Effiziente Personalbeschaffung im Automobilbereich

  • Die Automobilbranche steht vor einem tiefgreifenden Wandel, der durch Digitalisierung, den Umstieg auf alternative Antriebstechnologien sowie einem zunehmenden Fachkräftemangel geprägt ist. Diese Entwicklungen stellen neue Anforderungen an die Personalbeschaffung und erfordern innovative, datengetriebene Recruiting-Strategien. Ziel dieser Arbeit ist es, die bestehenden Herausforderungen im Recruiting-Prozess der Automobilbranche zu analysieren und innovative Lösungsansätze aufzuzeigen, die sowohl technologisch fundiert als auch praxisnah umsetzbar sind. Auf Basis theoretischer Grundlagen und aktueller Forschung wurden Expert*inneninterviews mit Unternehmen der Automobilbranche durchgeführt, um Einblicke in gegenwärtige Strategien und digitale Instrumente der Personalgewinnung zu erhalten. Die qualitativen Ergebnisse zeigen, dass der Einsatz von Künstlicher Intelligenz, datengetriebenen Systemen und strategischem Employer Branding entscheidende Erfolgsfaktoren für die moderne Personalbeschaffung darstellen. Gleichzeitig wurden Hürden in der Umsetzung identifiziert, wie etwa kulturelle Vorbehalte gegenüber Automatisierung oder mangelnde Integration bestehender Systeme. Die Arbeit leitet konkrete Handlungsempfehlungen für Personalverantwortliche ab, wie Recruiting-Prozesse durch technologische Innovationen, strategische Planung und eine stärkere Bewerber*innenorientierung optimiert werden können. Abschließend wird ein idealtypisches Recruiting-Framework vorgestellt, das als praxisnaher Leitfaden zur Weiterentwicklung der Personalbeschaffung im Automobilsektor dienen soll.
  • The automotive industry is undergoing a fundamental transformation driven by digitalization, the shift to alternative propulsion systems, and an increasing shortage of skilled labor. These developments present new challenges for talent acquisition and demand innovative, data-driven recruitment strategies. This thesis aims to analyze the current obstacles in recruiting processes within the automotive sector and to identify solution-oriented, practical approaches that are both technologically sound and strategically effective. Based on theoretical foundations and current research, expert interviews were conducted with companies from the automotive industry to gain insight into contemporary strategies and digital tools used in recruitment. The qualitative findings reveal that the use of artificial intelligence, data-driven technologies, and strategic employer branding are critical success factors in modern talent acquisition. At the same time, obstacles such as cultural resistance to automation and lack of integration with existing systems were identified.The study provides concrete recommendations for Human Resources (HR) professionals on how to optimize recruiting processes through technological innovation, strategic planning, and a stronger candidate-centric approach. Finally, the thesis introduces an ideal recruiting framework designed to serve as a practical guide for enhancing talent acquisition in the automotive sector.

Download full text files

Export metadata

Additional Services

Share in Twitter Search Google Scholar
Metadaten
Author(s):Katrin Weissacher
DOI:https://doi.org/10.58023/1210
Subtitle (German):Herausforderungen und innovative Lösungsansätze
Referee:Klaus Fetka, Michael Terler
Advisor:Klaus Fetka
Document Type:Master's Thesis
Language:German
Year of Publication:2025
Publishing Institution:FH CAMPUS 02 (CAMPUS 02 Fachhochschule der Wirtschaft)
Granting Institution:FH CAMPUS 02 (CAMPUS 02 Fachhochschule der Wirtschaft)
Release Date:2025/11/05
GND Keyword:RecruitmentGND
Page Number:ii, 183
Institutes:Innovationsmanagement
Dewey Decimal Classification:6 Technik, Medizin, angewandte Wissenschaften / 65 Management, Öffentlichkeitsarbeit / 658 Allgemeines Management
BKL-Classification:85 Betriebswirtschaft / 85.62 Personalwesen
Open Access:ja
Licence (German):License LogoBundesgesetz über das Urheberrecht an Werken der Literatur und der Kunst und über verwandte Schutzrechte (Urheberrechtsgesetz)

$Rev$