Kandidat:innen fragen jetzt ChatGPT. Also haben wir NextPlace gebaut.

Das meiste, was wir bauen, gehört jemand anderem. Ein Kunde hat ein Problem, wir entwerfen und liefern die Lösung, und unser Name steht still im Footer.

NextPlace gehört uns.

Wir haben es gebaut, weil zwischen einer Jobanzeige und der Person, für die sie geschrieben ist, immer wieder dieselbe Lücke aufgetaucht ist und niemand sie geschlossen hat.

Die Lücke, die niemand geschlossen hat

Der Jobmarkt ist für uns vertrautes Terrain. timebite ist unsere eigene Plattform für Studierende, auf der Unternehmen Employer-Branding-Profile bauen, die den Leuten nach Studienrichtung zugeordnet werden. Maschinenbaustudierende sehen technische Arbeitgeber. Jusstudierende sehen Kanzleien.

Dasselbe Problem, vom anderen Ende her gesehen. Die richtige Stelle vor die richtige Person bringen, und zwar dann, wenn sie offen dafür ist.

Wir haben auch beobachtet, wie Menschen anfingen, Arbeit zu suchen.

Sie tippen keine Keywords mehr in ein Suchfeld. Sie beschreiben einem Sprachmodell ihre Situation. "Ich bin Pflegefachkraft in Innsbruck, ich will in den Tagdienst wechseln, was gibt es da." Die Antwort kommt als Absatz zurück, mit einer Handvoll konkreter Vorschläge darin.

Für ein Unternehmen ist das entweder ein Kanal oder ein blinder Fleck. Dazwischen liegt sehr wenig.

Was eine Antwortmaschine tatsächlich sieht

Hier kommt der Teil, der die meisten überrascht.

Die allermeisten Jobanzeigen sind für die Systeme, die solche Fragen beantworten, faktisch unsichtbar.

Eine typische Karriereseite ist eine JavaScript-Anwendung. Die Inserate laden nach der Seite, die Filter leben im Session-State, und der eigentliche Jobtext sitzt oft drei Klicks tief hinter einem Widget, das vom Bewerbermanagementsystem gerendert wird. Ein Crawler, der erst JavaScript ausführen und sich dann durch einen Filter klicken muss, ist ein Crawler, der aufgibt.

Gelesen wird stattdessen die Hülle. Ein Seitentitel, ein Cookie-Banner, das Versprechen, dass es spannende Möglichkeiten gibt.

Jobbörsen haben dieses Problem vor fünfzehn Jahren für Google gelöst. Diese Optimierungen setzen einen Menschen voraus, der Keywords tippt, zehn blaue Links überfliegt und einen davon anklickt. Eine Antwortmaschine arbeitet nach anderen Regeln. Sie liest, sie zieht Fakten heraus, und diese Fakten müssen eindeutig genug sein, um sie in einem Satz zu wiederholen, ohne sie zu verfälschen.

Ein Gehalt, das als Spanne in einem PDF vergraben ist, übersteht das nicht. Eine Stadt, die über fünf Inserate hinweg in fünf Schreibweisen auftaucht, übersteht es auch nicht.

Die sechs Kanäle, in die wir ausspielen, verhalten sich außerdem unterschiedlich. Manche crawlen im Voraus und antworten aus einem Index. Manche holen eine Seite mitten im Gespräch live. Manche machen beides, je nachdem, wie die Frage formuliert ist. Ein Setup, das nur einen davon bedient, deckt einen Bruchteil des Traffics ab und sieht auf einem Dashboard trotzdem nach Erfolg aus.

Die Jobs aus dem ATS herausholen

Das erste Problem war strukturell.

Recruiter:innen arbeiten in einem Bewerbermanagementsystem, und genau dort sollen sie weiterarbeiten. Jedes Produkt, das ein Recruiting-Team bittet, seine Jobs an einem zweiten Ort zu pflegen, hat schon verloren. Die Anforderung war also einfach. Einmal verbinden und danach nie wieder daran denken.

Jedes ATS gibt seine Jobs anders heraus. Manche haben eine dokumentierte REST-API. Manche liefern einen Feed, der für Jobbörsen gebaut wurde. Manche pushen Webhooks, sobald sich ein Datensatz ändert. Und manche bieten gar nichts außer einer Karriereseite.

Wir haben für jeden dieser Wege eine eigene Anbindung gebaut, und jeder Weg endet im selben normalisierten Job-Datensatz. Nichts dahinter erfährt jemals, woher ein Job kam. Genau das macht aus dem nächsten System eine Integrationsaufgabe statt eines Umbaus.

Die Karriereseiten-Anbindung ist die, die uns ehrlich hält. Eine API sagt dir, wenn ein Feld fehlt. Eine Karriereseite rendert eines Morgens einfach anders, weil jemand ein Template geändert hat, und der Parser muss merken, dass etwas nicht stimmt, statt selbstbewusst Unsinn zu importieren.

Wird eine Stelle im ATS geschlossen, verschwindet sie innerhalb weniger Minuten aus der Ausspielung. Niemand öffnet dafür NextPlace.

Einen Job maschinenlesbar aufbereiten

Ist ein Job einmal im System, durchläuft er jedes Mal dieselbe Pipeline.

Er wird bereinigt und strukturiert, denn Rohtext aus dem ATS ist genau auf die Art uneinheitlich, die das Auslesen kaputt macht. Marketing-Sprache, Formatierungsreste, fehlende Felder, ein Ort, der anders geschrieben ist als vorige Woche.

Er wird mit schema.org JobPosting-Metadaten angereichert. Gehalt, Ort, Arbeitszeitmodell, Anstellungsart, jedes davon in einer Form, die keinen Interpretationsspielraum lässt.

Und er wird um generierte Fragen und Antworten ergänzt, gebaut um das, was Kandidat:innen über eine Stelle wirklich wissen wollen. Das ist der Teil, der unser Denken am stärksten verändert hat. Eine Antwortmaschine sucht nach einer Passage, die sie zitieren kann. Ihr eine zu liefern funktioniert besser, als zu hoffen, dass sie sich selbst eine brauchbare Zusammenfassung baut.

Eine Regel steht über allem. Die Pipeline erfindet niemals einen Fakt, den das Unternehmen nicht geschrieben hat. Eine generierte Antwort, die hilfreich klingt und sich als falsch herausstellt, kostet eine Kandidatin ihre Bewerbung und ein Unternehmen seine Glaubwürdigkeit, und schuld wären wir. Das Modell arbeitet also mit dem, was im Inserat steht, und wo ein Inserat schweigt, schweigt auch die Ausgabe.

Ausgespielt wird das Ergebnis auf Seiten, die für maschinelles Lesen gebaut sind, mit Server-Side Rendering, agent-lesbaren Endpoints und expliziter Crawler-Behandlung.

Belegen, dass das alles funktioniert

Das war am Ende schwieriger als die Pipeline.

AI-Sichtbarkeit hat keine Ranking-Position, die man screenshotten kann. Es gibt keine Console, die dir sagt, wo du stehst. Wer für Sichtbarkeit zahlt, verdient mehr als die Zusicherung, dass es vermutlich klappt.

Also haben wir ein Access-Logging gebaut, das maschinellen Traffic je Job vom menschlichen trennt. Jeden Monat sieht ein Kunde, welches System welche Stelle wann gelesen hat. Der Crawler von ChatGPT auf der Pflegestelle in Innsbruck, am Vierten, um elf Uhr vormittags.

Das sind unspektakuläre Daten. Sie sind auch die einzige ehrliche Antwort auf die Frage, ob das Ding tut, was es behauptet.

Wo es heute steht

NextPlace ist in der Pilotphase. Die ersten Kund:innen sind angebunden, ihre Jobs synchronisieren sich aus ihren eigenen Systemen, ohne dass jemand einen Workflow geändert hat, und die Crawler lesen sie.

Der Stack ist der, zu dem wir greifen, wenn Verlässlichkeit mehr zählt als Neuheit. Laravel mit Inertia und Vue, dasselbe Fundament wie unter den großen Webanwendungen, die wir für Kunden bauen. Server-Side Rendering wiegt hier schwerer als überall sonst, wo wir es eingesetzt haben, aus Gründen, die an dieser Stelle klar sein dürften.

Warum wir dir das erzählen

Ein eigenes Produkt zu bauen verändert, wie wir an deinem arbeiten.

Wir mussten die Entscheidungen treffen, die sonst ein Kunde trifft. Was zuerst live geht, was wartet, was die Komplexität wert ist, was fällt, wenn der Termin steht und der Scope nicht. Jede Konsequenz daraus haben wir selbst ausgebadet, und das ist eine nützliche Erfahrung, bevor man jemand anderem zu seinen Entscheidungen rät.

Wenn deine Jobs in einem ATS liegen und du wissen willst, ob sie da draußen überhaupt jemand sieht, NextPlace ist live. Die Case Study geht tiefer auf die technische Seite ein.

Und wenn du an einem Produkt arbeitest, das dieselbe Behandlung braucht, würden wir gern davon hören. Schnapp dir hier einen Slot für einen Discovery Call und wir finden einen Termin.

Das könnte dich auch interessieren

7. August 2026

Musk baut eine Chipfabrik, zehnmal so groß wie Giga Texas

Meta hat seinen ersten Coding-Agent released, Harks Agent klickt sich durchs offene Web, und Musk steckt 16,8 Milliarden in Terafab.

31. Juli 2026

Ein KI-Agent ist ausgebrochen und bei einer echten Firma eingestiegen

Ein OpenAI-Modell ist aus einem Test ausgebrochen und hat vier Services kompromittiert. Nvidia startet eine offene Security-Allianz.

24. Juli 2026

Hast du deinen Cursor schon mal mit der Zunge bewegt?

Open Source holt sich die Coding-Krone, Europa bekommt sein erstes Roboter-Unicorn, und Augmentals MouthPad macht die Zunge zum Trackpad.

Ready to connect the dots?

emir@dotbite.at
+43 699 106 889 13
Emir auf LinkedIn

Hi, ich bin Emir, CEO und Mitgründer von Dotbite.

Du hast eine interessante Idee für ein digitales Projekt und suchst einen Sparringspartner, der die Herausforderung gemeinsam mit dir angeht?

Dann bist du bei uns genau richtig.

Termin vereinbaren