Folge 285

Von Facebook Ads zu KI-Matching: Wachstumsgeschichte Uniwunder

Matthias A. (Uniwunder) über Performance-Marketing-Ausbau, algorithmisches Matching und warum ein Recruiting-Startup zum Data-Unternehmen wurde

Matthias A.

Co-Founder & CEO, Uniwunder

21. August 2025 ·50:20 Std. ·5 min Lesezeit

Podigee

3 Erkenntnisse aus dieser Folge

01
Performance-Marketing-Agenturen haben einen unterschätzten Daten-Schatz: Sie sehen jeden Tag, welche Botschaft bei welcher Zielgruppe funktioniert. Wer das nicht in eigene Matching-Produkte übersetzt, verschenkt den größten Hebel.
02
Recruiting wird sich in den nächsten 5 Jahren über Matching-Qualität entscheiden, nicht über Kanal-Reichweite. Wer den richtigen Kandidaten in 15 Minuten findet, schlägt jeden, der 500 zurschickt.
03
Der Wechsel von Service zu Produkt ist der schwierigste Schritt in der Unternehmensentwicklung — und der profitabelste. Uniwunder hat ihn geschafft, indem sie ihre Kundendaten als Asset ernst genommen haben.

Worum es in dieser Folge geht

Matthias hat Uniwunder mit aufgebaut — ursprünglich als Performance-Marketing-Firma für Hochschul-Recruiting, inzwischen als datengetriebenes Matching-Unternehmen zwischen Absolvent:innen und Unternehmen. Die Geschichte ist interessant, weil sie zeigt, wie ein Mittelstands-Business schrittweise zur Daten-Company wird.

Die Storyline

Der Startpunkt: Facebook Ads für Hochschulen

Am Anfang haben wir einfach Ads geschaltet. Gut, aber austauschbar. Der Schritt, aus unseren eigenen Performance-Daten Matching-Produkte zu bauen, hat uns von einer Agentur zu einem Tech-Unternehmen gemacht.

— Matthias A.

Der Wechsel vom Service (Ads-Betreuung) zum Produkt (Matching-Plattform) ist der strategische Kern. Agenturen sind austauschbar — Plattformen mit proprietären Daten haben Verteidigungslinien.

Was "Matching" wirklich heißt

Uniwunder matcht heute Absolvent:innen mit Unternehmen anhand von Profilen, Präferenzen und Verhaltensdaten. Der Algorithmus lernt aus tausenden erfolgreichen Matches — welche Merkmale führen zu welcher Einstellungsquote, welche Erwartungshaltungen passen zueinander.

Das ist schneller als jede klassische Sichtung — und qualitativ, weil das System nicht nach Keywords sucht, sondern nach Matching-Signalen.

Was HR-Abteilungen daraus lernen können

Matthias ist klar: HR als Branche muss lernen, Recruiting nicht als "wir screenen Lebensläufe" zu denken, sondern als "wir reduzieren die Matching-Reibung". Der Lebenslauf ist ein schlechter Proxy für Passung. Verhaltensdaten und Präferenzen sind bessere.

Was das für HR-Tech-Anbieter bedeutet

Die nächsten 5 Jahre werden alle HR-Tool-Anbieter von Applicant-Tracking zu Matching migrieren müssen. Wer das nicht tut, wird irrelevant.

— Matthias A.

Diese These teile ich. Klassisches ATS ist Verwaltung — Matching ist Value-Generation.

Warum mich das besonders umtreibt

Matthias Geschichte ist ein Vorzeige-Fall für datengetriebene Transformation im Mittelstand. Nicht ein Data-Startup, das von Null auf hightech startet — sondern ein klassisches Serviceunternehmen, das seine eigenen Daten als strategisches Asset erkennt und neu bündelt. Für mittelständische Agenturen und Dienstleister, die sich fragen, wie sie aus dem Service-Geschäft in produktives Geschäft kommen, ist das eine wertvolle Blaupause.