Wie ein globales Staffing-Unternehmen sein Kandidaten-Screening mit lizzyAI standardisierte

‍Kundenüberblick

Labor Inbound ist ein globales Staffing-Unternehmen, das Tausende aktive Kandidat:innen verwaltet und großangelegte Workforce-Programme unterstützt. Mit einem proprietären ATS und einem bestehenden KI-gestützten Matching-System legt das Team großen Wert auf strukturierte Kandidatendaten, Genauigkeit und Skalierbarkeit. Mit steigendem Einstellungsvolumen brauchte Labor Inbound eine Möglichkeit, konsistent hochwertige Kandidateninformationen zu erfassen – ohne den operativen Aufwand zu erhöhen oder auf kostspielige externe Interviewer zurückzugreifen.
‍

Die Ausgangslage: High-Volume-Kandidaten-Screening im großen Maßstab

Labor Inbound verwaltet einen großen und sich kontinuierlich weiterentwickelnden Kandidatenpool – mit neuen Kandidat:innen, die jedes Jahr hinzukommen, und bestehenden Profilen, die regelmäßige Aktualisierungen erfordern. Während Lebensläufe und Formulare Basisinformationen lieferten, waren kritische Daten – wie Kompetenztiefe, Eignungsfelder und Verhaltensindikatoren – häufig unvollständig oder inkonsistent.

Das Team koordinierte sich mit externen Recruitern für Interviews, aber dieser Ansatz erzeugte Variabilität in den Ergebnissen und begrenzte die Fähigkeit des Unternehmens, die Kandidatenbewertung zu standardisieren und zu skalieren.

Die Herausforderung: Unvollständige Daten, inkonsistente Interviews, hohe Kosten

Labor Inbound stand vor mehreren hartnäckigen Herausforderungen:

Unvollständige Kandidatenprofile
‍Wichtige ATS-Felder blieben häufig leer, was Nachfassaktionen und manuellen Aufwand erforderte.
‍

Inkonsistente Kompetenzbewertung
‍Kompetenzniveaus wurden unterschiedlich bewertet und dokumentiert, was einen zuverlässigen Kandidatenvergleich erschwerte.
‍

Begrenzte Einblicke in Persönlichkeit und kulturelle Passung
‍Verhaltensindikatoren waren weitgehend abhängig von der Einschätzung einzelner Recruiter und schwer skalierbar.
‍

Hohe Abhängigkeit von externen Interviewern
‍Interviews waren kostspielig, inkonsistent und schwer effizient zu skalieren.

Labor Inbound brauchte eine Lösung, die strukturierte, wiederholbare und hochwertige Kandidatendaten liefern konnte – und sich nahtlos in bestehende Workflows einfügte.
‍

Die Lösung: Autonome, strukturierte Interviews mit lizzyAI

Labor Inbound führte lizzyAI ein, um autonome, mehrsprachige Interviews im großen Maßstab durchzuführen. Dies ersetzte den Großteil der externen Screening-Interviews und standardisierte die Kandidatenbewertung ab der ersten Interaktion.

Mit lizzyAI konnte das Unternehmen:

• Interviews rund um die Uhr ohne Recruiter-Beteiligung durchführen
• Die Bewertung von Fähigkeiten, Erfahrung und Verhaltensmerkmalen standardisieren
• Kompetenzratings von 1–5 mit kontextueller Begründung erfassen
• Compliance- und Eignungsinformationen konsistent erheben
• Kandidatenprofile mit strukturierten, ATS-kompatiblen Outputs anreichern
  ‍

Die lizzyAI-Interviews wurden so konfiguriert, dass sie direkt auf das bestehende Datenschema von Labor Inbound abgestimmt waren – mit manueller Datenübernahme während der Pilotphase und einem klaren Pfad zur zukünftigen
API-Integration.
‍

Die Ergebnisse: Höhere Abschlussraten, bessere Daten, echte Business-Wirkung

✔ Höhere Kandidaten-Abschlussraten
‍Kandidat:innen schlossen lizzyAI-Interviews mit höherer Wahrscheinlichkeit ab als die zuvor eingesetzten Fragebögen.
‍

✔ Drastisch verbesserte Datenvollständigkeit
‍lizzyAI reduzierte fehlende ATS-Felder erheblich, indem strukturierte Kompetenzen, Eignungsdetails und Persönlichkeitsindikatoren in einer einzigen Interaktion erfasst wurden.
‍

✔ Konsistente, vergleichbare Kandidatenprofile
‍Jede:r Kandidat:in wird nach denselben Kriterien bewertet, was Vergleiche schneller und zuverlässiger macht.
‍

✔ Reduzierte Screening-Kosten
‍Durch den Ersatz externer Interviewer senkte Labor Inbound die Kosten pro Interview und steigerte gleichzeitig die Ergebnisqualität.
‍

✔ Positives Feedback intern und von Kunden
‍Das Feedback von Labor Inbounds Kunden bestätigte, dass lizzyAI
‍

‍„definitiv einen enormen Mehrwert liefert."

‍

Die Integration wurde von der Führungsebene als „Game-Changer" für das Geschäft beschrieben.
‍

Was dies für Labor Inbound ermöglichte

• Skalierbares Interviewen ohne Aufstockung des Personalbestands
• Sauberere, reichhaltigere Kandidatendaten, die in bestehende KI-Matching-Systeme einfließen
• Schnellere Validierung von Kandidatenbereitschaft und Passung
• Ein wiederholbarer Screening-Prozess, der auf langfristiges Wachstum ausgerichtet ist

Durch die Standardisierung von Interviews und die Verbesserung der Datenqualität am Anfang des Funnels stärkte Labor Inbound seinen gesamten Platzierungs-Workflow.
‍

Warum das für globale Staffing-Unternehmen wichtig ist

Für Staffing-Organisationen, die große Kandidatenpools verwalten, sind Datenqualität und Konsistenz das Fundament der Skalierung. lizzyAI ermöglicht es Unternehmen, über Lebensläufe und Fragebögen hinauszugehen – mit strukturierten, vergleichbaren Insights, die sowohl die operative Effizienz als auch die Platzierungsergebnisse verbessern.