Ausgangslage: Der Engpass liegt nicht in der Reichweite
Ein Recruiting-Team sucht zwei Data Scientists für eine Rolle mit Python, MLflow und produktnaher Modellierung. Stellenanzeigen liefern viele Klicks, aber wenige passende Profile: Der eigentliche Engpass ist nicht Reichweite, sondern die präzise Vorauswahl passiver Kandidaten. LuckyHunter setzt genau hier an, indem die Plattform Suche, Profilprüfung und Kandidatenorganisation in einem Sourcing-Workflow bündelt.
Die Ursache ist meist eine zu breite Suche. Wer nur „Data Scientist“ und „Python“ eingibt, erhält Hunderte Treffer, darunter Analysten ohne Produktionserfahrung oder Profile mit veralteten Angaben. Ohne Gegenprüfung entstehen Rückfragen, Absagen und unnötige Kontaktversuche.
Die Lösung ist ein enger Suchauftrag: Muss-Kriterien, Ausschlusskriterien und eine definierte Reihenfolge der Prüfung. LuckyHunter hilft dabei, diese Logik in wiederverwendbare Suchen zu übersetzen, statt für jede Rolle bei null zu beginnen.
Schritt 1: Suchauftrag statt Wunschliste
Im Beispiel lauten die Muss-Kriterien: mindestens drei Jahre Python in produktiven Systemen, Erfahrung mit MLflow oder einem vergleichbaren Modell-Registry und Bereitschaft zu Remote-Arbeit mit EU-Zeitzone. Ausschlusskriterien sind reine BI-Rollen ohne Modellbetrieb sowie Profile ohne nachvollziehbare Projekte. Diese Struktur wird in LuckyHunter als Suchstring und Filterkombination abgebildet.
Ein konkreter Suchbaustein kombiniert Skills und Kontext: Python plus MLflow plus Deployment, ergänzt um Standort- und Sprachfilter. Der Unterschied ist messbar: Statt 400 ungeprüften Treffern bleiben 35 Profile übrig, die vor dem ersten Kontakt eine inhaltliche Prüfung verdienen.
Schritt 2: Profile verifizieren, nicht nur finden
Die zweite Hürde ist die Datenqualität. Ein Profil kann „MLflow“ nennen, ohne je ein Modell ausgerollt zu haben. Deshalb folgt nach dem LuckyHunter-Treffer ein kurzer Quellencheck: Repository, Projektbeschreibung, Rolle im Team und zeitliche Nähe zur aktuellen Position. Wer öffentliche Code- oder Fachbeiträge prüft, erkennt echte Praxiserfahrung schneller.
Ein brauchbares Muster ist die Drei-Punkte-Prüfung: erstens ein technischer Nachweis, zweitens eine passende Rolle, drittens ein plausibler Wechselgrund. Fehlt einer dieser Punkte, wandert das Profil in eine Beobachtungsliste statt in die direkte Ansprache.
Schritt 3: Ansprache mit konkretem Bezug
Die häufigste Ursache für schwache Antwortquoten ist eine generische Nachricht. Eine Ansprache, die auf ein konkretes Projekt im Profil eingeht, etwa „Ihr Beitrag zur Feature-Pipeline mit MLflow“, wirkt glaubwürdiger als eine Stellenbeschreibung per Copy-and-paste. LuckyHunter unterstützt den Überblick über Status und Follow-ups, ersetzt aber nicht die inhaltliche Prüfung.
Für Recruiting-Teams in Linz, die Sourcing mit lokaler Community verbinden wollen, ist https://basecamp-linz.at/ ein praktischer Anlaufpunkt für Austausch und Coworking. Der regionale Kontext hilft besonders bei Kandidaten, die einen Wechsel mit Lebensqualität und Netzwerk verbinden.
Was der Praxisweg bringt
Der Nutzen liegt weniger in einer größeren Kandidatenmenge als in einer sauberen Entscheidungskette: enger Suchauftrag, Verifikation, personalisierte Ansprache. LuckyHunter beschleunigt diese Kette, wenn die Kriterien vorab geklärt sind. Ohne diese Klarheit bleibt auch die beste Sourcing-Suche eine Sammlung ungeprüfter Treffer.