Einige Beispiele dafür, wie KI derzeit unsere Arbeit verändert.
Änderungen im Profil „Python Developer“.
Python hat das Backend dominiert (23 % der Angebote in Polen) und Java überholt. Aber die einfache Suche nach einem „Python Developer“ garantiert heute eine Flut nutzloser Bewerbungen. Der Markt hat sich in zwei Hälften geteilt:
- Klassisches Backend (Django/FastAPI): Stabile Tarife, hohe Verfügbarkeit der Kandidaten. Die Rekrutierung erfolgt hier schnell.
- AI/LLM Engineer (RAG, Finetuning, Agenten-Integration, LangChain): Kandidaten mit diesen Fähigkeiten kosten 35–50 % mehr als herkömmliche Backend-Entwickler.
Empfehlungen
- Ändern Sie das Briefing mit dem Hiring Manager: Klären Sie, ob Sie ein weiteres CRUD-System bauen oder Sprachmodelle implementieren. Wenn letzteres der Fall ist, zieht eine Anzeige mit dem Titel „Python Developer“ Personen nach 3-wöchigen KI-Prompting-Bootcamps an.
- Lebenslaufprüfung: Ignorieren Sie Einträge wie „KI-Kenntnisse“. Suchen Sie in Portfolios nach echten Produktionsbereitstellungen unter Verwendung von Vektordatenbanken (z. B. Pinecone, Qdrant) und API-Kostenoptimierung (Token-Management).
Der „Tod“ des Juniors (5 % der Angebote) und Aufstieg dank KI
Die Statistiken von No Fluff Jobs und Just Join IT sind eindeutig: 95 % der Stellenangebote in Polen richten sich an Mid- und Senior-Positionen (wobei Senioren bis zu 60 % ausmachen). Für Junioren (5 %) gibt es fast keinen Platz. Der Grund liegt jedoch nicht nur in der Kosteneinsparung – Tools wie Cursor oder GitHub Copilot haben es einem motivierten Junior mit einem Jahr Erfahrung ermöglicht, Aufgaben auf dem Niveau eines ehemaligen Mids zu lösen. Sind Junioren die neuen Mids?
Empfehlung
- Ändern Sie den technischen Ablauf: Traditionelle Hausaufgaben für die Rekrutierung haben ihren Sinn verloren. Kandidaten lösen sie in 5 Minuten mithilfe von LLMs. Wechseln Sie zu Live-Coding, das sich auf das Debuggen von durch KI generiertem Code oder die Analyse der Architektur konzentriert. Testen Sie logisches Denken, nicht Syntaxkenntnisse.
- „Shadow Talent“ statt teurer Senioren: Anstatt 30.000 PLN B2B für einen Senior zu zahlen, der bei der erstbesten Gelegenheit geht, implementieren Sie Mentoring-Programme. Ein Junior, der von KI und einem erfahrenen Senior unterstützt wird, erreicht die operative Unabhängigkeit in 3 Monaten statt in einem Jahr.
Hybride Erpressung (41 % vs. 38,5 %)
Zum ersten Mal in der Geschichte des polnischen IT-Marktes hat das hybride Modell (41 % der Angebote) das reine Remote-Modell (38,5 %) überholt. Unternehmensführungen fordern die Rückkehr ins Büro (RTO), da sie an den „Aufbau der Unternehmenskultur“ glauben. Für einen Rekrutierer ist das ein Albtraum.
Empfehlung
- Präsentieren Sie der Geschäftsführung die Kosten: Die Durchsetzung eines hybriden Modells (z. B. 3 Tage im Büro) in Warschau oder Krakau schrumpft Ihren Talentpool um 80–85 % (wodurch das gesamte regionale Polen abgeschnitten wird). Die Time-to-Hire steigt von 25 auf durchschnittlich 58 Tage. Zeigen Sie der Geschäftsführung eine einfache Rechnung: Bürokosten vs. Kosten für eine unbesetzte Stelle über ein Quartal.
- Asynchrones Modell: Wenn das Büro notwendig ist, fördern Sie ein „Smart Hybrid“-Modell – z. B. eine feste Woche im Monat für gemeinsame Arbeit und Planung und die verbleibenden 3 Wochen zu 100 % remote. Dies ermöglicht die Rekrutierung von Personen aus ganz Polen.
Einsatz lokaler KI-Modelle in HR-Prozessen
Die IT-Rekrutierung umfasst die Verarbeitung sensibler personenbezogener Daten (Lebensläufe) und durch NDAs geschützten Codes. Das Senden dieser Informationen an Cloud-APIs (OpenAI, Anthropic) birgt ein hohes Risiko von DSGVO-Verstößen. Die Lösung besteht darin, Open-Weight-Modelle lokal zu hosten.
Hardware-Lösungsanalyse und empfohlene Modelle:
Nachfolgend finden Sie eine Liste der verfügbaren Open-Weight-Modelle für Programmier- und Analyseaufgaben in der Rekrutierung, sortiert nach RAM/VRAM-Anforderungen:
| Zielplattform | Empfohlene Modelle | Erforderlicher RAM/VRAM | Anwendung im HR-Bereich |
|---|---|---|---|
| Laptop / Workstation (Rekrutierer) | Qwen-2.5-Coder-7B Llama-3.1-8B |
8 GB – 16 GB | Scannen von Lebenslauftexten, Erstellen von ersten Interviewfragen basierend auf dem Kandidatenprofil, schnelle Analyse einfacher Testaufgaben (z. B. ausgeführt über Ollama). |
| Entwickler-Desktop (Hiring Manager / Tech Lead) | Qwen-2.5-Coder-32B Codestral-22B DeepSeek-Coder-V2-Lite (16B) |
32 GB – 64 GB | Erweiterte Codeanalyse, Auffinden subtiler logischer Fehler, Bewertung der Qualität von Modultests und Überprüfung der Einhaltung der Architektur. |
| Unternehmensserver (On-Premise / Private Cloud) | LongCat-2.0 (1.6T MoE / 48B active) DeepSeek-Coder-V2 (236B MoE) GLM-5.2 |
128 GB – 256 GB+ | Sichere Sandbox. Mit einem Kontextfenster von 1 Million Token (LongCat-2.0) kann der Server die gesamte Codebasis analysieren, um eine hochspezifische und einzigartige Debugging-Aufgabe (Fehlersuche) für den Kandidaten zu erstellen. |
Autonome Informationsagenten von Google für aktives Sourcing
Traditionelles Direkt-Sourcing über LinkedIn verliert an Effektivität. Ein neuer Ansatz ist der Einsatz von Informationsagenten (z. B. Google Vertex AI Agent Builder / Agent Space), die das Internet autonom überwachen und Kandidaten basierend auf ihren tatsächlichen technischen Beiträgen finden können:
- Kompetenzbasiertes Sourcing: Der Agent überwacht kontinuierlich öffentliche GitHub-Repositories, StackOverflow und Nischenthemen-Foren, um Pull-Requests und Commit-Nachrichten zu analysieren.
- Personalisierter Kontakt: Sobald der Agent einen Entwickler identifiziert, der komplexe Probleme in der gewünschten Technologie löst, entwirft er eine personalisierte Nachricht, die sich auf eine bestimmte Codezeile des Kandidaten bezieht.
Neue KI-Modelle und künftige Marktentwicklung (Juli 2026)
Der Markt für KI-Modelle entwickelt sich in rasantem Tempo. Ende Juni 2026 veröffentlichte xAI Grok 4.5 in der privaten Beta, und Google bereitet sich auf die Präsentation seines verzögerten Modells Gemini 3.5 Pro vor. Unterdessen zeigte der Start des chinesischen Modells LongCat-2.0 (29. Juni 2026), das vollständig auf inländischen ASIC-Chips ohne Nvidia-Prozessoren trainiert wurde, dass leistungsstarke, offene Codierungsmodelle (mit einer Bewertung von 59,5 auf SWE-bench Pro) leicht zugänglich und kostengünstig on-premise zu betreiben sind.
Bibliographie und Quellen:
- Just Join IT & No Fluff Jobs (2026) – Jahresbericht: IT-Arbeitsmarkt in Polen. Gehälter, Technologien und Erwartungen der Kandidaten (Ausgabe Q1 2026).
- Meituan AI Lab (June 2026) – LongCat-2.0: Trillion-Parameter Mixture-of-Experts Model for Agentic Coding.
- Google Cloud (2025/2026) – Vertex AI Agent Builder: Building Enterprise-grade Autonomous Sourcing Workflows.
- SWE-bench Community (2026) – Open-source Coding Models Leaderboard & Benchmarks.
- IDC & ITwiz (2026) – *Nachfrage nach Cloud-, KI- und Cybersicherheitskompetenzen in polnischen Unternehmen.*