//

Hast du dich jemals gefragt, warum die eine Vacancy sofort ganz oben bei Google for Jobs landet, während dein perfekter Job irgendwo im digitalen Niemandsland verschwindet? Du scrollst, klickst, fragst ChatGPT um Rat – und verpasst trotzdem Chancen. Frustrierend, oder?
In diesem Blogbeitrag zeige ich dir, wie Auffindbarkeit wirklich funktioniert. Du erfährst, welche Rolle strukturierte Daten, smarte Titel und offene Zugänglichkeit spielen. Und ja, ich zeige dir auch, wie Spadework dich dabei mit dem Vacancy Collector und dem Vacancy Transformer unterstützt. Am Ende weißt du genau, welche Hebel du ansetzen musst, um deine Vacancies für Google, ChatGPT und jedes andere smarte LLM sichtbar zu machen.
Warum siehst du ständig dieselben Vacancies?
Stell dir vor: Du tippst „Junior Data Analyst Amsterdam“ bei Google ein. Dreimal darfst du raten, welche Vacancies du siehst. Genau, die der bekannten Player. Öffnest du danach ChatGPT? Höchstwahrscheinlich stößt du wieder auf dieselben Jobtitel. Es wirkt fast so, als gäbe es das restliche Web überhaupt nicht.
Zeit für einen kurzen Realitätscheck. Es gibt zwei große Mythen:
Nur große Marken schaffen es an die Spitze.
Du brauchst extrem teure Tools, um das zu ändern.
Beides stimmt nicht. Entscheidend ist vor allem, wie du deine Vacancy bereitstellst. Schauen wir uns an, wie das funktioniert.
Google for Jobs: der Maschinenraum einfach erklärt
Google sieht eine Vacancy als ganz speziellen Seitentyp. Stell es dir wie ein Rezept vor: Auch dort will Google wissen, wie lang die Zubereitungszeit ist und welche Zutaten hineingehören. Bei Vacancies scannt der Bot feste Labels aus schema.org. Diese Tags verraten:
wo der Job ist
welches Gehalt dazugehört
wann die Stelle veröffentlicht wurde
Ohne diese Labels kann Google nicht sicher sein, dass es sich um eine Vacancy handelt. Schon fällst du zurück.
Die wichtigsten Basis-Labels, die du wirklich brauchst
Titel
Beschreibung
Veröffentlichungsdatum
Anstellungsart (Teilzeit/Vollzeit)
Arbeitsort
Gehalt
Fehlt auch nur eines? Dann verpasst du fast immer die blaue Job-Box.
Klassische Fehler, die noch immer passieren
Die Vacancy versteckt sich hinter einem Login.
Der Text steht nur in einer PDF.
Es muss schnell gehen, und jemand tippt joblocation statt jobLocation ein.
Das Veröffentlichungsdatum liegt schon Wochen zurück.
Kurz im Vergleich
Situation | Sichtbarkeitschance |
|---|---|
Offenes HTML + korrektes Schema | Hoch |
Nur eine PDF | Niedrig |
Login erforderlich | Fast null |
Vergleiche es mit einer Bibliothek: Ein Buch ohne Etikett verschwindet irgendwo im Magazin. Mit einem klaren Label steht es direkt im Regal – bereit zum Ausleihen.
ChatGPT und andere LLMs: So bewertet ein Sprachmodell deine Vacancy
LLMs stützen sich auf zwei Quellen:
Trainingsdaten, die oft Monate alt sind
Live-Webdaten über eine Browser-Funktion oder ein Plugin
Liegt deine Vacancy hinter einer Paywall? Dann sieht das Modell sie nicht. Ist das Veröffentlichungsdatum längst abgelaufen? Dann greift der Bot lieber zu einer anderen Stelle. Ganz einfach.
Trainingsdaten vs. Live-Daten
Trainingsdaten: statisch, weniger aktuell
Live-Daten: frisch, aber nur erreichbar, wenn der Text öffentlich online steht
Prompt-Beispiel
Nur Vacancies, die frei zugänglich und sauber gelabelt sind, landen in der Antwort. Der Rest bleibt unsichtbar.
Sichtbarkeit basiert auf drei Schlüsselfaktoren
Struktur
Nutze Schema-Labels und gliedere den Text mit Zwischenüberschriften und Aufzählungen.Titel und Metadaten
Wähle einen Titel, nach dem echte Menschen suchen. „Customer Success Manager (32–40 Std.)“ funktioniert besser als „Customer Success Hero“.Zugänglichkeit
Keine Paywall, aber eine mobile Version. Sorge dafür, dass der Bot die Seite barrierefrei crawlen kann.
Praxis-Check mit Spadework
Spadework scannt täglich eine riesige Menge an niederländischen Vacancies. Dabei fallen immer wieder dieselben Muster auf:
Vielen Texten fehlt mindestens ein Pflicht-Label.
Gehaltsangaben fehlen oft komplett – obwohl Google sie liebt.
Ein Teil der Vacancies liegt hinter einem Login und bleibt somit für Google und ChatGPT völlig unsichtbar.
Wie dir die Tools von Spadework helfen
Der Vacancy Collector zieht die Vacancies aus verschiedensten Quellen und bündelt sie übersichtlich an einem Ort. Kein Scroll-Stress mehr.
Vacancy Transformer ergänzt fehlende Labels automatisch und optimiert den Titel. Das spart Zeit und manuelle Arbeit.
Das Ergebnis? Weniger verpasste Klicks und schneller die passenden Talente an Bord.
Was ändert sich in den kommenden Jahren?
Immer mehr ATS-Systeme liefern direkte Feeds an LLMs.
Jobsuchende suchen verstärkt nach Skills: „Jobs, in denen ich Python nutzen kann“ statt nur nach starren Titeln.
Wer schon heute auf offene, strukturierte Daten setzt, hat morgen die Nase vorn.
Deine Checkliste für morgen
Integriere jedes Schema-Label in deine Vacancy.
Wähle einen gut suchbaren Jobtitel.
Halte mindestens eine Teaser-Seite öffentlich zugänglich.
Aktualisiere ältere Vacancies mit einem frischen Datum.
Teste deine Seite im Rich Results Test von Google und über einen ChatGPT-Prompt.
Zeit, deine Vacancy ins Rampenlicht zu rücken
Möchtest du wissen, wie deine Vacancies für Google, ChatGPT und andere KI-Tools noch sichtbarer werden?
Vereinbare eine Demo mit Spadework, um den Vacancy Collector und den Vacancy Transformer live zu erleben, oder entdecke mehr auf unserer Website.


