◀ Zurück zum Questlog주석야금
CLEARQUEST 01HR-Tech · Recruiting-Matching-Plattform

Die Filterwand einreißen – mit einem Dialog-Agenten

Eine Recruiting-Matching-Suche, die bisher 4–5 Kriterien auf einmal abfragte, wurde zu einem schrittweisen Dialog umgestaltet, in dem die KI gezielt nachfragt und ihre Begründung zeigt.

Branche
HR-Tech · Recruiting-Matching-Plattform
Umfang
UX-Analyse · Flow-Redesign · Wireframes
Zeitraum
31.01. – 06.02.2026 (1 Woche)
Überarbeitetes Wireframe · Suche im Kandidatenpool nach den Fragen
Überarbeitetes Wireframe · Suche im Kandidatenpool nach den Fragen

Beute

Einstiegsfragen3 SchritteVorher: 4–5 Kriterien auf einmal auf einem Bildschirm
Analyse3 × 33 Ist-Probleme · 3 Soll-Strategien
Zeitraum1 WocheVon der Analyse bis zu umsetzungsreifen Wireframes

Der Auftrag

Recruiter mussten 4–5 Kriterien – Fachgebiet, Rolle, Skills, Ausbildung – auf einmal in die Suchmaske eingeben. Filter-Chips füllten den Bildschirm und schoben die KI-Empfehlungen aus dem Blick, und lange Fließtext-Zusammenfassungen machten die Begründung schwer auffindbar.

Unsere Lösung

Daraus wurde ein Dialog, in dem die KI die Kriterien in drei kurzen Schritten abfragt. Kandidatenkarten zeigen Passungs-Badges und hervorgehobene Keywords, sodass der Grund jeder Empfehlung sofort sichtbar ist.

Vorher — ein Bildschirm, der alles auf einmal abfragt

  1. 014–5 Kriterien auf einmal eingeben
  2. 02Filter-Chips füllen den Bildschirm
  3. 03KI-Empfehlungen rutschen nach unten
  4. 04Begründung in langem Fließtext suchen

Nachher — ein Agent, der schrittweise nachfragt

  1. 01Kernkriterien
  2. 02Konkrete Skills
  3. 03Zusatzkriterien
  4. 04Begründung per Passungs-Badge & Keywords
  5. 05Direkt aus der Liste anschreiben
LOG

Das Problem

Auf dem Such-Startbildschirm mussten Recruiter alle Kandidatenkriterien (Bereich, Rolle, Skills, Ausbildung) auf einmal als Freitext angeben. Beim manuellen Setzen von Filtern oder Hochladen einer Stellenbeschreibung füllte sich der Bildschirm mit Filter-Chips, während die KI-Empfehlungen und der Gesprächskontext nach unten verdrängt wurden. Auch die Ergebniszusammenfassungen bestanden aus langen Textblöcken, sodass kaum ersichtlich war, wie sich die eingegebenen Kriterien tatsächlich auf die Ergebnisse auswirkten.

Vorgehen

„Agent-UX statt Tool-UX“ — die zugrunde liegende Logik blieb unverändert, die Oberflächen wurden radikal vereinfacht.

  • Einstiegs-Flow: Statt alles auf einmal abzufragen, wurde ein dreistufiger Dialog entworfen — Kernkriterien → Detail-Skills → Nebenkriterien.
  • Vertrauensvisualisierung: Ein Passgenauigkeits-Badge oben auf jeder Kandidatenkarte, mit im Gespräch erwähnten Schlüsselbegriffen hervorgehoben, macht Übereinstimmungen auf einen Blick sichtbar — die vollständige Begründung bleibt hinter einem Popover verborgen, damit die Standardansicht einfach bleibt.
  • Echtzeit-Feedback: Eine „Analysiere …“-Nachricht mit Skeleton-UI vermittelt, dass die KI in Echtzeit arbeitet; Nachrichten lassen sich direkt aus der Liste senden, ohne die Detailseite zu öffnen, was die Klicktiefe reduziert.

Bestehender und verbesserter Flow wurden als Diagramme gegenübergestellt, um zu vergleichen, was sich ändert und warum; beide Zustände (Ist/Soll) wurden zusätzlich über echte UI-Screenshots gelegt, um Punkt für Punkt zu diagnostizieren.

Ergebnisse

  • UX-Diagnosebericht (3 Ist-Probleme, 3 Soll-Strategien)
  • Verbesserte User-Flow-Diagramme (Vorher/Nachher-Vergleich)
  • Entwicklungsreife Wireframes mit Interaktionsspezifikation je Bildschirmelement