Ein Active Sourcing AI Agent übernimmt den kompletten Workflow für passive Kandidaten von Anfang bis Ende. Er liest das Rollenbriefing, sucht in LinkedIn und angrenzenden Netzwerken, qualifiziert Kandidaten und steuert mehrstufige Outreach-Sequenzen mit getakteten Follow-ups. Workable beschreibt seinen Agenten genau in dieser Schleife, und Recruiter sprechen qualifizierte Kandidaten heute in unter fünf Minuten direkt im LinkedIn Recruiter an.

Recruitment-KI hat sich im vergangenen Jahr vom Feature zum Workflow-Owner entwickelt, und das zwingt TA-Teams, neu zu definieren, was ein Sourcing-Tool überhaupt ist. Der Einsatz für den Leser steckt jetzt mitten in der Kaufentscheidung, nicht daneben: DSGVO-Meldefristen, die Hochrisiko-Einstufung des EU AI Act und Candidate Experience gehören auf das Bewertungsblatt.

Die Spannung zwischen Geschwindigkeit und Compliance-Reibung ist genau der Punkt, an dem diese Kategorie spannend wird:

Was ist ein Active Sourcing AI Agent, und was macht ihn anders?

Ein Active Sourcing AI Agent ist Software, die den Sourcing-Workflow eigenständig plant und ausführt: Sie liest ein Hiring-Briefing, durchsucht mehrere Kanäle, qualifiziert Kandidaten gegen die Rolle und startet Outreach-Sequenzen mit Follow-ups. Der entscheidende Sprung liegt in der Autonomie über mehrere Schritte hinweg, nicht in besserer Filterung innerhalb eines einzelnen Schritts.

Workable beschreibt seinen Agenten als ein System, das Job-Briefings erstellt, passive Kandidaten sourct, Bewerber screent und Talente anspricht, um eine bewertete Shortlist für Interviews zu liefern. Eine durchgehende Schleife statt einzelner Recruiter-Klicks. Klassische Sourcing-Tools enden auf der Suchergebnis-Seite; den InMail-Entwurf, das Follow-up und die Antwort­einschätzung erledigt der Recruiter weiterhin selbst. Ein Agent trägt diese Arbeit weiter und meldet zurück.

LinkedIn Recruiter ist mit AI-Assisted Messages einen Teil dieses Wegs gegangen: Das Feature entwirft personalisierte Outreach, kettet Follow-ups und meldet die Performance für Erstkontakt und Folgenachrichten getrennt zurück, sodass das System lernt, welche Sequenzen tatsächlich konvertieren. Wir verwenden den Begriff „agentisch" bewusst: Ein Chatbot beantwortet eine Frage, ein Agent erledigt eine Aufgabe über Systeme hinweg. Für HR-Teams, die das größere Muster interessiert, geht unser Deep Dive zur Architekturschicht hinter agentischen HR-Tools durch, wie sich diese Systeme in den breiteren Stack einklinken.

Der praktische Lesertest ist gnadenlos.

Wenn das Tool jede Outreach-Entscheidung weiterhin an einen Menschen zurückreicht, ist es ein KI-Feature, kein Agent.

Von booleschen Filtern zu autonomer Outreach: Ein Reifegradmodell für Sourcing

Sourcing-Fähigkeit lässt sich heute auf einer vierstufigen Leiter einordnen, und die meisten Teams stehen noch auf Sprosse zwei. Wer die Sprossen ehrlich liest, erkennt, ob ein Anbieter ein echtes Upgrade verkauft oder bloß ein Rebranding.

Stufe eins ist Keyword- und Boolean-Filterung in einer Datenbank, bei der der Recruiter die gesamte Qualifizierung übernimmt und jede Nachricht selbst schreibt. Stufe zwei ergänzt KI-gestütztes Ranking: Das System schlägt Kandidaten-Fit vor und hebt Near-Matches hervor, die Outreach bleibt aber Sache des Recruiters. Stufe drei legt KI-gestütztes Messaging darüber, und LinkedIns Drafting- und Follow-up-Automatisierung gehört genau hierhin. Die Zahlen aus dem LinkedIn Hiring Release 2025 sind die klarste öffentlich verfügbare Stage-3-Benchmark: 44 % höhere Akzeptanz und 11 % schnellere Annahme gegenüber Nicht-KI-Nachrichten.

Stufe vier ist der autonome Agent, der die komplette Schleife übernimmt und nur an definierten Freigabepunkten an einen Menschen eskaliert. Wir sehen die meisten Mid-Market-Teams zwischen zwei und drei pendeln; die Lücke zu vier ist der Ort, an dem die Kaufentscheidung tatsächlich liegt.

Das ehrliche Signal, dass ein Anbieter auf Stufe vier ist: Das System berichtet die Outreach-Performance pro Sequenzschritt statt pro Nachricht und passt die Kadenz auf Basis von Antwortmustern an, nicht auf Basis von Recruiter-Eingriffen. Wie diese Leiter in den breiteren HR-Tech-Stack passt, zeigt unser Marktkontext-Beitrag zu agentischer HR-Software 2026.

Wie identifiziert, qualifiziert und erreicht der Agent passive Kandidaten?

Der Agent liest das Rollenbriefing, durchsucht öffentliche Profile und angeschlossene Datenbanken, bewertet Kandidaten gegen die Anforderungen und löst eine personalisierte Outreach-Sequenz aus, mit getakteten Follow-ups. Jeder Schritt erzeugt ein Signal, das der nächste verwendet.

Die Identifikation stützt sich auf LinkedIn, Xing, GitHub, ATS-Datensätze und Mitarbeiternetzwerke statt auf eine einzelne Quelle. Die Qualifizierung gleicht Profilbelege mit den Must-haves des Briefings ab und liefert eine gerankte Shortlist mit nachvollziehbarer Begründung. Beim Outreach-Drafting wird die Feedback-Schleife mit Antwortdaten sichtbar: LinkedIns Daten zu Outreach an passive Kandidaten zeigen, dass InMails von 200 bis 400 Zeichen 16 % wahrscheinlicher eine Antwort erhalten, und die Follow-up-Performance wird inzwischen separat erfasst, sodass der Agent die Kadenz anpassen kann, statt dieselbe Vorlage zweimal abzufeuern.

Sequenzplanung ist der eigentlich agentische Schritt: Erstnachricht, Wartefenster, kontextuelles Follow-up, Kanalwechsel bei Stille. Unser Kunde GreenIT beschreibt, wie Recruiter automatische Netzwerk-Vorschläge aus LinkedIn, Xing und GitHub auch fürs aktive Sourcing nutzten, nicht nur für Mitarbeiterempfehlungen — so sieht kanalübergreifende Orchestrierung in der Praxis aus.

Der Stresstest für jede Anbieterdemo besteht aus einer Frage: Lassen Sie sich die zweite und dritte Nachricht einer Sequenz zeigen, nicht nur die erste.

Welche DSGVO- und EU-AI-Act-Regeln gelten für agentengetriebene Outreach?

Die DSGVO verlangt nicht in jedem Fall vorherige Einwilligung, bevor passive Kandidaten kontaktiert werden, sie verlangt aber eine dokumentierte Rechtsgrundlage und eine Benachrichtigung innerhalb eines Monats. Der EU AI Act ergänzt eine parallele Pflicht: Recruiting-KI gilt in vielen Anwendungsfällen als hochriskant.

Rechtsgrundlage und die Ein-Monats-Frist

Die EDPB-Leitlinien zum berechtigten Interesse akzeptieren, dass bestimmte geschäftliche Verarbeitungen, einschließlich Direct-Marketing-ähnlicher Outreach, sich auf Artikel 6 Abs. 1 lit. f stützen können, allerdings erst nach einem dreiteiligen Test aus berechtigtem Interesse, Erforderlichkeit und Abwägung gegen die Rechte der Kandidaten. Workables Compliance-Dokumentation hält fest, dass passive Kandidaten, die über soziale Netzwerke oder Suchwerkzeuge gesourct werden, innerhalb einer angemessenen Frist und spätestens innerhalb eines Monats benachrichtigt werden müssen, und Workables erste Outreach hängt automatisch eine Fußzeile mit Link zur hinterlegten Datenschutzerklärung des Arbeitgebers an.

Hochrisiko-Einstufung im EU AI Act

EUR-Lex und die Policy-Materialien der Kommission stufen KI im Bereich Beschäftigung, Personalmanagement und Recruiting, einschließlich CV-Sortierung und Sourcing-Tools, in vielen Fällen als hochriskant ein, was Pflichten zu Dokumentation, menschlicher Aufsicht und Auditierbarkeit auslöst. Die ICO-Leitlinie für Jobsuchende von 2026 unterstreicht außerdem das Recht von Kandidaten, automatisierte Recruiting-Entscheidungen anzufechten und eine menschliche Überprüfung zu verlangen.

Die Beschaffungsfolge ist konkret: Ein Agent ohne konfigurierbares Consent-Handling, ohne automatisches Anhängen der Datenschutzerklärung und ohne Audit-Trail ist im EU-Betrieb nicht einsetzbar.

Wo Netzwerk-Intelligenz öffentliches Datenbank-Scraping schlägt

Das Scraping öffentlicher Profile stößt an die Ertragsgrenze. Jeder Recruiter sieht dieselben Kandidaten und dieselben 36 % im Markt, die aktiv suchen, was bedeutet: Die Aktivierung von Mitarbeiternetzwerken erschließt vertrauenswürdigere passive Kandidaten, die die öffentliche Suche nicht sieht.

LinkedIns eigene Daten zeigen, dass nur 36 % der Beschäftigten aktiv auf Jobsuche sind, sodass der Wert eines Agenten dort wächst, wo er die stille Mehrheit erreichen kann. Netzwerkebenen-Intelligenz schafft das, indem sie den Verbindungsgraphen liest, den Mitarbeitende ohnehin über LinkedIn, Xing und GitHub haben, und dann Matches vorschlägt, die ein Recruiter über Boolean allein nie zutage fördern würde. Wir haben unser LinkedIn Network Matching im Sprad-Empfehlungsprodukt genau dafür gebaut, und die GreenIT-Case-Study zeigt, wie Recruiter es von Empfehlungen ins Active Sourcing erweitert haben, dieselbe Vorschlags-Engine als Outbound-Kanal umfunktioniert.

Der redaktionelle Punkt ist schlicht: Ein Sourcing-Agent wird spürbar klüger, wenn er aus einem vertrauensgewichteten Graphen arbeitet statt aus einem öffentlichen Index. Für Teams, die diese Ergänzung zur Outbound-Arbeit prüfen, kartiert unser Vergleich der Netzwerk-Tooling-Anbieter die Landschaft im Detail.

Was sollte ein Käufer vor der Unterschrift wirklich prüfen?

Die meisten Agentendemos sehen identisch aus, bis man bei den langweiligen Fragen nachhakt. Die folgende Liste ist die, die wir selbst nutzen, wenn wir Anbieterversprechen gegen die Realität im Betrieb prüfen.

ROI-Belege liegen heute näher bei Proxy-Metriken als bei harten Agenten-Benchmarks. LinkedIns Wert von unter fünf Minuten bis zur Ansprache eines qualifizierten Kandidaten ist der konkreteste öffentliche Datenpunkt, und die 44-prozentige Steigerung der Akzeptanzrate ist für KI-gestütztes Messaging belegt, nicht für vollständige Agentenschleifen. Deshalb zählen die Demofragen mehr als die Marketingfolie.

Das vertrauenswürdigste Käufersignal: Ein Anbieter, der das Audit-Log zeigt, ohne dass man danach fragen muss.

Fazit: Der Agent als kontrollierter Coworker, nicht als Recruiter-Ersatz

Liest man Reifegradmodell, DSGVO-Frist und Netzwerk-Intelligenz zusammen, taucht in allen drei Punkten dasselbe Muster auf. Keiner zeigt in Richtung vollständig autonomer Outreach als gewinnender Konfiguration. Die Agenten, die im EU-Recruiting tatsächlich produktiv laufen, sind die, die die Schwerarbeit übernehmen und gleichzeitig die Unterschrift des Recruiters an sensiblen Momenten bewahren, und die Vertrauenssignale aus Netzwerken lesen statt im großen Stil zu scrapen.

Das Kaufsignal, auf das wir filtern: Reporting auf Sequenzebene statt Feature-Listen. Agenten, die aus Antwortmustern lernen, sind Stage 4, der Rest ist als KI verkleidete Suche. Netzwerk-Graph-Sourcing ist der Ort, an dem 2026 differenziert wird, weil sich die Abdeckung öffentlicher Profile zwischen Anbietern angeglichen hat. Und ein Agent ohne Ein-Monats-Benachrichtigungs­mechanismus und ohne AI-Act-Audit-Trail ist im EU-Betrieb nicht einsetzbar, egal welche Akzeptanzraten er beansprucht.

Fahren Sie einen 60-Tage-Pilot auf einer einzelnen Rollenfamilie mit einem Agenten, der sein Audit-Log, die konfigurierbare Rechtsgrundlage und das Reporting pro Sequenzschritt offenlegt. Alles andere behandeln Sie als aufgehübschten Suchfilter mit neuem Etikett.

Häufig gestellte Fragen (FAQ)

Brauchen wir die Einwilligung eines Kandidaten, bevor ein KI-Agent ihn auf LinkedIn kontaktiert?

Nicht zwingend. EDPB-Leitlinien akzeptieren berechtigtes Interesse als Rechtsgrundlage für bestimmte Recruiting-Outreach, wenn der dreiteilige Test dokumentiert ist und die Rechte des Kandidaten gegen den Zweck des Arbeitgebers abgewogen werden. Einwilligung ist eine Option, nicht die Standardlösung, aber der Kandidat muss innerhalb eines Monats nach dem Sourcing eine Datenschutzinformation erhalten.

Wie schnell müssen wir einen passiven Kandidaten benachrichtigen, nachdem der Agent ihn gesourct hat?

Workables DSGVO-Leitlinie hält unter direkter Bezugnahme auf die Verordnung fest, dass die Benachrichtigung innerhalb einer angemessenen Frist und spätestens innerhalb eines Monats nach Erhebung der Daten erfolgen muss. Ein konformer Agent hängt die Datenschutzerklärung des Arbeitgebers automatisch an die erste Outreach-Nachricht an und entfernt damit den manuellen Schritt, der diese Anforderung sonst regelmäßig kippt.

Schneiden KI-gestützte Outreach-Nachrichten wirklich besser ab als von Recruitern geschriebene?

Der LinkedIn Hiring Release 2025 berichtet, dass AI-Assisted Messages eine 44 % höhere Akzeptanzrate erzielen und 11 % schneller angenommen werden als Nicht-KI-Nachrichten. Der Vorteil entsteht durch Personalisierung in der Breite plus disziplinierte Follow-up-Kadenz, nicht weil die KI besser schreibt als ein erfahrener Recruiter.

Wie lang sollten Outreach-Nachrichten sein, um die Antwortrate zu maximieren?

LinkedIn-Daten zeigen, dass InMails zwischen 200 und 400 Zeichen 16 % wahrscheinlicher eine Antwort erhalten, wobei Nachrichten unter 400 Zeichen rund 22 % höhere Antwortraten als der Durchschnitt erzielen. Der Agent sollte diese Längenbegrenzung als harte Vorgabe durchsetzen, statt Entwürfe ausufern zu lassen, sobald das Modell mehr zu sagen hat.

Welche Rechte hat ein Kandidat, wenn ihn ein KI-Agent herausgefiltert hat?

Die ICO-Leitlinie vom März 2026 hält fest, dass Kandidaten automatisierte Recruiting-Entscheidungen anfechten und eine menschliche Überprüfung des Ergebnisses verlangen können müssen. Praktisch heißt das: Der Agent muss die Entscheidungslogik protokollieren, sie für den Audit-Trail aufbewahren und Einsprüche an einen namentlich benannten Recruiter weiterleiten, nicht an ein weiteres Modell in der Schleife.