Guides

Shadow AI im Recruiting: Das Governance-Risiko, wenn Consultants eigene ChatGPT-Workflows nutzen

Deine Consultants recherchieren Unternehmen, entwerfen Outreach und fassen Calls längst mit eigenen ChatGPT-, Claude- oder Gemini-Chats zusammen. Warum diese Shadow-AI-Gewohnheit eine direkte Bedrohung für das Company Brain deiner Agentur ist - und wie du sie in den Griff bekommst.

TB Team Boilr

· August 30, 2026 · 14 Min. Lesezeit

Abstrakte, dunkle Liquid-Metal-Textur als Sinnbild für verborgene, ungesteuerte KI-Workflows in einer Recruiting-Agentur

TL;DR

Zwei Drittel aller Büroangestellten haben schon KI-Tools bei der Arbeit genutzt, von denen sie selbst dachten, dass sie eigentlich nicht erlaubt sind [1], und 88% haben arbeitsbezogene Informationen in öffentliche Tools wie ChatGPT, Claude oder Gemini eingegeben [1]. Recruiting-Agenturen sind besonders exponiert: Consultants arbeiten täglich mit Lebensläufen, Gehaltsdaten und Kundeninformationen, und 43% der Unternehmen setzten 2025 bereits KI für HR-Aufgaben ein [2]. Wenn ein Consultant seinen eigenen, informellen KI-Workflow fährt statt eines geteilten, gesteuerten Systems, dann leben die Recherche-Tricks, Prompts und Outreach-Ansätze, die er sich erarbeitet hat, nur in seinem privaten Chat-Verlauf. Und wenn er geht - die Fluktuation in der Recruiting-Branche liegt bei bis zu 43% pro Jahr [3] - geht dieses Wissen mit ihm. Das ist kein Tool-Problem. Das ist ein Governance-Problem, und es ist das genaue Gegenteil von dem, was ein geteiltes Company Brain eigentlich schützen soll. Dieser Artikel ist ein Framework für Agentur-Owner, kein Tool-Vergleich: Wie du deine Shadow AI findest, entscheidest, was du offiziell machst, und zentralisierst, was deine besten Consultants längst herausgefunden haben, bevor du es verlierst.

Was "Shadow AI" in einer Recruiting-Agentur konkret bedeutet

Shadow AI ist das KI-Pendant zu Schatten-IT: Mitarbeitende nutzen Tools, Modelle oder Browser-Erweiterungen ohne Freigabe, ohne Aufsicht und ohne dass irgendjemand davon weiß [4]. In einer Recruiting-Agentur sieht das selten dramatisch aus. Es sieht aus wie ein 360-Consultant mit vier offenen Tabs:

Ein privater ChatGPT- oder Claude-Account, mit dem vor einem BD-Call schnell die letzte Finanzierungsrunde, ein Führungswechsel oder aktuelle Presse zum Zielunternehmen zusammengefasst wird.
Eine Browser-Erweiterung, die LinkedIn-Profile oder Stellenanzeigen automatisch zusammenfasst, damit sie nicht komplett gelesen werden müssen.
Ein kostenloser Gemini- oder Claude-Chat, in dem eine Outreach-Mail entworfen wird - mit Lebenslauf oder Kundenbrief als eingefügtem Kontext.
Ein Meeting-Notiz-Tool mit aktivierter KI-Zusammenfassung für Kundencalls, das das Transkript still an ein Drittanbieter-Modell schickt, das niemand in der Agentur geprüft hat.
Ein Boolean-String-Generator oder Sourcing-Co-Pilot, den nur ein Sourcer als Lesezeichen gespeichert hat, nie mit dem Rest des Desks geteilt - obwohl er zuverlässig bessere Kandidatenpools liefert als der Teamdurchschnitt.

Nichts davon ist böswillig. Jede dieser Gewohnheiten entsteht, weil die offiziellen Tools der Agentur langsamer, starrer oder schlicht nicht für genau die Aufgabe gebaut sind, die um 16 Uhr vor dem nächsten Call erledigt werden muss. Die durchschnittliche Person in einem Unternehmen nutzt inzwischen 4,7 KI-Tools pro Woche - nur 1,2 davon sind offiziell freigegeben [1]. Es gibt keinen Grund anzunehmen, dass ein Recruiting-Desk davon eine Ausnahme ist.

Warum Recruiting-Agenturen besonders exponiert sind

Shadow AI ist gerade branchenübergreifend ein Vorstandsthema, aber drei Dinge machen es für eine Recruiting-Agentur konkret schärfer:

1. Die eingefügten Daten sind personenbezogene Daten

Ein Consultant, der Outreach entwirft oder eine Shortlist in einem kostenlosen ChatGPT-Tab prüft, fügt oft Lebensläufe, Gehaltsvorstellungen, Referenzen oder Kunden-Hiring-Pläne in ein Drittanbieter-Modell ein - ohne dass ein Auftragsverarbeitungsvertrag existiert [5]. Nach DSGVO bleibt die Agentur verantwortliche Stelle für diese Kandidatendaten, auch wenn sie über ein Tool laufen, das die Agentur nie freigegeben hat und nicht prüfen kann [5]. Bußgelder bei schweren DSGVO-Verstößen reichen bis zu 20 Mio. Euro oder 4% des weltweiten Jahresumsatzes, und EU-Aufsichtsbehörden haben bereits hunderte Bußgelder speziell im Beschäftigungssektor verhängt [5].

2. Kaum eine Branche hat eine höhere Fluktuation

Recruiting ist berüchtigt dafür, Desks schnell durchzuwechseln. Die durchschnittliche Fluktuation liegt bei etwa 43% pro Jahr, und ein Consultant zu ersetzen kostet rund das Vierfache seines Gehalts, wenn man verlorene Billings, Einarbeitungszeit und Nachbesetzung einrechnet [3]. Das bedeutet: Alles, was ein Consultant lernt - welche Betreffzeilen konvertieren, welche ICP-Segmente antworten, welche Prompts einen brauchbaren ersten Entwurf liefern - hat eine sehr kurze Haltbarkeit im Unternehmen, wenn es nirgendwo außer im Kopf und im eigenen Chat-Verlauf dieser Person landet.

3. KI-Adoption läuft der Governance bereits davon

Der GRID-Report 2026 von Bullhorn, für den über 2.300 Recruiting-Fachleute befragt wurden, zeigt: Nur 10% der Agenturen haben KI durchgängig im Workflow verankert - obwohl die Top-Performer unter den KI-nutzenden Agenturen einen 3,5- bis 4,5-fachen Umsatzvorteil gegenüber Nicht-Nutzern zeigen [6]. Genau in dieser Lücke zwischen "KI liefert bereits Ergebnisse" und "wir haben eine formale Regelung, welche KI-Tools genutzt werden dürfen" wächst Shadow AI. Landesweit haben nur 37% der Unternehmen überhaupt eine KI-Governance-Richtlinie [7].

Die echten Kosten: zwei Verluste, nicht einer

Die meisten Diskussionen über Shadow AI drehen sich um Sicherheit und Compliance, und dieses Risiko ist real und bezifferbar. Für einen Agentur-Owner gibt es aber noch einen zweiten, leiseren Kostenfaktor, der genauso wichtig ist: verlorenes institutionelles Wissen. Beide lohnt es sich durchzurechnen.

Risikotyp	Wie es aussieht	Was es kostet
Sicherheit / Compliance	Kandidaten- oder Kundendaten landen ungeprüft in einem öffentlichen Modell, ohne Audit-Trail	Datenschutzvorfälle mit Shadow AI kosten im Schnitt 4,63 Mio. US-Dollar - 670.000 US-Dollar mehr als ein typischer Vorfall - und werden 6 Tage später erkannt [8]
Wissen / IP-Verlust	Die besten Prompts, Recherche-Abkürzungen und Outreach-Ansätze eines Consultants existieren nur in seinem eigenen Chat-Verlauf	42% des institutionellen Wissens einer Organisation liegt ausschließlich bei einzelnen Mitarbeitenden [9]; große Unternehmen verlieren dadurch jährlich zweistellige Millionenbeträge [9]

83% der Unternehmen haben keinerlei grundlegende Kontrollen, um zu verhindern, dass sensible Daten in ein KI-Tool gelangen [8]. Für eine Recruiting-Agentur bedeutet das Fehlen dieser Kontrollen gleichzeitig: Es gibt auch nichts, das festhält, was funktioniert. Der Consultant mit den besten Antwortquoten bei Cold Outreach, weil er über sechs Monate still einen ChatGPT-Prompt perfektioniert hat, ist gleichzeitig dein bester BD-Asset und dein größter Single Point of Failure.

Shadow AI vs. gesteuertes Company Brain

Der Punkt dieses Vergleichs ist nicht "KI verbieten" - Agenturen, die KI gut einsetzen, gewinnen mit deutlichem Vorsprung [6]. Der Punkt ist: Wo das Gelernte lebt, entscheidet darüber, ob es sich für die Agentur aufbaut oder mit dem Consultant verschwindet.

Dimension	Shadow AI (ungesteuert)	Gesteuertes, geteiltes System (Company Brain)
Wo das Wissen liegt	Im privaten Chat-Verlauf und den Lesezeichen eines einzelnen Consultants	In einer geteilten, agenturweiten Wissensbasis, auf die jeder zugreifen kann
Was passiert, wenn der Consultant geht	Seine besten Prompts, Ansätze und Recherche-Abkürzungen gehen mit ihm	Wissen bleibt erhalten und ist für die nächste Person sofort nutzbar
Umgang mit Daten	Unbekannt - kein AVV, kein Audit-Trail, keine Sichtbarkeit für Ops oder Führung	Geprüft, protokolliert und durch einen Auftragsverarbeitungsvertrag abgedeckt
Konsistenz über den Desk hinweg	Eine Person verbessert ihren Outreach, der Rest des Teams profitiert nicht	Ein funktionierendes Muster ist sichtbar und für alle wiederverwendbar
Sichtbarkeit für die Führung	78% der Führungskräfte glauben, ein klares Bild der KI-Nutzung im Unternehmen zu haben; real liegt der Wert eher bei 23% [1]	Nutzung, Ergebnisse und Datenflüsse sind bekannt und überprüfbar
Onboarding neuer Consultants	Startet bei null; muss neu herausfinden, was bereits funktioniert hat	Übernimmt vom ersten Tag an die gesammelten Playbooks und Signal-Historie der Agentur

Ein Governance-Framework für Agentur-Owner

Du kannst nicht steuern, was du nicht siehst, und du kannst nichts zentralisieren, das niemand aufgeschrieben hat. Hier ist eine praktische, nicht-technische Vorgehensweise, um Shadow AI ans Licht zu holen, statt so zu tun, als gäbe es sie nicht.

Schritt 1: Ehrliches Audit der KI-Nutzung

Frag jeden Consultant direkt und ohne Schuldzuweisung, welche KI-Tools er im Alltag tatsächlich nutzt.
Prüfe Firmenkarten- und Spesenabrechnungen auf KI-Abos, die nie gemeldet wurden.
Sieh dir Browser-Erweiterungen auf Firmengeräten an, wo IT Einblick hat.
Geh davon aus, dass die tatsächliche Anzahl genutzter Tools höher ist, als was Leute freiwillig zugeben - 66% der Mitarbeitenden, die nicht genehmigte KI nutzen, glauben selbst, damit gegen Richtlinien zu verstoßen, und melden es deshalb nicht von sich aus [1].

Schritt 2: "Riskant" von "nützlich" trennen

Riskant und nicht genehmigt: alles, wo Kandidaten- oder Kundendaten in einen privaten, kostenlosen Account ohne Datenvereinbarung eingefügt werden.
Nützlich und formalisierungswürdig: ein Prompt, Workflow oder Tool, das einen Consultant wirklich besser macht und - geprüft und geteilt - alle besser machen könnte.
Vermisch beides nicht. Wer die zweite Kategorie wie die erste bestraft, treibt gute Gewohnheiten nur noch tiefer in den Untergrund.

Schritt 3: Ein kleines, freigegebenes Toolset festlegen - und es klar kommunizieren

Wähl ein oder zwei KI-Tools mit sauberen Business-Datenschutzbedingungen aus und verkünde diese Entscheidung an den gesamten Desk.
Das freigegebene Tool muss mindestens so schnell und nützlich sein wie die Schatten-Alternative - sonst gewinnt die Schatten-Alternative trotzdem.
Schreib eine einseitige Richtlinie: Was darf eingefügt werden, was darf niemals eingefügt werden (Gehaltsdaten von Kandidaten, Referenzen, ungeschwärzte Kundenverträge), und wen man bei Unsicherheit fragt.

Schritt 4: Die funktionierenden Muster zentralisieren, nicht nur die Tools

Lass jeden Consultant einmal pro Woche einen Prompt, eine Recherche-Abkürzung oder einen Outreach-Ansatz teilen, der funktioniert hat - auch informell in einem geteilten Dokument oder Channel.
Halte fest, was konvertiert: Betreffzeilen, Antworten auf Einwände, ICP-Segmente, die reagieren, Signal-Typen, die ein Mandat ankündigen.
Behandle das wie eine Kandidatendatenbank: ein Asset der Agentur, nicht eines einzelnen Desks.

Schritt 5: Regelmäßig neu prüfen, nicht nur einmal

Shadow AI taucht wieder auf, sobald ein freigegebenes Tool zurückfällt oder ein neues auf den Markt kommt - wiederhole das Audit quartalsweise.
Mach es zum festen Tagesordnungspunkt in Führungsrunden, nicht zu einem einmaligen Projekt.
Achte besonders auf neue Browser-Erweiterungen und "KI-Meeting-Assistenten" - sie verbreiten sich am schnellsten, weil sie sich in Sekunden installieren und Calls teils automatisch beitreten.

Governance-Gesundheit: KPIs zum Tracken

Metrik	Warum sie wichtig ist	Zielwert
% der aktiv genutzten KI-Tools, die offiziell freigegeben sind	Direktes Maß für Shadow-AI-Exposition	Steigend, Quartal für Quartal
% der Consultants mit vollständiger KI-Nutzungsangabe	Sichtbarkeit - ohne Offenlegung keine Steuerung	100%
Anzahl zentral erfasster funktionierender Prompts/Muster pro Monat	Ob Wissen wirklich erfasst wird - nicht nur genutzt	Stetig wachsend
Zeit bis zur vollen Produktivität eines neuen Consultants	Sinkt, wenn institutionelles Wissen zentral statt persönlich liegt	Kürzer als bei früheren Einstellungen
Datenvorfälle oder Beinahe-Vorfälle mit KI-Tools	Frühindikator vor einem teuren Vorfall	Null, fallende Tendenz

Wie boilr diese Lücke schließt - ehrlich betrachtet

boilr ist genau dafür gebaut, dass die Recherche-, Sourcing- und Outreach-Entwurfsarbeit, die ein Consultant sonst mit einem privaten KI-Tab improvisieren würde, in einem gesteuerten, geteilten System stattfindet:

Company Brain: Jede erfolgreiche Nachricht, jede Einwandbehandlung und jedes ICP-Muster, das ein Consultant entdeckt, fließt in eine agenturweite Wissensbasis statt in ein privates Chat-Log. 100% dieses Wissens bleibt erhalten, wenn ein Consultant geht, und eine neue Person übernimmt es vom ersten Tag an, statt bei null anzufangen.
Signals: Hiring-, Finanzierungs- und Expansionssignale werden automatisch aus geprüften Quellen erkannt - der Grund, warum ein Consultant "schnell mal in ChatGPT nachschauen" will, entfällt damit.
Companies & Candidates: Anreicherung und Sourcing laufen direkt in der Plattform gegen ein definiertes ICP, sodass die benötigte Recherche bereits vorliegt, statt über fünf Browser-Tabs zusammengesucht zu werden.
Tasks: Outreach-Entwürfe entstehen aus Agenturdaten und Kundenhistorie, nicht aus dem, was ein Consultant morgens zufällig in einen privaten KI-Account eingefügt hat. Der Consultant prüft und sendet jede Nachricht weiterhin selbst.
CRM-Integrationen: Anbindungen an Bullhorn, RecruiterFlow und Spott halten den Workflow in Systemen, in die Ops und Führung bereits Einblick haben - statt in einer Browser-Erweiterung, die niemand freigegeben hat.
Analytics: Die Führung sieht, welche ICP-Segmente und Nachrichten agenturweit konvertieren - genau die Sichtbarkeitslücke, die laut PagerDuty-Daten die meisten Führungskräfte heute haben [1].

Was boilr nicht ersetzt: Urteilsvermögen. Ein Consultant entscheidet weiterhin, welcher Lead Priorität hat, schreibt weiterhin den letzten menschlichen Feinschliff an eine Nachricht, bevor sie rausgeht, führt den Call und schließt die Beziehung. Governance heißt nicht, den Menschen aus BD herauszunehmen - sondern sicherzustellen, dass das, was dieser Mensch lernt, nicht am Tag der Kündigung verschwindet.

Wenn die besten Recherche- und Outreach-Gewohnheiten deiner Consultants nur in ihrem eigenen ChatGPT-Verlauf existieren, hast du keinen KI-Vorteil - du hast eine KI-Abhängigkeit von der Person, die gerade noch an ihrem Schreibtisch sitzt. Sieh dir an, wie boilr dieses Wissen in der Agentur hält.

Häufige Governance-Fehler, die du vermeiden solltest

Fehler 1: KI pauschal verbieten

Warum das scheitert: Ein pauschales Verbot stoppt die Nutzung nicht, es nimmt dir nur die Sichtbarkeit darauf. Zwei Drittel der Mitarbeitenden nutzen bereits KI, von der sie selbst glauben, dass sie gegen Richtlinien verstößt [1] - ein Verbot bestätigt nur, dass sie es besser verschweigen.

Fix: Gib eine schnelle, nützliche Alternative frei, statt die Option ganz zu streichen.

Fehler 2: Das als reines IT-Problem behandeln

Warum das scheitert: Nur 19% der Unternehmen stimmen KI-Governance überhaupt mit ihrem Security-Team ab [7], und in einer kleinen bis mittelgroßen Agentur gibt es oft gar keine eigene IT-Funktion, die das übernehmen könnte.

Fix: Mach es explizit zur Aufgabe von Führung und Ops - nicht zur Annahme, dass "irgendjemand" sich darum kümmert.

Fehler 3: Kein Protokoll darüber, was tatsächlich funktioniert

Warum das scheitert: Selbst Agenturen, die KI-Nutzung erlauben, schreiben oft nie auf, welche Prompts, Ansätze oder Tools wirklich Ergebnisse bringen - das Wissen bleibt persönlich, auch wenn die Nutzung offiziell ist.

Fix: Zentralisiere funktionierende Muster wöchentlich, nicht nur Tool-Freigaben.

Fehler 4: Offenlegung bestrafen

Warum das scheitert: Wenn die erste Person, die zugibt, ein nicht genehmigtes Tool zu nutzen, dafür Ärger bekommt, wird sich niemand danach noch freiwillig melden.

Fix: Führ das erste Audit als Amnestie durch. Bestrafe zukünftiges Verschweigen, nicht die ehrliche erste Antwort.

Fehler 5: Annehmen, dass nur junge Mitarbeitende das Risiko sind

Warum das scheitert: Führungskräfte nutzen mehr als doppelt so häufig nicht genehmigte KI-Tools wie ihre Teams [1] - das ist mindestens genauso sehr eine Führungs- wie eine Desk-Gewohnheit.

Fix: Audit und Richtlinie gelten zuerst für Owner und Geschäftsführung, nicht nur für billende Consultants.

Ein 30/60/90-Tage-Plan gegen Shadow AI

Tag 1-30: Sichtbar machen

Führ das schuldfreie Nutzungs-Audit über alle Desks hinweg durch. Liste jedes genutzte KI-Tool, jede Erweiterung und jeden Workflow. Markiere jede Stelle, an der Kandidaten- oder Kundendaten bereits in ein ungeprüftes Tool eingegeben worden sein könnten, und hol dir bei gefundener Exposition rechtlichen Rat ein.

Tag 31-60: Freigeben und zentralisieren

Genehmige ein oder zwei ordentlich lizenzierte KI-Tools oder eine Plattform wie boilr mit gesteuertem Datenumgang. Verkünde die einseitige Richtlinie. Starte das wöchentliche Ritual, funktionierende Prompts, Ansätze und ICP-Muster zentral festzuhalten.

Tag 61-90: Messen und wiederholen

Tracke die oben genannten Governance-KPIs. Wiederhole das Audit. Verankere "diese Woche Gelerntes festhalten" fest in der BD-Routine, damit das Company Brain automatisch wächst statt vom Erinnern abzuhängen.

Häufige Fragen

Was ist Shadow AI in einer Recruiting-Agentur?

Shadow AI ist jede Nutzung von KI-Tools, -Modellen oder Browser-Erweiterungen durch einen Consultant oder ein Team ohne offizielle Freigabe, Aufsicht oder Datenvereinbarung. Im Recruiting zeigt sich das am häufigsten als private ChatGPT-, Claude- oder Gemini-Accounts zur Unternehmensrecherche, Outreach-Entwürfe oder Lebenslauf-Zusammenfassungen, dazu Browser-Erweiterungen, die LinkedIn-Profile oder Meetings automatisch zusammenfassen.

Ist das wirklich riskant oder nur eine Compliance-Formalität?

Es ist ein reales, bezifferbares Risiko. Datenschutzvorfälle mit Shadow AI kosten Unternehmen im Schnitt 4,63 Mio. US-Dollar - 670.000 US-Dollar mehr als ein typischer Vorfall - und werden später erkannt, weil kein Protokoll existiert, wohin welche Daten geflossen sind [8]. Im Recruiting sind es oft Kandidaten-Lebensläufe, Gehaltsdaten und Kunden-Hiring-Pläne, was das DSGVO-Risiko direkt erhöht.

Sollten wir KI-Tools zur Sicherheit einfach verbieten?

Nein. Agenturen, die KI gut einsetzen, zeigen einen 3,5- bis 4,5-fachen Umsatzvorteil gegenüber solchen, die es nicht tun [6]. Ein Verbot entfernt nicht die Nutzung, sondern nur deine Sichtbarkeit darauf, denn Mitarbeitende, die ein Tool für regelwidrig halten, hören schlicht auf, es offenzulegen. Besser ist es, eine schnelle, gesteuerte Alternative freizugeben.

Wie bedroht Shadow AI konkret ein Company Brain?

Ein Company Brain funktioniert, indem es die besten Nachrichten, ICP-Muster und Einwandbehandlungen aller Consultants in einer geteilten, agenturweiten Ressource bündelt. Shadow AI tut per Design das Gegenteil: Die Prompts und Recherche-Abkürzungen, die ein Consultant verfeinert, existieren nur in seinem privaten Chat-Verlauf. Wenn dieser Consultant geht - und die Fluktuation im Recruiting liegt bei rund 43% pro Jahr [3] - geht keiner dieser Lerneffekte auf die Agentur oder die nächste Person über.

Wer sollte KI-Governance in einer kleinen oder mittelgroßen Agentur verantworten?

Führung und Ops, ausdrücklich - nicht ein vermutetes "jemand in der IT". Die meisten Agenturen dieser Größe haben keine eigene Security-Funktion, und nur 19% aller Unternehmen stimmen KI-Governance überhaupt mit ihrem Security-Team ab [7]. Verantwortung muss klar benannt werden, nicht angenommen.

Was ist das größte Datenrisiko von Shadow AI im Recruiting?

Lebensläufe, Gehaltsvorstellungen, Referenzen oder ungeschwärzte Kundenbriefe in einen kostenlosen, öffentlichen KI-Account einzufügen. Die Agentur bleibt nach DSGVO verantwortliche Stelle für diese Daten - unabhängig davon, welches Tool ein Consultant genutzt hat -, und in der Regel existiert kein Auftragsverarbeitungsvertrag, der das abdeckt [5].

Wie finden wir heraus, was unsere Consultants bereits nutzen?

Führ ein direktes, schuldfreies Audit durch: Frag Consultants, welche Tools sie nutzen, prüfe Spesen- und Kartenabrechnungen auf KI-Abos, sieh dir Browser-Erweiterungen auf verwalteten Geräten an. Behandle die erste Runde als Amnestie - zwei Drittel der Mitarbeitenden, die nicht genehmigte KI nutzen, glauben selbst, damit gegen Richtlinien zu verstoßen, und melden es deshalb nicht von sich aus, wenn Offenlegung bestraft wird [1].

Ersetzt eine Plattform wie boilr die eigene KI-Nutzung eines Consultants komplett?

Sie ersetzt den Grund, warum ein Consultant für Recherche, Sourcing und Outreach-Entwürfe einen privaten KI-Tab braucht, indem diese Arbeit in einem gesteuerten System stattfindet, das ein geteiltes Company Brain speist statt ein privates Chat-Log. Sie ersetzt nicht das Urteilsvermögen - Consultants prüfen und senden weiterhin jede Nachricht selbst und führen weiterhin die Beziehung und den Abschluss.

Quellen

Informationen basieren auf öffentlichen Branchenberichten und Umfragen, Stand August 2026.

Zurück zu allen Artikeln