche, die das Recruiting mehrerer Kundenunternehmen übernehmen. Allein betreust du 5–10 Firmen und behältst dauerhaft mehrere Dutzend Kandidaten parallel im Blick. Antworten auf Active-Sourcing-Nachrichten, der Austausch mit Personalagenturen, die Terminabstimmung bis zur Zu- oder Absage: fast alle Fäden laufen bei dir zusammen.

Schauen wir uns den üblichen Ablauf an.

1. Beim Kunden das Wunschprofil und den Auswahlprozess erfragen
2. Über Jobportale und Agenturen Kandidaten gewinnen
3. Das Ergebnis der Unterlagenprüfung an die Kandidaten melden
4. Termine für das erste und zweite Interview abstimmen
5. Nach jedem Interview die Bewertung beim Kunden einholen
6. Zu- oder Absagen verschicken
7. Dem Kunden den Fortschrittsbericht teilen

Dieser Ablauf ist bei fast jedem RPO gleich. Das Problem ist, dass du denselben Ablauf für mehrere Firmen gleichzeitig laufen lässt.

Hier die typischen Doppelarbeiten. Kommt dir etwas davon bekannt vor?

• Du übernimmst einen im Ton von Kunde A geschriebenen Text für Kunde B und es wirkt unpassend.
• Das Versprechen „Rückmeldung innerhalb von 48 Stunden nach dem Interview” hältst du bei vielen Kandidaten nicht mehr ein.
• Einen Kandidaten, der auf die Bewertung des Kunden wartet, vergisst du für ein paar Tage.
• Den Absagetext schreibst du jedes Mal von null und bist am Abend ausgelaugt.
• Der Auswahlstatus in der Tabelle und der echte Stand der Kommunikation driften auseinander.

Das ist kein Können-Problem, sondern schlicht: Das Umschalten im Kopf kommt der Menge an Parallelarbeit nicht hinterher. Genau hier kommt die KI ins Spiel.

Was die KI übernimmt – und was der Mensch entscheiden muss

Zuerst ziehen wir eine klare Grenze. Bleibt die unscharf, passiert genau so ein Fehlversand wie bei mir am Anfang.

Aufgabe	Claude Code übernimmt	Der Mensch entscheidet
Bewerber-Mail	Entwurf erstellen, Ton anpassen	auf Senden klicken
Auswahlstatus	Liste aufräumen, Lücken aufspüren	die Zu-/Absage selbst
Terminabstimmung	Terminvorschläge formulieren, Erinnerung entwerfen	die finale Bestätigung melden
Fortschrittsbericht	Zahlen aggregieren, Entwurf erstellen	Freigabe an den Kunden
Absage	rücksichtsvollen Text generieren	Plausibilität des Absagegrunds prüfen

Das Prinzip ist einfach. Was im schlimmsten Fall im Entwurfsordner hängenbleibt, übernimmt die KI; was, einmal raus, nicht mehr zurückzuholen ist, behält der Mensch. Senden, Zu-/Absage, die finale Bestätigung: Bei diesen drei Dingen liegt der letzte Finger immer beim Menschen. Wenn du das festlegst, geht auch in der Hochphase nichts schief.

Wie du Berechtigungen sinnvoll festlegst, erklärt der für Nicht-Entwickler aufbereitete Beitrag Wie Nicht-Entwickler Claude Code einsetzen.

Use Case 1: Bewerber-Mails als Muster massenhaft entwerfen

Hier wirkt es am stärksten. RPO-Mails gibt es bei genauem Hinsehen nur in wenigen Mustern: Unterlagen bestanden, Interviewtermin, Absage, Zusage. Das Gerüst des Textes ist gleich, es ändern sich nur der Kandidatenname und der Ton des Kunden.

Also legst du oft genutzte Texte als „Vorlage” an, gibst Claude Code die Situation und lässt nur den Entwurf erstellen. Was vorher 5–8 Minuten pro Mail gekostet hat, dauert beim Einfüllen in die Vorlage nur noch 1–2 Minuten.

Der Vorher-Nachher-Vergleich sieht so aus.

• Vorher: Du schaust in den Posteingang und schreibst jedes Mal von null. Am Abend werden die Texte schludrig.
• Nachher: Du gibst die Situation als Stichpunkte rein und bekommst einen Entwurf. Der Mensch macht nur noch Faktencheck und Feinschliff.

Hier die Prompt-Vorlage für den Entwurf. Einfach kopieren und nur den Inhalt in den eckigen Klammern ersetzen.

Du bist ein Mail-Assistent für RPO-Recruiting.
Erstelle unter den folgenden Bedingungen einen Mail-Entwurf an einen Kandidaten auf Deutsch.

# Ton des Kunden
[Beispiel: höflich und formell, Fachbegriffe vermeiden]

# Art der Mail
[Unterlagen bestanden / Interviewtermin / Absage / Zusage – eines davon]

# Situation
- Anrede des Kandidaten: [z. B. Kandidat A, ein Pseudonym]
- Beworbene Position: [z. B. Vertrieb]
- Was diesmal mitzuteilen ist: [erstes Interview am 12.06. um 14:00 Uhr, online]
- Hinweis: [seit der letzten Nachricht sind 3 Tage vergangen, kurze Entschuldigung einbauen]

# Vorgaben
- etwa 200 bis 300 Zeichen
- auch einen Betreff vorschlagen
- keine personenidentifizierenden Daten in den Text
- Da ein Mensch vor dem Senden prüft, am Ende stichpunktartig die zu prüfenden Punkte anhängen

Der Trick ist, am Schluss die „zu prüfenden Punkte” ausgeben zu lassen. Wenn die KI selbst meldet, wo sie unsicher ist, ist die menschliche Prüfung im Nu erledigt. Wer den Aufbau seiner Prompts weiter verfeinern will, sollte auch Fortgeschrittene Techniken im Prompt-Design lesen.

Use Case 2: Jeden Morgen Lücken im Auswahlstatus aufspüren

Das Zweite ist das Erkennen stehengebliebener Kandidaten. Das Schlimmste im RPO ist, jemanden zu „vergessen”. Lässt man einen Kandidaten, der seit drei Tagen auf die Bewertung des Kunden wartet, liegen, kostet das Chancen und Vertrauen.

Hier lässt man die KI besser nicht entscheiden, sondern spürt die Lücken mit einer mechanischen Regel auf – das ist sicherer. Du hältst Phase und letztes Aktualisierungsdatum jedes Kandidaten in einer CSV und lässt ein Skript jene aufdecken, die sich seit Tagen nicht bewegt haben.

Das folgende Node.js-Skript listet alle Kandidaten auf, bei denen seit der letzten Aktualisierung mindestens drei Tage nichts passiert ist. Es nutzt keine Klarnamen, sondern läuft nur mit Pseudonym-IDs. Lege candidates.csv in denselben Ordner und führe es aus.

import { readFile } from "node:fs/promises";

// Format von candidates.csv:
// id,stage,lastUpdate,owner
// C001,Unterlagenpruefung,2026-06-01,Masa
// C002,Wartet auf erstes Interview,2026-06-05,Masa

const STALE_DAYS = 3;
const today = new Date("2026-06-07");

const raw = await readFile(new URL("./candidates.csv", import.meta.url), "utf8");
const rows = raw.trim().split("\n").slice(1); // Kopfzeile entfernen

const stale = [];
for (const line of rows) {
  const [id, stage, lastUpdate, owner] = line.split(",").map((s) => s.trim());
  const days = Math.floor((today - new Date(lastUpdate)) / 86400000);
  if (days >= STALE_DAYS) {
    stale.push({ id, stage, owner, days });
  }
}

stale.sort((a, b) => b.days - a.days);

if (stale.length === 0) {
  console.log("Keine stehengebliebenen Kandidaten.");
} else {
  console.log(`Seit ${STALE_DAYS}+ Tagen ohne Bewegung: ${stale.length} Faelle`);
  for (const c of stale) {
    console.log(`- ${c.id} / ${c.stage} / Betreuer ${c.owner} / ${c.days} Tage stehengeblieben`);
  }
}

Ausführen geht so einfach.

node check-stale.mjs

Die ausgegebene Liste gibst du direkt an Claude Code weiter und bittest: „Erstelle aus dieser Liste der stehengebliebenen Kandidaten die heute fälligen Erinnerungs-Mails als Entwurf, nach Phase getrennt.” Damit hängt das an Use Case 1 an. Die Entscheidung trifft der Mensch, das langweilige Aufspüren der Lücken die Maschine, das Formulieren die KI. Die Rollen sind sauber getrennt.

Use Case 3: Die Textregeln je Kunde in der CLAUDE.md festschreiben

Das Dritte ist ein Mechanismus gegen das Verwechseln der Tonarten bei mehreren Firmen. Auch mein Fehlversand am Anfang hatte als Wurzel, dass „die Regeln von Kunde A und Kunde B in meinem Kopf durcheinandergerieten”.

Das lässt sich verhindern, indem du die Regeln je Kunde in eine Datei schreibst und sie der KI jedes Mal mitliest. Bei Claude Code reicht es, die Projektregeln in CLAUDE.md zu hinterlegen – sie werden bei jeder Anfrage automatisch herangezogen.

Zum Beispiel schreibst du es so.

• Kunde A: stark förmlich, Schreibweise „Ihr Unternehmen”, keine Emojis, Antwort am selben Tag.
• Kunde B: eher locker, Schreibweise „euer Unternehmen”, immer einen Satz einbauen, der auf die Sorgen des Kandidaten eingeht.
• Allgemein: keine festen Zusagen zu Gehalt oder Konditionen, beim Termin immer mehrere Vorschläge machen.

Wie du diese Datei sauber aufbaust, steht gebündelt in CLAUDE.md – Best Practices. Wenn die Regeln einmal in der Datei stehen, stoppt die KI das Verwechseln, selbst wenn dein Kopf in der Hochphase nicht mehr mitkommt.

Als Checkliste nach der Einführung verschwinden Pannen fast komplett, wenn du vor dem Senden nur Folgendes prüfst.

• Passen der adressierte Kunde und der Ton des Textes zusammen?
• Stimmen Anrede und Position des Kandidaten?
• Sind Termin, Ort und URL sachlich korrekt?
• Hast du nicht eigenmächtig Gehalt oder Konditionen zugesagt?
• Hast du keine personenbezogenen Daten in die Anweisung an die KI eingefügt?

ROI-Richtwert und Datenschutz-Hinweise

Hier ein grober Richtwert zur Zeitersparnis. Bei 100 Bewerber-Mails pro Woche, vorher 7 Minuten und nachher 2 Minuten pro Mail, sind das rund 8 Stunden pro Woche und etwa 30 Stunden pro Monat. Rechnet man die Handarbeit beim Aufspüren stehengebliebener Kandidaten dazu, wirkt es in der Hochphase noch stärker. Das ist nur eine Schätzung, aber der echte Wert liegt darin, die gewonnene Zeit in Gespräche mit Kandidaten und in Angebote zu stecken.

Andererseits gehe ich hier vorsichtig vor. RPO-Recruiting hantiert mit einem Berg personenbezogener Daten. Klarname, Telefonnummer, E-Mail-Adresse und Geburtsdatum eines Kandidaten gehören niemals direkt in die Anweisung an die KI. Halte das konsequent durch.

Konkret gestaltest du es so.

• Kandidaten werden mit Pseudonym-IDs wie „Kandidat A” oder „C001” geführt.
• Kontaktdaten und Lebenslauf-Inhalte gibst du nicht an die KI, sondern gleichst sie selbst lokal ab.
• Willst du auch den Kundennamen verbergen, ersetzt du ihn durch „Firma X”.
• Prüfe in den Nutzungsbedingungen des Dienstes, ob die Einstellung „Eingabedaten werden nicht zum Training genutzt” aktiv ist.

Auch mit Pseudonymen reicht es für das Bauen der Mail-Vorlagen und das Aufspüren von Lücken vollkommen. Im Gegenteil: Gerade weil keine personenbezogenen Daten reingehen, werden die Texte als Muster allgemeingültiger und lassen sich besser wiederverwenden.

Häufige Fragen

F. Darf ich Mails komplett automatisch senden lassen? Lieber nicht. Eine RPO-Mail kannst du nach dem Versand nicht mehr zurücknehmen. Halte die Grenze: Die KI liefert bis zum Entwurf und den Prüfpunkten, auf Senden klickt der Mensch.

F. Darf ich die KI den Lebenslauf eines Kandidaten lesen und zusammenfassen lassen? Aus Datenschutzsicht solltest du das vorsichtig handhaben. Wenn eine Zusammenfassung unbedingt nötig ist, verbirgst du Name und Kontaktdaten und gibst nur Tätigkeit und Berufsjahre weiter. Prüfe vorab auch, ob der Vertrag mit dem Kunden die Nutzung externer KI erlaubt.

F. Ich kann nicht programmieren – kann ich das Prüfskript trotzdem nutzen? Du installierst Node.js und tippst eine einzige Zeile als Befehl, dann läuft es. Fang am besten mit dem Einsteiger-Leitfaden zu Claude Code bei der Einrichtung an, dann stolperst du seltener.

F. Wenn ich klein anfangen will – wo ist der erste Schritt am besten? Beim Entwurf der Absage. Der Text ist standardisiert, und ihn jedes Mal zu schreiben, ist unscheinbar zermürbend. Schon das als Vorlage anzulegen, senkt die abendliche Erschöpfung spürbar.

Was ich tatsächlich ausprobiert habe

Ich habe bei mir eine CSV mit 20 fiktiven Kandidaten angelegt und das obige Prüfskript laufen lassen. Es hat auf einen Schlag fünf Kandidaten aufgedeckt, die seit drei Tagen oder länger feststeckten – die Übersehfehler aus der Zeit, als ich die Liste nur mit den Augen durchging, wirkten wie weggeblasen.

Die Mail-Entwürfe habe ich generiert, indem ich den Ton von Kunde A und Kunde B als CLAUDE.md-artige Regeln getrennt aufgeschrieben und 10 Mails erzeugt habe. Null Verwechslungen im Ton. Aufgefallen ist mir, dass die von der KI am Ende ausgegebenen „zu prüfenden Punkte” überraschend nützlich sind. Weil sie jedes Mal anhängt „Bitte prüfe, ob der Wochentag des Termins mit dem Fakt übereinstimmt”, war die menschliche Prüfung in wenigen Sekunden erledigt.

Umgekehrt lässt sich „menschliches Urteil” wie die Plausibilität eines Absagegrunds natürlich nicht an die KI abgeben. Dass dort, wie an der Grenze festgelegt, der Mensch das Heft in der Hand behält, war genau richtig – das habe ich deutlich gespürt.

RPO-Teams, die das Bewerbermanagement als Firma zum System machen wollen, kommen über die Schulung und Einführungsberatung am schnellsten ans Ziel, weil wir das Betriebskonzept gemeinsam ausarbeiten. Wer es zuerst allein ausprobieren möchte, kopiert das Prüfskript und die obige Prompt-Vorlage und lässt sie morgen früh über den Posteingang laufen.

Als externe Referenz lohnt sich beim Umgang mit personenbezogenen Daten ein Blick auf die offizielle Seite der Datenschutzkonferenz (DSK), wo du die aktuellen Leitlinien nachschlagen kannst.