Von der Filterwand zum dialogbasierten Recruiting-Matching

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.

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