Personalvermittlung: Matching-Notizen und Stellenvorschläge mit Claude Code von 30 auf 5 Minuten

Freitag, 17 Uhr. Das Gespräch mit der Bewerberin ist gerade vorbei, und im Kopf bleibt nur ein Gefühl: „Die passt vermutlich auf die Lagerstelle.“ Aber der Vorschlagstext ist noch ein leeres Blatt. Montagfrüh als Erstes müssen fünf Stellen an fünf verschiedene Bewerber raus.

Als ich einem befreundeten Personaldisponenten über die Schulter geschaut habe, hat genau hier die meiste Zeit gefressen. Die Gesprächsnotizen lagen verstreut im Notizblock. Den Stellenvorschlag baut er, indem er einen alten Text kopiert und nur Name, Stundenlohn und Einsatzort austauscht. Beim Nachlesen stand dann manchmal noch eine Formulierung vom Bewerber davor drin.

Und je hektischer der Text entsteht, desto dünner wird er. „Bahnnah, gute Bezahlung, auch ohne Erfahrung“ – Floskeln, die auf jede Stelle passen. Die Rücklaufquote bei den Bewerbern steigt davon nicht.

In diesem Artikel lassen wir genau dieses „Matching-Notizen und Stellenvorschläge schreiben“ von Claude Code und KI vorentwerfen, sodass sich der Mensch auf den Feinschliff konzentriert. Code kommt nur am Rand vor. Stattdessen gibt es kopierfertige Prompts, eine Checkliste zum Strukturieren der Gesprächsnotizen und ein Prüfskript, das den Output durchsiebt.

Das Wichtigste in Kürze

• Ziel: Personaldisponenten verkürzen die Zeit für eine Matching-Notiz plus Stellenvorschlag von rund 30 Minuten auf etwa 5 Minuten pro Vorgang.
• Der KI überlässt du nur das „Vorentwürfe in Masse produzieren“ und das „Glätten der Formulierungen“. Ob Bewerber und Stelle zueinander passen und ob Stundenlohn und Bedingungen stimmen, entscheidest du selbst.
• Es gibt zwei kopierfertige Prompt-Vorlagen: eine für die Matching-Notiz und eine für den Stellenvorschlag.
• Ein Prüfskript mit rund 20 Zeilen kontrolliert maschinell, ob sich ein Personenname oder eine falsche Lohnzahl in den Text geschmuggelt hat.
• Datenschutz läuft separat: Name, Telefonnummer und Wohnadresse werden geschwärzt, bevor irgendetwas an die KI geht.

Wo verlieren Personaldisponenten die meiste Zeit?

Zuerst das Leserbild. Dieser Artikel richtet sich an Disponenten, die in der Zeitarbeit oder Arbeitnehmerüberlassung allein den ganzen Ablauf stemmen – vom Bewerbergespräch über den Stellenvorschlag bis zur Abstimmung mit dem Kundenunternehmen. Drei bis sechs Gespräche am Tag, dazwischen fünf bis fünfzehn Stellenvorschläge raus. Viele machen nebenbei noch Vertrieb.

Grob umrissen sieht der Ablauf so aus:

1. Mit dem Bewerber sprechen und Wünsche, Werdegang und Persönlichkeit erfragen.
2. Das Erfragte zu einer Matching-Notiz zusammenfassen und im System oder in einer Tabelle ablegen.
3. Aus den vorhandenen Stellen zwei bis drei passende heraussuchen.
4. Den Stellenvorschlag für den Bewerber schreiben und per Mail oder Chat schicken.
5. Reaktion abwarten und dem Unternehmen eine Empfehlung bzw. Kurzvorstellung schicken.

Schritt 2 und 4 sind die Schreibarbeit. Das Gespräch selbst und der Blick fürs Passende kann nur der Mensch. Aber das „Verschriftlichen und Glätten“ von Notiz und Vorschlag ist jedes Mal fast derselbe Handgriff. Genau hier kommt die KI ins Spiel.

Typische Nacharbeit und Ärgernisse

Beim Zuschauen waren die Muster, bei denen Nacharbeit anfällt, ziemlich klar.

• Copy-Paste-Unfall: Ein alter Vorschlag wird wiederverwendet, und Name des vorigen Bewerbers oder der Lohn einer anderen Stelle bleiben stehen. Nach dem Senden fällt es auf – Entschuldigungsmail.
• Dünner Vorschlag: In Eile entsteht nur „familiäres Umfeld“, „auch ohne Erfahrung willkommen“, und der eine Satz, der zum Werdegang passt, fehlt. Es kommt keine Antwort.
• Uneinheitliche Notizen: An hektischen Tagen drei Stichpunkte, an ruhigen zehn Zeilen. Beim späteren Nachlesen fehlt die Entscheidungsgrundlage.
• Doppelte Arbeit: Der Vorschlag für den Bewerber und die Empfehlung fürs Unternehmen werden beide von Null geschrieben – obwohl die Quelle dieselbe ist.

Vor der Umstellung passierte jede Woche irgendwo eines dieser vier Dinge. Seit die KI die Vorentwürfe macht, ist die Detailtiefe der Notizen konstant, und im Vorschlag steht immer „dieser eine, persönliche Satz“. Den Copy-Paste-Unfall fängt das Prüfskript ab, das weiter unten kommt.

Use Case 1: Gesprächsnotiz zur Matching-Notiz strukturieren

Die Rohnotiz direkt nach dem Gespräch ist meist kein Fließtext. „Frühere Stelle Callcenter 3 Jahre, Wochenende frei gewünscht, Anfahrt unter 30 Min, eher Kundenkontakt als Produktion, keine Lücke“ – hingekritzelt. Diese Notiz so aufzuräumen, dass man sie später durchsuchen und vergleichen kann, ist die erste Aufgabe.

Der KI überlässt du nur das „Aufräumen“. Die Gewichtung der Entscheidungsgrundlage macht der Mensch. Wenn die KI die Punkte der folgenden Checkliste ausfüllt, ist die Detailtiefe jedes Mal gleich.

• Gewünschte / unerwünschte Tätigkeit
• Einsatzort und akzeptable Anfahrtszeit
• Wunsch-Stundenlohn / Untergrenze
• Arbeitstage / Schichtbedingungen
• Kurzfassung des Werdegangs (letzte Tätigkeit und Dauer)
• Vom Bewerber selbst genannte „unverhandelbare Bedingung“
• Ergänzung aus Disponentensicht (Persönlichkeit, voraussichtliche Bindung)

Nur den letzten Punkt schreibt nicht die KI, sondern der Mensch in einem Satz. Genau hier liegt der Wert der Vermittlung.

Use Case 2: Vorentwürfe für Stellenvorschläge in Masse erzeugen

Sobald Matching-Notiz und Stelleninfo vorliegen, kann die KI den Vorschlagsentwurf übernehmen. Wichtig ist, sie einen Satz „Warum genau diese Stelle zu dir passt“ einbauen zu lassen, der Werdegang und Stellenmerkmal verknüpft. Allein dadurch verschwindet der Schablonen-Eindruck.

Die folgende Tabelle zieht die Grenze zwischen dem, was die KI übernimmt, und dem, was der Mensch zwingend prüft.

Schritt	Übernimmt die KI	Entscheidet der Mensch
Notiz aufräumen	Strukturieren in Stichpunkte	Einschätzung zu Persönlichkeit/Bindung
Stellenauswahl	Vorauswahl der Kandidaten	Endgültige Vorschlagsfreigabe
Vorschlagsentwurf	Text erzeugen und glätten	Zahlen zu Lohn/Einsatzort prüfen
Tonanpassung	Höflichkeit/Länge justieren	Sendeentscheidung an Bewerber
Empfehlung fürs Unternehmen	Übertragsentwurf aus dem Vorschlag	Faktencheck vor Versand ans Unternehmen

Die Zahlenprüfung beim Menschen zu lassen hat einen Grund: Die KI schreibt manchmal einen plausibel klingenden Lohn oder ein plausibles Datum frei dazu. Zahlen, die in den Quelldaten nicht vorkommen, ziehst du grundsätzlich in Zweifel.

Use Case 3: Vom Bewerber-Vorschlag zur Unternehmens-Empfehlung übertragen

Zur selben Person schreibst du dem Bewerber das „Warum es zu dir passt“ und dem Unternehmen das „Warum ihr einstellen solltet“. Die Perspektive ist umgekehrt, die Quelle ist dieselbe Matching-Notiz. Wenn der Bewerber-Entwurf steht, lass ihn für das Unternehmen umschreiben – die doppelte Arbeit verschwindet.

Beim Übertragen machst du im Prompt klar, dass Informationen, die nur der Bewerber sehen darf (Lohn-Untergrenze, die rohen Details zum Wechselgrund), aus der Unternehmensversion herausfallen. Ein vergessenes Streichen wird zum Unfall, also fängt auch das wieder das Prüfskript ab.

Wenn du Claude Code noch nie benutzt hast, lies vorher So startest du mit Claude Code und Claude Code für Nicht-Entwickler. Danach gehen dir die folgenden Prompts leicht von der Hand.

Kopierfertige Prompt-Vorlagen

Zuerst die für die Matching-Notiz. Du fügst die Rohnotiz direkt nach dem Gespräch ein. Name und Telefonnummer schwärzt du vor dem Einfügen (warum, steht weiter unten).

Du bist die Assistenz eines Personaldisponenten.
Bringe die folgende Gesprächsnotiz in eine Matching-Notiz,
die man später durchsuchen und vergleichen kann.

# Regeln
- Fülle die Punkte unten immer aus. Fehlt eine Info, schreibe "ungeprüft".
- Erfinde keinen Lohn, Einsatzort oder kein Datum, das nicht in der Notiz steht.
- Schreibe keine Einschätzung zu Persönlichkeit/Bindung; lass sie leer für den Menschen.

# Ausgabepunkte
- Gewünschte Tätigkeit / unerwünschte Tätigkeit
- Einsatzort / akzeptable Anfahrtszeit
- Wunsch-Stundenlohn / Untergrenze
- Arbeitstage / Schichtbedingungen
- Werdegang kurz (letzte Tätigkeit und Dauer)
- Unverhandelbare Bedingung
- Ergänzung des Disponenten (leer)

# Gesprächsnotiz
<<hier die Rohnotiz einfügen>>

Als Nächstes die für den Stellenvorschlag. Du gibst die aufgeräumte Matching-Notiz und die Stelleninfo mit.

Du bist die Assistenz eines Personaldisponenten.
Schreibe einen Stellenvorschlag für den Bewerber als Entwurf,
höflich, 300 bis 400 Zeichen.

# Pflichtelemente
- Zu Beginn ein Satz, warum diese Stelle zu diesem Bewerber passt. Verknüpfe Werdegang und Stellenmerkmal.
- Tätigkeit, Einsatzort, Lohn, Schicht als Stichpunkte.
- Zahlen (Lohn, Tage, Zeitraum) genau wie in der Stelleninfo lassen, nicht erfinden.
- Am Ende ein Satz, der zum nächsten Schritt anstößt (Frage, Terminabsprache).

# Matching-Notiz
<<aufgeräumte Notiz einfügen>>

# Stelleninfo
<<Bedingungen der Stelle einfügen>>

Allein durch das Wechseln zwischen diesen beiden bleiben Detailtiefe der Notiz und Aufbau des Vorschlags stabil. Wer das Schärfen der Prompts noch vertiefen will, liest dazu Prompt-Engineering für Fortgeschrittene.

Prüfskript, das den Output durchsiebt

Sobald sich Entwürfe in Masse erzeugen lass, fragt man sich: „Ist der Name des vorigen Bewerbers noch drin?“ Das kann eine Maschine besser als das menschliche Auge. Hier ein Skript mit rund 20 Zeilen in Node.js, das prüft, ob im erzeugten Vorschlag verbotene Wörter (alte Bewerbernamen, Ortsnamen anderer Stellen) stehen. @anthropic-ai/sdk ist nicht nötig, es läuft mit reinem Node.js.

// check-draft.mjs
// Aufruf: node check-draft.mjs draft.txt
import { readFile } from "node:fs/promises";

// Wörter, die im Output nicht vorkommen dürfen (alte Bewerbernamen, fremde Ortsnamen usw.)
const forbidden = ["Frau Müller", "vorige Stelle", "Filiale Hamburg", "15 Euro/Std"];

const file = process.argv[2] ?? "draft.txt";
const text = await readFile(file, "utf8");

const hits = forbidden.filter((word) => text.includes(word));

if (hits.length === 0) {
  console.log("OK: Keine verbotenen Wörter gefunden.");
} else {
  console.log("Bitte prüfen: Diese Wörter stehen noch im Vorschlag ->", hits.join(", "));
  process.exitCode = 1; // nützlich, wenn die Automatisierung anhalten soll
}

Du passt nur das forbidden-Array an deine eigenen Stellen an. Lässt du das vor dem Senden einmal durchlaufen, verschwindet der Copy-Paste-Unfall vom Anfang fast vollständig. Wie du diese Prüfung in eine CLAUDE.md einbaust, erklärt Best Practices für CLAUDE.md im Detail.

Datenschutz und Sicherheit

Das ist für Disponenten der wichtigste Teil. Name, Telefonnummer, Wohnadresse und der frühere Arbeitgeber des Bewerbers gehen nicht unverändert an die KI. Der Grund ist einfach: Personenbezogene Daten an einen externen KI-Dienst zu schicken, kann gegen die Zusage gegenüber den registrierten Bewerbern verstoßen – und in der EU greift die DSGVO.

Konkret machst du vor der Übergabe an die KI Folgendes:

• Den Namen durch „Person A“ oder „Bewerber X“ ersetzen.
• Telefon, Mail und Adresse als ganzen Punkt löschen.
• Den früheren Arbeitgeber nur als Branche angeben, etwa „großes Callcenter“.

Wenn der Entwurf zurückkommt, ersetzt du die geschwärzten Stellen wieder durch echte Namen – in deinem eigenen Texteditor auf dem eigenen Rechner. Gibt es im Unternehmen noch keine Regel für den KI-Einsatz, legst du zuerst den Nutzungsrahmen fest. Ein Blick in die offiziellen Vorgaben des Europäischen Datenschutzausschusses hilft, eine interne Regel auf solide Füße zu stellen.

Vorher und nachher: grober ROI

Die Zahlen sind nur ein Anhaltspunkt. Im Team meines Freundes habe ich die Zeit pro Stellenvorschlag gemessen.

• Vorher: alten Text wiederverwenden und nachbessern, rund 20 bis 30 Minuten pro Stück.
• Nachher: Entwurf erzeugen und Feinschliff, rund 5 bis 8 Minuten pro Stück.

Angenommen, ein Disponent macht 10 Vorschläge am Tag und spart 20 Minuten pro Stück: Das sind rund 200 Minuten täglich, also über 3 Stunden. Bei 20 Arbeitstagen im Monat über 60 Stunden. Diese Zeit fließt in mehr Gespräche oder in Nachfass-Kontakte zu Bewerbern.

Natürlich kostet es in den ersten Tagen eher mehr Zeit, weil du Prompts justierst und die verbotenen Wörter pflegst. Gelohnt hat es sich ab etwa der zweiten Woche. Kleine Zeitspar-Kniffe für den Alltag sammelt auch Tipps für mehr Produktivität.

Wenn du im ganzen Unternehmen die Textarbeit der Personalvermittlung umstellen willst, lässt sich das über Schulung und Beratung gut im Alltag verankern – dort entwerfen wir Prompts und Betriebsregeln gemeinsam. Fertige Vorlagen findest du auch im Produktbereich.

Häufige Fragen

F. Werden die Vorschläge mit KI nicht maschinell? A. Doch – aber nur, wenn der „eine Satz, der Werdegang und Stelle verknüpft“ nicht Pflicht ist. Lässt du im Prompt einen Grund einbauen, verschwindet der Schablonen-Eindruck stark. Den letzten Feinschliff macht weiterhin der Mensch.

F. Muss ich die KI direkt an unser internes System anbinden? A. Nein. Erst einmal reicht es völlig, Notiz und Stelleninfo per Copy-Paste zu übergeben und den Entwurf zurückzubekommen. Eine Systemanbindung kannst du prüfen, wenn der Ablauf steht.

F. Verwechselt die KI nicht Lohn oder Einsatzort? A. Doch. Deshalb bleibt die Zahlenprüfung beim Menschen. Die KI schreibt manchmal Zahlen frei dazu, die in den Quelldaten nicht stehen – gleiche sie vor dem Senden immer mit der Stelleninfo ab.

F. Wird der Text unnatürlich, wenn ich den Bewerbernamen schwärze? A. Im Entwurf ist „Person A“ kein Problem. Du ersetzt das „Person A“ im zurückgegebenen Text in deinem Editor durch den echten Namen – per Suchen-und-Ersetzen in einem Rutsch.

Was beim Selbsttest herauskam

Ich habe selbst von meinem Freund fünf Gesprächsnotizen bekommen und sie durch die obigen Prompts und das Prüfskript geschickt. Prüfen wollte ich drei Dinge: die Dauer des Entwurfs, das Erkennen von Copy-Paste-Unfällen und den Aufwand des Schwärzens.

Der Vorschlagsentwurf war pro Stück in rund 5 Minuten fertig. Am stärksten gewirkt hat die Vorgabe „ein Satz Begründung“ – allein damit wird aus dem Text einer, auf den man antworten möchte. Dem Prüfskript habe ich absichtlich einen Text mit altem Bewerbernamen vorgesetzt, und es hat brav mit „Bitte prüfen“ angehalten. Das Schwärzen fühlte sich anfangs umständlich an, aber es ist nur ein Ersetzen-Schritt – nach zwei Tagen war es Routine.

Umgekehrt hat die KI einmal eine Stellenzahl leicht gerundet. Die letzten beiden Stellen des Stundenlohns hatten sich verändert. Die letzte Zahlenprüfung beim Menschen zu lassen, war also richtig. Entwurf von der KI, Entscheidung und Zahlen vom Menschen. Solange du diese Grenze einhältst, wird das Schreiben von Matching-Notizen und Stellenvorschlägen verlässlich leichter.