Das KI-gestützte Vorstellungsgespräch

Programmieragenten wie Codex und Claude Code stellen die Softwareentwicklung, wie wir sie kennen, auf den Kopf. Die Rolle wandelt sich vom Aufbau des Systems hin zu dessen Ausgestaltung und Feinschliff. Ähnlich wie Entwickler heute nicht mehr hinterfragen, wie ein Compiler Programmcode in Maschinenbefehle überträgt, müssen wir uns heute weniger auf die einzelnen Codezeilen konzentrieren, sondern mehr darauf, ob damit langfristig die richtigen Ergebnisse erzielt werden.

Das verändert, worauf wir in Vorstellungsgesprächen achten sollten. Wenn eine einzelne Fachkraft den gesamten Stack abdecken kann, entsteht der entscheidende Vorteil aus der Kombination technischer Fähigkeiten mit Produktdenken und betriebswirtschaftlichem Kontext. Entwickler schreiben nicht nur Code. Sie legen den Rahmen fest, wägen Optionen ab und entwickeln gemeinsam mit Kunden iterativ Lösungen weiter, um echten Mehrwert zu schaffen. Wir haben unseren Recruiting-Prozess für Entwickler daher ganz neu gestaltet, um dieser neuen Realität gerecht zu werden.

Die Herausforderung richtig einordnen

Sierras Bewerbungsprozess für Entwickler war recht klassisch aufgebaut: zwei Programmier-Runden sowie Themenblöcke zu Algorithmen, Systemdesign und Culture Fit, gefolgt von Referenzprüfungen. Dieser bewährte, skalierbare Ansatz hat lange Zeit funktioniert.

Doch in letzter Zeit passte irgendetwas nicht mehr. Die Erkenntnisse aus dieser Art von Vorstellungsgespräch waren weitgehend technischer Natur: Syntax im Editor eintippen, Algorithmen-Details auswendig abrufen und Frameworks zusammenfügen. Das stand zunehmend im Widerspruch zur neuen Realität unserer Arbeit. Am deutlichsten zeigte sich diese Dissonanz in den Nachbesprechungen. Mangels klarer Signale aus den Bewerbungsgesprächen stützten sich die einstellenden Führungskräfte stärker auf Empfehlungen und frühere Erfahrungen.

Wir haben deshalb einen KI-nativen Auswahlprozess entwickelt, der drei zentrale Merkmale aufweist:

• Praxisnah: Bildet die tatsächliche tägliche Entwickler-Arbeit ab und berücksichtigt Eigeninitiative, Verantwortungsbewusstsein, Urteilsvermögen, Systemverständnis und Produktdenken.
• Aussagekräftiges Signal: Zeigt uns klar, wo ein Kandidat besonders stark sein könnte und wo er möglicherweise Unterstützung benötigt.
• Positive Erfahrung: Das Vorstellungsgespräch wirkt auf Kandidaten ansprechend und authentisch, sodass sie gerne zusagen, wenn wir ihnen ein Angebot machen.

Wir stellen die KI-native Onsite-Lösung vor

Wir haben unsere Programmier- und Algorithmusrunden abgeschafft und durch ein KI-natives Vor-Ort-Vorstellungsgespräch ersetzt:

• Planen: Eine Arbeitssitzung mit dem Kandidaten, in der ein zu entwickelndes Produkt definiert wird. Der Kandidat entwickelt die Idee, während die Gesprächspartner durch Fragen dabei helfen, diese zu schärfen. Wir konzentrieren uns auf eine Idee aus seinem Fachbereich, um sein Produktdenken in der Praxis zu erleben.
• Umsetzen:Die Gesprächspartner verlassen den Raum, und der Kandidat setzt die Idee innerhalb von 2 Stunden mit KI-Tools und Frameworks seiner Wahl um. Dabei kann er jederzeit die Ausrichtung ändern oder den Umfang anpassen.
• Besprechen: Der Kandidat präsentiert, was er entwickelt hat. Wir besprechen die wichtigsten Produktabläufe und seine Entscheidungen, prüfen den Code, um sein technisches Urteilsvermögen zu beurteilen (Datenmodell, Abstraktionen, Erweiterbarkeit usw.), und erörtern den Weg bis zum Produktiveinsatz. Außerdem gehen wir darauf ein, wie er dabei KI eingesetzt hat.

Wir haben festgestellt, dass dieses neue Format deutlich effektiver ist. Da die Kandidaten während des Vor-Ort-Termins tatsächlich etwas entwickeln, statt nur darüber zu sprechen, ist der Prozess näher an ihrer tatsächlichen Arbeit und aussagekräftiger für uns. So lassen sich ihre Eigenständigkeit (passen sie ihren Ansatz an, wenn sie nicht weiterkommen?) und ihr Urteilsvermögen (wie entscheiden sie, was im gegebenen Zeitrahmen entwickelt wird) viel besser einschätzen.

Es macht auch schlicht mehr Spaß, selbst wenn die Kandidaten anfangs nervös sind. Um unsere Erwartungen klar zu kommunizieren, teilen wir im Voraus die Bewertungskriterien mit und geben auch Tipps. Zum Beispiel ist es in Ordnung, den Umfang im Laufe der Entwicklung zu reduzieren und Standardcode (CRUD, Authentifizierung) zu überspringen, um sich auf das Wesentliche zu konzentrieren. Wie Paul Buchheit, der Erfinder von Gmail, so schön gesagt hat: Wenn etwas großartig ist, muss es nicht gut sein.

So sieht der restliche Prozess aus

Während wir das KI-native Vor-Ort-Vorstellungsgespräch weiterentwickelt haben, haben wir auch den restlichen Bewerbungsprozess überdacht. Bei unserem telefonischen Coding-Screening mussten Bewerbende weiterhin ohne KI-Hilfe in einem Online-Editor Code schreiben. Eine App per Vibe-Coding zu erstellen, ist allerdings relativ einfach. Die schwierigere und relevantere Aufgabe besteht darin, sie skalierbar in Produktion zu bringen. Deshalb haben wir das telefonische Screening durch ein Systemdesign-Interview ersetzt, um dem besser gerecht zu werden.

Die KI-nativen Vor-Ort-Tests prüfen zwar Produktverständnis und die Entwicklung von 0 zu 1. Sie erfassen aber nicht, wie jemand ein Feature von 1 auf N in einer gewachsenen, komplexen Codebase weiterentwickelt. Um das abzudecken, testen wir derzeit ein Debugging-Gespräch. Die Kandidaten erhalten hierzu eine mittelgroße Codebase und den Pull-Request-Entwurf eines Kollegen, der ein systemübergreifendes Feature einführt. Ihre Aufgabe ist es, diesen zu prüfen und zu verbessern – den Code ausführen, die Ausgabe zu analysieren und ihn mithilfe von Coding-Agenten Schritt für Schritt feinzuschleifen. Wie stark KI in diesem Bewerbungsgespräch eingesetzt wird, steht noch nicht fest, da neue Modelle viele Fehlerkorrekturen bereits im ersten Anlauf lösen können.

Was haben wir gelernt?

Wir stellen aufgrund von Stärken ein, nicht nach der bloßen Abwesenheit von Schwächen. So bekommen wir ein viel besseres Bild davon, wo jemand glänzt und wo noch Lücken sind. Manche brillieren beispielsweise bei Produktstrategie und Eigeninitiative, während das Systemverständnis noch ausbaufähig ist. Unsere Nachbesprechungen haben sich von „Sollten wir diese Person einstellen?“ zu „Wo würde diese Person besonders gut passen und wie können wir sie unterstützen?“ verlagert.

Wir bitten alle Kandidaten um Feedback und viele meinten sogar, dass dies das Bewerbungsgespräch war, das Ihnen bisher am meisten Spaß gemacht hat. Ein Quiz-Fan entwickelte etwa ein KI-gestütztes Spiel, das die Nutzer vollkommen in seinen Rätselfieber-Bann ziehen sollte – die Demo bestand schlicht daraus, dass der Gesprächspartner es selbst gespielt hat. In einem anderen Fall entwickelte ein Backend-Entwickler ein Headless-Simulationstool und nutzte einen Agenten mit einer Markdown-Datei, um durch die Demo zu führen.

Dieses Format bringt aber auch Herausforderungen mit sich. Es ist offen angelegt, was die Standardisierung erschwert. Um dem entgegenzuwirken, haben wir eine Reihe von Bewertungskriterien aufgestellt, die unabhängig davon gelten, was die Kandidatin oder der Kandidat entwickelt. Zudem führen wir Vorstellungsgespräche zu zweit durch, um die Vergleichbarkeit von Bewertungen zu verbessern. Wir haben außerdem diskutiert, ob dieser Ansatz auch für den Infrastrukturbereich geeignet ist, und sind zu dem Schluss gekommen, dass dies der Fall ist — viele Infrastrukturentwickler erstellen inzwischen Full-Stack-Tools oder Agenten und arbeiten dabei eng mit dem Produktteam zusammen, um den Kundenbedürfnissen durchgängig gerecht werden. Allerdings haben wir unser Auswahlkonzept leicht angepasst, um die für den Infrastrukturbereich relevanten Signale besser zu erfassen.

Dass immer hochleistungsfähigere Programmieragenten entstehen, bringt uns dazu, Sierra von Grund auf neu zu denken – von unserer Art zu entwickeln (wir nutzen Ghostwriter, um Agenten durch Agenten entwickeln und optimieren zu lassen) bis hin zu unserer Einstellungspraxis. Angesichts des rasanten Wandels ist das erst der Anfang. Und ja, wir stellen weiterhin ein. Wenn Sie also Lust haben, gemeinsam mit uns all das weiterzuentwickeln, erfahren Sie hier mehr: sierra.ai/careers.