Recruiting-Sourcing-Benchmark 2026: Methode und Ergebnisse

Der Recruiting-Sourcing-Benchmark 2026 dokumentiert zwei Tests dazu, wie gut Sourcing-Tools passende Kandidaten finden; Atlas hat Sprad in beiden selbst gemessen. In unserem eigenen Abdeckungstest (eigene Messung von Sprad, Stand 15. August 2026, Methode auf der Seite zum Sourcing-Benchmark) fand Atlas 38 % der Kandidaten, die vier andere Systeme fanden; das beste dieser vier kam auf 9 %. Im Recruiting-Bereich des offenen PeopleSearchBench haben vier Systeme veröffentlichte Werte (Lessie 68,2, Juicebox 65,7, Exa 64,7, Claude Code 50,5). Atlas haben wir selbst durch dieselben Aufgaben laufen lassen; auf die veröffentlichte Skala umgerechnet sind das etwa 73,5, unsere eigene Nachmessung und kein Eintrag in der Tabelle des Benchmarks. Diese Seite dokumentiert beide Tests: Fragestellung, Methode, Ergebnisse, Grenzen und wie sich die Tests wiederholen lassen.

Sprad entwickelt Atlas, eines der getesteten Systeme. Das ist ein Interessenkonflikt. Deshalb zeigen wir hier, wie wir gemessen haben, was wir nicht gemessen haben und wo die Zahlen an Belastbarkeit verlieren.

Welche Frage beantwortet der Benchmark?

Er beantwortet die Frage hinter einer Kaufentscheidung: Wenn ich eine schwer zu besetzende Rolle beschreibe, wie viele der richtigen Personen legt mir ein Sourcing-Tool vor? Oft werden Tools danach beurteilt, wie schnell Ergebnisse erscheinen oder wie viele Profile eine Datenbank hat. Beides sagt nicht, ob die gelieferten Personen zur Rolle passen. Die beiden Tests unten schauen deshalb auf Passung und Abdeckung.

Test 1: PeopleSearchBench (Recruiting)

PeopleSearchBench ist ein offener Benchmark für die Personensuche. Er enthält echte Suchaufträge in vier Bereichen: Recruiting, B2B, Experten und Influencer. Diese Seite behandelt nur den Recruiting-Bereich, weil er für die Personalgewinnung relevant ist. Er umfasst 30 Suchen, zum Beispiel einen Backend-Entwickler in London mit Erfahrung in Microservices.

Methode

• Aufgabe: Jedes System erhält den Suchauftrag und liefert bis zu 15 Personen.
• Bewertung: Ein Sprachmodell zerlegt jeden Auftrag in prüfbare Kriterien. Ein zweites Modell prüft jede gelieferte Person mit einer Websuche gegen jedes Kriterium: erfüllt zählt 1, teilweise erfüllt 0,5, nicht erfüllt 0.
• Wertung: drei Werte von 0 bis 100: Relevanz (gute Treffer weiter oben zählen mehr, gemessen als nDCG), Abdeckung (wie viele der 15 Profile passen) und Nutzwert der Daten (Vollständigkeit und ob man die Person direkt ansprechen kann). Der Gesamtwert ist ihr Mittel.
• Wer wen gemessen hat: Den Benchmark hat Lessie veröffentlicht, die Werte der vier anderen Systeme sind die dort veröffentlichten. Atlas steht nicht in dieser Tabelle. Wir haben Atlas selbst durch die Aufgaben des Benchmarks laufen lassen, mit denselben Prompts und Formeln.
• Ein anderer Prüfer: Das Original bewertet mit Gemini 3 Flash und einer Websuche. Wir haben Atlas mit Claude Haiku und einer Websuche bewertet, eine Suche je Person. Dieser Prüfer ist strenger als das Original: In einer Eichung auf denselben Listen vergab er niedrigere Werte. Deshalb lässt sich der rohe Atlas-Wert nicht neben die veröffentlichten Werte stellen.
• Kontrolllauf und Umrechnung: Exa lief mit demselben Prüfer und denselben Kriterien mit. In diesem Lauf (29. Oktober 2026) maß Atlas im Recruiting 80,4 und Exa 73,4. Der hier genannte Atlas-Wert von 83,4 stammt vom 30. Oktober und enthält die unter „Aufbau“ beschriebenen verifizierten E-Mails, die Exas Listen nicht bekamen. Unser Exa kam höher heraus als das veröffentlichte Exa (64,7), obwohl der Prüfer in der Eichung strenger war. Die Läufe unterscheiden sich also in mehr als dem Prüfer, und diesen Abstand können wir nicht vollständig erklären. Den Atlas-Wert haben wir mit dem Verhältnis beider Exa-Werte skaliert. Das ergibt etwa 73,5, umgerechnet auf die veröffentlichte Skala; das ist eine Schätzung, kein gemessener Wert. Nur der Vergleich mit Exa nutzt denselben Prüfer und dieselben Kriterien; jeder Vergleich mit Lessie, Juicebox und Claude Code beruht auf der Umrechnung.
• Aufbau: lokale Testumgebung, Oktober 2026. Die Atlas-Listen enthalten eine verifizierte geschäftliche E-Mail, wo die Funktion „E-Mail finden“ für dieselbe Person eine geliefert hat, so wie ein Kunde sie per Klick auf diesen Knopf bekäme. In der Ergebnisliste steht sie standardmäßig nicht.

Ergebnis

Die Atlas-Zeile ist kein Tabellenplatz. Sie ist eine Schätzung auf der veröffentlichten Skala, etwa 5,3 Punkte über dem höchsten veröffentlichten Wert; mit einem anderen Prüfer und einer Umrechnung ist dieser Abstand zu klein, um allein einen Sieg zu behaupten. Denselben Prüfer und dieselben Kriterien nutzt nur der Vergleich mit Exa (Atlas 80,4 im selben Lauf, 83,4 mit verifizierten E-Mails; Exa 73,4). Im Mittel zählten 14,2 der bis zu 15 Profile je Recruiting-Suche als passend, in unserer Bewertung mit dem strengeren Prüfer. Quelle: PeopleSearchBench (Recruiting), veröffentlicht von Lessie, Oktober 2026. Werte der anderen Systeme wie im Benchmark veröffentlicht; Atlas von Sprad mit dem Testverfahren des Benchmarks und einem anderen Prüfermodell gemessen und wie oben beschrieben umgerechnet. Das ist kein offizieller Eintrag im Benchmark.

Test 2: unser eigener Abdeckungstest vom 15. August 2026

Der zweite Test fragt anders: Von allen Personen, die konkurrierende Tools für dieselbe Rolle finden, wie viele findet ein System ebenfalls? Es ist unsere eigene Messung, von Sprad durchgeführt, Stand 15. August 2026, und sie ist bewusst klein.

Methode

• Rollen: drei schwer zu besetzende Rollen in drei Märkten, für jedes System mit denselben Anforderungen: ein Senior Backend Engineer in Berlin (Go, Kubernetes, fünf Jahre oder mehr), ein Senior Product Manager in London (Payments) und ein Process Integration Engineer in Eindhoven (Halbleiter).
• Systeme: Atlas, Juicebox, Metaview, PIN und LinkedIn Sales Navigator. Alle haben wir selbst laufen lassen und bewertet.
• Eingabe: Jedes System, das Freitext annimmt, erhielt denselben Prompt wortgleich. LinkedIn Sales Navigator hat keine Freitextsuche; dort wurden dieselben Kriterien in Filter übersetzt.
• Referenzmenge: Je Rolle alles, was die anderen Systeme geliefert haben, bereinigt um Dubletten. Ein System wird nie an seinen eigenen Treffern gemessen. Treffer wurden über Vor- und Nachnamen ohne Akzente abgeglichen.
• Umfang: Die dokumentierte Liste enthält 218 Profile, jeweils mit Quelle und Bewertung. Bewertet wurde für alle Systeme nach demselben Schema: stark, brauchbar, schwach oder Fehltreffer, anhand der Muss-Kriterien der jeweiligen Rolle.

Ergebnis

So lesen Sie eine Zeile: Von den Personen, die die anderen Systeme für Rolle A fanden, fand Atlas 30 Prozent ebenfalls. Insgesamt deckt Atlas 38 Prozent ab, das beste der übrigen vier 9 Prozent, also etwa das Vierfache. Quelle: eigene Messung von Sprad, 15. August 2026; Methode auf sprad.io/de/sourcing-benchmark.

Warum sind die Zahlen so niedrig?

Weil sich die Tools kaum überschneiden. Bei Rolle A wurden insgesamt 76 Personen gefunden, 72 davon von genau einem System. Zwei der anderen Systeme teilen nie mehr als ein Fünftel ihrer Treffer. Atlas teilt mit einzelnen Systemen bis zu 40, 47 und 52 Prozent seiner Treffer und liegt damit in der Mitte des Feldes, während die anderen am Rand fischen. Bei Rolle C fand LinkedIn 18 seiner 19 Treffer bei einem einzigen Arbeitgeber, Atlas und Juicebox lieferten dagegen das Zulieferer-Umfeld. Beides ist vertretbar, es sind schlicht unterschiedliche Ausschnitte desselben Arbeitsmarkts.

Praktisch heißt das: Der größte Teil des Marktes wird von keinem einzelnen Tool gefunden. Auch das stärkste Ergebnis in unserem Test lässt die meisten Personen unentdeckt.

Was der Benchmark nicht aussagen kann

• Die Abdeckung wird am Feld gemessen, nicht am Markt. Die Referenzmenge ist das, was die vier anderen Systeme gefunden haben. Eine Person, die kein System fand, taucht in diesen Zahlen nicht auf.
• Atlas wurde auf diesen Test hin abgestimmt. Die 38 % sind der Wert nach mehreren Runden, in denen wir die Suche von Atlas an genau diesen drei Rollen und dieser Referenzmenge verändert haben. Es ist also kein Blindergebnis. Die anderen Systeme liefen so, wie sie sind.
• Die Mengen weichen in unseren Unterlagen voneinander ab. Der Lauf-Bericht nennt Referenzmengen von 76, 73 und 54 Personen. Die zusammengeführte Liste aller 218 Profile hat je Rolle 76, 72 und 70 Einträge. Beides haben wir nicht vollständig in Einklang gebracht. Die Prozentwerte stammen aus den Referenzmengen des Laufs, lesen Sie sie deshalb als ungefähr.
• Atlas' eigene Funde sind hier nicht bewertet. Der Test zeigt, wie viel von den Funden der anderen Atlas ebenfalls findet, nicht wie gut alles andere ist, was Atlas liefert.
• Ein Lauf, drei Rollen, ein Tag. Unser Test lief am 15. August 2026. Suchindizes und Rankings ändern sich, ein neuer Lauf erreicht die Werte nicht auf den Prozentpunkt genau. Andere Rollenfamilien können sich anders verhalten.
• Andere Eingabe bei LinkedIn. Sales Navigator hat keine Freitextsuche. Die Übersetzung der Kriterien in Filter ist sinngetreu, aber nicht identisch.
• Wir sind Anbieter. Atlas ist unser Produkt. Beim PeopleSearchBench ist der Herausgeber ein Wettbewerber, und wir haben Atlas selbst mit einem anderen Prüfer gemessen. Bitte lesen Sie beide Tests als Beleg, nicht als unabhängige Prüfung.
• Nur der Recruiting-Bereich. Wir berichten hier den Recruiting-Bereich, weil er für die Personalgewinnung relevant ist.

Lässt sich der Test wiederholen?

Ja, und das wünschen wir uns. Alles, was eine Wiederholung braucht, steht auf dieser Seite oder auf sprad.io/de/sourcing-benchmark:

• Dieselben Aufgaben: beim Abdeckungstest die drei Rollen mit ihren Anforderungen (siehe Methode), beim PeopleSearchBench die 30 Recruiting-Suchen des offenen Benchmarks.
• Dieselbe Eingabe: wortgleiche Prompts für jedes System, das Freitext annimmt; wo es das nicht tut, die Kriterien in Filter übersetzen.
• Referenzmenge ohne Eigen-Treffer: sammeln, was die anderen Systeme liefern, Dubletten bereinigen, über Vor- und Nachnamen ohne Akzente abgleichen, nie ein System an seiner eigenen Ausgabe messen.
• Ein Bewertungsschema: stark, brauchbar, schwach oder Fehltreffer gegen die Muss-Kriterien der Rolle; beim PeopleSearchBench erfüllt 1, teilweise 0,5, nicht erfüllt 0 mit einer Websuche je Person.
• Prüfer und Datum nennen: Ein anderes Prüfermodell liefert andere Absolutwerte. Nennen Sie es, und eichen Sie auf denselben Listen, bevor Sie Läufe vergleichen.

Die Namen der 218 Profile veröffentlichen wir nicht, weil es Personendaten sind. Wir planen, unseren Abdeckungstest jedes Jahr mit neuen Rollen zu wiederholen, ohne Atlas vorher darauf abzustimmen, und diese Seite mit neuem Datum zu aktualisieren. Bis dahin sind die Werte oben eine Momentaufnahme aus 2026.

Wie zitiere ich den Benchmark?

Sprad (2026): Recruiting-Sourcing-Benchmark 2026: Methode und Ergebnisse. sprad.io/de/blog/recruiting-sourcing-benchmark-2026, Stand November 2026. Zugrunde liegende Tests: PeopleSearchBench (Recruiting), veröffentlicht von Lessie, Oktober 2026; Sprad-Abdeckungstest, 15. August 2026.

Die Zusammenfassung mit den Grafiken finden Sie unter sprad.io/de/sourcing-benchmark. Wenn Sie eine Zahl zitieren, nennen Sie bitte den Test, aus dem sie stammt, und sein Datum.

Was heißt das für die Wahl eines Sourcing-Tools?

• Testen Sie an Ihrer schwierigsten Rolle. Ein Benchmark sind drei Rollen an einem Tag. Ihre offene Stelle ist der einzige Test, der zählt. Active Sourcing mit Atlas startet kostenlos mit 100 Credits im Monat, die Preise finden Sie hier.
• Urteilen Sie nicht nach Tempo. Erscheinen Ergebnisse sofort, ist es meist eine Keyword-Suche. Jedes Profil gegen Ihre Anforderungen zu prüfen, dauert länger. Atlas zeigt mit der Schnellsuche erste Ergebnisse nach rund drei Sekunden, die tiefe Suche braucht einige Minuten.
• Rechnen Sie damit, dass verschiedene Tools verschiedene Personen zeigen. Wenn eine Suche niemanden übersehen darf, kombinieren Sie Quellen und halten Sie Ihren eigenen Talentpool in der Suche, damit bekannte Personen zuerst gefunden werden.
• Wissen Sie, welche Art von Suche Sie kaufen. Boolean-Strings und Anforderungssuche finden unterschiedliche Personen, siehe Boolean-Suche vs. Anforderungssuche.

Häufige Fragen

Wie unterscheidet sich das von anderen Sourcing-Vergleichen?

Die meisten veröffentlichten Sourcing-Rankings stammen von einem Anbieter über das eigene Produkt und nennen keine Methode. Unser Vergleich stammt ebenfalls von einem Anbieter, deshalb legen wir offen, wer was mit welchem Prüfer gemessen hat, was umgerechnet wurde und wo Atlas abgestimmt wurde. Wenn Ihnen ein Schritt unklar ist, können Sie ihn bei uns erfragen.

Welches Tool ist das beste für Recruiting-Sourcing?

Das beantwortet kein einzelner Test. Im PeopleSearchBench (Recruiting) liegen die veröffentlichten Werte von vier Systemen zwischen 50,5 und 68,2; unsere eigene Nachmessung setzt Atlas auf dieser Skala bei etwa 73,5, umgerechnet und kein offizieller Eintrag. Denselben Prüfer und dieselben Kriterien nutzt nur der Vergleich mit Exa, dort kam Atlas auf 80,4 und Exa auf 73,4. Welches Tool für Sie das beste ist, hängt von Ihren Rollen, Märkten und Kanälen ab. Testen Sie zwei oder drei an einer Rolle, die Sie gut kennen.

Was bedeutet 38 % gegenüber 9 %?

Es ist der Anteil der Treffer der anderen Systeme, den das jeweilige Tool in unserer eigenen Messung vom 15. August 2026 ebenfalls gefunden hat. Atlas fand 38 Prozent, das beste der übrigen vier, Juicebox, 9 Prozent. Das ist eine Abdeckungszahl innerhalb von drei Rollen, keine Aussage über den ganzen Markt.

Ist der Benchmark unabhängig?

Nicht vollständig. Den PeopleSearchBench hat Lessie veröffentlicht, ein Wettbewerber, und die Werte der anderen Systeme stehen dort so. Atlas haben wir selbst gemessen, mit einem anderen und strengeren Prüfermodell, und den Wert auf die veröffentlichte Skala umgerechnet. Der Abdeckungstest ist unser eigener, und Atlas wurde darauf abgestimmt. Beides ist oben beschrieben, damit Sie es einschätzen können.

Warum deckt Atlas nicht den größten Teil des Marktes ab?

Weil das kein Tool tut. Die vier konkurrierenden Systeme überschneiden sich kaum: Bei Rolle A stammten 72 der 76 gefundenen Personen von genau einem System. Wen kein System gefunden hat, der taucht im Test gar nicht auf. Das ist die ehrliche Lesart des Abdeckungsergebnisses.