Kurzfassung
OpenAI Dots sind immer aktive Agenten in ChatGPT, und im Recruiting passen sie zur Logistik, die eine einzelne Recruiterin trägt. Ein Dot läuft auf GPT-6 Astra, arbeitet zwischen den Chats weiter und erreicht Kalender, Postfach und ATS über Plugins. Übergib ihm Interviewplanung, Kandidaten-Briefings, Erinnerungen an Scorecards und Entwürfe für Nachfassmails. Jede Entscheidung über einen Menschen bleibt bei einem Menschen.
Diese Grenze ist nicht nur eine Frage des Anstands. Die Nutzungsrichtlinien von OpenAI verbieten „automation of high-stakes decisions in sensitive areas without human review“, und Beschäftigung steht auf der Liste. Ein Dot kann also deine Leseliste ordnen, sollte aber nie allein eine Bewerbung ablehnen. Auf der ATS-Seite hat Ashby ein ChatGPT-Plugin, das Phasen verschieben kann, Greenhouses MCP-Verbindung ist schreibgeschützt, bis ein Site Admin Schreibrechte freigibt, und für Lever oder Workday habe ich keinen offiziellen Connector gefunden.
Ein Dot ist der Helfer einer einzelnen Recruiterin, nicht die Anlaufstelle des Unternehmens. Ich baue bei eesel Integrationen, und Aufgaben, die länger bestehen als eine Person, etwa die 30 Fragen eines neuen Mitarbeiters in der ersten Woche zu beantworten, brauchen ein KI-Helpdesk-Teammate mit eigenem Platz.
Was macht ein Dot für Recruiter?
OpenAI hat Dots am 29. September 2026 vorgestellt. Der Launch-Beitrag beschreibt Agenten, die rund um die Uhr auf einem eigenen Cloud-Computer auf deine Ziele hinarbeiten, mit Zugriff auf mehr als 4.000 Apps über Plugins. Keines der Launch-Beispiele von OpenAI ist eine Recruiterin, aber das Muster passt fast zu gut auf eine Recruiting-Woche: viel kleinteilige, wiederkehrende Koordination mit einem harten menschlichen Urteil in der Mitte.
Das würde ich einem Dot zuerst übergeben:
- Interviewplanung. Termine über die Kalender eines Interviewteams finden, die Einladung entwerfen und die Person nachfassen, die noch nicht bestätigt hat.
- Kandidaten-Briefings. Vor jedem Interview Lebenslauf, Bewerbung und frühere Notizen zu einem einseitigen Briefing für die interviewende Person zusammenziehen.
- Erinnerungen an Scorecards. Interviewende erinnern, die noch Feedback schulden, am Morgen nach dem Interview.
- Entwürfe für Nachfassmails. Die E-Mail „Danke für Ihre Zeit, die nächsten Schritte sind ...“ in deinem Ton schreiben und auf dein Ja warten.
- Pipeline-Zusammenfassungen. Eine Zusammenfassung am Freitag, wie viele Kandidaten in welcher Phase stehen und welche ins Stocken geraten sind.
Ein Kommentator im Hacker-News-Thread zum Dots-Launch beschrieb genau das asynchrone Hin und Her, das den Tag einer Koordinatorin auffrisst:
"Simple example is booking a dentist appointment. Email, wait for response, find time on the calendar etc. I don't need to be in the loop for each step and I don't want to have to keep checking myself."
Ersetze „Zahnarzt“ durch „ein Interviewteam aus vier Personen“, und das ist Recruiting-Koordination. Was einen Dot von einer normalen ChatGPT-Agent-Sitzung unterscheidet, ist die Beständigkeit. Laut dem Einstiegsleitfaden von OpenAI kann ein Dot "can take on ongoing responsibility and keep making progress between conversations." Er kann auch im Hintergrund mit schreibgeschützten Tools recherchieren, während du nicht mit ihm sprichst, sodass das Briefing vor dem Interview fertig ist.
Wenn du zuerst die Produkttour willst, beginne mit der Erklärung zu OpenAI Dots. Ein Urteil findest du in meinem Test von OpenAI Dots. Dieser Beitrag bleibt beim Recruiting; die Vertriebsversion ist Dots für den Vertrieb.
Wo verläuft die Grenze zwischen Helfen und Entscheiden?
Die meiste Berichterstattung zu „KI im Recruiting“ beginnt beim Screening, weil das Volumen der Schmerzpunkt ist. Ein Hiring Manager auf Hacker News beschrieb das Volumenproblem unverblümt:
"I'm hiring at a small company and it's a nightmare. 1,000+ applicants for a software engineering position and we have essentially no help from recruiting. I'm filtering based on keywords, giving each resume a max of 90 seconds, and anything that even slightly seems off gets rejected."
Es ist verlockend, einen Dot auf diesen Stapel anzusetzen und zu sagen: „Lehne die schlechten ab.“ Tu es nicht. Die Nutzungsrichtlinien von OpenAI führen "automation of high-stakes decisions in sensitive areas without human review" als verboten auf, wobei Beschäftigung neben Wohnen, Kredit und Versicherung genannt wird. Dieselbe Richtlinie schließt auch "inference regarding an individual's emotions in the workplace" aus, also ist auch ein Dot tabu, der im Video eines Kandidaten nach Begeisterung sucht.
Die nützliche Variante ist enger gefasst und spart trotzdem echte Zeit. Lass den Dot 200 Bewerbungen lesen und zu jeder eine kurze Zusammenfassung gegen die Must-haves der Stelle schreiben, mit den Belegen als Zitat aus dem Lebenslauf. Dann liest du die Zusammenfassungen und entscheidest. Der Dot verkürzt dein Lesen, nicht dein Urteil. Und die Kandidatenseite legt darauf mehr Wert, als Recruiter manchmal denken:
"If I ever got an AI interviewer at a company I was interested in working for long term, it would be dead on arrival. Interviewing is a two way street."
Welche Recruiting-Aufgaben solltest du übergeben?
Die Custom Rules von OpenAI geben jeder Aktion eines von vier Verhalten: ohne Nachfrage handeln, handeln, wenn vorab genehmigt, vor dem Handeln fragen oder an dich übergeben. Deine Recruiting-Aufgaben in diese vier Gruppen zu sortieren, ist der schnellste Weg, einen Dot ohne spätere Reue einzurichten. Das ist meine Sortierung, keine Liste von OpenAI.
| Recruiting-Aufgabe | Custom Rule, die ich wählen würde | Warum |
|---|---|---|
| Kandidaten-Briefing, Vorbereitungspaket fürs Interview | Ohne Nachfrage | Nur lesend, geht an dich oder das Interviewteam |
| Pipeline-Zusammenfassung am Freitag in deinen eigenen Kanal | Wenn vorab genehmigt | Gleicher Empfänger, gleiches Format, jede Woche |
| E-Mail an einen Kandidaten, Intervieweinladung | Erst fragen | Sie spricht in deinem Namen, zu einem Menschen, der über dich urteilt |
| Phase eines Kandidaten im ATS ändern | Erst fragen | Berichte und Kandidaten-Mails werden oft durch Phasen ausgelöst |
| Ablehnen, weiterleiten oder Angebotskonditionen festlegen | An dich zurückgeben | Eine Einstellungsentscheidung, und die Richtlinie von OpenAI verlangt dafür einen Menschen |
| Alles, was Geld bewegt | An dich zurückgeben | OpenAI gibt das immer zurück |
Die Datenschutz-FAQ enthält ein Detail, das für Recruiter sehr wichtig ist: Die Freigabe einer Nachricht "does not give your dot ongoing permission to contact people on your behalf." Jeder neue Kandidat braucht sein eigenes Ja. Das macht einen Dot zu einem schlechten Motor für Kaltakquise, und ehrlich gesagt werden Kandidaten es dir danken:
"This is especially the case with cold outreach from recruiters: I get a lot of poor AI-generated outreach from recruiters, which are time-consuming on my part to engage with."
Formuliere Regeln eng und an eine benannte Aufgabe gebunden. „Sende die Pipeline-Zusammenfassung am Freitag an #recruiting“ hat ein klares Wer, Was und Wann. „Bearbeite Kandidaten-Mails ohne Nachfrage“ ist die Regel, die du als Erstes bereuen wirst.
Kann ein Dot mit deinem ATS arbeiten?
Dots erreichen Apps über Plugins, und laut OpenAI wird der Plugins-Tab von Dots, ChatGPT, ChatGPT Work und Codex gemeinsam genutzt. Alles, was du mit ChatGPT verbinden kannst, kann also dein Dot sehen. Welche Plugins du bekommst, entscheidet weiterhin der Admin deines Workspace. So stehen die wichtigsten Recruiting-Tools laut ihren eigenen Seiten im Oktober 2026 da:
| Tool | ChatGPT-Weg | Was es kann | Wer zustimmen muss | Quelle |
|---|---|---|---|---|
| Ashby | Plugin im Verzeichnis von OpenAI (MCP-Server in der Beta) | Liest Kandidaten, Jobs, Interviews, Angebote, Transkripte; schreibt: Kandidat anlegen, Notiz hinzufügen (du bestätigst), Phase ändern, zu einem Job hinzufügen | Org Admin schaltet den MCP-Server ein; nicht für Organisationen nur mit Analytics | Ashby-Dokumentation |
| Greenhouse | MCP-Server in der offenen Beta, als Custom App hinzugefügt | Standardmäßig schreibgeschützt (Kandidaten, Bewerbungen, Jobs, Scorecards); Schreiben nur, wenn ein Site Admin es aktiviert | Site Admin; Tarif Core, Plus oder Pro | Greenhouse-Support |
| Gem | GeMCP | Fragen zu deinen Gem-Daten; eingeschränktes Schreiben, etwa Notizen hinzufügen | Admins können es abschalten | Gem-Hilfecenter |
| Plugin im Verzeichnis von OpenAI | Schlägt Position, Unternehmen, Ort und Follower-Zahl einer Person nach; kein Recruiter-Zugriff | Keine Angabe | OpenAI | |
| Lever, Workday, SmartRecruiters | Kein offizieller ChatGPT-Connector gefunden | k. A. | k. A. | Herstellerdokumentation und Verzeichnis von OpenAI geprüft |
Hier die Details, nach denen ich handeln würde, und warum.
Ashby ist heute am praktischsten. Die Plugin-Seite zu Ashby von OpenAI zeigt Prompts wie das Verschieben eines benannten Kandidaten "to the recruiter screen stage" und das Erstellen einer Debrief-Zusammenfassung aus Scorecards. Laut Ashbys eigener Dokumentation "authenticates as you and inherits your existing Ashby permissions", und du siehst nur Scorecard-Feedback, das du selbst abgegeben hast, nicht das anderer Interviewender. Ein Dot kann also keinen Debrief aus den Scorecards des ganzen Teams schreiben, wenn nicht du diejenige bist, die sie sehen darf. Eine Abweichung: Die Seite von OpenAI erwähnt das Senden von E-Mails, aber Ashbys veröffentlichte Tool-Liste enthält kein E-Mail-Tool. E-Mail über Ashby würde ich als unbestätigt behandeln.
Greenhouse startet schreibgeschützt, und das ist ein Vorteil. Laut Greenhouses Einrichtungsanleitung können "AI tools can't create, edit, or delete data", solange kein Admin etwas konfiguriert. Im Dev Center gesetzte Scopes wirken als Obergrenze, die Nutzende nicht überschreiten können. In ChatGPT wird es als Custom App hinzugefügt, wofür der Developer Mode nötig ist, den OpenAI auf Business-, Enterprise- und Edu-Workspaces beschränkt, in denen ein Admin ihn einschaltet. Ein persönlicher Pro-Dot erreicht Greenhouse auf diesem Weg also nicht. Greenhouses MCP-Überblick enthält außerdem einen Tipp, den man für jedes ATS übernehmen sollte: Saubere Interviewphasen und vollständige Scorecards machen die Zusammenfassungen der KI besser.
Das LinkedIn-Plugin ist eine Abfrage, kein Sourcing-Tool. Es zeigt öffentliche Profilgrundlagen. LinkedIns eigener Hiring Assistant übernimmt Sourcing, Screening und Entwürfe für die Ansprache innerhalb von Recruiter und wird als Zusatz ohne öffentlichen Preis verkauft. Wenn Sourcing dein Engpass ist, ist das das dafür gebaute Tool, nicht ein Dot.
Workday-Teams müssen warten. Workday hat MCP-basierte Agent-ready-Tools im Early Access angekündigt, ohne einen ChatGPT-Connector zu nennen. Meine Einschätzung, ob KI Workday ersetzt, gilt weiterhin: Das führende System bleibt, und Agenten sitzen obendrauf.
Wie sollte eine Recruiterin einen Dot einrichten?
Die Einrichtung dauert etwa 20 Minuten, und die Reihenfolge zählt:
- Erstelle den Dot am Desktop. Auf dem Smartphone lässt sich keiner anlegen.
- Verbinde zuerst Kalender und E-Mail, mit schreibgeschützten Gewohnheiten. Die Planung bringt den größten Gewinn, und ein Vergleich von KI-Terminassistenten zeigt, was die spezialisierten Tools anders machen.
- Füge das ATS zuletzt hinzu, mit gesperrtem Schreiben. Bei Ashby lässt du Phasenwechsel auf „Erst fragen“.
- Gib ihm eine eigene Slack- oder Teams-Identität, wenn deine Hiring Manager dort sind. OpenAI erlaubt einem Dot ein eigenes Slack-Konto, und Teams funktioniert auch. Vergleiche es mit Slack AI. Auf der Microsoft-Seite siehe Microsoft Teams AI.
- Schreibe Custom Rules nach der Tabelle oben und fang streng an.
Bei E-Mail lohnt sich Nachdenken. Ein Dot kann zum Start keine eigene E-Mail-Adresse haben, wenn er also einem Kandidaten schreibt, schreibt er als du. Lies in den ersten zwei Wochen jede Kandidaten-Mail, die er entwirft.
Laut Launch-Beitrag zählen Gespräche mit deinem Dot nicht auf deine ChatGPT-Nutzungslimits, Aufgaben, die er in ChatGPT Work oder Codex startet, dagegen schon. Morgen-Briefings und Slack-Fragen sind zusätzlich zum Tarif fast kostenlos; eine große Aufgabe wie die Zusammenfassung von 200 Bewerbungen greift auf das gemeinsame Kontingent zu. Die Anleitung zu den Preisen von ChatGPT Work erklärt diesen Pool.
Die Wahl des Tarifs zählt im Recruiting mehr als in den meisten Jobs, weil Kandidatendaten personenbezogene Daten sind. Dein erster Dot ist in Pro enthalten (ab 100 $/Monat, nicht im EWR, in der Schweiz oder im Vereinigten Königreich) und im Business-Premium-Platz (100 $/Nutzer/Monat jährlich, 125 $ monatlich). In persönlichen Tarifen entscheidet die Einstellung „Das Modell für alle verbessern“, ob die Arbeit eines Dots fürs Training verwendet werden darf, und laut Datenschutz-FAQ kannst du einzelne Erinnerungen eines Dots weder ansehen noch löschen, nur den ganzen Dot. Das ist schwer zu vermitteln, wenn ein Kandidat dich bittet, seine Daten zu löschen. Business-Workspaces werden standardmäßig nicht fürs Training genutzt, deshalb würde ich Dots in einem Recruiting-Team nur in einem Unternehmens-Workspace wie ChatGPT Business betreiben. Enterprise geht auch.
Wo bleiben Dots im Recruiting zurück?
Sorgfalt ist das Konzept, und im Recruiting kostet Sorgfalt Tempo. Drei Grenzen stechen heraus.
Bestätigungsschleifen bei der Planung. Der ausführlichste Praxisbericht, den ich gefunden habe, stammt von einem Hacker-News-Nutzer, der eine Reise gebucht hat, und er liest sich wie eine Recruiterin, die ein Interviewteam bucht:
"I said yes please book it, it went back to the website, checked all the details we'd just agreed and asked me to confirm the details, fine I confirm it, please book, it tells me it will book it, it goes on it's little cloud computer and completes the booking form then comes back and asks me if it should book it...so annoying."
Berechtigungen, die weiter reichen als gedacht. ATS-Tokens enthalten Kandidatendaten, also begrenze sie eng:
"I minted what I thought was a minimal-permission Github token for a single action, and the agent I gave it to discovered it had more permissions than I thought, and made use of those permissions."
Kein Sourcing und keine Sequenzen. Ein Dot schreibt als du, mit einer Freigabe nach der anderen, und kann LinkedIn Recruiter nicht durchsuchen. Für Ansprache in großem Umfang brauchst du ein Sequenzierungstool. Für Schreibhilfe deckt meine Übersicht zu KI-Apps für Gmail leichtere Optionen ab.
Andere persönliche Agenten konkurrieren um denselben Schreibtisch, etwa Meta Muse. Die Übersicht zu den besten KI-Assistenten vergleicht mehr, darunter Microsofts Copilot Autopilot.
Wer antwortet dem neuen Mitarbeiter, nachdem das Angebot unterschrieben ist?
Das ist der Teil, an dem ich arbeite. Bei eesel baue ich die Integrationen, die KI-Agenten in Helpdesks, Slack und Teams bringen, und auf der internen Seite dieser Arbeit zeigt sich ein Muster: Die Fragen, die nach dem Eintritt hereinfluten, sind jedes Mal dieselben. Laptop-Zugang. Gehaltstermine. Urlaubsregeln. Wen man wegen Spesen fragt. Ein Softwareunternehmen für HR-Compliance sagte es so, als es eesel in mehreren Teams einführte:
"We needed a turnkey solution for Confluence that met our GDPR requirements and could serve different teams through dedicated Slack bots. eesel AI delivered exactly that, with EU data residency included."
Flemming Ottosen, Development Director, Simployer
Der Dot einer Recruiterin kann diese Fragen nicht übernehmen. Er handelt als eine Recruiterin, aus deren Konten, und wird an dem Tag nutzlos, an dem sie in den Urlaub geht. Die Fragen des neuen Mitarbeiters gehören dem Unternehmen, nicht dem Agenten einer einzelnen Person.
OpenAI scheint dieselbe Lücke zu sehen: Der Launch-Beitrag beschreibt spezialisierte Dots mit eigener Identität und Zugriff auf Unternehmenssysteme für Rollen wie den Kundensupport, nur in Enterprise-Piloten.
Dafür sind die KI-Teammates von eesel gedacht. Sie sind einsatzbereite Neueinstellungen für klar umrissene Aufgaben: das KI-Helpdesk-Teammate für Support und interne Fragen und der KI-Blog-Writer für Inhalte.
Für HR und IT lernt das Helpdesk-Teammate aus deiner internen Wissensdatenbank, Confluence-Seiten und früheren Tickets. Dann beantwortet es Mitarbeitende in Slack, Teams oder deinem HR-Helpdesk und gibt alles Sensible an einen Menschen weiter. Ein Zahlungsunternehmen, das es über Confluence einsetzt, berichtete von bis zu 80 % Zeitersparnis beim Finden von Antworten und beim Onboarding neuer Mitarbeitender.
Mehr zur Einrichtung unter KI für Onboarding-Fragen. Zur Tool-Auswahl siehe die beste KI für HR-Support, und für die menschliche Seite meine Notizen zur Übergabe von KI-Agenten an Menschen.
Wenn dein People-Ops-Team schon mit Agenten im Terminal arbeitet, hat eesel eine CLI, die dasselbe Teammate und denselben Workspace aus Skripten bedient, und Coding-Agenten wie Codex oder Claude Code können sie steuern. Ein HR-Ops-Engineer könnte damit am Tag der Änderung ein neues Richtliniendokument zum Wissen des Teammates hinzufügen, ohne ein Dashboard zu öffnen.
Fairerweise gegenüber dem Dot: Wenn dein Job aus deinem eigenen Kalender, Postfach und deiner Pipeline besteht, brauchst du dafür kein eesel. Ein Dot passt gut. Die Grenze ist die Zuständigkeit. Wenn die Arbeit auch dann erledigt werden muss, wenn du nicht da bist, gehört sie einem Teammate, nicht deinem persönlichen Agenten.
eesel für die Fragen nach dem Angebot testen
Lass deinen Dot das Interviewteam buchen und die Briefings vorbereiten, und gib deinen neuen Mitarbeitenden einen Agenten, der für die Warteschlange des Unternehmens gebaut ist. Das KI-Helpdesk-Teammate von eesel beantwortet Mitarbeiterfragen in Slack oder Teams aus deinen HR- und IT-Dokumenten und führt eine Simulation mit deinen echten bisherigen Fragen durch, sodass du die Antworten siehst, bevor sich jemand darauf verlässt. Du kannst es kostenlos testen, und die Preise sind veröffentlicht.