LONDON (IT BOLTWISE) – Mercor, ein Startup für KI-Training, hält in seinem Bewerbungsprozess bewusst an Whiteboard-Interviews fest. Damit will das Unternehmen verhindern, dass Kandidaten Entscheidungen nur noch „outsourcen“, indem sie während der Aufgaben KI-Codierung oder -Erklärungen automatisiert übernehmen. Statt mehrteiliger Home-Assignments gibt es laut Aussagen von Osvald Nitski einen Fokus auf Tool-Vertrautheit, Statistikverständnis, Urteilsvermögen und System Design. Der Ansatz steht im Kontrast zu einem Trend, bei dem andere Teams KI im Interview erlauben oder sogar als Bestandteil von Work Trials nutzen.
Der Bewerbungsprozess von Mercor wirkt auf den ersten Blick wie ein Schritt zurück in die 2010er-Jahre: Whiteboard-Interviews statt Work Trials, Take-home-Assignments und „vibe coding“ am eigenen Laptop. Das Startup, das auf KI-Training und die dazugehörige Talent-Pipeline setzt, begründet diesen Kurs damit, dass Künstliche Intelligenz die eigentliche Arbeitsleistung im Gespräch verfälschen kann. In einem KI-Interviewkontext wird schnell aus einer Kompetenzprüfung eine Verifikationsaufgabe für Prompting-Fähigkeiten. Genau diesen Effekt will Mercor laut den Aussagen seines Product-Head Osvald Nitski reduzieren, indem es Kandidaten dazu bringt, ihr Denken sichtbar und nachvollziehbar zu machen.
Technisch gesehen verschiebt Mercor damit den Schwerpunkt vom Generieren von Code hin zur Ableitung von Entscheidungen: In der Whiteboard-Session geht es nicht nur darum, ob jemand eine Aufgabe „zu Ende“ schreibt, sondern ob er oder sie Experimente sauber aufsetzt, Statistiken versteht und die Qualität der Ergebnisse beurteilen kann. Nitski beschreibt, dass das Unternehmen zunächst eine Runde für den Umgang mit KI-Tools vorsieht, anschließend aber stärker prüft, wie Kandidaten Hypothesen formulieren, Messgrößen einordnen und daraus belastbare Schlussfolgerungen ziehen. Ergänzend kommt System Design ins Spiel, also die Frage, wie man ein Gesamtsystem entwirft: Datenflüsse, Schnittstellen, Skalierbarkeit und Entscheidungslogik auf Architektur-Ebene. Diese Kombination zielt weniger auf Geschwindigkeit als auf methodische Korrektheit.
Diese Haltung erklärt auch, warum Mercor Take-home-Assignments in der Praxis stärker zurückfährt. Take-home-Aufgaben sind für Bewerber zwar komfortabler, weil sie Zeit zum Nachdenken, Iterieren und – entscheidend – zur externen Unterstützung bieten. In einem Umfeld, in dem große Sprachmodelle inzwischen in der Lage sind, längere Texte, Code-Snippets und sogar erklärende Herleitungen zu liefern, wird aus einer klassischen Prüfung schnell ein Arbeitsauftrag, der durch KI-Assistenz „durchkomponiert“ sein kann. Mercor argumentiert dabei implizit gegen die Vorstellung, dass die Ergebnisse allein beweisen, wie die Person zu diesen Ergebnissen gekommen ist. Wenn KI einen großen Teil der Entscheidungsarbeit abnimmt, bleibt für die Beurteilung von Urteilsvermögen weniger Signal übrig.
Damit widerspricht Mercor einem breiteren Trend im Silicon-Valley-Umfeld, in dem Work Trials und Take-home-Assessments immer häufiger klassische Interviewformate ergänzen oder ersetzen. Ein zentraler Punkt dabei: Arbeitgeber wollen im Wettbewerb um Talente die Hürde für Kandidaten senken und gleichzeitig möglichst realistische Arbeitsproben sehen. Parallel öffnen einige Teams ihre Interviewaufgaben ausdrücklich für KI-Tools und Coding-Assistenten, weil sie den Alltag in der Entwicklung als „kooperativ mit KI“ betrachten. Besonders für Startups, die auf KI-Entwicklung spezialisiert sind, gilt: Ein einmaliger Versuch kann als schnellster Marker dienen, ob jemand die gewünschten technischen und Soft-Skills mitbringt. Mercors Ansatz wirkt in diesem Kontext bewusst niedrig-überlagert – mit dem Ziel, das Kompetenzbild möglichst direkt abzuleiten und nicht nur das Output-Resultat.
Auch im Vergleich zu etablierten Konzernen setzt Mercor damit einen klaren Kontrast. Aus der Branche wird seit Monaten berichtet, dass Big Tech die Regeln für Interviews anpasst und KI-Nutzung teilweise zulässt, etwa bei Kandidaten, die sich in coding-nahen Aufgaben prüfen lassen. Selbst Unternehmensumfelder, die früher eher auf kontrollierte Testbedingungen setzten, bewegen sich zunehmend in Richtung „KI erlaubt“ oder „KI-unterstützt“, weil man damit möglicherweise fairer bewertet, wie Kandidaten mit vorhandenen Werkzeugen arbeiten. Gleichzeitig verändert sich dadurch auch die Risikolandschaft: Wer KI im Interview zulässt, bewertet auch, wie gut jemand KI-Outputs prüft, validiert und in belastbare Ergebnisse übersetzt. Mercor wählt dagegen einen anderen Hebel – es lässt Kandidaten Werkzeuge nutzen, aber erst in einem Rahmen, der nicht die gesamte kreative und analytische Leistung ersetzt.
Besonders bemerkenswert ist, dass die Begründung nicht nur auf technische Genauigkeit zielt, sondern auch auf Lern- und Arbeitsrealität. Emily Cohen von Cognition, einem Startup im Bereich KI-Coding, wird in dem Material sinngemäß so eingeordnet, dass sie die Analogie „Math-Test ohne Taschenrechner“ bemüht: Ohne KI im Kernteil lässt sich besser erkennen, ob die Person die Grundlagen wirklich beherrscht. Zugleich bleibt ihr Gegenpunkt relevant: Für den Großteil einer Aufgabe, die dem späteren Job ähnlich ist, sollte KI-Assistenz zugänglich sein – weil man dann eher die Fähigkeit bewertet, ein Ziel zu erreichen, statt nur zu sehen, ob man Formeln reproduzieren kann. Genau diese Trennlinie scheint Mercor im Interviewprozess umzusetzen, indem die Whiteboard-Phase als Kernprüfung erhalten bleibt und KI-Nutzung nicht in jede Entscheidung vollständig hineinwirken darf.
Für Unternehmen ergeben sich daraus zwei praktische Fragen. Erstens: Welche Kompetenz soll der Interviewprozess tatsächlich messen – Output oder Prozessqualität? Zweitens: Wie schützt man die Messbarkeit vor „Capability-Delegation“, wenn KI-Tools bereits einen großen Teil der Bearbeitungszeit überbrücken können? Mercors Antwort ist eine relativ klassische, aber in KI-Zeit gut begründete Kombination aus Experimentdesign, Statistikverständnis, Urteilsvermögen und System Design. Gleichzeitig bleibt offen, ob das Unternehmen seine low-AI-Strategie in zukünftigen Teams skaliert, etwa wenn neue Rollen stärker auf kollaborative KI-Nutzung setzen. Für Kandidaten heißt das jedenfalls: Wer nicht nur Antworten liefern, sondern nachvollziehbar begründen kann, wird bei Mercor strukturell eher im Vorteil sein.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Mercor setzt bei Bewerbungen weiter auf Whiteboard-Interviews statt KI-gestützter Take-home-Tests" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Mercor setzt bei Bewerbungen weiter auf Whiteboard-Interviews statt KI-gestützter Take-home-Tests" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Mercor setzt bei Bewerbungen weiter auf Whiteboard-Interviews statt KI-gestützter Take-home-Tests« bei Google Deutschland suchen, bei Bing oder Google News!