Employer Branding mit KI — Arbeitgebermarke gezielt schärfen

Das echte Ausmaß des Problems

Der Wettbewerb um qualifizierte Mitarbeitende ist real und messbar. Laut dem Randstad Employer Brand Research 2024 — einer der größten Arbeitgeberstudien weltweit mit über 173.000 Befragten in 6.084 Unternehmen — sind die drei häufigsten Gründe für Jobwechsel in Deutschland: zu geringe Vergütung (40 %), mangelnde Work-Life-Balance (32 %) und fehlende Karrierepfade (24 %). All diese Punkte betreffen die sogenannte Employee Value Proposition (EVP) — das Kernangebot eines Arbeitgebers an seine Mitarbeitenden.

Das Problem: Nur 29 Prozent der deutschen Unternehmen nutzen moderne digitale Tools oder KI-gestützte Lösungen in ihrem Recruiting-Prozess (laut Index Recruiting Report 2024). Die meisten reagieren mit generischen Kampagnen — mehr Budget für dieselbe Botschaft — statt zu verstehen, woran es wirklich hapert.

Was KI hier ändern kann, ist nicht die Reichweite einer Kampagne. Es ist das Verstehen dessen, was Bewerber und Mitarbeitende tatsächlich bewegt:

• Kununu-Bewertungen enthalten systematisch verwertbare Muster — welche Themen tauchen immer wieder auf, welche Bereiche polarisieren?
• Absagen nach dem ersten Interview geben Hinweise auf spezifische Prozessfriktionen, die niemand auswertet
• Exit-Interview-Kommentare sind oft die ehrlichsten Daten, die ein Unternehmen je über sich selbst bekommt — und landen meistens ungelesen im Ordner
• Mitarbeiterbefragungsfreitexte bleiben zu 80 Prozent unausgewertet, weil die manuelle Analyse niemand schafft

Für Unternehmen ohne starke Arbeitgebermarke kostet jede Fehlbesetzung das Anderthalbfache bis Zweifache eines Jahresgehalts — durch Recruiting-Kosten, Einarbeitung, verpasste Produktivität. Das ist laut einer Analyse von Vouch (2026) der größte ROI-Hebel im gesamten Talent-Ökosystem — aber eben einer, den man erst sieht, wenn man aufgehört hat, ihn zu ignorieren.

Mit vs. ohne KI — ein ehrlicher Vergleich

Der Nutzen liegt nicht primär in der Zeitersparnis — die erste Analyse dauert mit KI immer noch einige Stunden. Der Nutzen liegt in der Vollständigkeit und Konsistenz: Ein LLM liest 80 Kununu-Bewertungen mit derselben Aufmerksamkeit wie die erste, nicht mit der Ermüdung, die bei Textanalyse nach 40 Stück einsetzt. Die Systematik schlägt die Schnelligkeit.

Einschätzung auf einen Blick

Zeitersparnis — niedrig (1/5) Employer Branding mit KI spart keine tägliche Arbeitszeit — es ist ein strategisches Analyseprojekt, das quartalsweise oder jährlich anfällt. Anders als bei Stellenanzeigen-Erstellung oder HR-Reporting, wo KI Routinearbeit täglich beschleunigt, löst diese Anwendung ein einmaliges oder seltenes Analyseproblem. Der niedrigste Wert in dieser Kategorie ist hier ehrlich.

Kosteneinsparung — niedrig (1/5) Die Kostenwirkung ist real, aber so indirekt und langfristig, dass sie kaum direkt der KI-Analyse zugeschrieben werden kann. Wenn die Fluktuation sinkt oder die Bewerberqualität steigt, hängt das von Unternehmensmaßnahmen ab — nicht von der Analyse selbst. Employer Branding KI ist ein Hebel für bessere Entscheidungen, kein Kostenspar-Tool. Unter den HR-Anwendungsfällen ist das der schwächste monetäre Hebel.

Schnelle Umsetzung — mittel (3/5) Die erste KI-gestützte Analyse ist tatsächlich in einer Woche machbar — Feedback-Daten sammeln, in einen LLM einspeisen, Ergebnisse strukturieren. Das ist zugänglicher als ein HR-Chatbot oder Personalentwicklungs-System. Die Einschränkung: Die erste Analyse ist leicht, aber die systemische Wiederholung (regelmäßige Feedback-Zyklen, Wirkungsmessung) erfordert Prozessarbeit, die Monate dauert.

ROI-Sicherheit — niedrig bis mittel (2/5) Employer Branding hat das klassische Attributionsproblem: Wenn sechs Monate nach der KI-Analyse mehr qualifizierte Bewerbungen eingehen, war das die Analyse, die verbesserte Unternehmenskultur, der neue LinkedIn-Post oder der Arbeitsmarkt? Diese Kausalitätskette ist selten sauber zu schließen. Ähnlich wie bei Mitarbeiterfeedback und Leistungsbeurteilung bleibt der Nutzen real, aber indirekt.

Skalierbarkeit — niedrig bis mittel (2/5) Employer Branding ist standort- und teamspezifisch. Was der Hamburger Entwickler auf Kununu schreibt, trifft selten auf das Fertigungsteam in Bielefeld zu. Jedes Segment braucht seine eigene Analyse. Das begrenzt die Skalierbarkeit strukturell — mehr Budget löst dieses Problem nicht, sondern mehr Analysedurchläufe.

Richtwerte — stark abhängig von Datenqualität, Unternehmensgröße und Konsistenz der Feedback-Quellen.

Was die KI-Analyse konkret macht

Der technische Ansatz kombiniert zwei Verfahren: Generative KI (LLMs wie ChatGPT oder Claude) für die Synthese und Ableitung von Handlungsempfehlungen, sowie strukturierte Auswertung per NLP für die Häufigkeitsanalyse in großen Textmengen.

In der Praxis sieht das so aus:

Schritt 1: Feedbackdaten sammeln und strukturieren. Alle vorhandenen Quellen in ein lesbares Format bringen: Kununu-Bewertungen exportieren (HTML oder manuelles Kopieren), Exit-Interview-Protokolle aus dem HR-System, Mitarbeiterbefragungsfreitexte aus der letzten Umfrage, Absagebegründungen aus dem ATS.

Schritt 2: Kategorisierung und Häufigkeitsanalyse. Das LLM analysiert alle Texte und clustert sie nach Themen: Führungsverhalten, Work-Life-Balance, Vergütung, Karrieremöglichkeiten, Kommunikation, Onboarding-Erfahrung, physisches Arbeitsumfeld. Für jedes Thema: Sentiment (positiv/neutral/negativ) und Häufigkeit.

Schritt 3: Muster und Prioritäten. Was wird am häufigsten erwähnt? Was wird mit stärkstem Sentiment (besonders negativ oder positiv) verbunden? Was haben Abgänge gemeinsam gesagt, was interne Hochleister nicht? Diese Differenzanalyse ist oft die aufschlussreichste.

Schritt 4: Handlungsempfehlungen. Das LLM formuliert auf Basis der Muster konkrete Vorschläge — keine Marketing-Phrasen, sondern: “Bewerbungsrückmeldungen dauern laut 34 Prozent der negativen Bewertungen zu lang. Empfehlung: klare Kommunikation des Zeitrahmens nach jeder Bewerbungsphase einführen.”

Wichtig: Die KI erfindet keine Probleme — sie strukturiert das, was Bewerber und Mitarbeitende schon gesagt haben, nur halt ungehört in diversen Dateien.

Die KI-Authentizitätsfalle

Das ist die gefährlichste Fehlanwendung von KI im Employer Branding — und sie passiert häufiger als man denkt.

Unternehmen nutzen KI, um Employer-Branding-Inhalte zu generieren statt zu analysieren. Das Ergebnis: perfekt formulierte LinkedIn-Posts, die eine Arbeitskultur beschreiben, die so nicht existiert. Klang professionell, authentisch klingt es nicht.

Warum das nach hinten losgeht: Laut einer Vouch-Studie (2026) teilen 72 Prozent der Kandidaten, die eine schlechte Erfahrung gemacht haben, diese online — direkt oder in Gesprächen. Eine KI-generierte Arbeitgebermarke, die nicht zur Realität passt, erzeugt genau das: Bewerber, die von attraktiven Versprechen angelockt werden, dann im Interview oder im ersten Monat die Diskrepanz erleben — und es weitersagen.

Das ist nicht ein KI-Problem, sondern ein Reihenfolge-Problem: KI muss zuerst analysieren (Was ist unsere Realität? Was schätzen unsere besten Mitarbeitenden wirklich?), bevor sie kommunizieren hilft. Wer KI für Employer-Branding-Content einsetzt, ohne diese Analyse vorher gemacht zu haben, investiert in eine Fassade, die teurer ist als gar keine Kampagne.

Das AFS-Akademie-Magazin (2025) formuliert es präzise: “Erst die Straße bauen, dann aufs Gas” — eine KI-fähige Arbeitgebermarkenkommunikation setzt voraus, dass die Substanz darunter stimmt. Stimmt sie nicht, beschleunigt KI die Enttäuschung, nicht die Attraktivität.

Konkrete Werkzeuge — was wann passt

Die richtige Werkzeugwahl hängt davon ab, was du analysieren und was du danach tun willst.

ChatGPT / Claude — für die sofortige Analyse Für den Einstieg brauchst du kein spezielles HR-Tech-Tool. Kopiere 20–30 Kununu-Bewertungen plus deine letzten Exit-Interview-Protokolle in ChatGPT oder Claude, gib einen strukturierten Analyse-Prompt (Template unten) — und du hast in 30 Minuten eine belastbare Themen-Übersicht. Kosten: 20–30 USD/Monat (Pro/Plus-Plan). Für gelegentliche strategische Analysen ist das der kosteneffizienteste Ansatz.

Brandwatch — für die externe Wahrnehmungsanalyse Wenn du wissen willst, was außerhalb deiner eigenen Quellen über dich als Arbeitgeber gesagt wird — Social Media, Fachforen, Bewerbermärkte — ist Brandwatch das leistungsfähigste Tool. Teuer (ab ca. 800–1.500 €/Monat), aber für Unternehmen mit aktiver Employer-Branding-Strategie und 200+ offenen Stellen pro Jahr rechtfertigbar. Iris AI clustert Themen automatisch. Für KMU überdimensioniert.

Talkwalker — für die externe Wahrnehmung mit DACH-Fokus Günstigere Alternative zu Brandwatch für Social-Listening und Markenbeobachtung, mit stärkerem DACH-Fokus. Für Employer-Branding-Monitoring sinnvoll, wenn du systematisch verfolgen willst, wie sich deine Arbeitgeberwahrnehmung über Zeit entwickelt.

Leapsome — für strukturierte interne Feedback-Erhebung Wenn das Problem nicht die Analyse der Feedbackdaten ist, sondern das Fehlen belastbarer Feedbackdaten überhaupt, hilft Leapsome weiter. Strukturierte Pulse-Checks, 360-Grad-Feedback und kontinuierliche Zufriedenheitsmessungen — DSGVO-konform, Berliner Unternehmen, EU-Hosting. Die Daten, die Leapsome sammelt, sind dann der sauberste Input für deine KI-Analyse. Ab ca. 8–15 USD/Nutzer/Monat.

Haiilo — für Employee Advocacy und authentische Außendarstellung Wenn die Analyse getan ist und du weißt, was deine besten Mitarbeitenden an ihrer Arbeit wirklich schätzen, hilft Haiilo dabei, diese authentischen Stimmen nach außen zu bringen. Mitarbeitende teilen kuratierte Inhalte über ihre eigenen Social-Media-Kanäle — KI empfiehlt ihnen, welche Inhalte zu ihrem Profil passen. Hamburger Unternehmen, EU-Datenhosting. Ab ca. 2.000–4.000 €/Monat für mittelgroße Teams.

Textio — für internationale Stellenanzeigen auf Englisch Wenn ein Teil des Employer-Branding-Problems in exkludierender Sprache in Stellenanzeigen liegt, hilft Textio bei englischsprachigen Ausschreibungen. Für deutschsprachige Anzeigen ist Textio nicht zu empfehlen — das Modell ist auf englische Korpora trainiert. Ab ca. 15.000 USD/Jahr, Enterprise-only.

Wann welcher Ansatz:

• Einstieg, kleine Datenmenge, gelegentlich → ChatGPT / Claude mit Prompt
• Interne Feedbackdaten strukturiert erheben → Leapsome
• Externe Markenwahrnehmung beobachten, Konzern → Brandwatch
• Externe Markenwahrnehmung DACH-Fokus → Talkwalker
• Authentische Mitarbeiterstimmen nach außen → Haiilo
• Englischsprachige Stellenanzeigen optimieren → Textio

Datenschutz und Datenhaltung

Employer-Branding-Analyse berührt mehrere Datenschutzebenen — und die sind nicht alle gleich heikel.

Unkritisch: öffentliche Bewertungsportale. Kununu-Bewertungen sind anonym und öffentlich zugänglich. Diese Daten in ein LLM einzuspeisen ist DSGVO-technisch unproblematisch, da keine personenbezogenen Daten betroffen sind.

Kritisch: Exit-Interview-Protokolle und Mitarbeiterbefragungsfreitexte. Hier handelt es sich um personenbezogene oder personenbeziehbare Daten — besonders wenn das Unternehmen klein genug ist, dass aus Aussagen auf Personen geschlossen werden kann. Für diese Daten gelten klare Regeln:

• Vor der Analyse mit externen KI-Tools (ChatGPT, Claude) müssen alle direkten Personenidentifikatoren (Namen, Abteilungen, spezifische Ereignisse) entfernt werden — Pseudonymisierung nach Art. 4 DSGVO
• Für die Cloud-Verarbeitung ist ein Auftragsverarbeitungsvertrag (AVV) nach Art. 28 DSGVO mit dem Tool-Anbieter notwendig
• ChatGPT und Claude (Consumer-Version) verarbeiten Daten in den USA — für anonymisierte Daten tolerierbar, für nicht-anonymisierte Mitarbeiterdaten nicht zu empfehlen
• Wer auf Nummer sicher gehen will: Claude über AWS Bedrock (Frankfurt-Region) oder ChatGPT Enterprise mit EU-Datenverarbeitungsvereinbarung

Mitarbeiterbefragungen brauchen außerdem: Information der Mitarbeitenden über Zweck und Art der KI-gestützten Auswertung (Transparenzpflicht nach Art. 13 DSGVO), Betriebsrat-Einbindung bei systematischer KI-Analyse von Mitarbeiterverhalten (§ 87 Abs. 1 Nr. 6 BetrVG), wenn das Thema noch nicht geregelt ist.

Für externe Wahrnehmungsanalyse über Social-Media-Tools wie Brandwatch gilt: Nur öffentliche Inhalte werden analysiert. Die Verarbeitung beruht auf berechtigtem Interesse (Art. 6 Abs. 1 lit. f DSGVO) — dokumentiere diese Interessensabwägung.

Was es kostet — realistisch gerechnet

Einstieg mit LLM (sofort machbar)

• ChatGPT Plus oder Claude Pro: ca. 20–30 USD/Monat
• Zeitaufwand intern: 4–8 Stunden für die erste Analyse (Daten sammeln, Prompt erstellen, Ergebnisse strukturieren)
• Externe Unterstützung (optional): 500–1.500 € für eine strukturierte Analyse-Session mit KI-Beratung
• Ergebnis: Eine gut strukturierte Themenübersicht mit priorisierten Handlungsfeldern

Mittelweg mit spezialisiertem Tool

• Leapsome für systematische Feedback-Erhebung: ca. 8–15 USD/Nutzer/Monat
• Haiilo für Employee Advocacy: ab ca. 2.000–4.000 €/Monat
• Kununu Employer Branding Profil für aktives Reputationsmanagement: 249 €/Monat (bis 50 Mitarbeitende), 690 €/Monat (bis 500 Mitarbeitende) — Quelle: OMR Reviews Kununu Pricing 2026

Ernsthafte Employer-Branding-Initiative

• Brandwatch oder Talkwalker für externe Wahrnehmungsanalyse: ab 800–1.500 €/Monat
• Interne Maßnahmenkosten (die eigentliche Investition): variabel, typisch 20.000–80.000 € pro Jahr für mittelständische Unternehmen

Was du dagegenrechnen kannst: Eine geringere Fluktuationsrate von nur 2 Prozentpunkten bei einem Unternehmen mit 100 Mitarbeitenden und einem durchschnittlichen Jahresgehalt von 50.000 € spart jährlich ca. 150.000–200.000 € an Recruiting-, Einarbeitungs- und Produktivitätskosten. Das ist keine KI-Einsparung — das ist die Einsparung durch bessere Maßnahmen, zu denen die KI-Analyse geführt hat. Diese Zuordnung bleibt immer indirekt.

Typische Einstiegsfehler

1. Generische KI-Inhalte produzieren statt analysieren. Der häufigste Fehler ist, KI für die Erstellung von Employer-Branding-Content einzusetzen, bevor die Analysearbeit getan ist. Das erzeugt professionell klingende, aber substanzlose Inhalte — und verschärft das Authentizitätsproblem statt es zu lösen. KI kommt in diesem Use Case zuerst als Analysetools, dann (wenn überhaupt) als Schreibhilfe.

2. Nur Kununu-Sterne zählen statt Freitexte auswerten. “Unsere Kununu-Bewertung liegt bei 3,8” sagt wenig. Was sagen die Freitexte? Welche Themen tauchen in negativen Bewertungen auf? Was loben die positiven? Die Sternzahl ist ein Symptom, die Freitexte sind die Diagnose. Wer nur die Sternzahl verfolgt, optimiert das falsche Signal.

3. Feedback ohne Betriebsrats-Einbindung systematisch auswerten. Wenn Mitarbeiterbefragungen nicht explizit eine KI-gestützte Auswertung erwähnen, kann das zu rechtlichen Problemen führen. Nicht weil das Gesetz das explizit verbietet, sondern weil Betriebsvereinbarungen oft Regelungen für systematische Mitarbeiterüberwachung enthalten, unter die auch Textanalyse fallen kann. Klärung vor dem Start — nicht nach der ersten Kritik.

4. Die Maßnahmen kommunizieren, bevor sie umgesetzt sind. Ein klassischer Fehler: Das Unternehmen präsentiert in der nächsten Mitarbeiterbefragung oder auf LinkedIn, was es “als Arbeitgeber besser machen wird” — und setzt dann sechs Monate nichts um. Das erzeugt stärkeres Misstrauen als keine Kommunikation. Die Reihenfolge ist: erst messen, dann verändern, dann kommunizieren.

5. Das System einmalig nutzen und dann vergessen. Employer-Branding-Analyse ist kein einmaliges Projekt. Feedback-Daten veralten, der Arbeitsmarkt verändert sich, Unternehmen ändern sich. Eine jährliche oder halbjährliche Aktualisierung — auch wenn sie nur 4 Stunden dauert — hält die Erkenntnisse frisch. Wer das überspringt, handelt nach 18 Monaten auf der Grundlage veralteter Analysen.

Was mit der Einführung wirklich passiert — und was nicht

Employer-Branding-Analysen scheitern selten an der Technik. Sie scheitern daran, was danach passiert.

Erkenntnisse ohne Entscheidungsbefugnis bleiben Erkenntnisse. Eine Analyse kann zeigen, dass das größte Problem in der Führungskultur eines bestimmten Bereichs liegt. Aber wenn die HR-Managerin, die die Analyse erstellt hat, keine Handlungsmacht gegenüber dieser Führungskraft hat, bleibt das Ergebnis in der Schublade. Employer Branding mit KI ist deshalb primär ein Leadership-Thema — nicht ein HR-Tool-Thema. Die Frage “Wer kann was aufgrund dieser Ergebnisse ändern?” muss vor der Analyse beantwortet sein.

Mitarbeitende erwarten Konsequenzen. Wenn Mitarbeitende wissen, dass Feedback analysiert wird, erwarten sie auch, dass sich etwas ändert. Ein internes Kommunikationskonzept — “Wir haben das analysiert, das sind die drei wichtigsten Punkte, das planen wir dazu” — ist genauso wichtig wie die Analyse selbst. Ohne diese Schleife sinkt die Qualität zukünftiger Feedback-Beteiligung.

Recruitende werden die Ergebnisse nicht automatisch nutzen. Die beste Analysearbeit hilft wenig, wenn Recruiter und Hiring Manager in Gesprächen weiterhin die gleichen Botschaften senden wie vorher. Employer-Branding-Erkenntnisse müssen in Gesprächsleitfäden für Interviews, in die Karriereseite und in Stellenausschreibungen übersetzt werden — das ist der Übersetzungsschritt, den viele überspringen.

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände — und was dahintersteckt

„Wir haben keine Zeit für aufwendige Analysen.” Die erste Analyse mit ChatGPT oder Claude dauert 4–8 Stunden — wenn die Daten in einem nutzbaren Format vorliegen. Das ist weniger als ein Tag. Wer sagt, keine Zeit zu haben, hat oft das Aufwand-Ergebnis-Verhältnis falsch eingeschätzt. Der Aufwand für die Maßnahmenimplementierung ist das Zehnfache davon — aber der ist dann wenigstens auf die richtigen Hebel gerichtet.

„Unsere Mitarbeitenden schreiben kaum Bewertungen.” Das stimmt für viele mittelständische Unternehmen — auf Kununu gibt es oft nur 10–20 Bewertungen. Dann liegt der Wert in der internen Analyse: Mitarbeiterbefragungen, Exit-Interviews, informelle Gespräche. Wenn beides fehlt, ist der erste Schritt nicht KI, sondern eine systematische Feedback-Erhebung einzuführen.

„Kununu-Bewertungen sind doch nicht repräsentativ.” Teilweise richtig — wer sehr unzufrieden ist, bewertet eher. Aber das ist kein Argument gegen die Analyse, sondern ein Argument für die differenzierte Interpretation. Die Frage ist nicht “Repräsentiert das unsere durchschnittliche Mitarbeiterstimmung?” sondern “Was sagen die Leute, die unzufrieden waren — und haben die etwas Spezifisches gemeinsam?” Auch eine verzerrte Stichprobe enthält verwertbare Muster.

Was deine Arbeitgebermarke wirklich antreibt — und was du dafür messen musst

Das ist der Unterschied zwischen den Unternehmen, bei denen KI-gestütztes Employer Branding funktioniert, und denen, bei denen es scheitert.

Die meisten messen das Falsche. Kununu-Sternzahl, Anzahl der Bewerbungen, Öffnungsrate der Karriereseite — das sind Lagging Indicators, Ergebnisse vergangener Entscheidungen. Was du tatsächlich steuern kannst:

Leading Indicators — was auf künftige Änderungen hinweist:

• Welche Themen tauchen in Bewerbungsabsagen auf? (“Das Interview hat sich zu sehr auf technische Details konzentriert, ich hatte das Gefühl, nicht als Person wahrgenommen zu werden”)
• Welche Unterschiede gibt es zwischen Bewertungen von Hochleistenden, die geblieben sind, und Bewertungen von Abgängen?
• Bei welchen Themen gibt es die größte Diskrepanz zwischen dem, was die Karriereseite verspricht, und dem, was Mitarbeitende intern beschreiben?

Die Universum-Studie 2024 zeigt: Deutsche Studenten gewichten bei der Arbeitgeberwahl besonders stark “Vielfalt der Aufgaben” (Platz 1) und “Leistungsanerkennung” (Platz 2) — während die meisten Unternehmens-Karriereseiten über “Flexibilität” und “Unternehmenskultur” kommunizieren. Dieser Mismatch zwischen dem, was Kandidaten suchen, und dem, was Arbeitgeber betonen, ist oft das erste, was eine Feedback-Analyse aufdeckt.

KI hilft dabei, diese Diskrepanzen systematisch sichtbar zu machen — nicht einmalig, sondern als regelmäßiges Signal.

Woran du merkst, dass das zu dir passt

Das spricht dafür:

• Dein Unternehmen hat mindestens 20 Kununu-Bewertungen oder führt regelmäßige Mitarbeiterbefragungen mit Freitextfeldern durch
• Ihr verliert qualifizierte Kandidaten nach ersten Interviews, ohne konkrete Rückmeldungen zu erhalten
• Eure Stellenanzeigen bekommen zwar Klicks, aber die Bewerbungsrate liegt deutlich unter dem Branchendurchschnitt
• Die Fluktuation in bestimmten Teams oder Bereichen ist auffällig höher als im Rest des Unternehmens
• Ihr investiert regelmäßig in Employer-Branding-Maßnahmen, könnt aber nicht sagen, was davon wirkt

Drei harte Ausschlusskriterien:

1. Unter ca. 15 Mitarbeitenden oder weniger als 20 Feedbackdatenpunkten aus verschiedenen Quellen. Die Muster-Analyse braucht eine Mindestdatenmenge — unter 20 Bewertungen und Exit-Interviews ist das Ergebnis zu dünn für verlässliche Erkenntnisse. Für sehr kleine Unternehmen sind persönliche Gespräche mit Mitarbeitenden informativer als jede KI-Analyse.

2. Keine definierte EVP und keine Klarheit darüber, was das Unternehmen als Arbeitgeber ausmacht. Wenn intern keine Einigkeit darüber herrscht, was das Unternehmen seinen Mitarbeitenden tatsächlich bietet (nicht bieten möchte, sondern bietet), gibt es keine Grundlage für KI-gestützte Kommunikation. KI kann eine fehlende EVP nicht ersetzen — sie kann nur helfen, eine vorhandene zu analysieren und zu kommunizieren.

3. Keine Handlungsbereitschaft für die Ergebnisse. Wenn im Vorfeld klar ist, dass die Ergebnisse keine Konsequenzen haben werden — weil die Geschäftsführung nicht hinter Employer Branding steht, weil problematische Führungspersonen unantastbar sind oder weil das Budget für Maßnahmen nicht vorhanden ist — dann erzeugt die Analyse nur Frustration bei den Mitarbeitenden, die Feedback gegeben haben, ohne dass sich etwas ändert.

Das kannst du heute noch tun

Öffne ChatGPT oder Claude (kostenloser Einstieg reicht für den Test) und lass sie deine letzten 20–30 Kununu-Bewertungen analysieren. Kopiere die Freitexte — nicht die Sternzahlen — in den Chat und nutze den Prompt unten.

Das dauert 30 Minuten. Was du danach weißt: Welche Themen wirklich bewegen, ob es systematische Muster gibt und ob die Analyse überhaupt belastbar genug ist für strategische Entscheidungen.

Quellen & Methodik

• Randstad Employer Brand Research 2024: Weltweit 173.000 Befragte in 6.084 Unternehmen, erschienen Januar 2024. Enthält Deutschland-Länderdaten zu Gründen für Jobwechsel und Arbeitgeberwahl. randstad.de
• Universum “Most Attractive Employers Germany” 2024: Befragung von über 30.000 deutschen Studierenden zu Arbeitgeberpräferenzen und EVP-Gewichtung, Feldzeit September 2023 bis April 2024. universumglobal.com
• Index Recruiting Report 2024: Angaben zur KI-Nutzung in deutschen HR-Abteilungen (29 % nutzen moderne digitale Tools/KI im Recruiting). index.de
• Vouch Employer Branding Statistics 2026: “72% of candidates who’ve had a bad experience share it online or directly.” Datengrundlage: aggregierte Studie aus Candidate-Experience-Berichten. vouchfor.com
• AFS-Akademie: “Employer Branding und KI: Erst die Straße bauen, dann aufs Gas” (2025): Analyse zur Reihenfolge-Problematik bei KI im Employer Branding. afs-akademie.org
• Kununu Employer Branding Profil Preise 2026: OMR Reviews, Mai 2026: 249 €/Monat (bis 50 MA), 690 €/Monat (bis 500 MA). omr.com
• Haufe: “Arbeitgebermarke — häufigste Fehler”: Dokumentation zum Authentizitätsproblem in Employer-Branding-Maßnahmen, Haufe Personalmagazin. haufe.de
• Art. 28 DSGVO (AVV), § 87 Abs. 1 Nr. 6 BetrVG: Datenschutz-Grundverordnung und Betriebsverfassungsgesetz in der jeweils gültigen Fassung.

Du willst wissen, welche Feedbackquellen in eurem Unternehmen die belastbarsten Daten liefern und wie eine erste Analyse realistisch aussieht? Meld dich — das klären wir in einem kurzen Gespräch.