Tony Wang13 Min. LesezeitAI-Erwähnungen in Stellenanzeigen beschleunigen sich – sogar bei denselben Arbeitgebern
Claude-, ChatGPT- und OpenAI-Erwähnungen sind 2–5x höher in neuesten Postings bei denselben Arbeitgebern. Kein Textlängen-Artefakt.
Suche in einem Jobs-Datensatz nach „ChatGPT" oder „Copilot", und du stößt schnell an eine Wand: Ab ein paar Tausend Treffern kann dir die API nicht mehr sagen, wie viele es noch gibt — Elasticsearch hört auf zu zählen jenseits eines 10.000-Ergebnis-Fensters, dieselbe Grenze, die jede naive Keyword-Suche in dieser Serie stolpern lässt. Schlimmer noch: viele der „AI"-Treffer haben gar nichts mit AI zu tun: „Copilot" fängt Copilot-Stellen aus der Luftfahrt ein, „LLM" fängt Master-of-Laws-Postings ein, und das nackte „AI" taucht mittlerweile in Boilerplate-Absätzen zur Hiring-Offenlegung auf, unabhängig von der Rolle.
Behebe die Zählmethode — eine dokumentierte Stichprobe statt einer gedeckelten Gesamtsumme, Wortgrenzen-Matching mit expliziter Disambiguierung statt roher Substrings — und ein echtes Signal übersteht das: die neuesten Job-Postings erwähnen AI-Tools deutlich häufiger als ältere Postings derselben Arbeitgeber. Nicht weil trendige Startups häufiger posten. Nicht weil aktuelle Listings einfach längeren Text haben. Der Effekt hält innerhalb der Firmenpopulation eines einzelnen ATS-Anbieters, und er ist genau dort am stärksten, wo man es erwarten würde — bei Ashby, dem ATS, das Startups und AI-Labs tatsächlich nutzen.
Der naheliegende Ansatz bricht zuerst
Fragst du „wie viele Job-Postings erwähnen GitHub Copilot?", ist der natürliche Move search?q=GitHub Copilot und total zu lesen. Diese Zahl kommt 10.000+, gedeckelt zurück — genau wie Perplexity, Midjourney, „AI agent", nacktes „LLM" und fast jeder andere Begriff, den wir versucht haben, außer einer Handvoll eindeutiger Einzelmarkennamen.
Die Obergrenze ist nicht das einzige Problem. Mehrdeutige Begriffe ertrinken in falschen Positiven, lange bevor sie sie erreichen würden. Wir haben das direkt getestet: in einer Stichprobe von 8.000 Postings traf das rohe Wort „Cursor" auf 26 Postings — fast ausschließlich im Sinne des Mauszeigers in UI/QA-Stellenbeschreibungen, nicht des AI-Code-Editors. Echten AI-Kontext in der Nähe zu verlangen („AI", „code editor", „IDE") reduzierte das auf 1. „Copilot" allein traf auf 32; „GitHub", „Microsoft" oder „AI" in der Nähe zu verlangen brachte es auf 25 — eine kleinere, aber immer noch echte Korrektur, da es auch Luftfahrt- und generische-Redewendung-Postings mit „copilot" gibt.
| Begriff | Naives Wortgrenzen-Matching | AI-Kontext erforderlich | Was die naive Zählung erfasste |
|---|---|---|---|
| Cursor | 26 (0,33 %) | 1 (0,01 %) | Mauszeiger-UI/QA-Sprache, fast ausschließlich |
| Copilot | 32 (0,40 %) | 25 (0,31 %) | Luftfahrt-Copilot-Rollen, generische Redewendung |
Deshalb stützt sich diese Studie auf eine Stichprobe mit Disambiguierungsregeln statt auf eine Live-Suchgesamtsumme — die Gesamtsumme kann entweder nicht über 10.000 hinaus zählen, oder sie zählt das Falsche.
Was über den gesamten Bestand offener Postings erwähnt wird
Beschränkt man sich auf die wenigen AI-Markennamen, die eindeutig genug sind, um unter der Suchobergrenze zu bleiben, liefert der gesamte Corpus — jedes offene Posting, nicht nur die aktuellen — exakte Zahlen. ChatGPT führt mit weitem Abstand.
Als Anteil an allen 1.859.828 offenen Postings: ChatGPT 0,48 %, OpenAI 0,38 %, Anthropic 0,23 %, Claude 0,19 %, „Generative AI" 0,05 %, Gemini 0,03 %. Kleine Prozentsätze — aber das ist der Bestand von allem, was aktuell offen ist, angehäuft über die jeweilige Live-Dauer jedes Postings. Er sagt nichts über die Richtung aus. Dafür braucht man den neuesten Ausschnitt.
Die neuesten Postings erzählen eine andere Geschichte
Sortiere die Postings desselben Providers nach „zuletzt gepostet" statt nach Firmenname, und AI-Tool-Erwähnungen springen — konsistent, über jeden AI-lastigen Provider, den wir geprüft haben.
| Provider | Claude | ChatGPT | OpenAI | „Generative AI" |
|---|---|---|---|---|
| Ashby — recent | 7,8 % | 4,8 % | 4,4 % | 3,6 % |
| Ashby — control | 3,5 % | 1,2 % | 0,9 % | 3,5 % |
| Greenhouse — recent | 2,1 % | 0,9 % | 0,8 % | 1,6 % |
| Greenhouse — control | 2,0 % | 1,1 % | 0,2 % | 0,5 % |
| Workday — recent | 0,5 % | 0,4 % | 0,1 % | 0,7 % |
| Workday — control | 0 % | 0,1 % | 0 % | 0,1 % |
| Oracle — recent | 0,1 % | 0,2 % | 0 % | 0,3 % |
| Oracle — control | 0,1 % | 0 % | 0 % | 0 % |
| SmartRecruiters — recent | 0,1 % | 0,1 % | 0,1 % | 0 % |
| SmartRecruiters — control | 0 % | 0 % | 0 % | 0 % |
| Lever — recent | 0,4 % | 0,1 % | 0,1 % | 0,6 % |
| Lever — control | 0,3 % | 0 % | 0,2 % | 0,7 % |
Ashby ist der klarste Fall. Claude-Erwähnungen liegen in den neuesten Postings 2,2x höher (7,8 % vs 3,5 % — 78 vs 35 Treffer, groß genug, um vertrauenswürdig zu sein), ChatGPT 4x (4,8 % vs 1,2 %), OpenAI 4,9x (4,4 % vs 0,9 %). Ashby ist das ATS, das die meisten Startups und AI-Labs nutzen, also ist das nahe an „AI-Firmen sprechen in ihren eigenen Stellenanzeigen mehr über AI-Tools als früher" — für sich genommen kein schockierender Befund, außer dass sich dieselbe Richtung bei Greenhouse und sogar bei Workday zeigt, ATS-Anbietern mit einer deutlich konventionelleren Enterprise-Kundenbasis. Bei SmartRecruiters und Lever fehlt er — AI-Erwähnungen bleiben dort nahe null, unabhängig von der Aktualität. Der Effekt ist nicht universell, er konzentriert sich dort, wo man AI-orientierte Arbeitgeber erwarten würde.
Die langweiligen Erklärungen ausschließen
Zwei Einwände sind naheliegend genug, um sie zu prüfen, bevor man dem vertraut.
Ist „recent" heimlich nur „mehr Ashby/Greenhouse, weniger Workday"? Eine nach Aktualität sortierte Stichprobe über alle Provider hat tatsächlich einen verzerrten Mix — aber nicht in die Richtung, die den Effekt erklären würde:
| Provider | Anteil an aktualitätssortierter Stichprobe | Echter Corpus-Anteil | Verhältnis |
|---|---|---|---|
| SmartRecruiters | 44,3 % | 13,7 % | 3,24x übergewichtet |
| Oracle | 15,2 % | 11,2 % | 1,35x übergewichtet |
| Ashby | 2,7 % | 2,6 % | 1,03x, ungefähr passend |
| Greenhouse | 8,1 % | 9,4 % | 0,86x untergewichtet |
| Lever | 2,1 % | 3,2 % | 0,68x untergewichtet |
| Workday | 13,2 % | 46,6 % | 0,28x untergewichtet |
Eine aktualitätssortierte Stichprobe ist dramatisch übergewichtet auf SmartRecruiters (3,24x) — einen Provider mit nahezu null AI-Erwähnungen unabhängig von der Aktualität — und untergewichtet auf Workday (0,28x) und Greenhouse (0,86x). Wenn überhaupt, hätte diese Mix-Verschiebung die naive Top-Line-AI-Erwähnungsrate verwässern, nicht aufblähen sollen. Der oben stehende Provider-interne Vergleich, der den Provider konstant hält, ist der echte Test — und er übersteht ihn.
Ist „recent" heimlich nur „längerer, vollständiger gescrapter Beschreibungstext"? Mehr Text erhöht mechanisch die Chance, dass irgendein gegebenes Keyword irgendwo darin auftaucht, unabhängig vom tatsächlichen Inhalt.
| Provider | Recent — Ø Zeichen | Control — Ø Zeichen | Differenz |
|---|---|---|---|
| Ashby | 5.372 | 5.308 | +1,2 % |
| Greenhouse | 5.531 | 5.021 | +10,2 % |
| Workday | 4.464 | 5.658 | −21,1 % |
Ashby ist mit +1,2 % im Wesentlichen flach, trotz einer 2- bis 5-fachen AI-Erwähnungslücke. Greenhouses +10,2 % sind real, aber viel zu klein, um einen 3- bis 4-fachen Ratenunterschied für sich allein zu erklären. Workdays neueste Postings sind 21 % kürzer, nicht länger — die falsche Richtung für ein Längenartefakt — erwähnen aber trotzdem häufiger AI-Tools. Keiner der beiden Störfaktoren übersteht den Kontakt mit den Daten.
Skills, zur Referenz
Dieselbe Sampling-Methode umgeht die 10.000-Ergebnis-Obergrenze auch für allgemeine Skill-Begriffe — jeder der 17 gängigen Skills, die wir über eine rohe Suchgesamtsumme geprüft haben, stieß an diese Obergrenze, unbrauchbar, um irgendetwas zu ranken. In der Stichprobe von 8.000 Postings liefert Wortgrenzen-Matching echte Zahlen:
| Skill | Postings | % der Stichprobe |
|---|---|---|
| Excel | 722 | 9,03 % |
| Python | 433 | 5,41 % |
| Project Management | 385 | 4,81 % |
| AWS | 276 | 3,45 % |
| SQL | 269 | 3,36 % |
| Salesforce | 216 | 2,70 % |
| Machine Learning | 192 | 2,40 % |
| Azure | 164 | 2,05 % |
| Kubernetes | 155 | 1,94 % |
| Java | 104 | 1,30 % |
| TypeScript | 101 | 1,26 % |
| React | 101 | 1,26 % |
| Power BI | 95 | 1,19 % |
| JavaScript | 91 | 1,14 % |
| Docker | 89 | 1,11 % |
| Google Cloud | 68 | 0,85 % |
| Git | 63 | 0,79 % |
| Tableau | 56 | 0,70 % |
| Node.js | 36 | 0,45 % |
Dass Excel vor Python liegt, ist eine nützliche Selbstkontrolle: dieser Datensatz umfasst Retail-, Healthcare- und Field-Services-Hiring neben Tech (der Job-Postings-Datensatz schlüsselt dasselbe Volumen nach Department-Label auf), also ist ein von Office-Suite-Grundlagen dominiertes Skills-Ranking genau das, was eine ehrliche, ungefilterte Stichprobe zeigen sollte.
Was das nicht ist
- Keine datierte Zeitreihe. Die öffentliche API hat keinen Datumsbereichsfilter; „recent" vs „control" ist ein Aktualitäts-Proxy aus zwei Sortierreihenfolgen, keine monatliche oder wöchentliche Trendkurve.
- Kein Beweis, dass Claude ChatGPT überholt hat. ChatGPT führt den gesamten Bestand offener Postings weiterhin mit weitem Abstand an (8.854 vs 3.561). Der Aktualitätseffekt ist ein Wachstumssignal obendrauf auf diesem Bestand, keine Umkehrung davon — noch nicht.
- Keine „% der Jobs erfordert AI-Skills"-Aussage. Nacktes „AI" trifft auf 17,06 % der Stichprobe von 8.000 Postings, aber unsere Boilerplate-Strip-Liste erfasste nur 0,03 % der Postings — was bedeutet, dass diese Zahl sehr wahrscheinlich immer noch durch EEO-/AI-Hiring-Disclosure-Absätze aufgebläht wird, die viele ATS-Templates unabhängig von der Rolle anhängen, und wir haben keine ausreichend vollständige Boilerplate-Bibliothek, um sie zu bereinigen. Wir berichten sie, markiert, statt so zu tun, als wäre sie sauber.
- Keine kausale Aussage. Mehr Erwähnungen von AI-Tools in Stellenanzeigen ist nicht dasselbe wie mehr AI-Adoption, mehr AI-Hiring oder höhere AI-Skill-Anforderungen — es ist, was Arbeitgeber sich entschieden haben aufzuschreiben.
Wem das hilft
Analysten / Data Engineering: wenn du irgendeine Art von Keyword-Prävalenz-Metrik aus Volltext-Job-Daten baust, prüfe deinen Nenner gegen die Ergebnisfenster-Obergrenze der Such-API, bevor du einer total vertraust, und baue Disambiguierungsregeln für jeden Begriff, der mit unverwandtem gängigem Sprachgebrauch kollidiert — die gesamte Methode dieses Posts existiert, weil „Cursor" allein Müll gewesen wäre.
Recruiting- / Employer-Brand-Teams: die AI-Erwähnungsbeschleunigung ist real, aber providerabhängig — sie folgt dem ATS, das die Firmenkategorie eines Arbeitgebers tendenziell nutzt, nicht einer universellen Verschiebung.
Forscher, die die Serie zitieren: der Aktualitätseffekt ist bei Ashby am stärksten und zuverlässigsten; behandle die Workday-/Oracle-Zahlen als richtungsweisend nahelegend, nicht unabhängig schlüssig, angesichts der geringen Trefferzahlen.
Frag AI-Tool- und Skill-Erwähnungen über 14 ATS-Provider selbst ab
Durchsuche offene Rollen, filter nach Provider und Department, und zieh dieselben Postings, die diese Studie sampelt — dieselbe REST-Oberfläche, 2.000 Free Credits pro Monat, keine Karte.
Häufig gestellte Fragen
Hat Claude ChatGPT bei Stellenanzeigen überholt?
Nicht im gesamten Bestand offener Postings — ChatGPT führt weiterhin mit 8.854 Erwähnungen gegenüber Claudes 3.561 (Snapshot 2026-07-30). Aber in den neuesten Postings bei Ashby wird Claude in 7,8 % der Listings erwähnt gegenüber 3,5 % in einem älteren Querschnitt derselben Arbeitgeber — ein 2,2-facher Aktualitätseffekt, der bei ChatGPT (4x) und OpenAI (4,9x) beim selben Provider noch größer ist. Es ist ein Wachstumssignal obendrauf auf dem Bestand, kein Beweis einer Umkehrung.
Woher weiß man, dass der Aktualitätseffekt nicht einfach mehr postende Startups bedeutet?
Wir haben es geprüft. Eine aktualitätssortierte Stichprobe ist tatsächlich untergewichtet auf das AI-lastige Ashby (1,03x seines echten Anteils) und Greenhouse (0,86x) gegenüber SmartRecruiters (3,24x übergewichtet, nahezu null AI-Erwähnungen) und Workday (0,28x untergewichtet). Würde der Provider-Mix den Effekt erklären, würde er in die falsche Richtung wirken. Der Provider-interne Vergleich — dieselben Arbeitgeber, recent vs. ein älterer Querschnitt — hält den Mix konstant, und der Effekt übersteht das.
Könnten aktuelle Postings einfach längeren, vollständigeren Beschreibungstext haben?
Auch das haben wir geprüft. Ashbys aktuelle und ältere Stichproben haben nahezu identische durchschnittliche Beschreibungslänge (5.372 vs 5.308 Zeichen). Workdays aktuelle Postings sind sogar 21 % kürzer als die ältere Stichprobe, erwähnen aber trotzdem häufiger AI-Tools — das Gegenteil dessen, was ein Textlängen-Artefakt vorhersagen würde.
Warum nicht einfach nach diesen Begriffen suchen und die Gesamtsumme zählen?
Jeder gängige AI-Begriff, den wir getestet haben (GitHub Copilot, Perplexity, Midjourney, nacktes «AI agent», «LLM»), stieß an die 10.000-Ergebnis-Obergrenze der Jobs-Such-API, was eine rohe Gesamtsumme für ein Ranking unbrauchbar macht. Mehrdeutige Einzelwörter sind schlimmer: «Cursor» traf in einer Stichprobe von 8.000 Postings auf 26 Treffer, aber 25 davon waren Mauszeiger-UI-Sprache, nicht der AI-Code-Editor — echten AI-Kontext in der Nähe zu verlangen reduzierte das auf 1.
Welcher Prozentsatz an Jobs erfordert AI-Skills?
Diese Studie kann das nicht ehrlich beantworten. Nacktes «AI» trifft auf 17,06 % einer Stichprobe von 8.000 Postings, aber bekannte EEO-/AI-Hiring-Disclosure-Boilerplate, die viele ATS-Templates unabhängig von der Rolle anhängen, bläht diese Zahl auf, und unsere Boilerplate-Strip-Liste erfasste nur 0,03 % der Postings — bei weitem nicht vollständig. Wir berichten die Zahl markiert als unzuverlässig, statt sie als echte Skills-Nachfragezahl darzustellen.
Welche allgemeinen Skills werden in Stellenanzeigen am häufigsten erwähnt?
In derselben Stichprobe von 8.000 Postings: Excel 9,03 %, Python 5,41 %, Project Management 4,81 %, AWS 3,45 %, SQL 3,36 %, Salesforce 2,70 %, Machine Learning 2,40 %. Dass Excel vor Python liegt, spiegelt wider, dass dieser Datensatz neben Tech auch Retail-, Healthcare- und Field-Services-Hiring umfasst, nicht nur Software-Rollen.