LinkedIn X-Ray-Suche im Jahr 2026 – Der ultimative Leitfaden für Recruiter und Sourcer

Beginnen Sie mit einer präzisen, feldgesteuerten Zielisten für Ihre X-Ray-Suche. Definieren Sie vor der Abfrage die Felder, die Sie interessieren: Titel, Standort, aktuelles Unternehmen, frühere Rollen und Schlüsselwörter, die zu Ihren Rollen passen. Dies ermöglicht es Ihnen, eine enge Liste von Kriterien zu erstellen, Geräusche zu reduzieren und den Outreach fokussiert zu halten.

Nehmen Sie ein Zwei-Durchgangs-Muster an. Der erste Durchgang zieht außerhalb-des-Netzwerks Seiten und Ergebnisse aus Suchmaschinen, die zu LinkedIn-Profilen verlinken, dann überprüfen Sie sie im Netzwerk. Der erste Durchgang zeigt einen breiten Satz, sodass Sie über Massen-Filter nach Feldern wie Titel und Standort batchen können. Zum Beispiel helfen Abfragen wie site:linkedin.com/in intitle:"Marketing" york oder site:linkedin.com/in inurl:in "Marketing Analyst" Ihnen, auf spezifizierte Ziele zu fokussieren. Speichern Sie die Treffer in einer Datenbank mit Phrasen, für die Sie rekrutieren, dann führen Sie eine verfeinerte Suche mit diesen Phrasen in den nächsten Suchen durch. Dieser Ansatz schaut über mehrere Quellen hinweg und baut eine verifizierte Liste auf, auf die Sie schnell reagieren können.

Verwenden Sie logische Operatoren, um die Tiefe zu kontrollieren: AND verengt, OR erweitert, und Anführungszeichen verankern exakte Phrasen. Erstellen Sie eine Liste von Phrasen, die die Rolle beschreiben, wie „Senior Marketing Analyst“ oder „Marketing Manager“, und testen Sie jede Phrase gegen Profile, die in der Datenbank erscheinen. Verwenden Sie Suchen mit Variationen, dann konsolidieren Sie die Ergebnisse in Ihrer Datenbank und entfernen Sie Duplikate mit einer einfachen Prüfsumme. Schließen Sie das Wort Analyst ein, wenn Sie diesen Profiltyp anvisieren, damit Sie präzise Übereinstimmungen ziehen. Am Ende trägt jeder Treffer selbst Kontext, auf den Sie reagieren können.

Lokalisieren Sie nach Stadtclustern, um Geräusche zu reduzieren. Zielen Sie auf york und andere große Hubs ab, dann erweitern Sie auf benachbarte Regionen. Konzentrieren Sie sich auf warmen Outreach, indem Sie Profile mit Notizen zu früheren Rollen und relevanten Projekten taggen. Personalisieren Sie Nachrichten für Kandidaten in Marketing-Rollen und beziehen Sie sich auf konkrete Erfahrungen, um die Antwortqualität zu verbessern. Annotieren Sie jeden Treffer mit Kontext: aktueller Arbeitgeber, Seniorität und ein Notizen-Feld, um die nächsten Schritte zu leiten.

Wartung ist wichtig: Halten Sie eine schlanke Datenbank mit vielen sauberen Datensätzen. Entfernen Sie regelmäßig inaktive Profile, deduplizieren Sie Duplikate und aktualisieren Sie Daten alle 30–60 Tage. Ein spezifizierter Workflow mit klarer Eigentümerschaft reduziert Reibung und ermöglicht es Recruitern, sich auf Gespräche zu konzentrieren, anstatt auf Daten. Duplikate werden nicht automatisch markiert, daher schließen Sie einen manuellen Dedupe-Schritt ein, um den Korpus sauber zu halten.

Outreach-Qualität ist entscheidend: Vermeiden Sie generische Nachrichten. Wenn Kontaktversuche nicht geöffnet werden, überarbeiten Sie die Phrasen und passen Sie den Ton an. Halten Sie eine saubere Datenbank und stellen Sie sicher, dass Duplikate nicht in Massen markiert werden, um fehlgerichtete Kampagnen zu verhindern. Dies hält Ihre Felder ausgerichtet und Ihren Workflow reibungslos.

Praktische X-Ray-Suchstrategien für 2024 und Prompting

Verwenden Sie einen wiederverwendbaren Prompt, der Ziele in vier Felder unterteilt: jemand, Rolle, Standort und Quelle. Erstellen Sie Vorlagen mit verankerten Strings für das X-Rayen von LinkedIn-Profilen und öffentlichen Seiten, dann verfeinern Sie die Ergebnisse, indem Sie Region-, Senioritäts- und Branchenfilter anwenden. Dieser Ansatz reduziert Fehlsignale und liefert zuverlässige Ergebnisse über Kampagnen hinweg. Namenskonventionen für Profile und Outreach-Rhythmen halten Ihren Pool organisiert und leicht skalierbar durch Automatisierung.

Prompting-Basics halten Sie in der Kontrolle. Erstellen Sie Prompts, die saubere Suchstrings erzeugen, keine Prosa. Schließen Sie explizite Operatoren, Site-Muster und Feldlabels ein, damit Sie Ergebnisse in Ihr Tracking-Sheet oder Ihren Pool einfügen können. Integrieren Sie Prompts in Ihren Workflow, sodass Schreiben zu einem routinemäßigen Schritt wird, anstatt zu einem Ratespiel. Nachdem Sie Treffer gesammelt haben, überprüfen und verfeinern Sie Schlüsselwörter, um die Abdeckung zu verbessern, sammeln Sie Telefonnummern, wenn verfügbar, und reduzieren Sie Duplikate.

Element	Beispielabfrage	Notizen
Kernpool und Schlüsselwörter	site:linkedin.com/in (engineer OR developer) AND (Java OR Python) AND (remote OR "New York")	Zielen Sie auf Titel und Fähigkeiten ab; testen Sie Variationen, um Fehls zu verringern
X-Ray-Muster	site:linkedin.com/in OR site:linkedin.com/pub (manager OR lead) AND (cloud OR AI)	Kombinieren Sie mit Anführungszeichen für exakte Phrasen
Kampagnen und Domänen	inurl:in OR inurl:pub AND (Sr. OR Senior) AND (team OR lead)	Verwenden Sie alternative Domänen, um übersehene Profile zu erfassen
Outreach-Kanal	Kontaktwege: gmailcom	Notieren Sie Outreach-Handles; halten Sie Benennung konsistent; sobald verifiziert

Integrieren Sie Ergebnisse mit Ihrem CRM und ATS, um den Kreis zu schließen; das Benennen gespeicherter Prompts hilft, Muster über Jobs und Pools hinweg wiederzuverwenden. Schreiben Sie Outreach-Nachrichten mit einem einzigen, unkomplizierten Prompt und passen Sie jede an die Rolle an. Sammeln Sie Daten, bewerten Sie die Kampagnenleistung und verfeinern Sie Schlüsselwörter, um Fehls zu reduzieren und die Übereinstimmungsqualität bei den relevanten zu erhöhen.

Erstellen präziser Boolean-Strings für LinkedIn X-Ray-Suchen

Beginnen Sie mit einem angepassten Kern aus 3 Blöcken: Titel, Unternehmen und Standort. Halten Sie die Strings einfach wiederverwendbar und speichern Sie sie als Vorlagen, damit Ihr Team schnell skalieren kann. Für einen praktischen Blick zielen Sie auf öffentliche LinkedIn-Profile ab und verwenden X-Ray-Muster, um relevante Phrasen zu erfassen; jede Suchansicht gibt mehrere Profile zurück. Dieser Ansatz verwendet klare, wiederverwendbare Blöcke und Sie können damit in einem dedizierten Abschnitt Ihres Suchworkflows beginnen. Wir haben mehrere Kandidaten mit diesen Mustern getestet und starke Ergebnisse gesehen.

Strukturieren Sie Ihre Strings so: (site:linkedin.com/in OR site:linkedin.com/pub) AND (intitle:resume OR intitle:profile) AND ("data scientist" OR "machine learning" OR "analytics engineer") AND (remote OR "san francisco" OR "new york") -jobs -career

Um die Ergebnisse weiter einzuengen, fügen Sie Blöcke für Unternehmensnamen, Senioritätsbegriffe (senior, lead, principal) und Branchenphrasen hinzu. Verwenden Sie die Operatoren AND, OR, NOT, um Begriffe zu kombinieren und sie mit Klammern zu gruppieren. Dies verengt die Suche und hilft Ihnen, wärmere Kandidaten schneller zu finden.

Für Teamzusammenarbeit identifizieren Sie Phrasen, die am besten performen, und teilen Sie sie als angepasste Snippets. Verwenden Sie Erweiterungen, um mehrere Strings unter einem Abschnitt zu speichern, verfolgen Sie, welche Kombinationen starke Kandidaten identifizieren, und iterieren Sie nach jedem Suchdurchgang. Wir haben festgestellt, dass bestimmte Phrasen zuverlässig konvertieren, daher dokumentieren Sie, was funktioniert.

Versuchen Sie fertige Vorlagen wie: (site:linkedin.com/in OR site:linkedin.com/pub) AND ("software engineer" OR "developer") AND (remote OR hybrid) AND (USA OR "United States") AND (public) -jobs

Verfeinern von Ergebnissen mit gezielten Filtern: Unternehmen, Branche, Standort und Seniorität

Beginnen Sie mit einer fokussierten Kernabfrage und schichten Sie vier entscheidende Filter auf, um die Ergebnisse zu verengen. Verwenden Sie sitelinkedincomin für einen X-Ray-Stil-Scan, der nach exakten Phrasen über Profile sucht. Mit Automatisierung und Erweiterungen können Sie Prospects schnell sammeln, während Sie den Outreach mit Ihren Zielrollen ausrichten.

1. Unternehmensanker: Suchen Sie nach dem Arbeitgebernamen im Profilstext mit intext und, falls nötig, inurl:in. Beispiel: sitelinkedincomin intext:"Google" intext:"Mountain View, CA" markiert das Unternehmen und den Standort in einem Zug.
2. Branchenausrichtung: Fügen Sie intext:"Industry: Information Technology and Services" oder intext:"Industry: Software" hinzu, um auf den Sektor einzugrenzen.
3. Standortpräzision: Sperren Sie Stadt oder Region mit intext:"Location: New York, NY" oder intext:"New York" ein, um Ausreißer zu kürzen.
4. Seniorität und Rollen: Taggen Sie Seniorität und die Zielrolle mit intext:"Seniority: Director" oder intext:"Manager" zusammen mit dem Rollenschlüsselwort (z. B. intext:"Product Manager").
5. Validieren und exportieren: Führen Sie mehrere Variationen durch, dann füttern Sie die Ergebnisse in Ihren Navigator oder CRM. Verwenden Sie eine schnelle manuelle Überprüfung, um zu bestätigen, dass die Profile dem vorgesehenen Niveau und den Fähigkeiten entsprechen, bevor Sie Outreach starten.

Konkrete Abfragevorlagen, die Sie kopieren und einfügen können:

• sitelinkedincomin intext:"Google" intext:"Mountain View, CA"
• sitelinkedincomin intext:"Industry: Information Technology and Services" intext:"New York"
• sitelinkedincomin intext:"Seniority: Director" intext:"Product Manager"
• sitelinkedincomin intext:"Tesla" intext:"Location: Austin, TX" intext:"Senior"

Tipps, um Ergebnisse sauber und skalierbar zu halten: Verwenden Sie Anführungszeichen für präzise Phrasen, OR für Varianten und bauen Sie mehrere kleinere Abfragen statt einer langen String. Wenn Ihnen die Zeit fehlt, verlassen Sie sich auf Erweiterungen, um diese Muster auszuführen und Ergebnisse durch Automatisierung für Outreach zu sammeln. Suchen Sie nach Profilen, die den gewünschten Niveaus und Fähigkeiten entsprechen, dann fahren Sie mit manuellen Überprüfungen vor dem Kontakt fort. Wenn Sie einen guten Prospect identifizieren, können Sie die Suchblöcke für wiederholte Nutzung speichern und weiter verfeinern, während Sie auf neue Unternehmen oder Branchen erweitern. Durch diesen Ansatz verbessern Sie die Trefferquote, ohne zu viel zu holen, und halten einen stetigen Fluss für Outreach-Kampagnen aufrecht.

Prompt 1: Erstellen einer maßgeschneiderten LinkedIn X-Ray-Abfrage für Senior Software Engineers in Berlin

Dies ist der beste Ausgangspunkt für in Berlin ansässige Senior Software Engineers: eine maßgeschneiderte LinkedIn X-Ray-Abfrage, um hochwertige Profile zurückzugeben. Googles-Stil-X-Ray-Ansatz ermöglicht es Ihnen, Felder wie Titel, aktuelles Unternehmen und Standort aus LinkedIn zu ziehen und Ihre Zielgenauigkeit zu verbessern. Kernabfrage: site:linkedin.com/in (intitle:"Senior Software Engineer" OR intitle:"Staff Software Engineer" OR intitle:"Principal Software Engineer" OR intitle:"Lead Software Engineer") (Berlin OR "Berlin, Germany").

Variante 1 – stack-bewusst: site:linkedin.com/in (intitle:"Senior Software Engineer" OR intitle:"Staff Software Engineer" OR intitle:"Principal Software Engineer" OR intitle:"Lead Software Engineer") (Berlin OR "Berlin, Germany") (Python OR Java OR Go OR Kotlin OR JavaScript OR C# OR Scala). Dies hilft Ihnen, wahrscheinliche Kandidaten zu erreichen, deren Profile die Schlüssel-Tech-Signale für Ihre Kampagnen hervorheben.

Variante 2 – Branche und aktuelles Unternehmen Neigung: site:linkedin.com/in (intitle:"Senior Software Engineer" OR intitle:"Staff Software Engineer" OR intitle:"Principal Software Engineer" OR intitle:"Lead Software Engineer") (Berlin OR "Berlin, Germany") (Software OR Technology OR "FinTech" OR "Healthcare IT"). Erfassen Sie Felder wie Titel, aktuelles Unternehmen, Standort und Branche, um eine fokussierte Liste für Outreach aufzubauen. Die Ausnahme ist, Ihren Scraper nicht mit Geräuschen zu überladen; bleiben Sie in Ihren Ergebnissen knapp.

Praktische Einrichtung für Automatisierung: Führen Sie diese Abfragen auf Googles Engines aus, dann verwenden Sie einen Scraper, um Ergebnisse in CSV mit Spalten zu exportieren: Name, Profil-URL, Titel, aktuelles Unternehmen, Standort, Branche und Schlüssel-Fähigkeiten. Halten Sie derzeit Batches von 20–40 Profilen für schnelle Validierung. Verwenden Sie Tools und Plattformen, die Deduplizierung unterstützen, wahrscheinliche Übereinstimmungen markieren und Profile an Ihre Kampagnen weiterleiten. Dieser Ansatz hilft Ihnen, einen höherwertigen Pool zurückzugeben, während Sie Bedingungen und Richtlinien respektieren.

Ob Sie zuerst auf Berlin fokussieren oder auf benachbarte Städte erweitern, wenn der anfängliche Pool klein ist, diese Abfragen sind flexibel. Basierend auf den Ergebnissen passen Sie Stack-Schlüsselwörter an, justieren Sie den Standortradius oder fügen Sie verwandte Titel hinzu, um die Genauigkeit zu verbessern und mehr relevante Kandidaten für Ihre Kampagnen zu erfassen.

Prompt 2: Erweitern auf Remote-Rollen mit Stack-, Zeitzonen- und Senioritätsüberlegungen

Beginnen Sie mit der Definition eines remote-fähigen Suchplans: Wählen Sie drei Ziel-Stacks, setzen Sie ein Zeitzonenfenster und weisen Sie Senioritätsbänder zu. Erstellen Sie eine Kampagne, die öffentliche LinkedIn-Profile mit exakten Schlüsselwörtern und Stack-Begriffen paart, und führen Sie Suchen durch, die über Kampagnen hinweg wiederholt werden können. Dieser Ansatz enthüllt ähnliche Muster über Rollen hinweg und hält Ergebnisse konsistent.

Erstellen Sie Suchstrings, die intext, Schlüsselwörter und Stack-Begriffe kombinieren. Zum Beispiel verwenden Sie: site:linkedin.com/in intext:remote (Java OR JavaScript OR Python) intext:senior OR intext:lead OR intext:architect (intext:Spring OR intext:React OR intext:Django) within London. Sie zielen darauf ab, Kandidaten zu erfassen, die Remote-Arbeit und relevante Tech-Stacks in ihren öffentlichen Profilen auflisten. Sie können nicht auf Ratespielen beruhen – strukturieren Sie Suchen so, dass sie in eine wiederverwendbare Kampagne einfließen und leicht über Kampagnen hinweg reproduzierbar sind. Suchen Sie nach Posts, Events und Signalen, die auf verteilte Arbeit oder Vertrags-Erfahrung hindeuten. Die Verwendung von Outscraper hilft Ihnen, Ergebnisse in eine saubere Liste für Ihren Kunden zu extrahieren, und Sie können nach Stack, Schlüsselwort-Clustern und Senioritätsniveau intext filtern.

Zeitzonenausrichtung ist wichtig: Zielen Sie auf Profile ab, die Verfügbarkeit innerhalb eines Zwei-Stunden-Fensters Ihres Hubs (z. B. London-Zeit) anzeigen und asynchrone Kommunikation für breiteren Zugriff bevorzugen. Innerhalb von Suchen fügen Sie Phrasen wie remote, work-from-home, distributed und flexible-hours hinzu, um versteckte Kandidaten zu surface, die Remote nicht explizit bewerben. Schließen Sie Schlüsselwörter ein, die Seniorität widerspiegeln, wie senior, lead, architect, principal oder staff, um sicherzustellen, dass Sie nicht mit Junior-Profilen überschwemmt werden. Verwenden Sie öffentliche Signale und eine konsistente Rubrik, um jeden Eintrag zu bewerten; dies hält die Kampagne fokussiert und reduziert Bias während des Filterings.

Nach dem Sammeln der Ergebnisse führen Sie einen schnellen Extraktionsdurchgang durch, um Felder zu normalisieren: Name, aktuelles Unternehmen, Titel, Standort, Profil-URL, Stack-Indikatoren und Zeitzonen-Hinweise. Geben Sie jedes Ergebnis in Ihre Hilfspipeline ein und taggen Sie mit Stack, Seniorität und Remote-Schlüsselwörtern. Eine strukturierte Herangehensweise zu verlassen verhindert Fehlcasts und macht es einfach für den Kunden zu überprüfen. Sie können erneut suchen, mit verfeinerten Schlüsselwörtern, wenn Sie ähnliche Lücken sehen, und den Schwung halten, indem Sie die Kampagne alle paar Wochen basierend auf Events, veränderter Stack-Popularität oder Veränderungen im London-basierten Einstellungstempo aktualisieren.

Prompt 3: Validieren, Deduplizieren und Zusammenfassen von Kandidatenpools mit AI-Prompts

Validieren Sie jeden Kandidatendatensatz, indem Sie wesentliche Felder überprüfen: Name, Titel, Unternehmen, Standort, URL und eine nutzbare E-Mail-Adresse. Wenn ein Feld fehlt oder der Titel vage ist (zum Beispiel „Engineer“ ohne Funktion), markieren Sie es für die Überprüfung. Führen Sie eine leichte intext- und X-Ray-Überprüfung des Profilstexts durch, um die Relevanz zu bestätigen, dann führen Sie einen schnellen Nach-Validierungs-Durchgang durch, um sicherzustellen, dass nur hochvertrauenswürdige Datensätze vorankommen.

Deduplizieren Sie mit einem Zwei-Schichten-Ansatz: Zuerst normalisieren Sie Kernidentifikatoren (Name, aktuelles Unternehmen, Standort und Titel); zweitens wenden Sie eine Ähnlichkeitsschwelle an, um ähnliche Datensätze in Blöcke zu gruppieren. Erstellen Sie explizite Vorher/Nachher-Snapshots für jeden Deduplizierungsschritt. Verwenden Sie einen Scraper-Workflow, um Nahe-Duplikate über Felder zu markieren, verlassen Sie sich auf kanonische Namensschreibweisen und Unternehmensaliase, um falsche Merges zu reduzieren, und halten Sie Datensätze mit nicht übereinstimmenden kritischen Feldern in einer Quarantäneliste für manuelle Überprüfung. Schließen Sie Referenzen zu canada als Standort-Tag ein, wenn angemessen, um regionale Pools nicht zu mischen.

Fassen Sie Pools mit AI-Prompts zusammen, indem Sie eine knappe, strukturierte Zusammenfassung pro Batch erzeugen. Bauen Sie eine teilebasierte Ansicht auf: demografisch, Funktion/Rolle, Branchen und Geografie (canada wo relevant). Identifizieren Sie Top-Gruppen und Teams, heben Sie die häufigsten Titel hervor und extrahieren Sie die besten 5–7 Fähigkeiten pro Pool. Generieren Sie eine kompakte Ausgabe, die die Gesamtzahl deduplizierter Datensätze, Verteilung nach Standort und vorherrschende Seniorität zeigt. Verwenden Sie eine Navigator-Stil-Übersicht, die Lesern erlaubt, zwischen Blöcken von Kandidaten zu wechseln und Segmente schnell zu vergleichen.

Prompts sollten aus einem Helpers-Set zusammengesetzt werden: ein validate_fields_prompt, ein dedupe_prompt und ein summarize_prompt. Füttern Sie die KI eine saubere Liste von Datensätzen mit Feldern: Name, Titel, Unternehmen, Standort, Fähigkeiten, years_experience, URL, Notizen. Weisen Sie das Modell an, eine präzise JSON-ähnliche Zusammenfassung mit Feldern wie count, confidence, top_roles, top_skills, location_distribution und einer kompakten Roster auszugeben. Vor der Zusammenfassung listen Sie jeden Kandidaten mit einem kurzen Deskriptor auf, um schnelles Scannen zu erleichtern, dann nach der Zusammenfassung präsentieren Sie konkrete Aktionsschritte für die Nachverfolgung. Für E-Mails markieren Sie Einträge, die mit gmailcom enden, als generisch oder Platzhalter, damit Vertriebs-Teams entscheiden können, ob sie direkten Outreach verfolgen oder diese Zeilen aus dem primären Pool verwerfen.

Treiben Sie Konsistenz voran, indem Sie Blöcke erstellen, die zu Salesforce-Feldern abbilden: Map name to Name, title to Title, company to Company, location to Location, skills to Skills und notes to Notes. Verwenden Sie die Blöcke, um einen sauberen Feed aufzubauen, den Teams direkt in Salesforce-Datensätze exportieren können, unter Erhalt der Quellenherkunft und der ursprünglichen Pool-Größe. Das Ergebnis sieht aus wie ein simplified Navigator von Kandidaten, mit klaren nächsten Schritten und einer low-friction Übergabe an Recruiter und Ingenieure, die die Leads engagieren werden.

Halten Sie den Workflow eng und skalierbar: Verlassen Sie sich auf dieselben Kernprompts über Canada-fokussierte Suchen und über Gruppen und Teams hinweg, damit Sie Pools nebeneinander vergleichen und konsistente Qualität aufrechterhalten können. Wenn ein Batch die Validierung und Deduplizierung besteht, erstellen Sie eine kompakte Zusammenfassung, die mit Gruppen und Managern geteilt werden kann, dann schieben Sie die finalen Ergebnisse in das CRM und in die downstream Outreach-Warteschlange für gezielte Engagement.