Perplexity + Claude + Mensch: Die richtige Kombination
In der letzten Edition habe ich dir versprochen: vier Editionen über die Rolle der KI bei der Erstellung meiner Umfrage "KI im Executive Search: Zwischen Hype und Handlungsbedarf". In diesen vier Editionen erkläre ich dir offen und tranparent wie ich die KI eingesetzt habe, was funktioniert hat, was nicht und warum das für dich wichtig ist. Heute geht es um die Recherche-Phase und die Fragebogen-Entwicklung, also um die Frage: Wie bereite ich mich vor, um die richtigen Fragen zu stellen?
Die Antwort ist nicht magisch, aber das muss sie auch gar nicht sein: Mit den richtigen Werkzeugen, den richtigen Menschen und einer Menge Validierung.
Perplexity Pro statt ChatGPT oder Claude
Die erste Entscheidung war eigentlich banal: Welches Tool nutze ich für die Recherche? Ich hätte ChatGPT nehmen können, aber ich bin bei Perplexity Pro gelandet. Der Grund ist simpel: viel bessere Research-Tiefe, Quellen selbst wählbar, und insgesamt überlegen gegenüber Claude, Gemini oder ChatGPT, wenn es um Recherche geht.
Das war wichtig, weil ich erst mal verstehen musste, wo wir eigentlich stehen. Was sagt der Markt gerade zum Thema KI und Executive Search? Was sagt die Wissenschaft? Welche News gibt es? Und natürlich: Wie sieht es datenschutzrechtlich aus, vor allem im Vergleich zwischen USA und Europa?
Die Hypothesen, die ich validiert habe
Ich bin mit drei Hypothesen in die Recherche gegangen:
Hypothese 1: Die USA sind deutlich weiter. Das ist logisch, nicht nur weil der Datenschutz dort anders ist. Viele der grossen Player sitzen dort, und die Unternehmerschaft ist bei neuen Technologien oft schneller unterwegs als wir in Europa. Was dort normal ist, ist in Europa "tricky" — nicht unmöglich, aber es braucht andere Safeguards, andere Vorsichtsmassnahmen.
Hypothese 2: Zwischen den grossen Playern und den Boutique-Playern gibt es massive Unterschiede in dem, was möglich ist. Grosse Player haben andere Budgets für spezialisierte Tools und Custom-Entwicklungen. Und damit meine ich nicht primär finanzielle Ressourcen, sondern auch personelle. Die kleineren sind oft sehr effizient aufgestellt, nicht selten ohne dedizierte IT-Abteilung.
Hypothese 3: Um mit KI einen echten Mehrwert zu erreichen, braucht es weder grosse Budgets noch massive finanzielle Ressourcen. Das war übrigens die Hypothese, bei der Perplexity mir am wenigsten liefern konnte. Keine Studien, keine Fallbeispiele, keine belastbaren Daten. Das machte sie zu einer echten Forschungsfrage für die Studie.
Perplexity hat mir geholfen, die ersten beiden Hypothesen zu validieren und zu differenzieren. Bei der dritten bin ich an die Grenzen der KI-Recherche gestossen und genau das war der Punkt: Das musste ich empirisch überprüfen. Und das ist genau der Mehrwert für dich als Leser: Wenn du weisst, wo die Grenzen sind, kannst du bessere Entscheidungen treffen.
Claude und der Fragebogen
Nach der Recherche ging es an die Fragebogen-Entwicklung. Ich habe Claude Sonnet 4.6 genutzt (über Langdock) und ihm meine Recherche-Einblicke sowie Stichpunkte gegeben: wie ich die Umfrage gestalten möchte, was ich damit erreichen will.
Claude hat das gut gemacht. Der Fragebogen war strukturiert, logisch, auf Basis meiner Zielsetzung und der Recherche.
Allerdings: Claude hatte kein Domain Knowledge.
Wo der Mensch unersetzbar ist
Ich habe den Fragebogen selbst überprüft und dann zwei externe Perspektiven eingeholt:
1. Datenschutz-Experte: Rechtliche Sauberkeit, DSGVO/DSG, keine versteckten Fallstricke.
2. Kollegin aus dem Executive Search: Sie hat vor allem auf Verständlichkeit gelesen. Würden das Executive Search Partner verstehen? Ist die Terminologie richtig? Sprechen wir die gleiche Sprache?
Das war der unfassbare Mehrwert. Meine jahrelange Erfahrung mit Boutique-Unternehmen im Beratungssektor, meine Expertise im Umgang mit diesem Markt — das konnte Claude nicht bringen. Und die Kollegin hat Fragen gestellt, die ich selbst nicht mehr gestellt hätte, weil ich zu nah am Thema bin.
Was nicht funktioniert hat
Pragmatisch gesagt: Die Implementierung war einfach nur mühsam. Ich wollte den Fragebogen direkt über einen Connector in MS Forms publizieren. Das funktioniert nicht bei Umfragen mit Verzweigungen. 2026 hätte ich das erwartet. War aber nicht der Fall.
Also: Microsoft Forms, manuell, pragmatisch. Es funktioniert, aber es ist nicht elegant (und ehrlich gesagt mühsam). Das sind einfach Arbeiten, die ich nicht mehr selbst erledigen möchte.
Das Learning
KI generiert schnell und strukturiert. Menschen validieren, kontextualisieren und bringen Domain Knowledge. Allein macht KI hier nicht den Job. Zusammen ist es unschlagbar.
Und für deinen Arbeitsalltag? Du brauchst keine grossen KI-Budgets, keine super fancy Tools. Du brauchst die richtige Kombination aus Werkzeugen, Expertise und Menschen, die dein Geschäft verstehen.
Bleib kritisch
Elena
P.S. Nächste Edition: Wie wir die Kontakte und deren Koordinaten recherchiert haben und welche Rolle KI dabei spielte (Spoiler: eine sehr grosse!)
