Time-to-Fill vs. Time-to-Hire

Time-to-Fill und Time-to-Hire sind die zwei Recruiting-Durchsatz-Kennzahlen, die am häufigsten verwechselt werden. Sie messen unterschiedliche Dinge, optimieren für unterschiedliche Verhaltensweisen und führen zu unterschiedlichen Schlussfolgerungen über die Recruiting-Performance. Zu verstehen, welche wann einzusetzen ist, gehört zur Grundkompetenz im Recruiting-Ops.

Die klaren Definitionen

• Time-to-Fill. Vom Tag der Freigabe/Öffnung einer Stelle bis zum Tag, an dem ein Kandidat das Angebot annimmt. Misst den gesamten Pipeline-Zyklus — einschließlich vorgelagerter Verzögerungen (Stelle noch nicht ausgeschrieben, langsame Genehmigung, schlechtes Sourcing).
• Time-to-Hire. Vom Tag, an dem ein Kandidat in die Pipeline eintritt (sich bewirbt, gesourct wird), bis zum Tag, an dem er das Angebot annimmt. Misst die individuelle Candidate Experience — wie lange das Team einen bestimmten Kandidaten warten lässt.

Gleicher Zähler (Datum der Angebotsannahme), unterschiedliche Nenner (Stelle geöffnet vs. Kandidat eingetreten).

Warum beide Kennzahlen wichtig sind

Sie diagnostizieren unterschiedliche Probleme:

• Hohe Time-to-Fill, niedrige Time-to-Hire. Das Team bewegt Kandidaten schnell, sobald sie in der Pipeline sind, aber die Pipeline füllt sich langsam. Sourcing-Problem. Diagnose: schlechte Stellenbeschreibung, falsche Sourcing-Kanäle, Mismatch zwischen Rolle und Markt.
• Niedrige Time-to-Fill, hohe Time-to-Hire. Pipeline füllt sich schnell, aber einzelne Kandidaten warten zu lange. Prozess-Problem. Diagnose: Terminierungs-Verzögerungen, langsame Debriefs, Manager-Unzugänglichkeit.
• Beide hoch. Sourcing UND Prozess kaputt. Am häufigsten in dysfunktionalen Recruiting-Organisationen.
• Beide niedrig. Gesund. Entweder funktioniert alles, oder die Stelle ist zu leicht, um ein aussagekräftiger Test zu sein.

Gesunde Benchmarks (sehr grob)

Große Varianz nach Rolle, Level, Markt und Geografie. Die 2026er-Spannweiten:

Enge Talentmärkte (USA 2021–2022) produzierten deutlich längere Zyklen; lockere Märkte verkürzen sie. Interne Benchmarks gegen die eigenen historischen Daten sind aussagekräftiger als Branchen-Durchschnitte.

Häufige Fehlmessungen

Drei Muster, die Recruiting-Teams routinemäßig falsch machen:

• Ab Stellenausschreibung statt ab Genehmigung zählen. Die Ausschreibung hinkt der Genehmigung häufig um Tage oder Wochen hinterher; ab Ausschreibung zu zählen verbirgt vorgelagerte Verzögerungen.
• Bis zur Angebotsunterbreitung statt bis zur Annahme zählen. Die Zeit von Angebot bis Annahme kann bei Senior-Stellen 1–3 Wochen betragen; bis zur Unterbreitung zu zählen unterschätzt den realen Zyklus.
• Zurückgezogene Kandidaten aus Time-to-Hire ausschließen. Kandidaten, die den Prozess mittendrin abgebrochen haben, erhöhen den aggregierten Time-to-Hire; ihr Ausschluss produziert ein flacheres, ehrlicheres Signal.

Warum diese Kennzahlen weniger wichtig sind als Recruiting-Teams denken

Eine häufige Falle: Durchsatz-Kennzahlen auf Kosten der Quality of Hire optimieren.

• Ein 20-tägiger Time-to-Hire für eine Einstellung, die nach 6 Monaten kündigt, ist schlechter als ein 35-tägiger Time-to-Hire für eine Einstellung, die 3 Jahre bleibt.
• Aggressive Time-to-Fill-Ziele drängen Recruiter dazu, sich mit Grenzkandidaten zufriedenzugeben, statt auf bessere Fits zu warten.
• Durchsatzfokussierte Recruiting-Kulturen investieren systematisch zu wenig in die langsame, sorgfältige Arbeit, die qualitativ hochwertige Ergebnisse produziert.

Die reife Perspektive: Durchsatz-Kennzahlen sind Constraints, keine Ziele. Das Ziel ist Quality of Hire; Durchsatz-Disziplin hält den Constraint vernünftig, während Qualitätsarbeit stattfindet.

Wie KI das Bild verändert

Drei bedeutende Verschiebungen:

• Schnelleres Sourcing reduziert Time-to-Fill. AI-Sourcing-Tools reduzieren die Tage für die Suche nach qualifizierten Kandidaten dramatisch.
• Schnellere Terminierung reduziert Time-to-Hire. GoodTime und ModernLoop komprimieren 2-wöchige Terminierung auf 2-tägige.
• KI-gestützte Funnel-Analytik zeigt Verzögerungen. Ashby und Greenhouse Insights markieren Phasen, in denen einzelne Kandidaten feststecken, und ermöglichen Intervention, bevor der Time-to-Hire eskaliert.

Der kombinierte Effekt: Gut eingesetzte KI-Tools reduzieren den Time-to-Hire um 30–50 %, während Sourcing-KI den Time-to-Fill um 30–60 % senkt — bei gleichem Qualitätsmaßstab.

Wie man es operationalisiert

1. Beide Kennzahlen separat tracken. Nicht vermischen.
2. Rollentyp-spezifische Benchmarks setzen. Interne historische Daten sind nützlicher als Branchen-Benchmarks.
3. Nach Funnel-Phase diagnostizieren. Wenn Time-to-Hire hoch ist, identifizieren, in welcher Phase Kandidaten feststecken. Dann die richtige Intervention finden.
4. Mit Quality of Hire koppeln. Durchsatz-Kennzahlen ohne Qualitätskennzahlen treiben das falsche Verhalten.
5. Monatlich an den Recruiting-Leiter berichten; quartalsweise an den CHRO. Sichtbarkeit schafft Accountability.

Häufige Fallstricke

• Time-to-Fill als primären Recruiting-KPI verwenden. Durchsatz-Optimierung auf Kosten der Qualität ist der chronische Recruiting-Fehler.
• Äpfel mit Birnen vergleichen. Time-to-Hire für Senior-Engineering-Hiring ist nicht mit dem für Retail-Floor-Staff vergleichbar.
• Die Kennzahl wählen, die die Performance besser aussehen lässt. Manche Teams berichten die (Time-to-Fill ODER Time-to-Hire), die besser aussieht; das untergräbt den diagnostischen Wert.
• Vorgelagerte Verzögerungen ignorieren. Time-to-Fill, der die Job-Genehmigungsverzögerung ausschließt, verbirgt eine große Quelle von Zykluszeit-Schmerz.

Weiterführendes

• Quality of Hire — die Ergebniskennzahl, die diese Durchsatz-Kennzahlen nicht verdrängen sollten
• Recruiting-Funnel-Metriken — angrenzende stufenweise Diagnosedaten
• Candidate Experience — hoher Time-to-Hire schadet der CX direkt
• Ashby — modernes ATS mit starkem nativem Time-to-Fill- und Time-to-Hire-Reporting