Zuletzt aktualisiert: September 2026
Eine Bewerberin findet deine Stellenanzeige, schließt den Tab und öffnet ChatGPT. Bevor sie ein einziges Wort deiner Karriereseite liest, tippt sie: „Ist dieses Unternehmen ein guter Arbeitgeber?”
Die Antwort, die sie bekommt, entscheidet mit, ob sie sich überhaupt bewirbt. Du bekommst dieses Gespräch nie zu sehen, und dein Recruiting-Team auch nicht.
Built In hat herausgefunden, dass bereits etwa 37 % der Jobsuchenden KI-Plattformen nutzen, um Unternehmen zu entdecken und zu recherchieren (Built In, 2026). Eine separate Umfrage von iHire aus dem Jahr 2025 setzt die Zahl sogar noch höher an: 40,7 % der Jobsuchenden hatten bereits KI in ihrer Jobsuche eingesetzt, unter anderem um einen potenziellen Arbeitgeber zu recherchieren (iHire, 2025). Keine der beiden Zahlen sinkt.
Die meisten Talent-Teams haben noch keinen einzigen Prompt durch ChatGPT laufen lassen, um zu sehen, was die KI über sie sagt. Dieser Leitfaden gibt dir eine wiederholbare Methode an die Hand: ein 25-Prompt-Set aus Bewerbersicht, eine Tabelle, die zeigt, warum Bewertungsportale deine Karriereseite als Quelle meist schlagen, und ein Arbeitsblatt, mit dem du das Sentiment Monat für Monat verfolgst.
Was dieses Audit tatsächlich prüft
Ein Employer-Brand-AI-Audit misst nicht deine Karriereseite. Es misst die Antwort, die eine Bewerberin sieht, wenn sie eine KI-Engine nach deinem Unternehmen fragt, noch bevor sie überhaupt auf einer Seite landet, die du kontrollierst.
Dieser Unterschied ist entscheidend. Klassische Employer-Branding-Arbeit optimiert Owned-Kanäle: die Karriereseite, die LinkedIn-Seite, das Recruiting-Deck. Ein AI-Audit misst dagegen einen Kanal, den du weder besitzt noch direkt bearbeiten kannst: die synthetisierte Antwort, die eine Engine aus deiner Website, Mitarbeiterbewertungen, Presseberichten und Forenbeiträgen zusammensetzt, alles miteinander vermischt.
Führst du das Audit durch, bekommst du drei Dinge: eine Übersicht, welche Quellen ChatGPT, Perplexity, Gemini, Google AI Overviews und Microsoft Copilot zitieren, wenn eine Bewerberin nach dir fragt, eine Einschätzung, ob diese Antwort eher positiv oder negativ ausfällt, und eine Baseline, die du im nächsten Monat erneut prüfen kannst, um zu sehen, ob sich etwas bewegt hat.
Stell dir ein mittelständisches Logistikunternehmen vor, das eine Senior-Operations-Stelle besetzt. Eine Recruiterin geht davon aus, dass das Angebot stark ist: konkurrenzfähiges Gehalt, hybrides Arbeiten, echte Aufstiegschancen. Stellst du ChatGPT dieselbe Frage, die auch eine Bewerberin stellen würde, stützt sich die Antwort stattdessen auf einen zwei Jahre alten Glassdoor-Thread über eine holprige Reorganisation, ganz ohne Erwähnung der Gehaltsspanne oder der Hybrid-Regelung. Das Angebot der Recruiterin und die Antwort der KI beschreiben zwei unterschiedliche Unternehmen. Ohne Audit merkt das im Talent-Team niemand, bis die Annahmequote von Angeboten zu sinken beginnt.
Warum Bewertungsportale und Presse deine Karriereseite ausstechen
Frag eine KI-Engine, ob dein Unternehmen ein guter Arbeitgeber ist, und sie wird selten mit deiner eigenen Karriereseite beginnen. Sie beginnt mit dem, was andere Menschen über dich gesagt haben.
Die Berichterstattung von Built In zu dieser Verschiebung erklärt, warum: Wenn eine Bewerberin fragt, ob ein Unternehmen ein guter Arbeitsplatz ist, stützt sich die Antwort einer KI-Engine stärker auf eine Mitarbeiterbewertung von Glassdoor als auf einen Unternehmens-Blogpost über Kultur, weil Engines unabhängige Erfahrungsberichte aus erster Hand stärker gewichten als markeneigene Inhalte. Die Berichterstattung von Built In zitiert außerdem eine Citation-Pattern-Studie aus dem Jahr 2025, laut der Reddit die meistzitierte Quelle bei Google AI Overviews und Perplexity ist und die zweitmeistzitierte bei ChatGPT.
Nutze diese Tabelle als groben Anhaltspunkt dafür, wie stark jeder Quellentyp in einer bewerberähnlichen Antwort typischerweise gewichtet wird:
| Quellen-Stufe | Typische Beispiele | Warum Engines sich darauf stützen |
|---|---|---|
| Höchste Gewichtung | Glassdoor, Blind, Indeed-Bewertungen, Reddit-Threads | Unabhängig, aus erster Hand und in hoher Zahl vorhanden, weshalb Engines das Muster näher an der Realität einordnen |
| Hohe Gewichtung | Fachpresse, lokale Wirtschaftsmedien, Podcast-Transkripte, Auszeichnungsberichte | Bestätigung durch Dritte, die das Modell als glaubwürdiger einstuft als markeneigene Inhalte |
| Mittlere Gewichtung | LinkedIn-Unternehmensbeiträge, von Mitarbeitenden verfasste Artikel, Konferenzvorträge | Strukturiert und zuordenbar, aber noch immer markennah |
| Niedrigste Gewichtung | Karriereseite, Kultur-Blog, Recruiting-Marketingtexte | Selbst veröffentlicht und werblich, weshalb Engines sich dafür bei Fakten wie Benefits und Standorten stützen, aber selten für ein Urteil über die Kultur |
Die praktische Konsequenz: Eine glattpolierte Karriereseite schlägt kein Muster aus Glassdoor-Bewertungen oder einen negativen Reddit-Thread. Willst du ändern, was die Antwort aussagt, musst du ändern, was die am höchsten gewichteten Quellen sagen, oder genug neues, glaubwürdiges Material hinzufügen, um das Muster zu verschieben.
Das 25-Prompt-Set aus Bewerbersicht
Es folgt ein Prompt-Set aus Bewerbersicht: 25 Fragen, so formuliert, wie eine echte Jobsuchende sie tippen würde, nicht so, wie ein Marketing-Team sie formulieren würde. Setze deinen Unternehmensnamen, einen Wettbewerber, eine Rolle und einen fachlichen Hintergrund ein und führe jede Frage durch jede Engine, die du trackst.
Das Set ist in fünf Kategorien mit je fünf Prompts gegliedert, sodass du eine Kategorie nach der anderen durchgehen kannst.
Allgemeiner Ruf (1 bis 5)
- Wie ist es, bei [Unternehmen] zu arbeiten?
- Ist [Unternehmen] ein guter Arbeitgeber?
- Wie beschreiben Mitarbeitende die Kultur bei [Unternehmen]?
- Was sagen Glassdoor-Bewertungen über [Unternehmen]?
- Würdest du empfehlen, bei [Unternehmen] zu arbeiten?
Passung zu Rolle und Hintergrund (6 bis 10)
- Ist [Unternehmen] ein guter Arbeitsplatz für eine Person in [Rolle]?
- Ist [Unternehmen] ein guter Karriereschritt für jemanden mit Hintergrund in [Fachbereich]?
- Wie ist die Kultur für [Rolle] bei [Unternehmen]?
- Stellt [Unternehmen] Quereinsteiger für [Fachbereich] ein?
- Welche Fähigkeiten sucht [Unternehmen] bei Kandidaten für [Rolle]?
Vergleichs- und Karriereschritt-Prompts (11 bis 15)
- Ist [Unternehmen] oder [Wettbewerber] der bessere Arbeitsplatz für [Rolle]?
- Wie schneidet die Kultur von [Unternehmen] im Vergleich zu [Wettbewerber] ab?
- Sollte ich einen Job bei [Unternehmen] annehmen oder bei meinem aktuellen Arbeitgeber bleiben?
- Ist [Unternehmen] ein guter Sprungbrett-Job für eine Karriere in [Branche]?
- Ist der Wechsel von [Wettbewerber] zu [Unternehmen] ein Aufstieg?
Entwicklung, Führung und Warnsignale (16 bis 20)
- Befördert [Unternehmen] aus den eigenen Reihen?
- Wie ist die Führung bei [Unternehmen]?
- Gibt es Warnsignale bei der Arbeit bei [Unternehmen]?
- Gab es bei [Unternehmen] kürzlich Entlassungen?
- Wie ist die Work-Life-Balance bei [Unternehmen]?
Vergütung, Stabilität und Rahmenbedingungen (21 bis 25)
- Zahlt [Unternehmen] konkurrenzfähig für [Rolle]?
- Ist [Unternehmen] finanziell stabil?
- Bietet [Unternehmen] Remote-Arbeit an?
- Welche Benefits bietet [Unternehmen] Mitarbeitenden?
- Ist [Unternehmen] ein guter Einstieg für Absolventen?
Führe beim ersten Mal alle 25 Prompts wie geschrieben aus. Sortiere nach einem Quartal jeden Prompt aus, der nicht mehr widerspiegelt, wie Bewerber in deinem Feld die Frage tatsächlich stellen, und ersetze ihn durch Formulierungen aus echten Exit-Interviews oder Recruiter-Notizen.
So führst du das Audit jeden Monat durch
Öffne für jede Engine eine neue, ausgeloggte Browsersitzung, damit Verlauf und frühere Chats die Antwort nicht verzerren. Füge die 25 Prompts nacheinander ein und speichere jeweils die vollständige Antwort, nicht nur eine Zusammenfassung.
Führe jeden Prompt pro Engine mindestens zweimal aus. Eine einzelne Antwort ist nur eine Stichprobe aus einem probabilistischen System, kein Urteil. Der vollständige Messansatz hinter dieser Überlegung behandelt jede einzelne KI-Antwort als Rauschen, bis sie sich wiederholt.
Protokolliere bei jeder Antwort vier Dinge: den genauen Prompt, die Quellen, die die Engine nennt oder verlinkt, ob der Tonfall positiv, neutral oder negativ wirkt, und jeden Sachfehler (eine falsche Mitarbeiterzahl, ein eingestellter Benefit, eine veraltete Adresse). Dieser vierte Punkt zählt genauso viel wie das Sentiment. Eine KI-Engine, die behauptet, dein Unternehmen habe Entlassungen durchgeführt, die es nie gab, ist ein Problem, das du an der Quelle korrigieren kannst, aber nur, wenn du es bemerkst.
Wähle vor dem Start ein oder zwei konkrete Wettbewerber aus und führe die Vergleichs-Prompts (11 bis 15) namentlich gegen jeden davon aus. Eine Bewerberin fragt eine KI-Engine selten, dein Unternehmen isoliert zu bewerten. Sie fragt, wie du im Vergleich zum anderen Angebot auf dem Tisch abschneidest, also sollte dein Audit genau diese Frage beantworten.
Stellst du an mehreren Standorten oder in mehreren Regionen ein, führe die allgemeinen Ruf-Prompts (1 bis 5) einmal pro Hauptstandort aus. Ein landesweit tätiges Unternehmen kann insgesamt einen starken Ruf haben, während ein einzelner Standort die Antwort der KI durch eine Häufung aktueller, negativer lokaler Bewertungen nach unten zieht. Ein einziger unternehmensweiter Durchlauf verdeckt diese Aufspaltung.
Sentiment mit einem wiederholbaren Arbeitsblatt verfolgen
Ein einzelner Monat an Ergebnissen zeigt dir, wo du stehst. Mehrere Monate an Ergebnissen, jedes Mal auf dieselbe Weise protokolliert, zeigen dir, ob du dich verbesserst.
Baue ein Sentiment-Tracking-Arbeitsblatt mit einer Zeile pro Prompt, pro Engine und pro Monat auf. Erfasse mindestens diese Spalten:
| Prompt | Engine | Sentiment | Meistzitierte Quelle | Nötige Maßnahme |
|---|---|---|---|---|
| Ist [Unternehmen] ein guter Arbeitgeber? | ChatGPT | Neutral | Glassdoor | Aktuelle Mitarbeitende zu Bewertungen ermutigen |
| Befördert [Unternehmen] aus den eigenen Reihen? | Perplexity | Negativ | Reddit-Thread (2024) | Beförderungsquote mit Quellenangabe veröffentlichen |
| Wie ist die Work-Life-Balance bei [Unternehmen]? | Google AI Overviews | Positiv | Karriereseite | Keine Maßnahme, auf Veränderung beobachten |
Fünfundzwanzig Prompts über fünf Engines ergeben 125 Zeilen, die du jeden Monat prüfst. Das klingt nach viel, aber die meisten Zeilen ändern sich von Monat zu Monat nicht. Scanne nach Zeilen, bei denen sich das Sentiment geändert hat oder eine andere Quelle zitiert wurde, und starte dort deine Liste an Korrekturen.
Braucht ein Begriff in deinem Arbeitsblatt eine präzise Definition, bevor du ihn nach oben berichtest, deckt das Glossar Sentiment, Share of Voice, Citation Rate und den Rest des Mess-Vokabulars ab.
Welches Tool passt zu welchem Teil dieses Audits
Du kannst dieses gesamte Audit manuell mit einer Tabelle und einer Reihe Browser-Tabs durchführen. Sobald du es jeden Monat über fünf Engines hinweg verfolgst, frisst die manuelle Version schnell einen ganzen Tag. Hier siehst du, wie die zuvor genannten Tools zu unterschiedlichen Teilen des Workflows passen, ohne Rangfolge, denn die richtige Wahl hängt davon ab, welcher Teil des Audits dir am meisten Zeit kostet.
Evertune, für Wahrnehmung und Attribut-Extraktion
Evertune ist auf eine CMO-Zielgruppe zugeschnitten und fährt ein statistisch signifikantes Prompt-Volumen statt ein paar Stichproben, etwa 1,25 Millionen Prompts pro Marke und Monat über ein breites Panel an Engines. Diese Größenordnung ist der Grund, warum das Tool auf der Wahrnehmungsseite dieses Audits stark ist: Es zieht die konkreten Adjektive und Attribute heraus, die Bewerber hören (ambitioniert, chaotisch, mission-getrieben), statt nur zu tracken, ob dein Name überhaupt auftaucht. Die Preise werden individuell verhandelt, weshalb das Tool eher zu einem Programm mit Budget und Boardroom-Publikum passt als zu einem ersten Durchlauf.
Peec AI, für leichtgewichtiges Prompt-Monitoring
Peec AI trackt Prompts täglich mit unbegrenzten Nutzer-Seats, und die Aufteilung in Owned- und Earned-Media bildet die Quellen-Gewichtungstabelle von oben direkt ab: Sie trennt, was deine eigene Seite sagt, von dem, was Dritte sagen, genau die Trennlinie, die dieses Audit im Blick behalten will. Die Preise starten bei 85 €/Monat. Das Tool passt gut zu einem Talent-Team, das das 25-Prompt-Set im Autopilot laufen lassen will, ohne sich zuerst auf einen Enterprise-Vertrag festzulegen.
Scrunch, für Enterprise-HR-Teams
Scrunch ist die Wahl, wenn ein People-Team ein Sicherheits-Sign-off braucht, bevor irgendetwas live geht: Das Tool bringt SOC-2-Type-II-Konformität, RBAC und SSO mit, was wichtig wird, sobald ein Audit wie dieses mehrere Regionen oder Geschäftsbereiche betrifft. Der Core-Plan für 250 €/Monat deckt ChatGPT, Perplexity, Google AI Overviews und Microsoft Copilot ab. Gemini und eine breitere Engine-Abdeckung erfordern die Enterprise-Stufe. Wähle Scrunch, wenn die Einkaufsentscheidung genauso bei IT und Recht liegt wie bei Talent Acquisition.
Temso, die einfache All-in-one-Option
Temso startet bei 89 €/Monat, mit unbegrenzten Projekten, Nutzern und Empfehlungen in jedem Plan. Es überwacht Marken- und Employer-Brand-Prompts über die wichtigsten Engines hinweg, markiert Sentiment- und Quellenverschiebungen automatisch und macht aus einer Lücke direkt eine schriftliche Empfehlung, innerhalb desselben Produkts. Dazu gehört auch ein AI-SEO-Agent, der einen ersten Entwurf für eine Korrektur erstellen kann, sobald eine Lücke erkannt wurde, eine Funktion unter mehreren, nicht der Kernpunkt der Plattform. Für ein Talent-Team ohne eigene AEO-Analystin ist das der schnellste Weg, dieses Audit zum Laufen zu bringen, ohne mehrere Tools zusammenzuflicken.
Aus dem Audit eine Korrektur machen, nicht nur einen Bericht
Ein Arbeitsblatt voller neutraler und negativer Zeilen nützt nur, wenn jemand darauf reagiert. Leite Sachfehler an die Person weiter, die für deine Karriereseite und dein Built-In- oder Glassdoor-Arbeitgeberprofil zuständig ist, damit veraltete Angaben zu Benefits oder Mitarbeiterzahl an der Quelle korrigiert werden. Leite Sentiment-Probleme an die Person weiter, die interne Kommunikation und Employee Advocacy verantwortet, denn die Lösung sind mehr authentische Bewertungen und mehr Berichterstattung durch Dritte, nicht ein umgeschriebenes Mission Statement.
Weise jeder Korrektur eine verantwortliche Person und ein Datum für die erneute Prüfung zu, genau wie bei jedem anderen offenen Ticket. Eine Lücke, die ohne Verantwortliche in einer Tabelle liegt, ist eine Lücke, die du im nächsten Quartal unverändert wiederfindest.
Sieh dir das vollständige AI-Visibility-Tool-Ranking an, wenn du Monitoring-Plattformen über die vier hier genannten hinaus vergleichen willst, bevor du Budget für eine davon einplanst.
Starte deinen ersten Durchlauf noch diese Woche: Wähle fünf Prompts aus dem Set oben, führe sie in einer neuen Sitzung durch ChatGPT und Perplexity, und sieh dir an, was deine Bewerber schon jetzt über dich lesen.
Was du als Nächstes lesen solltest
- Vollständiges Tool-Ranking: /rankings/ai-visibility-tools
- Scoring-Methodik: /methodology
- AI-Visibility-Glossar: /glossary
- Evertune-Tool-Profil: /tools/evertune
- Peec-AI-Tool-Profil: /tools/peec-ai
- Scrunch-Tool-Profil: /tools/scrunch
- Temso-Tool-Profil: /tools/temso