# GitHub-Contributor-Listen sind ein Einstellungspool für frühe Startups > Herkunft und eingehende Bewerbungen gaben mir schwache Signale, also begann ich, frühe Startup-Einstellungen aus Open-Source-Contributoren und Leuten, die ich bereits kannte, zu rekrutieren. - Source: https://jays.fyi/de/blog/github-contributor-listen-einstellungspool - Author: Jay Derinbogaz - Published: 2026-08-10 - Language: de - Tags: startups, hiring, open-source - Reading time: 7 min - Machine translated: yes — original: https://jays.fyi/blog/github-contributor-lists-are-an-early-startup-hiring-pool --- TextCortex begann mit meinen Versuchen, GPT-2 für nützliches kreatives Schreiben zu feintunen. Diese Arbeit wurde zum technischen Ausgangspunkt des Produkts. 2021 traf ich Dominik Lambersy bei Entrepreneur First in Berlin. Wir machten aus der Arbeit TextCortex AI und bootstrappten das Unternehmen bis zu unserer ersten institutionellen Finanzierungsrunde. Die [Ankündigung vom Juni 2022](https://textcortex.com/post/democratizing-written-communication-textcortex-raises-1-2-million-pre-seed-to-advance-proprietary-nlg-capabilities-and-launch-chrome-extension) dokumentiert 1,2 Millionen US-Dollar unter der Führung von btov Partners, heute b2venture, mit Beteiligung von Speedinvest und Entrepreneur First. Vor der Runde kostete die Rekrutierung Stunden, die für Produkt, Kunden und das, was an dem Morgen kaputtgegangen war, fehlten. Die Finanzierung veränderte das Bankkonto schneller als den Job. Ich behandelte berühmte Arbeitgeber als Stellvertreter für Startup-Kompetenz. Ich erwartete, dass akademische Tiefe in Produktchaos übergeht. Dann arbeitete ich mich durch ATS-Bewerbungen, während aus allen anderen Richtungen dringende Arbeit hereinkam. Meine Stichprobe ist ein einziges Unternehmen, ohne kontrolliertes Experiment oder Umrechnungstabelle. Der Filter, dem ich vertraue, ist einfach: **Suche nach Menschen, die sich ein nützliches Problem gewählt, öffentlich daran gearbeitet und weitergemacht haben, ohne dass ein Manager es ihnen zugewiesen hat.** Contributor liefern diesen Beleg vor dem ersten Interview. Ehemalige Kollegen können ihn ebenfalls liefern. ## Ein berühmtes Logo misst Erfolg in der Maschine eines anderen Ein Google- oder Amazon-Abzeichen sagt, dass die Person einen harten Einstellungsprozess bestanden hat und gelernt hat, in großem Maßstab zu arbeiten. Es sagt wenig darüber aus, was passiert, wenn die Maschinerie um sie herum verschwindet. Ein früher Engineer kann vor dem Mittagessen das Frontend anfassen, nachmittags einen Infrastrukturfehler nachverfolgen, eine Migration reparieren und einen Kunden beantworten. Ohne Plattform-Team oder schriftlichen Prozess muss jemand die Lücke bemerken und sie übernehmen. Manche ehemaligen Big-Tech-Mitarbeiter sind außergewöhnliche Startup-Einstellungen. Das Logo kann sie nicht identifizieren. Denselben Kategorienfehler habe ich mit Doktoranden gemacht. Eine Promotion beweist, dass jemand schwierige Forschung in einem engen Bereich abschließen kann. Kann diese Person eine unvollständige Beschwerde in eine Produktentscheidung verwandeln und die Reparatur ausliefern? Kann sie einen eleganten Ansatz verwerfen, wenn der billige das Unternehmen am Leben hält? Meine Erfahrung mit der Einstellung von Doktoranden ist klein und schlecht, also bleibt die Behauptung eng. Ich verleihe dem Abschluss keine Startup-Bereitschaft mehr. Eine Bibliothek zu pflegen, Nebenprojekte auszuliefern oder über einen Produkt-Stack hinweg zu arbeiten, liefert bessere Belege. ## Dein ATS flacht das nützlichste Signal ab ATS-Bewerbungen platzieren den Gründer in einer Warteschlange, in der Kandidaten gelernt haben, gleich auszusehen. Keywords und komprimierte Ergebnisse ersetzen das Repository, die Review-Diskussion und die chaotischen Entscheidungen, die Ownership offenbaren. Ein bootstrapptes Startup kann nicht jeden Himmelsfleck inspizieren. Du wählst, wohin du schaust. Ein ATS beginnt mit Menschen, die dein Unternehmen gewählt haben. Contributor-Recherche beginnt mit Arbeit, die ihren Autor gewählt hat. ## Open-Source-Arbeit hinterlässt die Belege Ein Beitrag ist viel reicher als ein grünes Quadrat auf einem Profil. Der Commit zeigt, was die Person geändert hat. Der Pull Request zeigt, wie sie es erklärt hat. Das Review zeigt, wie sie reagiert hat, als jemand widersprach. Die Issue-Historie zeigt, ob sie geholfen hat, nachdem der aufregende Teil gemerged wurde. Niemand hat einem externen Contributor das genaue Problem deines Unternehmens zugewiesen. Sie haben ein Projekt gefunden, genug gelernt, um es zu ändern, und akzeptiert, dass ein Maintainer die Arbeit öffentlich ablehnen könnte. Ein durchdachter abgelehnter Pull Request kann genauso viel über Urteilsvermögen und Reaktion auf Feedback offenbaren wie ein gemergter. ## Der Abhängigkeitsgraph enthält bereits eine Kandidatenkarte Beginne mit der Software, die dein Unternehmen verwendet. Du baust mit einer Open-Source-Komponentenbibliothek? Untersuche ihre Contributors. Du arbeitest mit PyTorch? Schau dir die Leute an, die die Teile neben deinem Produkt verbessern. Ein berühmtes Repository erzeugt dieselbe Abstammungsfalle wie ein berühmter Arbeitgeber, wenn du dem Namen nachjagst und die Arbeit ignorierst.
GitHub-Seitenleiste für shadcn/ui mit „Used by 24K“ und 607 Contributors.
GitHub zeigte am 10. August 2026 607 Contributors und „Used by 24K“ für shadcn/ui an. Eine Contributor-Liste einer Komponentenbibliothek ist ein praktischer Ausgangspunkt für eine Frontend-Suche.
Dieser Screenshot enthält einen Talentpool, den ein ATS nicht herstellen kann. Lies die Beiträge. Finde Änderungen, die den Problemen deines Unternehmens ähneln. Prüfe, ob die Arbeit aktuell ist und ob das Profil zur Kontaktaufnahme einlädt. Dann schreibe den wenigen Leuten, deren Arbeit du ehrlich beschreiben kannst. Die erste Nachricht sollte beweisen, dass du die Lektüre gemacht hast: > Ich habe deinen Beitrag zu [Projekt] gelesen, besonders die Entscheidung, die du in [konkretem Pull Request] getroffen hast. Wir haben bei [Unternehmen] ein verwandtes Problem. Die Rolle umfasst [tatsächlichen Umfang], und die Gehalts- und Aktienspannen sind [Spannen]. Falls das interessant klingt, würde ich dir das Problem gerne zeigen und hören, wie du es angehen würdest. Sie erklärt, warum diese Person, legt den Umfang offen und nennt die Vergütung transparent. Ein knappes Budget ist eine Unternehmensbeschränkung. Es gibt dir keine Erlaubnis, die Zeit eines Kandidaten zu verschwenden oder schwaches Gehalt mit heldenhafter Sprache zu verschleiern. ## Ein Recherche-Prompt ist nur nützlich, wenn er die Arbeit liefert Gib beiden Modellen einen engen Auftrag und verlange Links. Ersetze jedes Feld in Klammern. **Claude:** ```text Research contributors for [ROLE] at [COMPANY, URL]. We build [PRODUCT] with [STACK] and need help with [3 CONCRETE PROBLEMS]. Search [REPOSITORY URL], its dependencies and adjacent projects. Return at most six people. For each, link a profile and two relevant commits, pull requests, reviews or issues. Explain the technical match, judgment shown, recency and uncertainty. Prefer substance over commit counts. Use only public professional information. Never infer protected traits, guess contact details or invent evidence. ``` **ChatGPT:** ```text Research a [ROLE] for [COMPANY, URL] working on [PROJECT AND PROBLEMS]. Search [REPOSITORY URL], its dependencies and related projects. Return at most six contributors in a table: profile, contribution links, problem ownership, response to review, recency, fit and caveats. Every judgment must cite public work I can open. Exclude prolific but weak matches. Do not scrape personal data or draft bulk outreach. Give me one specific question about each person's work. ``` ## Massenansprache zerstört das Signal, das du suchst Jeden Contributor zu scrapen und den Graphen in einen weiteren Trichter zu verwandeln, ist die offensichtliche Abkürzung. Tu es nicht. Die [Acceptable Use Policy](https://docs.github.com/en/site-policy/acceptable-use-policies/github-acceptable-use-policies) von GitHub verbietet ausdrücklich die Nutzung von Informationen, die über den Dienst gewonnen wurden, für Spam, einschließlich unaufgeforderter E-Mails, und nennt ausdrücklich Recruiter, Headhunter und Jobbörsen. Es ist auch schlechtes Recruiting. Spezifität schafft den Vorteil. Automatisierung löscht ihn und hinterlässt dieselbe flache Warteschlange, nur dass du jetzt Leute unterbrochen hast, die sich nie beworben haben. Nutze den Graphen zur Entdeckung, folge dem Kontaktweg, den ein Contributor veröffentlicht hat, mach das Ablehnen einfach und hör nach klarem Desinteresse auf. Die kleinere Liste ist das Feature. ## Freunde kommen mit einer langen Referenzprüfung Leute, die du kennst, liefern Belege, die kein Interview-Loop nachbilden kann. Du hast gesehen, ob sie langweilige Arbeit zu Ende bringen, mit Konflikten umgehen und dich früh warnen. Freundschaft begründet trotzdem keine Rollenklarheit, Risikobereitschaft oder Einigkeit über Gehalt und Equity. Halte das schriftlich fest. Erkläre die unschönen Teile mit derselben Sorgfalt, die du für die Mission aufwendest. Zeig ihnen das tatsächliche Problem, statt das Unternehmen sicherer klingen zu lassen, als es ist. Wende denselben Standard in Interviews an. Bitte Kandidaten, durch selbst gewählte Arbeit zu gehen, und gib ihnen dann ein echtes Problem ohne vertrauliche Details. Beobachte, was sie fragen und wie sie mit einer unvollständigen Spezifikation umgehen. Hohe Eigeninitiative bedeutet auch, um Hilfe zu bitten, bevor ein Problem teuer wird. ## Billige Quellen retten keinen nachlässigen Filter Öffentliche Beiträge haben ihre eigene Verzerrung. Sie begünstigen Leute mit Zeit, Erlaubnis und Selbstvertrauen, dort zu arbeiten, wo Fremde sie beurteilen können. Exzellente Ingenieure mit Betreuungspflichten, restriktiven Arbeitsverträgen oder Closed-Source-Karrieren hinterlassen vielleicht keine öffentliche Spur. Nutze öffentliche Arbeit als High-Signal-Quelle. Ihr Fehlen beweist nichts. Entscheide, was der Job verlangt, und schreib die Belege auf, die diese Verhaltensweisen vorhersagen. Nachdem die Einstellung echte Arbeit geleistet hat, vergleich die Vorhersage mit dem, was passiert ist. Wenn Contributor genauso viel Anleitung brauchen wie ATS-Kandidaten, ist deine Theorie gescheitert. Ändere den Filter. Ich kann dir keine Tabelle zeigen, die beweist, dass Contributor ehemalige Googler, Promovierte oder Bewerber schlagen. Ich kann dir den Filter zeigen, der meine Fehler überlebt hat. Eine Marke sagte mir, wo jemand erfolgreich war. Ein Abschluss sagte mir, was sie studiert haben. Eine Bewerbung sagte mir, wie sie sich selbst beschrieben haben. Öffentliche Arbeit zeigte mir, was sie gewählt, was sie ausgeliefert haben und was passiert ist, als eine andere Person widersprochen hat. Mit einem knappen Budget ist Gewissheit nicht verfügbar. Belege sind billiger als eine Fehlbesetzung, und sie sitzen bereits im Abhängigkeitsgraphen.