Was wir messen, wenn Recruiter MCP Agents einsetzen

Wir haben begonnen zu erfassen, wie Recruiter KI-Agents tatsächlich im Kontext realer Einstellungsdaten einsetzen. Hier sind die Ausgangswerte, was externe Forschung dazu sagt und wie wir den Einsatz steuern.

Xobin MCP ist als Produkt verfügbar. Die spannendere Frage ist jedoch eine Verhaltensfrage: Wenn ein Recruiter einem Agenten jede beliebige Frage zu seiner Pipeline stellen kann, was fragt er dann tatsächlich? Wir haben begonnen, diese Nutzung anonymisiert und aggregiert zu erfassen, damit die Recruiting-Community auf Daten statt auf Anekdoten zurückgreifen kann.

Dieser Beitrag beschreibt die Ausgangswerte, gegen die wir messen, die externe Forschung, die den Rahmen vorgibt, wo MCP realistisch im Arbeitsalltag eines Recruiters zum Einsatz kommt – was die Praxisbeispiele im Detail zeigen – sowie die Kontrollmechanismen, die den Zugriff von Agents auf Kandidatendaten absichern.

Das Problem, das die Zahlen beschreiben

Diese Studien beschreiben die Rahmenbedingungen für Recruiting-Teams. Sie belegen nicht die Wirkung von Xobin MCP, sondern zeigen, warum es sich lohnt, das Verhalten von Recruitern und Agents systematisch zu messen.

Was wir erfassen

Unsere Messung erfolgt aggregiert und anonymisiert: Es verlassen weder Kandidatendaten, noch Prompts oder kundenbezogene Informationen die Account-Grenze. Wir erfassen das Nutzungsverhalten, nicht die Inhalte.

Die Hypothese, die wir für falsch halten

Die intuitive Annahme ist, dass Recruiter Agents vor allem für aktive Aufgaben einsetzen, etwa um ein Assessment zu erstellen oder eine Einladung zu versenden. Unsere Erwartung ist jedoch das Gegenteil: Das vorherrschende Verhalten wird die Suche und das Abrufen vorhandener Evidenz sein, weil diese Arbeit bislang manuell und unstrukturiert erfolgt.

Wir werden die Zahlen in beide Richtungen berichten.

Diese Unterscheidung ist wichtig. Ziel ist nicht, zu beweisen, dass Agents Recruiting schneller machen, sondern zu verstehen, welche Aufgaben tatsächlich von Agents übernommen werden, welche weiterhin menschlich gesteuert bleiben und wo Agent-Zugriff messbaren Mehrwert schafft.

Wo MCP im Recruiter-Workflow zum Einsatz kommt

Wie wir den Agentenzugriff absichern

Kandidatendaten gehören zu den sensibelsten Informationen eines Unternehmens, und Einstellungsentscheidungen sind unter neuen KI-Regelwerken besonders relevant. Unsere Kontrollmechanismen sind darauf ausgerichtet.

Der vorgesehene Workflow ist bewusst einfach gehalten:

Zwei Rahmenwerke prägen dieses Vorgehen direkt. Das NIST AI Risk Management Framework fordert klare Verantwortlichkeiten und menschliche Kontrolle beim Einsatz von KI in kritischen Kontexten. Der EU AI Act stuft bestimmte KI-Systeme für Recruiting und Kandidatenauswahl als Hochrisiko ein und verlangt unter anderem menschliche Aufsicht, Protokollierung und Transparenz.

Ein Agent, der Evidenz für einen menschlichen Prüfer beschafft – und dabei dessen Berechtigungen respektiert – ist eine bewusst konservative Auslegung dieser Anforderungen.

Wie es weitergeht

Wir veröffentlichen die erste aggregierte Auswertung der oben genannten Kennzahlen, sobald die Stichprobe dies zulässt – inklusive der häufigsten Fragestellungen von Recruitern.

Der erste Bericht wird sich auf das Verhalten konzentrieren, nicht auf Leistungsversprechen: Was suchen Recruiter, wie oft führen Sessions von Recherche zu Aktion, wie häufig greifen Menschen ein und welche Workflows bleiben im Produkt.

Wenn Ihr Team Teil dieser Auswertung sein oder die vollständigen Governance-Details für ein Security-Review erhalten möchte, sprechen Sie uns an.

Quellen

1. Microsoft, „Will AI Fix Work?“, Work Trend Index.
2. SHRM, Recruiting Benchmarking Forschung.
3. LinkedIn, The Future of Recruiting.
4. NIST, AI Risk Management Framework (AI RMF 1.0).
5. EU Artificial Intelligence Act.
6. Model Context Protocol, offizielle Dokumentation.