Fast jede moderne Karriereseite bettet maschinenlesbare strukturierte Daten ein, die die Stelle beschreiben. Dieses Format zu verstehen bietet Ihnen eine zuverlässige Möglichkeit, Stellenangebote zu überwachen, ohne rohes HTML zu parsen, und erklärt, warum Google Jobs schneller als LinkedIn ist.
Fast jede Stellenanzeige, die Sie jemals angesehen haben, enthielt eine versteckte Version neben dem sichtbaren HTML - eine klare, maschinenlesbare Beschreibung der Stelle mit strukturierten Feldern für Titel, Standort, Veröffentlichungsdatum, Gehaltsspanne und Arbeitgeber. Das nennt sich JSON-LD JobPosting, es ist als Script-Tag in die Seite eingebettet, und es ist der Grund, warum Google Jobs Ihnen eine Karte mit einer Gehaltsspanne und dem Zeitstempel „vor 5 Stunden" anzeigt, während LinkedIn Ihnen noch sagt, die Stelle sei „vor 2 Tagen" veröffentlicht worden.
Dieses Format zu verstehen bringt Ihnen zwei nützliche Dinge. Es erklärt, warum bestimmte Kanäle strukturell schneller sind als andere (Google Jobs verwendet JSON-LD direkt; LinkedIn nicht). Und es bietet Ihnen einen sauberen Weg, Karriereseiten von Unternehmen zu überwachen, ohne zu versuchen, HTML zu parsen, das nicht zum Parsen gedacht war.
JSON-LD („JSON for Linked Data") ist eine Methode, maschinenlesbare Daten in eine Webseite einzubetten. Das Schema JobPosting, definiert auf schema.org/JobPosting, ist einer von Dutzenden Typen, die Google verwendet, um strukturierte Informationen aus dem Web aufzunehmen.
Warum jedes Unternehmen es ausgibt: Google verlangt es. Wenn eine Stelle keinen gültigen JSON-LD-JobPosting-Block hat, erscheint sie nicht in Google Jobs - und Google Jobs ist zunehmend der Ausgangspunkt für Bewerber. Daher gibt jedes moderne ATS (Workday, Greenhouse, Lever, Ashby, Phenom, iCIMS) diese strukturierten Daten auf seinen Stellenseiten aus, ob der Arbeitgeber es verlangt oder nicht.
Wenn Sie den Quellcode einer typischen Stellenanzeige auf Greenhouse anzeigen und nach application/ld+json suchen, sehen Sie etwas Ähnliches wie dies:
{
"@context": "https://schema.org",
"@type": "JobPosting",
"title": "Senior Backend Engineer",
"description": "We're looking for...",
"datePosted": "2026-05-12",
"validThrough": "2026-08-12",
"employmentType": "FULL_TIME",
"hiringOrganization": {
"@type": "Organization",
"name": "Acme",
"sameAs": "https://acme.example"
},
"jobLocation": {
"@type": "Place",
"address": {
"@type": "PostalAddress",
"addressLocality": "London",
"addressCountry": "GB"
}
},
"baseSalary": {
"@type": "MonetaryAmount",
"currency": "GBP",
"value": {
"@type": "QuantitativeValue",
"minValue": 90000,
"maxValue": 130000,
"unitText": "YEAR"
}
}
}Die Felder sind weitgehend selbsterklärend. Die zwei, die Sie als Jobsuchenden am meisten interessieren, sind datePosted (der kanonische Zeitstempel „Wann wurde diese Stelle veröffentlicht?") und baseSalary (wenn vorhanden; britische Stellenanzeigen verlangen dies zunehmend aufgrund der jüngsten Transparenzmaßnahmen, ebenso die kalifornischen Gehaltstransparenzgesetze).
Drei praktische Gründe.
Das Feld datePosted ist der Referenz-Zeitstempel. Wenn ein Aggregator angibt, eine Stelle sei „vor 3 Tagen veröffentlicht", zeigt er das Datum an, an dem er sie erstmals aufgenommen hat, nicht das Datum, an dem das Unternehmen sie tatsächlich veröffentlicht hat. Das JSON-LD auf der eigenen Seite des Unternehmens gibt Ihnen die wahre Zahl. Unsere Messung der ATS-LinkedIn-Verzögerung basiert auf diesem Vergleich.
Google Jobs nimmt direkt über JSON-LD auf. Sobald Googlebot eine Karriereseite crawlt (was bei den meisten Unternehmenswebsites innerhalb weniger Stunden geschieht), erscheint die Stelle in den Google-Jobs-Suchergebnissen. LinkedIn und Indeed müssen ihr eigenes Crawling, Parsen, Deduplizieren und Klassifizieren durchführen, was ihre Verzögerung von 1 bis 5 Tagen erklärt. Die Analyse der Aggregator-Verzögerungskosten erläutert diesen Punkt im Detail.
Wenn Sie irgendeine Form von Überwachung einrichten, ist JSON-LD dem Parsen von rohem HTML deutlich vorzuziehen. Die Daten sind bereits strukturiert. Sie brauchen keine CSS-Selektoren, die brechen, wenn das Unternehmen seine Karriereseite redesignt. Sie suchen einfach nach den <script type="application/ld+json">-Blöcken und parsen sie als JSON.
In jedem Browser:
application/ld+json."@type": "JobPosting" enthält die Stellendaten.Sie können es mit dem Rich Results Test von Google validieren, der sowohl bestätigt, dass das JSON-LD wohlgeformt ist, als auch anzeigt, ob Google Jobs es indexieren würde.
Unsere vollständige ATS-Referenz behandelt, wie Sie erkennen, welches System ein Unternehmen verwendet.
Für technisch versierte Leser, hier ist die allgemeine Struktur eines Python-Skripts, das eine einzelne Karriereseite auf neue JSON-LD-JobPosting-Einträge überwacht:
import json, re, requests, hashlib
from bs4 import BeautifulSoup
def fetch_postings(url):
html = requests.get(url, headers={"User-Agent": "Mozilla/5.0"}).text
soup = BeautifulSoup(html, "html.parser")
out = []
for tag in soup.find_all("script", type="application/ld+json"):
try:
data = json.loads(tag.string)
except (json.JSONDecodeError, TypeError):
continue
items = data if isinstance(data, list) else [data]
for item in items:
if item.get("@type") == "JobPosting":
out.append(item)
return out
# Nach Zeitplan ausführen; mit vorherigem Lauf vergleichen; neue Einträge per E-Mail senden.
Die vollständige Maschinerie (Umgang mit JavaScript-gerenderten Seiten, Einhaltung von Ratelimits, Deduplizierung zwischen Läufen, Parsen von Gehältern in ein abfragbares Format) ist einfach, aber aufwändiger. Unser vollständiger Leitfaden zur Überwachung von Karriereseiten vergleicht diesen Ansatz mit den Alternativen.
Wenn Sie hauptsächlich auf Aggregatoren suchen, sind Sie inhärent nachgelagert zu den strukturierten Daten, die das Unternehmen bereits veröffentlicht hat. Dasselbe JSON-LD, das Google Jobs am Tag der Veröffentlichung der Stelle gespeist hat, befindet sich auf der Unternehmensseite und wartet darauf, gelesen zu werden, und es ist die reduzierte, klassifizierte, einen Tag verspätete Kopie des Aggregators, die Sie stattdessen lesen.
Die praktische Implikation: Google Jobs ist aufgrund der Pipeline-Funktionsweise strukturell schneller als LinkedIn oder Indeed. Für Stellen, bei denen eine Bewerbung am selben Tag zählt, bevorzugen Sie Google Jobs gegenüber der LinkedIn-Suche, wenn Sie keine direkte ATS-Überwachung verwenden. Unser Vergleich der drei Ansätze erläutert die praktischen Kompromisse.
JSON-LD JobPosting ist der stille Baustein unter dem Großteil der modernen Jobsuche-Infrastruktur. Dieselben Daten, die Google Jobs in dem Moment gespeist haben, als eine Stelle online ging, befinden sich auf der Unternehmensseite und warten darauf, gelesen zu werden. Aggregatoren fügen ihre eigenen Aufnahme-, Analyse-, Deduplizierungs- und Klassifizierungsschichten darüber - deshalb sind sie ein bis zwei Tage hinter der kanonischen Quelle.
Für die meisten Bewerber ist die praktische Implikation einfacher als die technische Geschichte: Wenn Sie zwischen verschiedenen Jobsuche-Kanälen wählen, ist Google Jobs strukturell aktueller als LinkedIn, weil es das JSON-LD direkt liest. Wenn Sie Ihre eigene Überwachung einrichten, ist JSON-LD das, was Sie lesen sollten - nicht das gerenderte HTML und schon gar nicht die indexierte Kopie der Aggregatoren.