Haben Sie sich jemals gefragt, warum eine Vacancy sofort bei Google for Jobs ganz oben erscheint, während Ihr perfekter Job irgendwo im digitalen Niemandsland hängen bleibt? Sie scrollen, klicken, bitten ChatGPT um Hilfe und verpassen dennoch Chancen. Frustrierend, nicht wahr?
In diesem Blogpost zeige ich Ihnen, wie Auffindbarkeit wirklich funktioniert. Sie entdecken, welche Rolle strukturierte Daten, kluge Titel und offene Zugänglichkeit spielen. Ja, ich zeige auch, wie Spadework dabei mit Tools wie dem Vacancy Collector und dem Vacancy Transformer hilft. Am Ende wissen Sie genau, welche Knöpfe Sie drücken müssen, um Ihre Vacancies für Google, ChatGPT und jedes andere kluge LLM sichtbar zu machen.
Warum sehen Sie immer wieder dieselben Vacancies?
Stellen Sie sich vor: Sie tippen „Junior Data-Analyst Amsterdam“ in Google ein. Drei Mal dürfen Sie raten, welche Vacancies Sie bekommen. Genau, die von den bekannten Namen. Öffnen Sie danach ChatGPT? Große Chance, dass Sie erneut auf dieselben Titel stoßen. Es scheint fast, als existiere der Rest des Webs nicht.
Zeit für einen Realitätscheck. Es gibt zwei große Mythen:
Nur große Marken kommen an die Spitze.
Man braucht teure Tools, um das zu ändern.
Beides ist nicht wahr. Es geht vor allem darum, wie Sie Ihre Vacancy anbieten. Lassen Sie uns sehen, wie das funktioniert.
Google for Jobs: der Maschinenraum in einfacher Sprache
Google sieht eine Vacancy als einen speziellen Seitentyp. Vergleichen Sie es mit einem Rezept: auch dort möchte Google wissen, was die Zubereitungszeit und die Zutaten sind. Bei Vacancies sucht der Bot nach festen Labels aus schema.org. Diese Labels sagen:
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. Dann sind Sie gleich im Nachteil.
Die Basislabels, die Sie wirklich brauchen
Titel
Beschreibung
Datum der Veröffentlichung
Art des Jobs (Teilzeit/Vollzeit)
Arbeitsplatz
Gehalt
Fehlt eines davon? Dann verpassen Sie fast immer die blaue Vacancy-Box.
Klassiker, die immer noch schiefgehen
Die Vacancy ist hinter einem Login versteckt.
Der Text steht nur in einer PDF.
Der Recruiter hat es eilig und tippt joblocation statt jobLocation.
Das Veröffentlichungsdatum liegt Wochen zurück.
Gegenüberstellung
Situation | Chance auf Sichtbarkeit |
|---|---|
Offenes HTML + korrektes Schema | Hoch |
Nur eine PDF | Niedrig |
Login erforderlich | Nahe null |
Betrachten Sie es wie eine Bibliothek. Ein Buch ohne Etikett landet irgendwo im Lager. Mit einem klaren Label steht es gleich im Regal, bereit ausgeliehen zu werden.
ChatGPT und andere LLMs: So betrachtet ein Sprachmodell Ihre Vacancy
LLMs basieren auf zwei Quellen:
Trainingsdaten, die manchmal Monate alt sind
Live-Web-Daten über eine browserähnliche Funktion oder ein Plugin
Steht Ihre Vacancy hinter einer Paywall? Dann sieht das Modell sie nicht. Ist das Veröffentlichungsdatum abgelaufen? Dann nimmt der Bot lieber etwas anderes. Einfach.
Trainingsdaten vs. Live-Daten
Trainingsdaten: statisch, weniger aktuell
Live-Daten: frisch, aber nur erreichbar, wenn der Text online öffentlich steht
Promptbeispiel
Nur Vacancies, die offen und gut gelabelt sind, landen in der Antwort. Der Rest bleibt unsichtbar.
Sichtbarkeit dreht sich um drei Schlüssel
Struktur
Verwenden Sie Schema-Labels und strukturieren Sie den Text mit Überschriften und Aufzählungen.Titel und Metadaten
Wählen Sie einen Titel, den Menschen wirklich eingeben. „Customer Success Manager (32-40 Stunden)“ erzielt bessere Werte als „Customer Success Hero“.Zugänglichkeit
Keine Paywall, aber eine mobile Version. Stellen Sie sicher, dass der Bot ungehinderten Zugang zur Seite hat.
Praxistest mit Spadework
Spadework scannt täglich einen großen Berg niederländischer Vacancies. Dabei tauchen immer dieselben Muster auf:
Viele Texte fehlen mindestens ein Pflichtlabel.
Gehaltinformationen fehlen oft, obwohl Google sie liebt.
Ein Teil der Vacancies ist hinter einem Login versteckt und somit sowohl für Google als auch ChatGPT unsichtbar.
Wie die Spadework-Tools helfen
VacatureCollector fischt die Vacancies aus verschiedenen Quellen und stellt sie ordentlich in einer Übersicht dar. Kein Scrollstress mehr.
VacatureTransformer ergänzt automatisch fehlende Labels und poliert den Titel. Das spart Handarbeit und Zeit.
Das Ergebnis? Weniger verpasste Klicks und schneller der richtige Kandidat.
Was ändert sich in den kommenden Jahren?
Immer mehr ATS-Systeme bieten direkte Feeds zu LLMs an.
Arbeitssuchende suchen häufiger nach Fähigkeiten: „Jobs, bei denen ich Python verwenden kann“ anstelle nur eines Jobtitels.
Wer heute schon für offene, strukturierte Daten sorgt, ist morgen vorn.
Checkliste für morgen
Setzen Sie jedes Schema-Label in Ihre Vacancy ein.
Wählen Sie einen durchsuchbaren Jobtitel.
Lassen Sie mindestens eine Teaserseite öffentlich stehen.
Aktualisieren Sie alte Vacancies mit einem frischen Datum.
Testen Sie Ihre Seite im Google Rich Results-Tester und über einen ChatGPT-Prompt.
Zeit, Ihre Vacancy aus dem Schatten zu holen
Neugierig, wie Ihre Vacancies besser sichtbar werden können für Google, ChatGPT und andere KI-Tools?
Buchen Sie eine Demo von Spadework, um den Vacancy Collector und den Vacancy Transformer in Aktion zu sehen, oder werfen Sie einen Blick auf unsere Website für mehr Informationen.
