Warum VCs Recruiting-Startups nicht mögen

• Recruiting-Startups haben aufgrund von starker Zyklizität und unvorhersehbaren Umsätzen eine für VC-Investments ungeeignete Struktur
• Der Erfolg lässt sich nur schwer messen, und Kunden (Startups) sind im Hiring oft unerfahren, wodurch sich die Produktwirkung nur schwer belegen lässt
• Nutzer bevorzugen Tools, bei denen eher „Aufwand“ als tatsächliche Ergebnisse sichtbar werden, und Automatisierung stößt eher auf Widerstand
• Zwischen den Tools gibt es wenig Differenzierung, bei gleichzeitig hartem Wettbewerb, und exklusive Beziehungen lassen sich fast nie aufbauen
• Mit zunehmendem Wachstum entsteht eine inverse Korrelation zwischen Nutzer- und Kandidatenqualität (negative Netzwerkeffekte)

---

Warum Venture Capital Recruiting-Startups meidet

• Als Dover 2019 gegründet wurde, schien die Einführung von Automatisierung und Algorithmen im Recruiting-Markt eine klare Chance zu sein
• Investoren waren jedoch emotional skeptisch, und die gescheiterten Beispiele der letzten 10 bis 20 Jahre stützten diese Sicht
• Dover erhielt zwar Investments von Founders Fund und Tiger, doch dabei wurde deutlich, wie schwer es ist, auf Venture-Scale zu wachsen

1. Recruiting ist eine extrem zyklische Branche

• In makroökonomischen Abschwungphasen ist Hiring eines der ersten Budgets, das gekürzt wird
  • 2022 fiel der Umsatz von Dover gegenüber dem Höchststand um 70 %
  • Auch große Recruiting-Plattformen verzeichnen in Abschwüngen Umsatzrückgänge von 30 bis 50 %
• VCs erwarten zinseszinsartiges Wachstum, doch der Recruiting-Markt ist von wiederkehrenden Einbrüchen und Erholungen geprägt
• Startup-Kunden stellen nach einer Finanzierung oft drei Monate lang intensiv ein und pausieren dann neun Monate
  • Dadurch lassen sich nur schwer stabile Umsätze aufbauen
  • Es braucht Strategien zur Absicherung über langfristige Verträge wie bei LinkedIn oder Greenhouse

2. Recruiting-Erfolg ist fast unmöglich zu messen

• Kennzahlen wie Hires pro Stunde oder Hiring-Geschwindigkeit existieren zwar, sind aber meist wenig aussagekräftig
• Jede Einstellung hat je nach Situation zu viele Variablen
  • Rolle, Unternehmensphase, Marktlage, Flexibilität bei der Vergütung, Einbindung des Hiring-Teams usw.
• Kunden sind skeptisch und denken oft: „Das passt wahrscheinlich nicht zu unserer Situation.“
• Dadurch ist es schwierig, einen Erfolgsweg zu messen oder zu wiederholen, und vieles stützt sich auf Intuition

3. Kunden (Startups) sind besonders schlecht im Hiring

• Startups haben:
  • wenig Budget
  • überzogen hohe Ansprüche an Talente
  • unrealistische Zeitpläne
• Prozesse sind chaotisch, und einmalige bzw. spontane Vorgehensweisen werden bevorzugt
• Hiring-Entscheidungen hängen von den Gründern ab, sodass bei geänderten Prioritäten die Einstellung sofort stoppt
• Häufig gilt: Je stärker eine Organisation beim Hiring scheitert, desto eher verlässt sie sich auf externe Services (adverse Selektion)

4. Man muss Schaufenster-Kennzahlen bedienen

• Statt echter Ergebnisse zählen oft Kennzahlen, die nur wie Erfolg aussehen
• Beispiele: wiederholter Wechsel des ATS oder rotierender Einsatz von E-Mail-Automatisierungstools
• Nutzeranforderungen führen oft zu Feature-Wünschen mit minimalem Einfluss
  • z. B. A/B-Tests für die dritte E-Mail
• Am Ende wird das Produkt mit Funktionen überladen und schwerfällig, Nutzer ermüden und wandern ab

5. Es ist schwer, exklusive Beziehungen aufzubauen

• Startups nutzen mehrere Tools und mehrere Agenturen gleichzeitig
• Entscheidend ist allein, wer zuerst gute Kandidaten liefert
  • Langfristige Produktqualität und User Experience spielen kaum eine Rolle
• Wenn Hiring erfolgreich ist, lässt sich die Ursache schwer zuordnen, daher ist schon der Nachweis des eigenen Beitrags schwierig

6. Der Widerstand gegen Automatisierung ist stark

• Selbst grundlegende Aufgaben werden ungern automatisiert (z. B. Terminierungs-E-Mails)
• Gründe dafür sind unter anderem:
  • Angst vor Ersetzung
  • der Wunsch nach Kontrolle über jeden Schritt
  • „sichtbarer Einsatz“ durch manuelle Arbeit
  • die Sorge, dass bei besseren Ergebnissen durch Automatisierung Personal oder Budget gekürzt werden könnten
• Dadurch entsteht eine Kultur, in der zeitlicher Aufwand überzeugender wirkt als Effizienz, unabhängig vom Ergebnis

7. Recruiting-Produkte haben „negative Netzwerkeffekte“

• Je stärker eine Plattform wächst, desto schlechter wird die Qualität der Kandidaten
• Beispiel: früher Erfolg von Triplebyte → Massenadaption → sinkende Kandidatenqualität → Abwanderung der Nutzer
• Wenn alle im selben Pool konkurrieren, sinkt die Attraktivität des Angebots
• Für Wettbewerbsvorteile braucht es differenzierte Kandidaten oder Ansätze, doch mit zunehmender Verbreitung wird genau das unmöglich

---

Aufgrund dieser strukturellen Probleme sind VCs Recruiting-Startups gegenüber instinktiv skeptisch
Wer ein Recruiting-Startup gründen will, muss nicht nur gegen Wettbewerber, sondern gegen die Marktstruktur selbst kämpfen