Wie KI-native Consulting-Practices interviewen: QuantumBlack, BCG X, Bain AAG

Jede MBB-Firma hat inzwischen eine eigene AI-Practice mit Markennamen, und jede hat einen unterschiedlichen Recruiting-Trichter darum aufgebaut. McKinsey filtert technische Kandidaten über einen Coding- und Statistiktest, bevor sie überhaupt einen Live-Interviewer zu Gesicht bekommen. BCG X rekrutiert Ingenieure in eine build-fokussierte Einheit mit eigenem Anforderungsniveau. Bain integriert Analytics-Kompetenz in den Standard-Case-Prozess, ganz ohne separaten technischen Filter. Kandidaten, die annehmen, dass „AI-native" bedeutet, das Case-Interview werde durch eine Take-Home-Coding-Aufgabe ersetzt, liegen bei jeder dieser Firmen falsch — und genau diese falsche Annahme ist der häufigste Grund, warum technische Kandidaten in Runden unterdurchschnittlich abschneiden, für die sie eigentlich klar qualifiziert waren.

Die drei strukturellen Modelle

Die AI-Practices unterscheiden sich nicht nur im Namen — sie basieren auf grundlegend unterschiedlichen Organisationsmodellen, und dieser Unterschied bestimmt, wie dein Interview-Prozess tatsächlich aussieht.

flowchart TD
    A[Technischer Hintergrund] --> B{Welches Practice-Modell passt?}
    B -->|Eigener Track, eigener Filter| C[McKinsey QuantumBlack]
    B -->|Build-fokussierte Einheit, Produktrollen| D[BCG X]
    B -->|Eingebettet in Standard-Case-Teams| E[Bain AAG / Vector]
    C --> F[QuantHub-Test, dann Lightning Talk, dann technischer Case]
    D --> G[Standard-Case-Runden plus höhere technische Anforderungen für Build-Rollen]
    E --> H[Standard-Case-Prozess, kein separater technischer Filter]

Das ist keine Qualitätsrangfolge zwischen den drei Modellen — es ist eine Fit-Frage danach, an welcher Stelle im Trichter dein technischer Hintergrund geprüft wird. Wenn du eine eigenständige technische Screening-Spur willst, bevor du überhaupt auf einen generalistischen Case triffst, macht McKinseys Modell das explizit. Wenn du lieber mit einem Client-Team Produkte bauen und liefern willst, statt strategisch zu beraten, sind BCG X’s Engineering-Rollen genau darauf ausgerichtet. Wenn du deinen Analytics-Hintergrund lieber in einen normalen MBB-Case-Prozess eingebettet sehen möchtest, ohne separate technische Hürde, ist Bains integriertes Modell die beste Übereinstimmung.

McKinsey QuantumBlack: Der QuantHub-Filter

McKinsey ist die einzige der drei Firmen, die einen eigenständigen technischen Test einbaut, bevor du überhaupt einen Live-Interviewer erreichst. Kandidaten, die sich bei McKinsey Digital, QuantumBlack oder dem McKinsey Risk Team bewerben, machen den QuantHub-Test — eine adaptive Multiple-Choice-Prüfung zu R-Coding, Python (einschließlich Konzepten aus NumPy und scikit-learn) und Statistik (t-Tests, ANOVA, Regression, Chi-Quadrat), mit rund 12 Fragen pro Abschnitt und einem Zeitfenster von 72 bis 100 Minuten.

Das Bestehen von QuantHub bringt dich nicht direkt vor einen Case-Interviewer. Der technische Track umfasst zwei weitere Stufen vor dem Standard-Business-Case:

1. Personal Experience Interview (PEI) — die gleichen „Warum McKinsey"- und persönlichen Wirkungsfragen, denen sich jeder generalistische Kandidat stellt, wobei du erwartungsgemäß Beispiele rund um Daten- und Technologiearbeit einbringst.
2. Lightning Talk — eine rund zehnminütige Präsentation zu einem realen technischen Projekt, das du geleitet hast, strukturiert nach Projektüberblick, Team, Tools, Herausforderungen und Business Impact. Interviewer fragen dabei explizit nach, was du persönlich getan hast im Gegensatz zu dem, was „das Team" getan hat.
3. Technisches Case-Interview — ein Business-Case mit Daten- oder Technologiebezug (McKinseys eigenes Beispiel: einem Live-Event-Unternehmen helfen, mit digitalen Tools und Daten den Umsatz zu steigern), bewertet nach den gleichen Kriterien wie ein generalistischer Case — Struktur, Hypothesenbildung, Synthese — nur mit technischem Hintergrund.

Erst nachdem all das erfolgreich durchlaufen wurde, konvergiert der Prozess mit dem Standard-McKinsey-Case- und Fit-Interview-Format, das im McKinsey-Case-Interview-Leitfaden beschrieben wird.

BCG X: Ein build-fokussiertes Anforderungsniveau

BCG X rekrutiert primär für Rollen, die Produkte liefern — Forward Deployed AI Engineer, AI Scientist, AI Factory Product Builder — statt reiner Beratungspositionen, und das Interview-Niveau spiegelt das wider. Stellenausschreibungen für diese Rollen betonen Software-Entwicklungspraktiken, Algorithmendesign und die Fähigkeit, nicht-technische Berater und Kunden durch die Implementierung zu führen, zusätzlich zu den Standard-Bewertungskriterien im Consulting.

BCG hat auch klar gemacht, dass AI im eigenen Recruiting-Prozess eine unterstützende Rolle spielt: Recruiter nutzen AI-Tools, um Interviewfragen zu entwerfen und die Candidate Experience zu personalisieren, aber das öffentliche „AI Talent Promise" der Firma besagt, dass Einstellungsentscheidungen immer von Menschen getroffen werden und AI nie allein genutzt wird, um einen Kandidaten auszusortieren. Für Kandidaten bedeutet das: BCG X’s technisches Anforderungsniveau ist real, aber es steht neben — nicht anstelle von — dem Standard-BCG-Case-Interview-Prozess, einschließlich des BCG Online Case (Casey), dem die meisten Bewerber inzwischen zuerst begegnen.

Bain AAG und Vector: Kein separater Filter

Bain hat die entgegengesetzte strukturelle Wette zu McKinsey und BCG getroffen. Die Advanced Analytics Group und die breitere Vector-Suite digitaler Fähigkeiten sind keine separate organisatorische Einheit mit eigenem Recruiting-Trichter — sie sind ein Satz von Kompetenzen, die auf Standard-Case-Teams gestafft werden. Praktisch bedeutet das: Es gibt kein Äquivalent zu QuantHub oder einer build-fokussierten technischen Runde. Kandidaten durchlaufen denselben Bain-Case-Interview-Prozess und SOVA-Online-Assessment wie jeder andere Bewerber, wobei ein Analytics-Hintergrund als Staffing-Präferenz fungiert statt als eigene Bewertungsspur.

Der Teil, der sich nicht ändert: Das Case-Interview selbst

Über alle drei Firmen hinweg bleibt das zugrunde liegende Case-Interview ein Business-Case, kein Coding-Test. Du wirst gebeten, ein Marktvolumen zu schätzen, einen Rückgang der Profitabilität zu diagnostizieren oder eine Markteintritt-Entscheidung zu bewerten — dieselben Case-Archetypen, die in unseren Growth-Strategy- und Operations-Case-Bibliotheken behandelt werden. AI-Strategie- und Datenmonetarisierungs-Szenarien tauchen für diese Rollen einfach häufiger in der Rotation auf, und Interviewer legen bei technischen Kandidaten dafür einen höheren Maßstab an.

Basierend auf unserer Erfahrung mit der Vorbereitung von Kandidaten für diesen Übergang gibt es drei Fehlermuster, die für den Großteil der Lücke zwischen „technisch qualifiziert" und „hat tatsächlich das Angebot erhalten" verantwortlich sind:

• Mit Modellarchitektur statt mit geschäftlicher Machbarkeit beginnen. Zu beschreiben, wie du das Modell bauen würdest, bevor du auf Kosten, Adoptionsrisiko und organisatorische Reife eingehst, signalisiert, dass du dich standardmäßig dem interessanten technischen Problem zuwendest statt dem tatsächlichen Problem des Kunden.
• Ein Design-Dokument statt eine Empfehlung schreiben. Case-Interviews honorieren Top-down-, executive-taugliche Kommunikation — mit der Antwort beginnen und sie verteidigen — nicht einen sequenziellen technischen Durchgang.
• Bei der Erkenntnis stehen bleiben statt bei der Implikation. „Das Modell zeigt X" ist nicht die Antwort. „Was bedeutet, dass der Kunde Budget von Y nach Z umschichten sollte" ist es, worauf Interviewer hören.

Keines davon sind technische Lücken — es ist genau das Urteilsvermögen, das ein Case-Interview testen soll, und es ist dasselbe Urteilsvermögen, das eine belastbare Geschäftsempfehlung von einer interessanten technischen Erkundung in Foundation-Model- und LLM-Cases oder jedem anderen AI-Adoptions-Szenario unterscheidet.

Die wichtigsten Erkenntnisse

• McKinsey QuantumBlack betreibt einen eigenständigen Filter — den QuantHub-Coding-/Statistiktest — vor dem Lightning Talk, dem PEI und dem technischen Case; erst nach dem Bestehen aller drei konvergiert der Prozess mit dem Standard-Case-Format
• BCG X rekrutiert für build-fokussierte Produktrollen mit höherem technischem Anforderungsniveau, aber die eigenen Recruiting-Prinzipien der Firma halten AI als unterstützendes Tool, nicht als Entscheidungsträger, und das zugrunde liegende Interview bleibt consulting-typisch
• Bain hat überhaupt keinen separaten technischen Filter — AAG- und Vector-Kompetenzen werden auf Standard-Case-Teams gestafft, sodass Kandidaten den normalen Bain-Case- und SOVA-Prozess durchlaufen
• Bei allen drei Firmen ist das Live-Case-Interview weiterhin ein Business-Case — Marktvolumen-Schätzung, Profitabilität, Markteintritt — keine Take-Home-Coding-Aufgabe
• Das häufigste Ablehnungsmuster bei technischen Kandidaten ist keine Kompetenzlücke; es ist eine Überbetonung technischer Eleganz statt geschäftlichem Urteilsvermögen und dem „na und?"

Entwickle das Urteilsvermögen, das diese Interviews tatsächlich testen

Zu wissen, welchen Filter jede Firma nutzt, ist die Grundvoraussetzung — das Interview selbst testet immer noch, ob du eine technische Erkenntnis unter Zeitdruck in eine Geschäftsempfehlung verwandeln kannst, und das ist ein Übungsproblem, kein Leseproblem. Starte kostenlos mit 3 vollständigen Cases und einer AI-Mock-Interview-Session, keine Kreditkarte erforderlich. Der Guided Mode lässt den AI-Interviewer dich zum richtigen Framework hinführen, falls du dein Strukturgefühl für AI-Adoptions-Cases noch aufbaust; der Expert Mode simuliert echten Interviewdruck, sobald du bereit bist, dich ohne Hinweise zu testen; und Chat with Case führt ein reales Geschäftsproblem durch fünf Phasen — Hintergrund, Framework-Auswahl, Datenanalyse, Synthese, Empfehlung — sodass du dir angewöhnst, geschäftliche statt technische Logik zu erläutern. Jede Session bewertet dich anhand von fünf Dimensionen: Struktur, Analyse, Kommunikation, Business und Mathematik.

Wenn du bereit für die vollständige Bibliothek mit über 835 realen Cases und mehreren AI-Mock-Sessions bist, upgrade auf Pro. Starte mit dem AI Mock Interview oder durchstöbere McKinsey-, BCG- und Bain-Cases in unserer Bibliothek — und kombiniere diesen Leitfaden mit Landing an AI-Focused Consulting Role, um zu erfahren, wie du deinen Lebenslauf positionierst, bevor du in eine dieser Interviewphasen kommst.