Die Datenbank von Lightcast umfasst über 2,5 Milliarden Stellenanzeigen, 400 Millionen Berufsprofile und mehr als hundert staatliche Quellen aus über 150 Ländern (Lightcast, 2025). Nahezu jedes Vergütungs-Benchmarking-Dashboard, jede Talent-Intelligence-Ansicht und jede „Wer stellt sonst noch für diese Rolle ein?"-Übersicht, die Ihr Team öffnet, ist auf dieser Schicht aus dem Netz gesammelter Stellenanzeigendaten aufgebaut.
Ein neues NBER-Arbeitspapier hat die praktisch flächendeckenden Burning-Glass-Anzeigen mit der repräsentativen Job Openings and Labor Turnover Survey verknüpft und festgestellt, dass die Anzeigen eines durchschnittlichen Betriebs mit 6,2 multipliziert werden müssen, um den tatsächlichen offenen Stellen zu entsprechen — und dass anzeigenbasierte Konzentrationsmaße um fast das Dreifache überschätzen, wie wenige Arbeitgeber um eine bestimmte Arbeitskraft konkurrieren (Dalton, Kahn und Mueller, NBER, 2026).
Zwei Schlussfolgerungen, nicht eine. Niveau und Zyklik der Qualifikationsnachfrage überleben die Korrektur unbeschadet. Die Lesart über die Zahl der Arbeitgeber nicht. Und der Grund dafür ist, dass die in den Daten fehlenden Unternehmen die Größe Ihres eigenen haben.
Was eine Anzeige tatsächlich wert ist
Das Studiendesign ist hier entscheidend, denn es ist das erste Mal, dass jemand beide Seiten des Registers hat. Michael Dalton (BLS), Lisa Kahn und Andreas Mueller haben Burning-Glass-Anzeigen auf Betriebsebene mit JOLTS verknüpft — dieselben Betriebe, dieselben Monate — was es erlaubt, die Lücke zwischen dem online Veröffentlichten und den tatsächlich existierenden offenen Stellen zu messen.
Sie zerlegen diese Lücke in drei multiplikative Komponenten:
- Die extensive Marge — ob ein Betrieb mit einer offenen Stelle diese überhaupt online ausschreibt. Hier fand fast die gesamte historische Verbesserung statt, und am Ende des Zeitraums liegt sie noch bei etwa 3.
- Die intensive Marge — wie viele offene Stellen eine Anzeige repräsentiert. Stabil bei rund 2 über den gesamten Zeitraum.
- Ein Störanteil — Anzeigen, die keiner JOLTS-Stelle entsprechen. Stabil bei etwa 0,6, das heißt rund 40 Prozent der Anzeigen stammen aus Betriebsmonaten ohne entsprechende offene Stelle in der Erhebung.
Über 2011-2019, das Zeitfenster, das den Großteil der auf diesen Daten publizierten Forschung abdeckt, liegt der gepoolte Anpassungsfaktor im Mittel bei 6,2. 2011 lag er bei etwa 10 und fiel bis 2019 auf rund 4. Online-Anzeigen wurden im Zeitverlauf repräsentativer — die Autoren sagen das ausdrücklich — aber sie wurden niemals zu einer Vollerhebung.
Der strukturelle Befund ist der, den man behalten sollte: Burning Glass erfasst die Verteilung der offenen Stellen gut und die Verteilung der einstellenden Arbeitgeber schlecht. Große Arbeitgeber schreiben die meisten Stellen aus und sind gut abgedeckt. Die meisten Arbeitgeber sind jedoch klein und mittelgroß — und sie sind es nicht.
Die eine Lesart, bei der Stellenanzeigendaten gravierend falsch liegen
Arbeitsmarktkonzentration wird mit dem Herfindahl-Hirschman-Index gemessen — der Summe der quadrierten Arbeitgeberanteile in einem lokalen Berufsmarkt, wobei 10.000 einen einzigen Arbeitgeber bedeutet und niedrigere Werte mehr Wettbewerb um dieselbe Arbeitskraft anzeigen. Azar, Marinescu, Steinbaum und Taska nutzten Burning Glass, um zu zeigen, dass lokale US-Arbeitsmärkte überraschend konzentriert erscheinen, mit einem typischen Index über 2.500 (Azar et al., Labour Economics, 2020) — eine Arbeit, die die akademische und wettbewerbspolitische Debatte in Richtung Arbeitgebermarktmacht verschoben hat.
Wendet man den Anpassungsfaktor an, verändert sich das Bild um mehr als die Hälfte (Dalton, Kahn und Mueller, NBER, 2026):
| Marktkonzentration, 2011-19 | Aus Anzeigen gemessen | Für Repräsentativität korrigiert |
|---|---|---|
| Durchschnittlicher HHI (Märkte gleich gewichtet) | 6.289 | 2.327 |
| Median-HHI (Märkte gleich gewichtet) | 5.927 | 1.937 |
| Anteil „hoch konzentrierter" Märkte | 80 % | 38 % |
| Durchschnittlicher HHI (beschäftigungsgewichtet) | 2.666 | 1.133 |
| Anteil „hoch konzentriert" (beschäftigungsgewichtet) | 35 % | 13 % |
Das sind Rückgänge von 63 beziehungsweise 57 Prozent. Die Schwellen sind die üblichen aus den Horizontal Merger Guidelines von DOJ/FTC aus dem Jahr 2010, wonach über 2.500 als hoch und 1.500-2.500 als moderat konzentriert gilt (DOJ und FTC, 2010).
Die Steigung ist die klarste Formulierung: Ein Anstieg der aus Anzeigen gemessenen Konzentration um eine Einheit entspricht nach Korrektur der Zusammensetzung nur noch einem Anstieg um etwa ein Drittel einer Einheit. Der HHI quadriert Marktanteile, was ihn außerordentlich empfindlich für den langen Schweif kleiner und mittelgroßer Arbeitgeber macht — genau den Schweif, der nicht online ausschreibt. Das Ergebnis hält, wenn Betriebe unter 10 Beschäftigten ausgeschlossen werden, wenn Märkte nach Beschäftigung gewichtet werden und wenn die Marktgröße quartilsweise konstant gehalten wird.
Ein Head of Operations, der auf einem anzeigenbasierten Dashboard liest „wir sind einer von nur wenigen Arbeitgebern, die diese Rolle in dieser Metropolregion besetzen", liest eine Zahl, die etwa dreifach zu konzentriert ist.
Die fehlenden Unternehmen sind die mit 50 bis 250 Beschäftigten
Der Größengradient ist der Teil, der persönlich treffen sollte, denn er verläuft nicht monoton in der Richtung, die fast alle annehmen.
Der Anpassungsfaktor nach Betriebsgröße liegt bei etwa 6,0 für 2-9 Beschäftigte, 6,3 für 10-49, 7,7 für 50-249, 6,0 für 250-999 und 4,2 für 1.000-4.999 und fällt bei den größten Betrieben auf rund 3,6 (Dalton, Kahn und Mueller, NBER, 2026). Die mittlere Größenklasse benötigt etwa den doppelten Skalierungsfaktor der größten. Die am schlechtesten repräsentierten Betriebe in der gesamten Größenverteilung sind nicht die kleinsten. Es sind die mit 50 bis 250 Beschäftigten.
Der Grund ist mechanisch, nicht mysteriös. Die kleinsten Betriebe schreiben seltener online aus, aber ein erheblicher Teil der Anzeigen, die sie erzeugen, entspricht keiner JOLTS-Stelle, sodass sich die beiden Fehler teilweise aufheben. Mittelgroße Betriebe haben keinen solchen Ausgleich.
Zwei weitere Gradienten sind noch steiler und verschärfen das Problem:
- Löhne. Das Quintil der am schlechtesten zahlenden Betriebe trägt einen Anpassungsfaktor von 17,5; das am besten zahlende 2,4. Eine Lücke von etwa dem Sechsfachen.
- Urbanität. Nicht-Kernregionen erfordern einen Faktor von rund 15,9 gegenüber 4,4 für große zentrale Metropolregionen — ein 3,5-facher Gradient, der Kontrollen für lokales Qualifikationsniveau und wirtschaftliche Lage übersteht.
Wenn Sie ein Arbeitgeber mit 150 Vollzeitäquivalenten sind, marktgerecht und nicht an der Marktspitze zahlen und außerhalb einer großen Metropolregion sitzen, liegen Sie im Schnittpunkt aller drei. Sie sind in dem Datensatz, auf dem die Vergütungs-Benchmarks Ihrer Wettbewerber beruhen, nahezu unsichtbar — und die Arbeitgeber, an die Sie tatsächlich Kandidaten verlieren, sind es ebenso.
Was überlebt — und warum auch das zählt
Dies ist kein Papier, das Anzeigendaten entwertet, und so zu lesen wäre ein eigener Fehler.
Weil große Betriebe die meisten offenen Stellen erzeugen und gut repräsentiert sind, halten Niveau und Zyklik der Qualifikationsnachfrage der Neugewichtung stand (Dalton, Kahn und Mueller, NBER, 2026). Die gemessenen Qualifikationsanforderungen sinken moderat, nicht substanziell. Die Autoren replizieren außerdem den Befund von Hershbein und Kahn, dass automatisierungsbezogene Qualifikationsanforderungen nach der Großen Rezession gestiegen sind, und er übersteht die Anpassung, obwohl er auf 2007 geankert ist — das Jahr, in dem sich die Repräsentativität am schnellsten veränderte.
Auch Rangfolgen überleben. In einem Rang-Rang-Vergleich zwischen Märkten liegt die Steigung zwischen den Perzentilen anzeigenbasierter und korrigierter Konzentration bei 0,9 — und bei 1,0, wenn Märkte nach Beschäftigung gewichtet werden. Anzeigendaten sagen Ihnen zuverlässig, welche Märkte stärker konzentriert sind als andere. Sie sagen Ihnen unzuverlässig, wie stark irgendeiner davon konzentriert ist.
Diese Unterscheidung ist die gesamte operative Nutzlast. Trend und Reihenfolge: nutzbar. Niveau: nicht ohne Korrektur.
Die ehrlichen Grenzen
Vier, klar benannt.
Es ist ein Arbeitspapier. NBER-Arbeitspapiere zirkulieren vor der Fachbegutachtung, und die Autoren weisen auf dem Deckblatt darauf hin. Das HHI-Ergebnis ist über alle durchgeführten Prüfungen robust, hat aber noch keine Zeitschrift durchlaufen.
Das Zeitfenster ist 2011-2019. Die Repräsentativität verbesserte sich in diesem Zeitraum noch, und der Anpassungsfaktor war bis 2019 auf etwa 4 gefallen. Niemand hat gemessen, wo er heute liegt. Remote-Anzeigen nach 2020, KI-geschriebene Stellenanzeigen und die Konsolidierung der Aggregatoren haben ihn plausibel verschoben — in unbekannte Richtungen.
Betrieb ist nicht Unternehmen. Die Analyse erfolgt auf Betriebsebene. Wenn Ihre Wettbewerbsfrage Arbeitgeber mit vielen Standorten betrifft, ist die Übertragbarkeit auf Ihre Situation lockerer, als die Schlagzeile suggeriert.
Die meisten Beschäftigten waren nie in hoch konzentrierten Märkten. Gewichtet nach Beschäftigung ist die Konzentration schon vor der Anpassung deutlich niedriger, im Einklang mit früheren Befunden zur Arbeitsmarktmacht. Die dreifache Überschätzung ist real; das Überschätzte war kleiner, als es die ungewichteten Statistiken nahelegten.
Ebenfalls erwähnenswert: Die Diskrepanz zwischen Anzeigen und erhobenen offenen Stellen ist in beide Richtungen groß — viele Stellen ohne Anzeigen, viele Anzeigen ohne Stellen. Die Autoren führen das auf Messfehler und Definitionslücken zurück, die sich bei kleinen Unternehmen konzentrieren, nicht auf ein klares Signal mit bekannter Verzerrung.
Was Sie ändern sollten, bevor Ihr nächstes Vergütungsband geschlossen wird
Vier Schritte, von denen keiner ein anderes Datenprodukt erfordert.
- Stufen Sie jede Lesart zu „Arbeitgeberzahl" und „Konzentration" auf rein richtungsweisend herab. Wenn ein Dashboard Ihnen sagt, wie viele Arbeitgeber um eine Rolle konkurrieren, behandeln Sie das Niveau als unbrauchbar und die Reihenfolge als brauchbar. Vergleichen Sie diese Metropolregion mit jener; bepreisen Sie nicht den Absolutwert.
- Lassen Sie Konzentrationswerte kein niedrigeres Band mehr rechtfertigen. „Hier gibt es nicht viele andere Arbeitgeber für diese Rolle" ist die aufgeblähte Schlussfolgerung und die, die am wahrscheinlichsten still ein Angebot unter Marktniveau finanziert — und einen verlorenen Gegenangebotsfall, den Sie als Problem der Kandidatenqualität verbuchen werden.
- Bauen Sie Ihr tatsächliches Wettbewerberfeld aus lokaler Realität neu auf. Zielarbeitgeber aus Exit-Gesprächen, Ablehnungsgründe bei Angeboten und die in den Lebensläufen Ihrer eigenen Kandidaten genannten Unternehmen bringen mittelgroße Arbeitgeber zum Vorschein, die kein gesammelter Web-Feed enthält.
- Nutzen Sie Stellenanzeigendaten weiter für das, was sie messen. Welche Qualifikationen in Anforderungen auftauchen und wie schnell — das ist der Befund, den die Anpassung stehen gelassen hat. Richten Sie das Werkzeug auf die Qualifikationsnachfrage, nicht auf die Marktstruktur.
Die zugrunde liegende Disziplin besteht darin zu wissen, welcher Teil einer Zahl Gewicht trägt und welcher Teil ein Artefakt der Erhebungsmethode ist. Aus demselben Grund trennt das Scoring-Modell von Scovai die Hälfte, die arithmetisch aus den genannten Anforderungen der Rolle berechnet wird — Qualifikationsabdeckung gewichtet nach Kritikalität, Senioritätspassung, Vergütungsrealismus — von der Hälfte, die als ausgewiesenes Modellurteil zurückgegeben wird, statt eine einzige vermischte Zahl auszugeben. Eine Zahl, die Sie nicht zerlegen können, ist eine Zahl, die Sie nicht prüfen können.
Öffnen Sie das letzte Vergütungsband, das Sie freigegeben haben. Suchen Sie den Satz, der es damit begründete, wie wenige andere Arbeitgeber für diese Rolle einstellen. Dieser Satz trägt dreimal mehr Gewicht, als die Daten dahinter tragen können.
