Longlist erstellen: So trennen Sie Recherche, Ansprache und Kundenfreigabe

Invalid Date

Longlist erstellen: So trennen Sie Recherche, Ansprache und Kundenfreigabe

Eine Longlist zu erstellen, ist im Executive Search mehr als das Zusammentragen passender Profile. Der Prozess verbindet Marktkenntnis, strukturierte Ansprache und eine nachvollziehbare Vorauswahl. Entscheidend ist die Trennung der Arbeitsphasen: Was intern recherchiert und bewertet wird, ist nicht automatisch für den Kunden bestimmt.

Eine professionelle Kandidatenlonglist ist kein Datenbankexport. Sie ist ein Mandatsdokument, das nur Personen mit einem klaren Prozessstatus abbildet. Dafür braucht es einen Workflow, der Recherche, Kontaktaufnahme und Kundenfreigabe sauber voneinander abgrenzt.

Warum eine Longlist kein Datenbankexport ist

Im Executive Search beginnt die Arbeit mit einem präzisen Briefing. Rolle, Zielunternehmen, Marktsegmente, fachliche Anforderungen und Ausschlusskriterien sollten vor der Recherche geklärt sein. Darauf folgen Market Mapping, Identifikation und Ansprache potenzieller Kandidaten.

Der von der Association of Executive Search and Leadership Consultants (AESC) beschriebene Ablauf führt vom Briefing über Market Mapping sowie Sourcing und Identifikation zur Ansprache. Die Longlist entsteht erst auf Grundlage dieser Vorarbeit. Sie ist damit kein ungefilterter Datenbestand, sondern ein dokumentierter Zwischenstand im Mandat.

Wer eine Longlist erstellt, sollte deshalb zwischen einer Recherchehypothese und einer präsentationsfähigen Option unterscheiden. Ein öffentlich auffindbares Profil kann beispielsweise eine vergleichbare Funktion oder Branchenerfahrung zeigen. Daraus folgt jedoch noch nicht, dass die Person für die konkrete Rolle erreichbar, interessiert oder unter den vereinbarten Rahmenbedingungen wechselbereit ist. Ebenso können interne Ausschlusskriterien, Off-Limits-Vorgaben oder noch offene Fragen gegen eine weitere Bearbeitung sprechen.

Für Personalberatungen ist diese Abgrenzung auch operativ wichtig. Wenn interne Research-Notizen, Quellen, Kontaktdaten, Gesprächsverläufe und kundenfähige Profile in derselben Tabelle oder im selben geteilten Ordner liegen, entstehen leicht unklare Versionen und unkontrollierte Zugriffe. Der Kunde kann dann nicht zuverlässig erkennen, ob ein Name lediglich aus dem Market Mapping stammt, bereits angesprochen wurde oder nach einem Gespräch als relevant eingeordnet wurde.

In der Praxis helfen mindestens drei getrennte Ebenen:

Interne Rechercheliste: Marktinformationen, Quellen, erste Hypothesen und noch nicht kontaktierte Profile.
Kontakt- und Qualifikationsliste: Ansprache, Rückmeldungen, Wechselmotivation, Verfügbarkeit und offene Fragen.
Kundenlonglist: Eine abgestimmte Auswahl mit den Informationen, die für die erste gemeinsame Bewertung erforderlich sind.

Ein Beispiel verdeutlicht den Nutzen: Für eine Geschäftsführungsrolle können im Market Mapping Führungskräfte aus direkten Wettbewerbern, angrenzenden Branchen und vergleichbaren Unternehmensgrößen erfasst werden. In die Kundenlonglist gehören daraus nur Profile, deren Bezug zum Suchauftrag nachvollziehbar dokumentiert ist und deren Bearbeitungsstatus eine gemeinsame Bewertung erlaubt. Diese Struktur ermöglicht umfassende interne Recherche, ohne jeden Recherchebestand automatisch an den Mandanten weiterzugeben. Sie erleichtert zugleich Berechtigungen, Freigaben und Löschprozesse.

Market Mapping und Sourcing strukturiert erfassen

Der Aufbau einer Longlist beginnt mit dem Markt, nicht mit einer Sammlung von Lebensläufen. Beim Market Mapping werden relevante Unternehmen, Funktionen, Wettbewerber, Regionen und Kandidatencluster erfasst. Daraus entsteht eine interne Recherchebasis, die im weiteren Mandatsverlauf verdichtet wird.

Die Recherche in öffentlich zugänglichen Berufsprofilen auf Plattformen wie LinkedIn und XING ist grundsätzlich zulässig. Private Social-Media-Profile, etwa nicht öffentlich zugängliche Inhalte auf Facebook oder Instagram, sollten dagegen nicht als Recherchequelle genutzt werden.

Schon das interne Anlegen eines Profils ist datenschutzrechtlich relevant. Das Speichern eines Bewerberdatensatzes im CRM oder ATS stellt eine Verarbeitung personenbezogener Daten dar, auch ohne vorherige Kontaktaufnahme. Für die Rechercheliste sollte deshalb festgelegt sein, welche Daten gespeichert werden, welchem Zweck sie dienen, wer darauf zugreifen darf und wann sie gelöscht werden, falls kein weiterer Vorgang entsteht.

Sourcing-Tools können die Identifikation erleichtern, ersetzen aber keine fachliche Einschätzung. LinkedIn Recruiter bietet unter anderem Filter für Titel, Standort, Unternehmen, Skills, Branchen, Seniorität und Berufserfahrung. Auch die Status- und Feldlogik eines Systems kann die Recherche strukturieren, sie ersetzt jedoch nicht die Bewertung durch den Berater.

KI-gestützte Relevanzhinweise sind ebenfalls Produktlogiken, keine objektiven Eignungsurteile. Bei LinkedIn bedeutet „High“ mindestens 70 % erfüllte Qualifikationen; „Medium“ steht für mindestens 30 %. Daraus lassen sich weder Wechselbereitschaft noch Verfügbarkeit oder Passung für ein konkretes Mandat ableiten.

Die interne Recherche sollte deshalb immer die Einschätzung des Beraters ergänzen: Warum passt eine Person grundsätzlich zum Suchprofil? Welche Informationen fehlen noch? Bestehen Off-Limits, Interessenkonflikte oder Ausschlussgründe? Erst diese Einordnung macht eine belastbare Longlist möglich.

Ansprache und Status für die Longlist dokumentieren

Zwischen Identifikation und Kundenpräsentation steht die Ansprache. In dieser Phase wird aus einem theoretisch passenden Profil ein möglicher Kandidat. Relevant sind nicht nur der bisherige Werdegang, sondern auch Interesse, Rahmenbedingungen und offene Punkte.

Bei Daten, die nicht direkt bei der betroffenen Person erhoben wurden, muss die Informationspflicht nach Art. 14 DSGVO spätestens bei der ersten Kommunikation oder innerhalb von 1 Monat erfüllt werden. In der Praxis kann die Datenschutzinformation Bestandteil der Erstansprache sein oder dort klar verlinkt werden.

Ein eindeutiger Statusprozess verhindert, dass ungeprüfte Rechercheprofile in einen Kundenreport gelangen. LinkedIn Recruiter verwendet Status wie „Uncontacted“, „Contacted“, „Replied“ und „Archived“ sowie kundenspezifische Status. Benutzerdefinierte Felder können beispielsweise gewünschtes Gehalt, Umzugsbereitschaft oder Startdatum erfassen.

Unabhängig vom eingesetzten System sollte der Status jedes Profils klar beantworten:

Wurde die Person bereits kontaktiert?
Wurde die Datenschutzinformation übermittelt?
Besteht Interesse an einem vertraulichen Austausch?
Liegen relevante Eckdaten sowie offene Fragen vor?
Ist die Vorstellung bei diesem konkreten Mandanten abgestimmt?

Nicht jede Information gehört in den ersten Austausch. Das Einholen von Referenzen erfordert eine ausdrückliche Einwilligung. Ein Führungszeugnis darf nur verlangt werden, wenn es für die konkrete Position erforderlich ist. SCHUFA- und Bonitätsabfragen sind im Vorfeld eines gewöhnlichen Arbeitsverhältnisses in aller Regel unzulässig.

Wenn eine Person noch nicht erreichbar war, wesentliche Angaben fehlen oder keine abgestimmte Vorstellung vorliegt, bleibt das Profil in der internen Bearbeitung. Es gehört nicht in den Kundenreport.

Kundenfreigabe und datenschutzgerechte Übergabe

Die Kundenlonglist ist eine eigene Freigabestufe. Ein typischer Longlist-Report enthält laut AESC-Leitfaden Name, Unternehmen, aktuelle Position, Kontaktdaten, Lebenslauf und Gesprächsnotizen. Welche Angaben tatsächlich erforderlich sind, richtet sich nach dem konkreten Mandat.

Vor der Übergabe an den Kunden sollte für jedes Profil nachvollziehbar dokumentiert sein, welchen Status es hat und auf welcher Grundlage die Daten weitergegeben werden. Für die Aufnahme in einen Talent-Pool oder die Weitergabe an mehrere Kundenunternehmen, die der betroffenen Person nicht namentlich bekannt sind, ist eine Einwilligung nach Art. 6 Abs. 1 lit. a DSGVO erforderlich.

Auch der Übermittlungsweg gehört zum Prozess. Das unverschlüsselte Versenden von Lebensläufen per E-Mail an Kundenunternehmen entspricht nicht dem Stand der Technik. Berechtigungen, Empfängerkreise und Löschfristen sollten zum tatsächlichen Ablauf passen.

In der klassischen Personalvermittlung und beim Headhunting sind Beratung und Kundenunternehmen in der Regel eigenständige Verantwortliche im Sinne von Art. 4 Nr. 7 DSGVO. Regelmäßig liegt damit keine Auftragsverarbeitung vor. Die Rollen und Pflichten sollten dennoch vor Mandatsbeginn für das konkrete Geschäftsmodell geprüft und dokumentiert werden.

Kommt es zu einer meldepflichtigen Datenschutzverletzung, gilt nach Art. 33 DSGVO eine Frist von 72 Stunden nach Bekanntwerden, sofern ein Risiko für die betroffenen Personen besteht. Das BayLDA zählt die Frist ab 0:00 Uhr des Folgetags der Feststellung; Wochenenden und Feiertage sind eingeschlossen.

KI für Recherche und Auswertung mit menschlicher Prüfung einsetzen

KI kann die Recherche und Aufbereitung unterstützen, etwa durch die Extraktion von Kompetenzen aus Lebensläufen, strukturierte Zusammenfassungen oder die Suche nach ähnlichen Profilen. Die Entscheidung darüber, welche Personen in die Longlist aufgenommen werden, bleibt jedoch eine fachliche Aufgabe.

Ein KI-Score zur Vorab-Sortierung oder zum Ranking von Bewerbern gilt als Profiling im Sinne von Art. 22 DSGVO. Automatisierte Entscheidungen mit rechtlicher Wirkung ohne menschliche Prüfung sind grundsätzlich verboten. KI-Vorschläge benötigen daher eine nachvollziehbare Kontrolle durch den Berater.

Bei der Datenschutz-Folgenabschätzung besteht eine relevante Abgrenzung. Dr. Sait Yalazay bewertet eine Datenschutz-Folgenabschätzung bei systematischem Profiling oder umfangreichem KI-Einsatz in der Bewerbervorauswahl als praktisch verpflichtend. Das BayLDA erklärt dagegen, dass bei der Verarbeitung von Personaldaten in der Regel keine Datenschutz-Folgenabschätzung erforderlich sei, mit möglichen Ausnahmen bei umfangreichen zentralen Personalverwaltungen. Eine pauschale Aussage, dass Recruiting-KI immer oder nie eine Datenschutz-Folgenabschätzung erfordert, wäre daher nicht belastbar. Maßgeblich sind der konkrete Funktionsumfang, der Automatisierungsgrad, die Datenarten und der tatsächliche Einsatz im Mandat.

Die Nutzung von KI ist in deutschen Unternehmen gestiegen: 2024 setzten 20 % der Unternehmen in Deutschland mit mindestens zehn Beschäftigten KI ein, nach 12 % im Jahr 2023. Unter den Unternehmen, die KI nutzten, verwendeten 48 % Technologien zur Analyse von Schriftsprache oder Text Mining. Diese Zahlen sind jedoch nur ein Kontextindikator: Die Erhebung erfasst Unternehmen mit mindestens zehn Beschäftigten und bildet Ein-Personen-Beratungen sowie einen Teil sehr kleiner Executive-Search-Boutiquen nicht zwingend ab.

Eine belastbare Longlist entsteht somit nicht durch möglichst viele Profile oder ein automatisches Ranking. Sie beruht auf strukturierter Recherche, transparenter Ansprache, eindeutigen Statusangaben und einer klaren Freigabe für die Kundenpräsentation. So wird sie zu einer nachvollziehbaren Grundlage für die weitere Auswahl und die spätere Shortlist.