Tolans KI-gestützter Ingenieursinterviewprozess

Tolan hat seinen Engineering-Interviewprozess neu gestaltet, um widerzuspiegeln, wie Ingenieure tatsächlich mit KI-Coding-Agents arbeiten. Anstatt traditioneller algorithmischer Fragen konzentrieren sie sich auf praktische Fähigkeiten, die wichtig sind, wenn KI den größten Teil des Produktionscodes schreibt.

Die Interviewstruktur

Kandidaten verbringen einen Vormittag in ihrem Büro in San Francisco und arbeiten an einem kleinen Problem, das Tolan selbst bereits gelöst hat. Das Problem stammt aus einer einfachen Figma-Datei oder einer kurzen Spezifikation und repräsentiert typischerweise einen einfachen Ablauf oder ein leichtgewichtiges Feature, das normalerweise ein oder zwei Tage Entwicklungszeit benötigen würde.

Kandidaten haben nur wenige Stunden Zeit, um an dem Problem zu arbeiten, was nicht ausreicht, um ein poliertes Produkt zu erstellen. Diese Einschränkung ist beabsichtigt – sie wollen sehen, wie Kandidaten innerhalb von Grenzen arbeiten.

KI-Tools werden ermutigt

Kandidaten werden ausdrücklich ermutigt, KI zur Lösung des Problems einzusetzen. Tolan stellt bei Bedarf Lizenzen für Claude, Codex, Cursor oder Gemini bereit. Die zentrale Erwartung ist, dass Kandidaten KI-generierten Code gegen ihr eigenes Urteilsvermögen abwägen müssen – selbst wenn sie den Code nicht selbst schreiben, sind sie für das Ergebnis verantwortlich.

Worauf sie achten:

• Wie Kandidaten das Problem angehen
• Wie sie eine Lösung strukturieren
• Wie sie über Einschränkungen nachdenken
• Wie sie entscheiden, was tatsächlich wichtig ist

Bewertungskriterien

Nach der Arbeitssession folgt ein 20–30-minütiges Gespräch über das Erstellte. Interviewer fragen, was Kandidaten verbessern würden, wenn sie mehr Zeit hätten, was sie vor einer Überprüfung ändern würden und was sie vor dem Ausliefern ändern würden.

Warnsignale sind:

• Kandidaten, die LLMs nutzen, um durchzudenken, wie das Projekt abgeschlossen werden sollte (wie das Screenshotting von Figma und das Bitten von Claude, es zu lösen)
• Kandidaten, die unklare Spezifikationen nicht hinterfragen
• Kandidaten, die sagen „Ich bin mir immer noch nicht sicher, was dieser Teil macht“, aber vor einer menschlichen Überprüfung nichts ändern würden

Positive Signale sind:

• Problemstellungen klären und Randfälle erkunden
• Kompromisse erkennen
• Aufzeigen, wenn sich etwas seltsam anfühlt oder nicht richtig erscheint
• Kreativität zeigen (wie das Erstellen eines Minispiels, um Nutzer während LLM-Antwortwartezeiten zu unterhalten)
• Wissen, wann Arbeit nicht gut genug ist und wie man sie verbessern kann

Die Kernphilosophie: In einer Welt, in der die Implementierung einfacher wird, ist Urteilsvermögen am wichtigsten. Funktionierender Code ist nicht die Ziellinie – das Verstehen und Warten ist es.