AI Product Manager Karriere und Gehalt 2026
Du siehst überall AI Product Manager Jobs, aber jede Anzeige klingt anders. Mal geht es um LLMs, mal um Data Pipelines, mal um Prompt Engineering, mal um klassische Roadmaps. Und dann fragst du dich: Bin ich dafür schon gut genug, oder fehlt mir noch ein halbes Informatikstudium?
Die gute Nachricht: Für eine AI Product Manager Karriere 2026 brauchst du nicht zwingend einen PhD in Machine Learning. Du brauchst Produktdenken, technisches Grundverständnis, gute Kommunikation und ein Gefühl dafür, wo AI echten Business Value bringt.
Die weniger bequeme Wahrheit: Der Markt wird anspruchsvoller. Firmen wie SAP, Siemens, BMW, N26, Trade Republic, Personio oder Delivery Hero suchen nicht einfach Leute, die „was mit ChatGPT“ machen. Sie suchen Product Manager, die AI-Produkte von der Idee bis zum Rollout steuern können, inklusive Daten, Risiken, Kosten, Nutzerfeedback und Metriken.
Was macht ein AI Product Manager eigentlich?#
Ein AI Product Manager ist die Person, die AI-Technologie in ein sinnvolles Produkt verwandelt. Du bist nicht nur die Schnittstelle zwischen Business und Tech, sondern auch der Mensch, der ständig fragt: „Löst das wirklich ein Problem, oder ist es nur ein Demo-Effekt?“
Typische Aufgaben sehen so aus:
- Kundenprobleme verstehen
- AI Use Cases priorisieren
- Anforderungen an Modelle, Daten und UX formulieren
- Mit Data Scientists, ML Engineers und Entwicklern zusammenarbeiten
- Roadmap und Releases planen
- Risiken wie Bias, Datenschutz und Halluzinationen managen
- Erfolg messen, zum Beispiel über Adoption, Kosten pro Anfrage oder Conversion
Der große Unterschied zum klassischen Product Manager: Du arbeitest mit Systemen, die nicht immer exakt dasselbe Ergebnis liefern. Ein Button ist ein Button. Ein AI-Modell kann sich je nach Daten, Prompt, Kontext und Version anders verhalten.
Das macht die Rolle spannend, aber auch etwas wilder.
Den nächsten Ratgeber per E-Mail
Neue Ratgeber und aktuelle Jobs in einer kurzen E-Mail. Kostenlos.
Warum AI Product Manager 2026 so gefragt sind#
2023 und 2024 haben viele Unternehmen erstmal experimentiert. Chatbots, interne Wissenssuche, automatische Textgenerierung, Support-Automation, Copilots für Vertrieb oder Coding.
2026 wird es ernster. Jetzt geht es nicht mehr um nette Pilotprojekte, sondern um Produkte, die Geld sparen, Umsatz steigern oder Prozesse schneller machen.
Bei SAP geht es zum Beispiel um AI in Enterprise Software. Bei Siemens um industrielle Anwendungen, Predictive Maintenance und Automatisierung. BMW arbeitet an AI in Produktion, Mobilität, Customer Experience und Fahrzeugsoftware. N26 und Trade Republic schauen stark auf Fraud Detection, Personalisierung, Compliance und automatisierten Support. Personio nutzt AI im HR-Kontext, Delivery Hero bei Logistik, Empfehlungen und Operations.
Heißt für dich: Die Rolle ist nicht auf Big Tech begrenzt. AI Product Manager werden in fast jeder Branche gebraucht.
AI Product Manager Gehalt 2026 in Deutschland und Europa#
Jetzt zum Teil, den du wahrscheinlich heimlich zuerst wissen wolltest: Gehalt.
In Deutschland liegen AI Product Manager Gehälter 2026 grob in diesen Spannen:
- Junior AI Product Manager: ca. €55k bis €75k
- Mid-Level AI Product Manager: ca. €75k bis €100k
- Senior AI Product Manager: ca. €100k bis €135k
- Lead oder Group Product Manager AI: ca. €130k bis €170k
- Head of AI Product: ca. €150k bis €220k, je nach Firma und Bonus
In München, Berlin, Hamburg und Frankfurt sind die Gehälter meist höher als in kleineren Städten. München liegt oft vorn, vor allem bei BMW, Siemens, SAP-nahen Rollen und B2B SaaS.
Berlin ist stark bei Startups und Scaleups. Dort können N26, Trade Republic, Personio, Delivery Hero oder AI-native Startups gute Pakete bieten, manchmal mit Equity.
Gehaltsbeispiele nach Standort
Ein realistischer Blick auf Europa:
- Berlin: Senior AI Product Manager ca. €95k bis €130k
- München: Senior AI Product Manager ca. €105k bis €145k
- Hamburg: ca. €90k bis €125k
- Frankfurt: ca. €95k bis €135k, besonders Fintech und Banking
- Amsterdam: ca. €90k bis €135k
- Paris: ca. €85k bis €125k
- London: ca. £90k bis £150k, bei Top-Firmen mehr
- Zürich: ca. CHF 140k bis CHF 210k
Wichtig: Titel sind nicht überall gleich. Ein „Product Manager AI“ bei einem Konzern kann ähnliche Verantwortung haben wie ein „Senior Product Manager, ML Platform“ bei einem Scaleup.
Schau also nicht nur auf den Titel. Schau auf Scope, Teamgröße, Umsatzwirkung, Reporting Line und Entscheidungsfreiheit.
Was beeinflusst dein AI Product Manager Gehalt?#
Gehalt hängt nicht nur davon ab, ob „AI“ im Jobtitel steht. Recruiter und Hiring Manager schauen viel genauer hin.
1. Produktverantwortung
Hast du nur Features begleitet oder wirklich ein Produkt verantwortet?
Wenn du sagen kannst: „Ich habe ein AI-Feature von 0 auf 1 gebracht, die Adoption auf 42 Prozent gesteigert und Supportkosten um 18 Prozent reduziert“, bist du deutlich stärker als jemand mit „AI Roadmap unterstützt“.
Zahlen gewinnen fast immer.
2. Technisches Verständnis
Du musst keine neuronalen Netze von Grund auf programmieren. Aber du solltest Begriffe wie diese erklären können:
- LLM
- RAG
- Fine-Tuning
- Embeddings
- Model Evaluation
- Halluzinationen
- Latency
- Token-Kosten
- Data Quality
- Human-in-the-loop
Wenn du in einem Interview bei „RAG“ nervös lachst und nur „ja, ChatGPT halt“ sagst, wird es dünn.
3. Domänenwissen
AI allein reicht nicht. AI plus Branchenwissen ist stark.
Beispiele:
- AI plus Fintech, stark bei N26 oder Trade Republic
- AI plus HR, spannend für Personio
- AI plus Industrie, wertvoll bei Siemens
- AI plus Automotive, relevant für BMW
- AI plus Enterprise Software, stark bei SAP
- AI plus Logistik, interessant für Delivery Hero
Wenn du schon eine Branche kennst, wirf das nicht weg. Kombiniere es mit AI-Kompetenz.
4. Erfahrung mit Regulierung und Risiko
2026 ist AI Governance ein echter Faktor. Datenschutz, EU AI Act, Transparenz, Bias, Security und Compliance sind keine Randthemen mehr.
Besonders in Finance, Health, HR und Enterprise Software kann das dein Gehalt nach oben drücken. Wer Risiken produktiv managen kann, wird ernster genommen.
5. Business Impact
Am Ende zählt: Was bringt dein Produkt?
Gute AI Product Manager sprechen nicht nur über Modelle, sondern über Ergebnisse:
- Weniger manuelle Arbeit
- Schnellere Bearbeitung
- Höhere Conversion
- Besserer Support
- Geringere Churn Rate
- Mehr Umsatz pro Kunde
- Bessere Qualität bei Entscheidungen
Wenn du AI als Business-Hebel erklären kannst, bist du nicht nur „tech-affin“. Du bist jemand, der Geld bewegt.
Welche Skills brauchst du 2026 wirklich?#
Es gibt viel Lärm um AI Skills. Jeden Tag ein neues Tool, ein neues Modell, ein neuer LinkedIn-Post mit „10x Productivity“.
Ignorier den Hype nicht komplett, aber sortiere sauber.
Must-have Skills
Diese Fähigkeiten solltest du wirklich mitbringen:
- Produktstrategie
- User Research
- Priorisierung
- Roadmapping
- Stakeholder Management
- Grundwissen Machine Learning
- Datenverständnis
- Experimentdesign
- Metriken und Analytics
- Datenschutz und ethische Fragen
Du musst nicht alles perfekt können. Aber du brauchst genug Tiefe, um gute Entscheidungen zu treffen und nicht von jedem Tech-Argument abhängig zu sein.
Nice-to-have Skills
Diese Skills machen dich stärker, sind aber nicht immer Pflicht:
- SQL
- Python-Grundlagen
- Prompt Engineering
- Erfahrung mit APIs
- Kenntnisse in Cloud-Plattformen wie AWS, Azure oder Google Cloud
- Erfahrung mit MLOps
- UX Writing für AI Interfaces
- Erfahrung mit A/B-Tests
- Kenntnisse zu Vector Databases
- Erfahrung mit Tools wie LangChain, LlamaIndex oder Hugging Face
Wenn du aus dem klassischen Product Management kommst, fang nicht mit allem gleichzeitig an. Nimm dir erst SQL, LLM-Grundlagen und AI Product Metrics vor.
Der typische Karriereweg zum AI Product Manager#
Viele Wege führen in die Rolle. Du musst nicht seit fünf Jahren „AI“ im Titel haben.
Weg 1: Klassischer Product Manager wechselt in AI
Das ist wahrscheinlich der häufigste Weg.
Du hast schon Produktverantwortung, kennst Roadmaps, Nutzerinterviews, Stakeholder und Delivery. Jetzt ergänzt du AI-Wissen.
Dein Plan:
- Ein internes AI-Projekt übernehmen
- Einen kleinen Use Case starten, zum Beispiel Support-Automation
- Mit Data oder Engineering eng arbeiten
- Ergebnisse messen
- Das Projekt im CV klar als AI Product Case darstellen
Nach 6 bis 12 Monaten kannst du dich glaubwürdig auf AI Product Manager Rollen bewerben.
Weg 2: Data Analyst oder Data Scientist geht Richtung Product
Auch stark. Du bringst technisches und analytisches Verständnis mit. Was oft fehlt: Produktstrategie, Discovery und Stakeholder-Kommunikation.
Dein Plan:
- Mehr Kundengespräche führen
- Anforderungen nicht nur technisch, sondern nutzerbezogen formulieren
- Priorisierung lernen
- Business Cases schreiben
- Präsentationen für Management übernehmen
Du musst zeigen, dass du nicht nur Modelle optimierst, sondern Produkte baust.
Weg 3: Consultant oder Business Analyst wechselt in AI Product
Wenn du aus Consulting kommst, hast du oft starke Struktur, Präsentationsskills und Business-Denken. Das hilft.
Was du aufbauen musst:
- Echte Produktverantwortung
- Delivery-Erfahrung
- Tech-Verständnis
- Langfristiges Ownership-Denken
Versuche in deiner aktuellen Rolle AI-Projekte mit Umsetzung zu bekommen, nicht nur Strategie-Folien.
Weg 4: UX, Design oder Research Richtung AI Product
Sehr spannender Weg, weil AI-Produkte oft an schlechter UX scheitern.
Du verstehst Nutzer, Verhalten, Vertrauen und Interface-Probleme. Bei AI ist das Gold wert.
Du musst ergänzen:
- Business-Metriken
- Priorisierung
- Technische Grundlagen
- Go-to-Market
- Stakeholder Management
Gerade bei Copilots, Chat-Interfaces und AI-Assistenten ist UX-Verständnis extrem wichtig.
Welche Branchen zahlen besonders gut?#
Nicht jede AI Product Rolle zahlt gleich. Die Branche macht viel aus.
Fintech und Banking
N26, Trade Republic, Revolut, Klarna und klassische Banken zahlen gut, weil AI dort direkt mit Risiko, Fraud, Compliance und Umsatz verbunden ist.
Senior Rollen können in Deutschland bei €105k bis €150k liegen. Mit Equity oder Bonus kann es mehr werden.
Typische Use Cases:
- Betrugserkennung
- KYC-Automatisierung
- Personalisierte Investment-Erlebnisse
- Support-Automation
- Risikobewertung
Enterprise Software und B2B SaaS
SAP, Personio, Celonis und viele B2B SaaS Firmen brauchen AI Product Manager, die komplexe Workflows verstehen.
Gehälter liegen oft bei €90k bis €140k für Senior Rollen. Bei Lead Rollen geht es höher.
Typische Use Cases:
- Automatische Zusammenfassungen
- Intelligente Workflows
- Copilots für Fachabteilungen
- Dokumentenverarbeitung
- Empfehlungen im Produkt
Automotive und Industrie
BMW, Siemens, Bosch, Mercedes-Benz und ähnliche Firmen zahlen gut, besonders in Süddeutschland.
Senior AI Product Manager können bei €100k bis €145k liegen. Konzernpakete enthalten oft Bonus, Betriebsrente und starke Benefits.
Typische Use Cases:
- Predictive Maintenance
- Produktionsoptimierung
- Qualitätssicherung
- Fahrerassistenz
- Interne AI Tools für Engineering
E-Commerce, Logistik und Delivery
Delivery Hero, Zalando, Amazon, Flink und andere datenintensive Firmen nutzen AI stark im operativen Geschäft.
Gehälter für Senior Rollen liegen oft bei €90k bis €135k.
Typische Use Cases:
- Nachfrageprognosen
- Routenoptimierung
- Empfehlungen
- Preisoptimierung
- Support-Automation
Was muss in deinen Lebenslauf?#
Dein CV muss sofort zeigen: Du kannst AI-Produkte liefern, nicht nur darüber reden.
Viele Bewerber schreiben zu weich. „Mitgewirkt an AI-Initiativen“ klingt nach Zuschauerplatz. Besser: konkret, messbar, verantwortlich.
Gute Bullet Points
Beispiele, die deutlich stärker wirken:
- „Entwickelte und launchte einen AI-basierten Support Assistant, reduzierte durchschnittliche Bearbeitungszeit um 23 Prozent.“
- „Priorisierte AI Use Cases für ein B2B SaaS Produkt mit €12 Mio. ARR, basierend auf Nutzerfeedback, Datenqualität und technischer Machbarkeit.“
- „Steuerte ein cross-funktionales Team aus 2 ML Engineers, 3 Backend Engineers und 1 Designer von Discovery bis Rollout.“
- „Definierte Evaluation Framework für LLM-Antwortqualität, inklusive Accuracy, Hallucination Rate und User Satisfaction.“
- „Senkung der Token-Kosten um 31 Prozent durch Prompt-Optimierung und Routing zwischen Modellen.“
So versteht ein Recruiter sofort, was du gemacht hast.
Schlechte Bullet Points
Bitte vermeiden:
- „Beschäftigung mit künstlicher Intelligenz“
- „Unterstützung bei AI-Themen“
- „Verantwortlich für innovative Lösungen“
- „Arbeit mit Stakeholdern“
- „Interesse an ChatGPT und neuen Technologien“
Das klingt zu allgemein. Und allgemein ist beim Bewerben teuer.
Interviewfragen für AI Product Manager#
Wenn du dich 2026 bewirbst, kommen sehr wahrscheinlich Fragen, die Produktdenken und AI-Verständnis kombinieren.
Typische Fragen
- „Wie würdest du entscheiden, ob ein AI Use Case sinnvoll ist?“
- „Wie misst du die Qualität eines LLM-Features?“
- „Was machst du, wenn das Modell halluziniert?“
- „Wie gehst du mit Datenschutz um?“
- „Wann würdest du RAG statt Fine-Tuning nutzen?“
- „Wie priorisierst du zwischen Genauigkeit, Kosten und Geschwindigkeit?“
- „Wie erklärst du einem Vorstand, warum ein AI-Projekt noch nicht produktionsreif ist?“
- „Wie würdest du einen AI Copilot für HR-Teams bei Personio bauen?“
- „Welche Metriken würdest du für einen Support-Bot bei N26 tracken?“
- „Wie gehst du vor, wenn Nutzer dem AI-Feature nicht vertrauen?“
Gute Antwortstruktur
Nutze eine einfache Struktur:
- Nutzerproblem
- Business-Ziel
- Datenlage
- Technische Machbarkeit
- Risiken
- MVP
- Metriken
- Iteration
Beispiel: Wenn du einen AI Support Assistant bauen sollst, spring nicht direkt zu „wir nehmen GPT-4“. Fang mit dem Problem an: Welche Tickets kommen rein? Wie teuer sind sie? Welche Antworten sind standardisiert? Wo braucht es menschliche Freigabe?
Das zeigt Reife.
Welche Metriken zählen bei AI-Produkten?#
AI Product Manager müssen Metriken sauberer denken als klassische PMs. Warum? Weil „funktioniert meistens“ nicht reicht.
Produktmetriken
- Adoption Rate
- Retention
- Task Completion Rate
- Conversion Rate
- Time to Value
- Nutzerzufriedenheit
- Churn Impact
AI-spezifische Metriken
- Accuracy
- Precision und Recall
- Hallucination Rate
- Response Latency
- Cost per Request
- Token Usage
- Escalation Rate
- Human Override Rate
- Confidence Score
- Feedback Score
Wichtig ist die Kombination. Ein Modell kann technisch gut sein, aber vom Nutzer nicht angenommen werden. Oder ein Chatbot kann beliebt sein, aber viel zu teuer pro Anfrage.
Dein Job ist, diese Zielkonflikte sichtbar zu machen.
Tools, die du kennen solltest#
Du musst nicht jedes Tool meistern. Aber du solltest wissen, wofür sie da sind.
Produkt und Analytics
- Jira
- Linear
- Productboard
- Amplitude
- Mixpanel
- Looker
- Tableau
- Figma
AI und Data
- OpenAI API
- Anthropic Claude
- Google Gemini
- Azure AI
- AWS Bedrock
- Hugging Face
- LangChain
- LlamaIndex
- Pinecone
- Weaviate
Experimentieren und Evaluation
- Promptfoo
- LangSmith
- Humanloop
- Weights & Biases
- MLflow
Wenn du im Interview sagen kannst, welche Tool-Kategorien du kennst und warum du welches Tool wählen würdest, reicht das oft schon.
Wie du dich 2026 positionierst#
Der größte Fehler: Du bewirbst dich als „AI-interessierter Product Manager“. Das ist zu schwach.
Positioniere dich konkreter.
Gute Positionierungen
- „AI Product Manager für B2B SaaS Workflows“
- „Product Manager mit Fokus auf LLM-basierte Support-Automation“
- „Fintech PM mit Erfahrung in Fraud, Compliance und AI“
- „Industrial AI Product Manager für Predictive Maintenance“
- „HR Tech Product Manager mit AI Copilot Erfahrung“
Je klarer du bist, desto leichter erkennt eine Firma den Fit.
Das heißt nicht, dass du dich für immer festlegst. Es heißt nur, dass dein Profil nicht wie ein Gemischtwarenladen wirkt.
Wie du ohne AI Jobtitel Erfahrung sammelst#
Wenn du aktuell noch keinen AI Product Manager Titel hast, ist das kein Drama. Du brauchst ein glaubwürdiges Projekt.
Interne Projektideen
- AI FAQ Assistant für Support oder Sales
- Automatische Zusammenfassung von Kundenfeedback
- Lead Scoring mit Machine Learning
- Dokumentenklassifikation
- Interne Wissenssuche mit RAG
- Meeting Summary Tool für Customer Success
- Automatisierte Analyse von Churn-Gründen
Wähle etwas, das klein genug ist, um es wirklich zu liefern. Ein fertiger Mini-Launch schlägt zehn große Ideen.
Portfolio-Projekt
Falls intern nichts geht, bau ein kleines Case Study Projekt.
Beispiel:
„AI Assistant für Bewerberfeedback in HR Tech“
Du beschreibst:
- Zielgruppe
- Problem
- User Journey
- MVP
- Datenbedarf
- Risiken
- Metriken
- Roadmap
- Kostenannahmen
- Beispiel-Prompts
Du musst nicht das komplette Produkt programmieren. Aber ein klickbarer Prototyp in Figma plus klare Produktlogik kann reichen, um Gespräche zu bekommen.
Häufige Fehler beim Einstieg#
Viele gute Kandidaten sabotieren sich unnötig.
Fehler 1: Zu viel Tool-Fokus
„Ich kenne LangChain“ ist nett. Aber Firmen zahlen dich nicht für Tool-Namen. Sie zahlen dich für bessere Produkte.
Toolwissen ist Bonus. Produktwirkung ist Kern.
Fehler 2: Keine Zahlen im CV
Wenn dein Lebenslauf keine Metriken enthält, wirkt er schwächer.
Selbst grobe Zahlen helfen:
- Nutzerzahl
- Umsatzgröße
- Zeitersparnis
- Conversion-Veränderung
- Kostenreduktion
- Teamgröße
- Launch-Zeit
Fehler 3: AI als Selbstzweck
Nicht jedes Problem braucht AI. Manchmal reicht eine Regel, ein besserer Filter oder ein normales Formular.
Gute AI Product Manager sagen auch mal: „Das sollten wir nicht mit AI lösen.“
Fehler 4: Risiken ignorieren
Wer Halluzinationen, Datenschutz oder Bias kleinredet, verliert Vertrauen. Gerade bei HR, Finance und Health.
Besser: Risiken anerkennen, Maßnahmen erklären, Trade-offs sauber darstellen.
Wie sieht die Zukunft der Rolle aus?#
2026 wird AI Product Management weniger experimentell und mehr operativ. Firmen wollen weniger PowerPoint und mehr echte Nutzung.
Die Rolle wird sich vermutlich in mehrere Richtungen aufteilen:
- AI Application Product Manager
- AI Platform Product Manager
- ML Product Manager
- Data Product Manager
- AI Governance Product Lead
- AI UX Product Manager
Application PMs bauen Features für Endnutzer. Platform PMs bauen interne AI-Infrastruktur. Governance Leads kümmern sich um Standards, Freigaben und Sicherheit.
Wenn du gern nah am Nutzer bist, passt Application AI Product Management. Wenn du tief mit Engineering und Data arbeiten willst, ist AI Platform Product Management spannend.
Konkreter 90-Tage-Plan für deinen Wechsel#
Wenn du ernsthaft in die Rolle willst, mach es nicht vage. Mach einen Plan.
Tage 1 bis 30: Grundlagen und Positionierung
- Lerne LLM-Grundlagen, RAG, Embeddings, Evaluation
- Wähle deine Zielbranche, zum Beispiel Fintech, HR Tech oder B2B SaaS
- Analysiere 20 Stellenanzeigen
- Markiere wiederkehrende Anforderungen
- Passe dein LinkedIn-Profil an
- Schreibe 3 starke AI-nahe CV-Bullets aus deiner bisherigen Erfahrung
Tage 31 bis 60: Projekt und Beweise
- Starte ein internes AI Mini-Projekt oder Portfolio-Projekt
- Definiere Problem, Nutzer, MVP und Metriken
- Baue einen Prototyp oder eine Case Study
- Hole Feedback von 3 Produktleuten
- Schreibe eine kurze Projektseite oder LinkedIn-Post-Serie
- Dokumentiere messbare Ergebnisse oder klare Annahmen
Tage 61 bis 90: Bewerben und Interviews
- Bewirb dich gezielt auf 20 bis 30 Rollen
- Priorisiere Firmen mit echtem AI-Fokus
- Übe 10 Interviewfragen
- Bereite 2 Produkt-Cases vor
- Verhandle dein Gehalt mit Marktdaten
- Optimiere CV und Anschreiben nach Rückmeldungen
Das klingt machbar, weil es machbar ist. Nicht easy, aber sehr machbar.
Fazit: Lohnt sich AI Product Manager als Karriere 2026?#
Ja, wenn du Produktverantwortung magst, gern mit Tech-Teams arbeitest und keine Angst vor Unsicherheit hast.
AI Product Manager ist keine Rolle für Leute, die nur Hype suchen. Es ist eine Rolle für Menschen, die komplexe Technologie in echte Nutzer- und Geschäftsergebnisse übersetzen können.
Gehaltlich ist der Pfad attraktiv. Senior Rollen in Deutschland liegen oft bei €100k bis €135k, Lead Rollen können deutlich höher gehen. In Konzernen wie SAP, BMW oder Siemens bekommst du Stabilität und große Projekte. Bei Scaleups wie N26, Trade Republic, Personio oder Delivery Hero bekommst du Tempo, Daten und oft mehr Produktnähe.
Wenn du jetzt startest, brauchst du keine perfekte Vergangenheit. Du brauchst ein klares Profil, ein paar starke Beweise und einen CV, der deinen Impact sofort zeigt.
Wenn du wissen willst, ob dein Lebenslauf für AI Product Manager Jobs stark genug ist, teste ihn kostenlos mit dem JobRise ATS Checker: https://jobrise.io/de/free-ats-checker/
Schick das der Person, die diese Woche das Interview hat.