Top-Performing Companies besetzen bis zu 30% ihrer Stellen über Empfehlungen. Viele Arbeitgeber im DACH-Raum liegen nur bei 5–10%. Die Lücke entsteht nicht durch fehlendes Interesse, sondern durch fehlende mitarbeiter werben mitarbeiter kennzahlen, keinen klaren Feedback-Loop und keine eindeutigen Ziele.
Wenn Sie die richtigen KPIs nicht messen, stagniert Ihr Empfehlungsprogramm. Die Beteiligung sinkt, Hiring Manager verlieren das Vertrauen, und Finance stellt das Bonusbudget infrage. Bevor Sie Tools oder Prämien skalieren, brauchen Sie ein einfaches, robustes Kennzahlen-Framework für Ihr Empfehlungsprogramm.
In diesem Guide bekommen Sie:
- 12 praxisnahe KPIs für mitarbeiter werben mitarbeiter kennzahlen, gebündelt in 4 logische Kategorien
- Einfache Formeln, DACH-orientierte Benchmarks und Stellhebel zur Verbesserung jedes KPI
- Konkrete Beispiele zu Time-to-Hire und Cost-per-Hire im Vergleich zu Jobboards und Agenturen
- Ein pragmatisches Daten- und Tool-Setup, das Sie aus Ihrem ATS oder einer Tabelle steuern
- Eine Schritt-für-Schritt-Checkliste, um ein 90-Tage-Experiment zu fahren und Ergebnisse mit dem Management zu besprechen
Schauen wir uns an, welche Zahlen wirklich zählen, wie Sie sie lesen und wie Sie sie nutzen, um mehr (und bessere) Einstellungen über Empfehlungen zu erzielen.
1. Reach & Activation: Wer nutzt Ihr Empfehlungsprogramm wirklich?
Wenn Mitarbeitende nicht mitmachen oder aktiv bleiben, sind alle anderen mitarbeiter werben mitarbeiter kennzahlen wertlos. Reach- und Activation-Kennzahlen zeigen, ob Ihr Programm sichtbar, zugänglich und motivierend ist.
1.1 Opt-in-Rate für Empfehlungen
Definition: Anteil der Mitarbeitenden, die angemeldet sind oder zugestimmt haben, Informationen zum Empfehlungsprogramm zu erhalten.
Formel: (# Mitarbeitende im Programm / Gesamtzahl Mitarbeitende) × 100
Typischer DACH-Benchmark: 30–50% Opt-in in etablierten Programmen. Viele nicht aktiv gesteuerte Programme liegen eher bei 10–20%.
Eine Analyse von Empfehlungsprogrammen zeigt: Empfohlene Kandidat:innen können rund 30% der Rollen besetzen, wenn Programme aktiv gemanagt werden. In Unternehmen ohne starkes Programm sind es über andere Quellen oft nur rund 7% (Studie zu Referral-Statistiken).
Stellhebel zur Verbesserung:
- Hürden abbauen: 1-Klick-Anmeldung über Intranet, Slack, Teams oder ein kurzes Formular
- Regelmäßig kommunizieren: kurze, wiederkehrende Erinnerungen in den Kanälen, die Mitarbeitende wirklich nutzen
- Wert sichtbar machen: teilen, wie viele Einstellungen über Empfehlungen kommen und wer Boni erhält
1.2 Anteil aktiver Teilnehmender
Definition: Anteil der Mitarbeitenden, die in einem definierten Zeitraum (z. B. letzte 12 Monate) mindestens 1 Empfehlung oder Job-Share abgegeben haben.
Formel: (# Mitarbeitende mit mindestens 1 Empfehlung / Gesamtzahl Mitarbeitende) × 100
Typischer DACH-Benchmark: 10–25% aller Mitarbeitenden agieren in gut gesteuerten Programmen als aktive Empfehler:innen.
Ein häufiges Muster: 40% der Mitarbeitenden sind offiziell "im Programm", aber nur 10% empfehlen aktiv. In einer Befragung gaben 48% an, häufiger zu empfehlen, wenn der Prozess einfacher wäre (Gitnux Referral-Statistik). Hier steckt viel Potenzial.
Stellhebel zur Verbesserung:
- Quartalsweise Referral-Kampagnen mit klarem Zeitfenster und kleinen Gewinnen fahren
- Referral-Erfolgsgeschichten im Townhall oder Newsletter teilen
- Mobile-optimiert für Non-Desk-Worker anbieten (SMS, WhatsApp, QR-Codes auf Postern)
1.3 Vielfalt im Channel-Mix
Definition: Verteilung der Empfehlungen über Kommunikationskanäle (E-Mail, Slack/Teams, WhatsApp/SMS, Intranet-Links, Social Media).
Messmethode: Für jede Empfehlung den auslösenden Kanal erfassen. Dann Kanalanteil berechnen:
(# Empfehlungen über Kanal X / Gesamtzahl Empfehlungen) × 100
Typische Beobachtung im DACH-Raum:
- Knowledge Worker: starke Nutzung von Slack/Teams, E-Mail, LinkedIn
- Blue Collar / Retail / Logistik: stärkere Nutzung von WhatsApp, SMS, Plakaten mit QR-Codes, Teamleiter-Briefings
Stellhebel zur Verbesserung:
- Mindestens 2–3 Kanäle aktivieren, die zu Ihrer Belegschaft passen (z. B. WhatsApp + E-Mail + Teams)
- Testen, welche Kanäle nicht nur Klicks, sondern auch Volumen und Qualität bringen
- Kanäle mit dauerhaft geringer Qualitätsausbeute nach einer Testphase reduzieren
| Kennzahl | Typischer DACH-Bereich | Wichtigster Stellhebel |
|---|---|---|
| Opt-in-Rate für Empfehlungen | 30–50% | Klare Kommunikation und einfache Anmeldung |
| Anteil aktiver Teilnehmender | 10–25% | Einfacher Empfehlungs-Flow + Kampagnen |
| Channel-Mix-Diversität | 2–4 aktive Kanäle | Mobile- und Chat-Kanäle aktivieren |
Wenn Sie sehen, wer sich beteiligt und über welche Kanäle, können Sie sich im nächsten Schritt auf das konzentrieren, was wirklich zählt: die Qualität der Kandidat:innen, die in Ihre Pipeline kommen.
2. Pipeline & Qualität: Liefern Empfehlungen bessere Kandidat:innen?
Nur Engagement führt noch nicht zu Einstellungen. Pipeline- und Qualitätskennzahlen in Ihren mitarbeiter werben mitarbeiter kennzahlen zeigen, ob Empfehlungen durch den Funnel kommen und zu starken Einstellungen werden.
2.1 Empfehlungsanteil in der Pipeline
Definition: Anteil der Kandidat:innen in Ihrer aktiven Pipeline, die aus Empfehlungen stammen, gemessen in einer oder mehreren Funnel-Phasen (Screening, Interview, Angebot).
Formel: (# Referral-Kandidat:innen in Phase X / Gesamtzahl Kandidat:innen in Phase X) × 100
Typischer Zielbereich: 20–40% Referral-Anteil in Ihrer Interview-Pipeline in einem reifen Programm.
LinkedIn-Daten zeigen: Empfohlene Kandidat:innen werden etwa 4-mal häufiger eingestellt als andere Bewerbende (LinkedIn/Talentlyft). Schon ein moderater Pipeline-Anteil kann Ihre Einstellungen deutlich beeinflussen.
Stellhebel zur Verbesserung:
- Empfohlene Kandidat:innen im Review-Prozess priorisieren und schneller Feedback geben
- Wöchentlich "Hot Roles" teilen, statt einer generischen Liste aller Jobs
- Explizite Ziele mit Hiring Managern für den Empfehlungsanteil im Funnel vereinbaren
2.2 Interviewrate für Empfehlungen
Definition: Anteil der empfohlenen Bewerbenden, die Sie zum Interview einladen.
Formel: (# interviewte Referral-Kandidat:innen / # Referral-Bewerbungen) × 100
Typischer Benchmark: 40–60% oder höher. Oft 2–3-mal höher als bei Jobboard-Bewerbenden.
Liegt Ihre Interviewrate für Empfehlungen niedrig (z. B. <30%), senden Sie Mitarbeitenden das Signal: "Ihre Empfehlungen sind nicht relevant." Das bremst zukünftige Empfehlungen.
Stellhebel zur Verbesserung:
- Konkrete Personas oder Idealprofile für Rollen an Mitarbeitende geben
- Beispiele für besonders gute Empfehlungen teilen (Background, Skills, Seniorität)
- Hiring Manager um kurzes Feedback bitten, das HR zurückspielen kann (Ja/Nein und warum)
2.3 Angebotsrate für Empfehlungen
Definition: Anteil der interviewten Referral-Kandidat:innen, die ein Angebot erhalten.
Formel: (# Angebote an Referral-Kandidat:innen / # interviewte Referral-Kandidat:innen) × 100
Typischer Benchmark: 20–50% in starken Programmen, oft klar höher als bei Jobboards.
Eine niedrige Angebotsrate kann bedeuten, dass Mitarbeitende Personen empfehlen, die sie mögen, aber die fachlich nicht passen. Oder Ihr Prozess passt nicht zu den Erwartungen (z. B. Level, Gehaltsbänder).
Stellhebel zur Verbesserung:
- Kurz-Sessions für Mitarbeitende zu Rollenanforderungen anbieten
- Die "Top 3 Ablehnungsgründe" intern teilen, damit Empfehler:innen vorfiltern können
- Höhere Boni für schwer zu besetzende Rollen vergeben, um gezieltere Empfehlungen zu fördern
2.4 Proxy für Quality-of-Hire bei Empfehlungen
Definition: Messbare Indikatoren dafür, wie gut Referral-Einstellungen performen oder bleiben. Am häufigsten genutzt: Performance-Bewertungen und Retention.
Typische Proxys:
- % der Referral-Einstellungen, die nach 6 oder 12 Monaten noch im Unternehmen sind
- % der Referral-Einstellungen, die die Probezeit bestehen
- Durchschnittliche Performance-Bewertung im 1. Jahr bei Referral- vs. Non-Referral-Einstellungen
Globale Auswertungen zeigen: Referral-Einstellungen bleiben länger und performen besser. Eine Studie berichtet etwa 45% höhere 2-Jahres-Retention bei Referral-Einstellungen im Vergleich zu traditionellen Quellen (Referral ROI Benchmarks).
Stellhebel zur Verbesserung:
- Höhere Boni an das Bestehen der Probezeit oder 6-monatige Retention koppeln
- Manager fragen, welche Empfehler:innen die besten Profile schicken, und diese in Rollenbriefings einbinden
- Keine Boni für Empfehlungen auszahlen, die regelmäßig in der Probezeit scheitern oder früh kündigen
| Funnel-Phase | Referrals | Jobboards | Agenturen |
|---|---|---|---|
| Pipeline-Anteil | 35% | 45% | 20% |
| Interviewrate | 55% | 25% | 33% |
| Angebotsrate | 28% | 10% | 17% |
Wenn Sie belegen können, dass Empfehlungen stärkere Pipelines und qualitativ bessere Einstellungen bringen, folgt im Gespräch mit Finance der nächste Schritt: Geschwindigkeit und Kosten.
3. Speed & Cost: Wie viel schneller und günstiger sind Empfehlungen?
Zwei der wichtigsten mitarbeiter werben mitarbeiter kennzahlen für die Geschäftsleitung sind Time-to-Hire und Cost-per-Hire. Sie wirken direkt auf Produktivität und Budget.
3.1 Time-to-Hire nach Kanal
Definition: Durchschnittliche Zeit zwischen Stellenfreigabe (oder -eröffnung) und angenommenem Angebot, nach Kanal (Referrals, Jobboards, Agenturen etc.).
Formel: Summe der Time-to-Hire (Tage) pro Kanal / # Einstellungen über diesen Kanal
Typisches Muster:
- Referrals: rund 25–35 Tage
- Jobboards: rund 40–50 Tage
- Agenturen: 55–65 Tage
DACH-Benchmarks zeigen: Referral-Einstellungen sind oft 1–2 Wochen schneller als über Jobboards und in vielen Fällen einen vollen Monat schneller als über Agenturen.
Stellhebel zur Verbesserung:
- Referral-Kandidat:innen im ATS kennzeichnen und priorisiert prüfen
- Wöchentliche Interview-Slots speziell für Referrals reservieren, um Terminverzögerungen zu vermeiden
- Klare SLAs für Feedback zu Referrals mit Hiring Managern vereinbaren (z. B. 48 Stunden)
3.2 Cost-per-Hire nach Kanal
Definition: Gesamte Recruitingkosten pro Kanal geteilt durch die Anzahl der Einstellungen aus diesem Kanal.
Formel (pro Kanal):
(Externe Kosten + interne Zeitkosten + Boni + Softwaregebühren) / # Einstellungen aus dem Kanal
Typische Bestandteile:
- Referrals: Boni, Kommunikationsaufwand, mögliche Softwaregebühren
- Jobboards: Anzeigenbudget, Employer-Branding-Kampagnen, Recruiter-Zeit
- Agenturen: % des Jahresgehalts (oft 20–30%), Recruiter-Zeit
DACH-Fallstudien zeigen Cost-per-Hire über Empfehlungen häufig bei rund 1.200–1.500 €, gegenüber 3.500–4.000 € über Jobboards und 8.000 € oder mehr über Agenturen.
Stellhebel zur Verbesserung:
- Referral-Boni auf kritische und ROI-starke Rollen fokussieren, statt pauschal für alle Rollen
- Zu hohe Agenturnutzung deckeln und Einsparungen in das Referral-Budget umschichten
- Administrative Aufgaben automatisieren, um interne Zeitkosten pro Einstellung zu senken
3.3 Referral-Anteil am Recruitingbudget
Definition: Anteil Ihres gesamten Recruitingbudgets, der in Referral-Programme fließt (Boni, Kommunikation, ggf. Software) statt in andere Quellen.
Formel: (Jährliche Ausgaben für Referral-Programm / gesamtes Recruitingbudget) × 100
Typischer Bereich: Wenn Referrals 20–30% der Einstellungen liefern, liegt der Budgetanteil oft bei 20–50% des Recruitingbudgets. Der Rest verteilt sich auf Jobboards, Agenturen und Events.
Eine Preis-Analyse legt nahe, dass viele Unternehmen 15–30% ihres Referral-Budgets in Software investieren und den Rest in Boni und interne Kommunikation. Das gilt etwa für Teams mit rund 100 Mitarbeitenden und jährlichen Referral-Budgets von 30–70 Tsd. € (Budget-Benchmarks).
Stellhebel zur Verbesserung:
- Cost-per-Hire pro Kanal jährlich vergleichen und Budget auf die Kanäle mit höchstem ROI verlagern
- Time-to-Hire- und Qualitätsdaten nutzen, um Budget von Agenturen in Referral-Boni zu verschieben
- Ein Mindestbudget für Referrals festlegen, das an einen Zielanteil der Einstellungen gekoppelt ist
| Kanal | Ø Time-to-Hire (Tage) | Cost-per-Hire (€) |
|---|---|---|
| Referrals | 30 | 1.500 |
| Jobboards | 45 | 4.000 |
| Recruiting-Agenturen | 60 | 8.000 |
Schneller und günstiger ist ein starkes Argument. Wenn die Erfahrung für Mitarbeitende und Manager jedoch schlecht ist, bleibt die Performance Ihres Empfehlungsprogramms nicht lange hoch.
4. Experience & Sustainability: Bleiben Mitarbeitende bereit zu empfehlen?
Erfolgreiche Empfehlungsprogramme basieren auf Vertrauen und erlebter Fairness. Experience-orientierte mitarbeiter werben mitarbeiter kennzahlen helfen, Warnsignale früh zu erkennen, bevor Teilnahme einbricht oder Bias zunimmt.
4.1 NPS für das Empfehlungsprogramm
Definition: Employee Net Promoter Score (eNPS) für Ihr Empfehlungsprogramm. Frage: "Wie wahrscheinlich ist es, dass Sie unser Empfehlungsprogramm Kolleg:innen weiterempfehlen?" (Skala 0–10).
Formel: % Promotoren (9–10) – % Detraktoren (0–6)
Typischer Benchmark: Alles >0 ist positiv. +20 oder höher ist ein starkes Ergebnis.
Ein niedriger oder negativer NPS weist oft auf unklare Regeln, fehlende Transparenz oder späte Bonusauszahlung hin. In einem Retail-Beispiel führte ein vereinfachter Bonusprozess zu einem Anstieg des eNPS von +6 auf +27 innerhalb von 6 Monaten. Das Referral-Volumen stieg parallel.
Stellhebel zur Verbesserung:
- Kurzbefragungen an Empfehler:innen 1–2-mal pro Jahr schicken
- Transparente Status-Updates für jede Empfehlung garantieren
- Boni pünktlich zahlen und Zeitpunkte klar kommunizieren
4.2 Zufriedenheit der Hiring Manager mit Referral-Einstellungen
Definition: Zufriedenheit der Führungskräfte mit Einstellungen, die über Empfehlungen zustande kommen.
Beispielfrage: "Wie zufrieden sind Sie mit der Gesamtqualität und dem Cultural Fit Ihrer Referral-Einstellungen?" (Skala 1–5).
Formel: Durchschnittlicher Wert über alle antwortenden Führungskräfte oder % Antworten mit 4–5.
Typischer Benchmark: Ein Durchschnitt von 4,0 oder höher auf einer 1–5-Skala zeigt hohe Akzeptanz.
Stellhebel zur Verbesserung:
- Manager darin schulen, wie sie gute Referral-Profile für ihre Teams definieren
- Eine kurze Qualitätsabfrage in das Feedback nach der Einstellung einbauen
- Ausreißer besprechen: Wenn ein Manager Referral-Einstellungen konstant schlecht bewertet, die Erwartungsabstimmung prüfen
4.3 Fairness- und Missbrauchsindikatoren
Definition: Signale, dass das Programm Nepotismus, Taktieren oder Unfairness fördern könnte.
Beispiele für Indikatoren:
- % der Empfehlungen von direkten Familienangehörigen
- % doppelter Empfehlungen für dieselbe Person
- Diversitätskennzahlen für Referral-Einstellungen nach Geschlecht, Alter, Background
Empfehlungsprogramme können Diversität stärken oder schwächen. Entscheidend ist das Design. Forschung von John Sullivan beschreibt Programmeigenschaften, mit denen Referrals Diversität erhöhen, statt Homogenität zu verstärken (Diversität durch Referrals).
Stellhebel zur Verbesserung:
- Klare Regeln definieren, wer empfohlen werden darf und wie Boni ausgezahlt werden
- Boni begrenzen, wo Interessenkonflikte wahrscheinlich sind (z. B. direkte Reports, enge Familie)
- Diversität der Referral-Einstellungen tracken und mit anderen Kanälen vergleichen
| Experience-Kennzahl | Vor Änderung | Nach Änderung |
|---|---|---|
| NPS für das Empfehlungsprogramm | +6 | +27 |
| Managerzufriedenheit (1–5) | 3,8 | 4,4 |
Wenn Reach, Qualität, Geschwindigkeit, Kosten und Experience sauber definiert sind, folgt die praktische Frage: Woher kommt all diese Datenbasis und wie tracken Sie sie, ohne Chaos zu erzeugen?
5. Datenquellen & Tools: Wo Ihre Referral-KPIs leben
Sie brauchen kein Großprojekt, um mit der Messung Ihrer mitarbeiter werben mitarbeiter kennzahlen zu starten. Die meisten Daten liegen bereits in Ihrem Applicant Tracking System (ATS) oder HRIS. Den Rest können Sie in einer Tabelle oder einem einfachen BI-Tool pflegen.
5.1 Zentrale Datenquellen
ATS / HRIS
- Kandidatenquelle (Referral, Jobboard, Agentur, Karriereseite)
- Bewerbungsdatum, Interviewtermine, Angebotsdatum, Eintrittsdatum
- Prozessphasen für Funnel-Kennzahlen (Interviewrate, Angebotsrate)
- Hiring Manager für spätere Zufriedenheitsabfragen
Payroll / HR-Stammdaten
- Eintritts- und Austrittsdatum für Retention und Probezeit-Quoten
- Organisationsstruktur, um zu sehen, welche Bereiche mit Referrals am erfolgreichsten sind
Survey-Tools
- Employee NPS für das Programm
- Zufriedenheitsumfragen der Hiring Manager zu Referral-Einstellungen
Einfache Tabelle
- Opt-ins, aktive Empfehler:innen und Channel-Mix tracken, wenn Ihr ATS das noch nicht leistet
- Referral-Budget-Allokation und Cost-per-Hire mit einfachen Formeln berechnen
5.2 Nutzung von Tabellen vs. ATS vs. spezialisierten Plattformen
| Tool-Typ | Am besten geeignet für | Abgedeckte Referral-Kennzahlen |
|---|---|---|
| ATS / HRIS | Alle Organisationen mit strukturiertem Recruiting | Source-of-Hire, Time-to-Hire, Funnel-Conversions, Einstellungen |
| Tabelle | Startups <200 Mitarbeitende, Piloten | Opt-in, aktive Empfehler:innen, Channel-Mix, manuelle ROI-Berechnung |
| Spezialisierte Referral-Plattform | Wachsende Organisationen, hohes Empfehlungsvolumen | Alle Basics plus eNPS, Gamification-Daten, automatisierte Dashboards |
Für viele HR-Teams im DACH-Raum ist ein realistischer Weg:
- Phase 1 (Pilot): ATS-Tags + Dashboard in einer Tabelle
- Phase 2 (Skalierung): ATS + Referral-Plattform + BI-Visualisierung
5.3 So setzen Sie ein einfaches KPI-Dashboard auf
Sie können ein nutzbares Dashboard an einem Nachmittag bauen.
- Schritt 1: Basisdaten aus Ihrem ATS exportieren (Quelle, Datumsfelder, Status, Kennzeichnung "Einstellung")
- Schritt 2: In Excel oder Google Sheets Spalten ergänzen für:
- Referral-Anteil in Pipeline und Einstellungen
- Interview- und Angebotsraten nach Quelle
- Time-to-Hire und Cost-per-Hire nach Quelle
- Schritt 3: Einfache Charts erstellen:
- Gestapelte Balken für Einstellungen nach Kanal
- Liniendiagramm für Time-to-Hire pro Quartal
- Balkendiagramm für Cost-per-Hire pro Kanal
- Schritt 4: Monatlich aktualisieren und in Ihrem HR-Leitungstermin besprechen
Wenn Sie BI-Tools wie Power BI oder Looker Studio nutzen, können Sie diese direkt an ATS-Exporte oder Datenbanken anbinden und Updates automatisieren.
6. Praxisbeispiele: Referrals vs. Jobboards vs. Agenturen
Um den Effekt Ihrer mitarbeiter werben mitarbeiter kennzahlen greifbarer zu machen, betrachten wir ein Unternehmen mit 200 Mitarbeitenden im DACH-Raum, das 20 Einstellungen pro Jahr plant.
6.1 Beispiel 1: Vergleich von Time-to-Hire und Cost-per-Hire
| Kanal | Ø Time-to-Hire | Cost-per-Hire | Unterschied vs. Referrals |
|---|---|---|---|
| Referrals | 30 Tage | 1.500 € | – |
| Jobboards | 45 Tage | 4.000 € | +15 Tage / +2.500 € |
| Agenturen | 60 Tage | 8.000 € | +30 Tage / +6.500 € |
Wenn 6 von 20 jährlichen Einstellungen über Empfehlungen kommen:
- Gesamtkosten für Referrals: 6 × 1.500 € = 9.000 €
- 6 Einstellungen über Jobboards würden kosten: 6 × 4.000 € = 24.000 €
- Differenz: 15.000 € Einsparung für diese 6 Einstellungen
Beim Time-to-Hire:
- 6 Einstellungen über Referrals sparen je 15 Tage gegenüber Jobboards = 90 Tage schneller besetzte Stellen
- Im Vergleich zu Agenturen mit +30 Tagen sparen Sie 180 Tage Vakanzen
6.2 Beispiel 2: Referral-Anteil von 10% auf 30% erhöhen
Dasselbe Unternehmen, 20 Einstellungen pro Jahr.
| Szenario | Referral-Einstellungen | Jobboard-Einstellungen | Agentur-Einstellungen | Geschätzte Gesamtkosten |
|---|---|---|---|---|
| Aktuell (10% Referrals) | 2 × 1.500 € | 10 × 4.000 € | 8 × 8.000 € | 3.000 € + 40.000 € + 64.000 € = 107.000 € |
| Optimiert (30% Referrals) | 6 × 1.500 € | 8 × 4.000 € | 6 × 8.000 € | 9.000 € + 32.000 € + 48.000 € = 89.000 € |
Die Verschiebung von 2 auf 6 Referral-Einstellungen spart in diesem einfachen Beispiel rund 18.000 € pro Jahr, auch wenn die Bonushöhen unverändert bleiben. Diese Einsparung kann bessere Tools, höhere Boni für kritische Rollen oder zusätzliche Recruiter-Kapazität finanzieren.
7. Schritt-für-Schritt-Checkliste: Ein Kennzahlen-getriebenes Empfehlungsprogramm aufbauen
Sie haben jetzt die zentralen mitarbeiter werben mitarbeiter kennzahlen und typische Benchmarks. Im letzten Schritt geht es darum, daraus einen konkreten Plan abzuleiten.
7.1 Praktische Checkliste für HR-Teams im DACH-Raum
| Schritt | Maßnahme |
|---|---|
| 1. Klare Ziele definieren | 2–3 Primärziele festlegen: z. B. "Referrals = 25% aller Einstellungen", "Referral-Einstellungen haben ≥5 Prozentpunkte bessere 12-Monats-Retention als Non-Referrals". |
| 2. Tracking konfigurieren | Sicherstellen, dass Ihr ATS eine saubere Quelle "Referral" und ein Owner-Feld hat. Eine Tabelle oder ein BI-Dashboard aufsetzen, das die 12 KPIs in den 4 Kategorien abdeckt. |
| 3. Programmrichtlinien vorbereiten | Ihre Referral-Policy schreiben oder aktualisieren, inklusive Bonushöhen, Berechtigung, Diversity- und Fairness-Regeln sowie Zahlungszeitpunkten. |
| 4. 90-Tage-Experiment starten | Programm für einen definierten Zeitraum launchen oder relaunchen. Rollen klar kommunizieren, E-Mail und Chat nutzen und Hiring Manager an die Priorisierung von Referrals erinnern. |
| 5. KPIs wöchentlich tracken | Im Pilot Opt-in, aktive Empfehler:innen, Pipeline-Anteil, Interview-/Angebotsraten, Time-to-Hire und Cost-per-Hire monitoren. Feedback von Mitarbeitenden und Managern erfassen. |
| 6. Review mit Leadership | Nach 90 Tagen Referral-Ergebnisse im Vergleich zu anderen Kanälen präsentieren: Einstellungen, Geschwindigkeit, Kosten und Qualitätsproxies. Quick Wins und Lücken herausarbeiten. |
| 7. Boni und Kommunikation anpassen | Bonusstruktur (z. B. höher für knappe Profile), Kommunikationsfrequenz und Kanäle anhand der Daten anpassen. Regeln schärfen, um Fairness und NPS zu verbessern. |
| 8. Quartalsreviews verankern | Vom Pilot zu einem laufenden Programm wechseln, mit strukturierten Quartalsreviews aller 4 Kennzahlen-Bereiche. Eine einfache "Referral Scorecard" für Transparenz pflegen. |
Für Teams, die weitergehen wollen, ist es hilfreich, diese Checkliste mit internen Vorlagen für Referral-E-Mails, Policies, ROI-Berechnung und einem klaren Überblick zu Software-Optionen und Pricing zu ergänzen.
Conclusion: Kennzahlen machen aus Referrals einen strategischen Kanal
Empfehlungsprogramme scheitern selten, weil Mitarbeitende nicht helfen wollen. Sie scheitern leise, weil niemand prüft, ob das Programm genug Menschen erreicht, qualitativ gute Kandidat:innen bringt oder bei Speed und Kosten besser abschneidet als andere Kanäle.
Die 12 mitarbeiter werben mitarbeiter kennzahlen in diesem Guide geben Ihnen eine praxisnahe Struktur:
- Reach & Activation: Wissen und nutzen Mitarbeitende das Programm genug, um Volumen zu erzeugen?
- Pipeline & Qualität: Bewegen sich Empfehlungen durch den Funnel und werden zu starken Einstellungen?
- Speed & Cost: Sind Referrals messbar schneller und günstiger als Jobboards oder Agenturen?
- Experience & Sustainability: Vertrauen Mitarbeitende und Manager dem Programm und sehen sie dessen Wert?
Wenn Sie diese KPIs regelmäßig messen und kommunizieren, ist Ihr Empfehlungsprogramm kein Black Box mehr. Finance sieht Einsparungen. Hiring Manager sehen bessere Pipelines. Mitarbeitende sehen, dass ihre Empfehlungen zählen.
Der Fachkräftemangel im DACH-Raum wird in absehbarer Zeit kaum kleiner. Teams, die Referrals als datengetriebenen, kontinuierlich optimierten Kanal steuern, haben einen klaren Vorteil: planbare Pipelines, niedrigere Recruitingkosten und eine stärkere Bindung zwischen Mitarbeitenden und Organisation.
Frequently Asked Questions (FAQ)
1. Welche mitarbeiter werben mitarbeiter kennzahlen sind am wichtigsten?
Die wichtigsten mitarbeiter werben mitarbeiter kennzahlen decken 4 Bereiche ab: Reach (Opt-in-Rate, aktive Empfehler:innen, Channel-Mix), Pipeline & Qualität (Empfehlungsanteil in der Pipeline, Interview- und Angebotsraten, Quality-of-Hire-Proxy), Speed & Cost (Time-to-Hire und Cost-per-Hire vs. andere Kanäle, Referral-Anteil am Recruitingbudget) und Experience (Employee NPS für das Programm, Zufriedenheit der Hiring Manager, Fairness- und Diversity-Indikatoren).
2. Wie berechne ich den ROI meines Empfehlungsprogramms im Vergleich zu Jobboards oder Agenturen?
Berechnen Sie zuerst den Cost-per-Hire pro Kanal, indem Sie alle direkten und indirekten Kosten (Boni, Anzeigen, Agenturgebühren, Recruiter-Zeit) addieren und durch die Anzahl der Einstellungen aus diesem Kanal teilen. Vergleichen Sie dann Cost-per-Hire und Time-to-Hire von Referrals mit Jobboards und Agenturen. Die Differenz bei Kosten und Vakanz-Tagen zeigt Ihren ROI. Für eine tiefere Analyse können Sie Retention- und Performance-Daten ergänzen, um den langfristigen Wert sichtbar zu machen.
3. Warum scheitern manche Empfehlungsprogramme trotz hoher Boni?
Hohe Boni lösen keine Probleme bei Kommunikation oder Prozessen. Programme scheitern oft, weil Mitarbeitende nicht wissen, welche Rollen offen sind, wie sie empfehlen sollen oder was nach einer Empfehlung passiert. Fehlendes Feedback, langsame Bonuszahlung, unklare Regeln oder ein komplizierter Referral-Flow senken Vertrauen und Motivation. Kennzahlen helfen, diese Probleme früh zu erkennen und Struktur und Kommunikation anzupassen, statt nur die Boni zu erhöhen.
4. Welche Tools sollte ich in einem mittelgroßen Unternehmen für Referral-Kennzahlen nutzen?
Die meisten mittelgroßen Unternehmen können mit dem bestehenden ATS oder HRIS plus einer strukturierten Tabelle starten. Nutzen Sie das ATS für Source-of-Hire, Funnel-Fortschritt und Zeitstempel. Nutzen Sie die Tabelle für Opt-ins, aktive Empfehler:innen, Budget-Allokation und kombinierte KPIs. Wenn Volumen und Komplexität steigen, helfen spezialisierte Referral-Plattformen bei Automatisierung von Tracking, Kommunikation und Dashboards. BI-Tools wie Power BI oder Looker Studio visualisieren Trends über die Zeit.
5. Wie oft sollten wir mitarbeiter werben mitarbeiter kennzahlen mit dem Management reviewen?
Bei einem neuen oder relaunchten Programm ist ein monatlicher Review sinnvoll, um frühe Probleme zu erkennen. Wenn das Programm stabil läuft, reichen meist Quartalsreviews. In diesen Terminen sollten Sie zeigen: Referral-Anteil an Einstellungen, Time-to-Hire und Cost-per-Hire im Vergleich zu anderen Kanälen, Retention von Referral-Einstellungen und NPS für das Programm. Nutzen Sie diese Reviews, um Budget, Bonusstruktur und Kommunikationsstrategie datenbasiert anzupassen, statt nach Bauchgefühl.
Jürgen Ulbrich
Jürgen Ulbrich verfügt über mehr als ein Jahrzehnt Erfahrung in der Entwicklung und Führung leistungsstarker Teams und Unternehmen. Als Experte für Mitarbeiterempfehlungsprogramme sowie Feedback- und Performance-Prozesse hat Jürgen über 100 Organisationen dabei unterstützt, ihre Talent Acquisition und Devlopment Strategie zu optimieren.
