Wie Startups kontinuierlich KI/ML-Talente einstellen – Neha Kothari im Gespräch

Die Einstellung von KI- und ML-Ingenieur:innen ist für alle schwierig. Sie aber als Startup ohne etablierte Marke und für mehrere spezialisierte Rollen wie Data Science, Full Stack und KI/ML kontinuierlich zu gewinnen, ist eine ganz eigene Herausforderung.

SalesCode.ai, ein Anbieter von KI-Produkten, der intelligente Assistenten und Bots für FMCG- und CPG-Unternehmen entwickelt und inzwischen als SalesCode.ai firmiert, hat genau das geschafft. Als Neha Kothari einstieg, gab es weder eine HR-Abteilung noch einen strukturierten Einstellungsprozess. Vier Jahre später war das Unternehmen von 35 auf über 100 Mitarbeitende gewachsen – mit einem stabilen Talent-Pipeline für einige der umkämpftesten technischen Positionen am Markt.

In Folge #4 der Xobin Talks spricht Moderator Amrit Acharya, Co-Founder und COO von Xobin, mit Neha über die Mechanik hinter dieser Beständigkeit. Wie der Prozess funktioniert. Wie Interviewer-Müdigkeit vermieden wird. Was Kandidat:innen wirklich wollen. Und wie ein Startup ohne Markenbekanntheit durch das eigene Recruiting-Erlebnis eine Arbeitgebermarke aufbaut.

Wie baut man einen konsistenten Einstellungsprozess für spezialisierte Tech-Rollen auf?

Ein konsistenter Prozess ist der einzige nachhaltige Wettbewerbsvorteil, den ein Startup auf einem knappen Talentmarkt hat. Die Zahlen sprechen für sich: 82 % der Arbeitgeber in Indien erwarten 2026 Schwierigkeiten bei der Besetzung offener Stellen. KI-Kompetenzen sind weltweit noch schwerer zu finden als klassische Ingenieurskills (ManpowerGroup Talent Shortage Survey, 2026). Ein Startup ohne strukturierten Prozess fischt in diesem Umfeld sprichwörtlich ohne Netz.

Nehas Recruiting-Architektur für technische Positionen umfasst fünf Schritte – und jeder davon hat seinen festen Platz.

Schritt eins ist ein Skill Assessment über eine externe Plattform. Bei SalesCode.ai kommt hierfür seit jeher Xobin zum Einsatz, um eine objektive Bewertung zu ermöglichen, bevor Interviewer:innen Zeit investieren.

Schritt zwei ist ein komplexerer Coding-Test, der angewandte Problemlösung statt Grundlagenwissen prüft.

Schritt drei ist das technische Interview mit der zuständigen Führungskraft.

Schritt vier ist ein HR-Interview mit Fokus auf kulturelle und verhaltensbezogene Passung.

Schritt fünf ist die finale Entscheidungsrunde.

Der daraus entstehende Funnel ist beachtlich: Von 200 Kandidat:innen, die mit dem Assessment starten, erreichen oft nur 10 die HR-Runde. Diese 5 % sind kein Zeichen für zu harte Selektion, sondern das gewünschte Ergebnis eines Prozesses, der die Zeit aller Beteiligten – auch der Kandidat:innen – schützt.

Bei Quereinsteiger:innen und auf mittlerer Ebene wird der Prozess gestrafft: Das Assessment wird verkürzt oder integriert, da das technische Interview hier die Hauptbewertung übernimmt. Für Senior- und Führungspositionen entfällt das Assessment ganz und wird durch vertiefte technische und Leadership-Interviews ersetzt, die die Anforderungen an Urteilsvermögen und Verantwortungsbewusstsein widerspiegeln.

Neha hat diesen gesamten Prozess bei SalesCode.ai ohne bestehende HR-Infrastruktur aufgebaut – mit einem klaren Blick darauf, was in der Praxis funktioniert und was nur im HR-Lehrbuch gut aussieht.

Wie verhindert man Interviewer-Müdigkeit in einem mehrstufigen technischen Recruiting-Prozess?

Die Zeit der Hiring Manager zu schützen, ist keine reine Verwaltungsfrage, sondern eine strategische Entscheidung. Sie bestimmt, ob der technische Prozess verlässliche Ergebnisse liefert oder hektische, wenig aussagekräftige Einschätzungen. Im technischen Recruiting geben 50 % der Führungskräfte an, dass Interviews der schwierigste Teil des Prozesses sind (Insight Global, 2025). Die kognitive Belastung steigt, wenn dieselben Personen mehrere Runden für verschiedene offene Stellen führen.

Nehas Lösung setzt früh an: Das HR-Team übernimmt einen größeren Teil der Vorselektion, bevor Kandidat:innen überhaupt auf technische Interviewer:innen treffen.

Das Mittel dazu ist ein Pre-Screening-Call durch HR, der als informelle erste Runde dient. Noch bevor jemand für ein technisches Panel vorgeschlagen wird, prüft Nehas Team letzte Ausschlusskriterien: etwa Gehaltsvorstellungen außerhalb des Rahmens, Kündigungsfristen, die nicht zum Bedarf passen, oder Lebensläufe mit offenen Fragen, die das technische Panel nicht klären kann. Solche Punkte vorab zu klären, spart den Hiring Managern wertvolle Zeit.

Zweitens wird das Matching der Interviewer:innen sorgfältig gesteuert. Für jede offene Stelle diskutiert das HR-Team intern, wer fachlich am besten geeignet ist – das ist nicht immer die ranghöchste Person, sondern diejenige, deren Expertise am besten zum Anforderungsprofil passt. Für eine Data-Science-Rolle braucht es nicht zwingend den CTO, wenn ein Principal Data Scientist die fachliche Tiefe besser einschätzen kann.

So verbringen Hiring Manager ihre Zeit nur mit Kandidat:innen, die bereits eine echte Hürde genommen haben – und nicht mit solchen, die auf dem Papier gut aussehen, aber an grundlegenden Anforderungen scheitern.

Wie hat virtuelles Recruiting den Tech-Einstellungsprozess verändert?

Virtuelles Recruiting hat nicht nur das Interview ins Netz verlagert. Es hat verändert, wen man erreichen kann, wer tatsächlich teilnimmt und wie man Kandidat:innen einschätzt. Die Zahl der Startup-Einstellungen in Indien stieg im April 2025 um 32 % gegenüber dem Vorjahr. IT-Services machten 32 % aller Stellenausschreibungen aus (India Employer Forum, 2025). Möglich wurde dieses Wachstum vor allem durch die geografische Ausweitung, die virtuelles Recruiting erlaubt.

Neha betrachtet diesen Wandel differenziert – sie sieht weder „virtuell ist besser“ noch „vor Ort war besser“ als pauschale Wahrheit.

Präsenzveranstaltungen an Hochschulen hatten einen strukturellen Vorteil: Nur wirklich interessierte Kandidat:innen nahmen die Anreise auf sich. Der Zeitaufwand war ein Filter für ernsthaftes Interesse. Die Konversionsraten von Shortlist zu Vertragsannahme waren höher, weil schon die Teilnahme ein Commitment-Signal war.

Virtuelles Recruiting hat das umgekehrt: Kandidat:innen können sich von überall bewerben. Das erweitert den Talentpool enorm – für spezialisierte Rollen kann die richtige Person in Pune sitzen, während das Team in Delhi ist. Gleichzeitig entfällt aber der „Friction Filter“: Kandidat:innen nehmen an mehreren Prozessen gleichzeitig teil, oft sogar parallel in verschiedenen Browser-Tabs.

Nehas Antwort darauf: Video-Calls sind in jeder Runde Pflicht, nicht nur im Finale. Wer schon im Screening die Kamera ausgeschaltet lässt, sendet ein klares Signal. Mimik, Engagement und Körpersprache im technischen Gespräch liefern HR wertvolle Informationen, die per Audio allein nicht erfassbar sind. Strukturierte KI-Interviews sorgen zudem für Vergleichbarkeit und bauen von Anfang an eine Beziehung auf, die die Wahrscheinlichkeit einer Zusage erhöht.

Für Kandidat:innen aus derselben Stadt wie das SalesCode.ai-Büro, die alle virtuellen Runden bestanden haben, wird – sofern möglich – ein abschließendes persönliches Gespräch bevorzugt. Kein ganztägiges Assessment, sondern ein direktes Gespräch. Denn manches lässt sich im direkten Kontakt schneller und zuverlässiger einschätzen als virtuell.

Welche Hochschulen liefern die besten technischen Talente für ein Produkt-Startup?

Die nützlichste Hochschulliste ist kein Prestige-Ranking, sondern eine performancebasierte Auswertung: Welche Institutionen haben tatsächlich Kandidat:innen hervorgebracht, die im Job überzeugt haben? Nur 46 % der Absolvent:innen gelten in Indien als beschäftigungsfähig für KI/ML-Rollen (Abekus.ai, 2025). Das heißt: Zielgerichtete Auswahl ist wichtiger als breite Präsenz auf allen Campussen.

Neha betont, dass die Antwort vom gesuchten Profil und vom Einstellungsvolumen abhängt.

Für technische Rollen bei SalesCode.ai haben Grade-A-Institutionen – insbesondere IITs, NITs und ausgewählte Programme der Delhi University – starke Spezialist:innen für Data Science und KI/ML geliefert. Doch tatsächlich kamen die meisten erfolgreichen Einstellungen aus Grade-B-Hochschulen, weil dort die absolute Zahl der Kandidat:innen größer ist und der Wettbewerb mit großen IT-Firmen weniger intensiv.

Im mittleren Segment haben insbesondere die angeschlossenen Colleges der IP University, Bennett University und ABES Engineering College für SalesCode.ai verlässlich Talente geliefert. Das sind keine pauschalen Empfehlungen, sondern spiegeln die spezifischen Erfahrungen, Kriterien und Rollen von SalesCode.ai wider. Jedes Unternehmen sollte für sein eigenes Campus Recruiting die Performance pro Hochschule über 6–12 Monate tracken und die Liste datenbasiert, nicht nach externem Ruf, erstellen.

Für MBA-Positionen reicht die Erfahrung von SalesCode.ai von Top-Schulen wie FMS Delhi und dem Indian Institute of Foreign Trade bis zu mittleren Programmen wie IBS. Die Lehre ist in beiden Fällen gleich: Der institutionelle Rang ist eine Arbeitshypothese, aber die Performance-Daten sind das entscheidende Kriterium.

Wie bindet man technisches Fachpersonal in einem Startup ohne große Marke?

Mitarbeiterbindung im Startup hängt von zwei Dingen ab, die keine Marke ersetzen kann: echte Lernmöglichkeiten und die spürbare Unterstützung durch die Führung. Die Einstellung ist zunehmend skill-basiert, aber um Talente zu halten, braucht es mehr als marktübliche Gehälter (ManpowerGroup, 2026). Das Gehalt ist Grundvoraussetzung. Was junge technische Talente wirklich hält, ist das Gefühl, schneller zu wachsen als anderswo.

Nehas Bindungsstrategie bei SalesCode.ai setzt auf nachweisbare Entwicklungsgeschwindigkeit, nicht auf leere Versprechen.

Erstens: Rollenflexibilität. In einem Startup mit 35–100 Mitarbeitenden kann jemand, der in seinem Bereich überzeugt, den Wechsel in angrenzende Aufgaben vorschlagen, dort Kompetenz zeigen und mit Unterstützung des Unternehmens tatsächlich wechseln. Solche interne Mobilität gibt es in Großunternehmen meist nur auf dem Papier – im Startup passiert sie wirklich. Wer das erlebt, merkt schnell, wie viel schneller er oder sie Fähigkeiten und Erfahrung sammelt als in einer klassischen Konzernstruktur.

Zweitens: Direkter Zugang zur Führung. Wenn Data Scientists direkt mit dem CTO über Modelle sprechen oder Entwickler:innen technische Anliegen direkt beim Gründerteam platzieren können, entsteht ein Lerneffekt, der sich von hierarchischen Strukturen deutlich unterscheidet. Diese Zugänglichkeit ist ein echter Bindungsfaktor, nicht nur ein Kulturstatement.

Drittens: Markttransparenz. Die Vergütung muss sich am Markt orientieren, auch wenn sie nicht immer führend sein kann. Wer weiß, dass er fair bezahlt wird und schneller wächst als die Konkurrenz, hat zwei gute Gründe zu bleiben. Fehlt einer davon, ist die Kündigung nur eine Frage der Zeit.

Was ist jungen Tech-Kandidaten in ihren 20ern bei einem Job wirklich wichtig?

Transparenz im Prozess ist das stärkste Signal, das ein Unternehmen über seine Kultur sendet, noch bevor ein:e Kandidat:in den ersten Tag antritt. In einem umkämpften Markt, in dem Kandidat:innen mehrere Angebote gleichzeitig prüfen, ist der Ablauf des Recruiting-Prozesses ein Spiegel für die Arbeitsweise des Unternehmens insgesamt.

Neha nennt drei Dinge, die für Kandidat:innen – besonders im Alter von 20–25 Jahren, die vor einer der ersten großen Karrierestationen stehen – konstant wichtig sind.

Erstens: Prozess-Transparenz. Kandidat:innen wollen wissen, in welchem Schritt sie sich befinden, was als Nächstes kommt, wie der Zeitplan aussieht und warum sie welche Aufgabe erledigen sollen. Ein Unternehmen, das einen fünfstufigen Prozess klar erklärt, schafft mehr Vertrauen als eines mit drei Schritten, das Kandidat:innen im Unklaren lässt. Klarheit im Prozess wird als Indikator für Klarheit im Arbeitsalltag verstanden.

Zweitens: Unterstützung bei der Vorbereitung. Wer vor dem Interview nicht nur eine Stellenbeschreibung, sondern echte Informationen zum Unternehmen, Produkt, Team und zu Erfolgskriterien erhält, ist besser vorbereitet und fühlt sich respektiert. Wer als informierte:r Gesprächspartner:in ins Interview geht, sorgt für ein besseres Gesprächserlebnis für beide Seiten. Diese Vorbereitung ist ein kleiner Aufwand mit großer Wirkung auf die Candidate Experience.

Drittens: Konsistenz. Marktschwankungen führen dazu, dass Unternehmen ihre Angebote, Rollenprofile und Prozesse schnell anpassen. Kandidat:innen nehmen diese Inkonstanz wahr und ziehen daraus Rückschlüsse. Neha empfiehlt, klar zu definieren, was wirklich gebraucht wird, und diese Standards unabhängig vom Marktumfeld zu halten.

Welcher Recruiting-Tech-Stack ist für ein wachsendes Startup sinnvoll?

Jedes Tool im Recruiting-Stack muss sich durch messbaren Output rechtfertigen – nicht, weil es bei großen Unternehmen im Einsatz ist. 83 % der Unternehmen planen bis 2025 KI für CV-Screening einzusetzen. Doch Tools ohne ROI-Disziplin verursachen nur Kosten ohne Mehrwert (Resume Builder, 2025). Für kleine HR-Teams ist die Auswahl eine Ressourcen- ebenso wie eine Technologiefrage.

Nehas Stack bei SalesCode.ai umfasst drei Funktionsbereiche:

Erstens: Eine Plattform für Skill Assessments. Für technische Rollen ist ein objektiver Kompetenztest vor dem ersten menschlichen Interview unverzichtbar. So werden Lebenslauf-Biases aus der Vorauswahl entfernt und sichergestellt, dass nur relevante Kandidat:innen ins technische Gespräch kommen.

Zweitens: Sourcing-Plattformen. Entscheidend ist, wo die eigenen Zielprofile am besten erreichbar sind – ob LinkedIn, spezialisierte Jobbörsen oder Hochschulportale. Es bringt mehr, gezielt zu sourcen, als auf allen Plattformen präsent zu sein.

Drittens: Ein ATS. Selbst bei 50–100 Mitarbeitenden führt das Tracking von Kandidat:innen über fünf Prozessschritte ohne zentrales System zu Koordinationsproblemen und kostet Zeit sowie Kandidatenvertrauen.

Nehas Prinzip für die Tool-Argumentation gegenüber dem Management ist klar: Wer eine Verlängerung oder Erweiterung beantragt, sollte Daten vorlegen, was das Tool gebracht hat. Welche Assessment-Plattform hat die besten Performer:innen identifiziert? Welcher Sourcing-Kanal liefert das beste Verhältnis von Qualität zu Menge? ROI ist Pflicht, wenn HR-Infrastruktur im Startup finanziert werden soll.