Alva: erst das Fundament, dann die AI-Projekte

Das ist Alva Labs

Alva Labs gehört zu den vertrauenswürdigsten Anbietern psychometrischer Assessments in Europa — und baut gerade das AI Hiring System: ein zusammenhängendes System, das die unverbundenen Tools ersetzt, mit denen die meisten Talent-Teams heute arbeiten.

Gegründet 2017, Hauptsitz Stockholm. Rund 60 Mitarbeitende. Knapp 20 Mio. Dollar eingesammelt, darunter eine Series A unter der Führung von VNV Global. Über 650 Organisationen vertrauen darauf, darunter die Enterprise-Talent-Teams von SEB, Instabee, Mentimeter, Tre und Tele2.

Das System deckt die komplette Hiring-Journey ab — von der Definition, was großartig überhaupt heißt, über wissenschaftlich fundierte Assessments und strukturierte Interviews bis hin zu sicheren, evidenzbasierten Entscheidungen. Kein weiteres Tool im Stack. Das System, das den Stack ersetzt.

Die Plattform kombiniert DNV-zertifizierte psychometrische Assessments mit strukturierten Interview-Frameworks, Coding-Tests und AI-gestütztem Role-Fit-Scoring. Alva hält eine seltene Dreifach-Zertifizierung: ISO/IEC 42001 für verantwortungsvolle AI, ISO 27001 für Informationssicherheit und ISO 10667-2 für Assessment-Methodik — eines der am strengsten zertifizierten Hiring-Systeme der Welt. Die AI dahinter ist transparent, fair und von Grund auf überprüfbar.

Das Markenversprechen ist simpel: accurate hiring made easy.

Ein Unternehmen, das verantwortungsvolle AI-Produkte ausliefert und die „move fast“-Kultur wirklich lebt. Als wir das Projekt gestartet haben, war die Energie sofort spürbar — vom CEO bis zu einzelnen Teammitgliedern: Die Leute waren neugierig, haben gebaut und mit AI die Grenzen ausgereizt.

Diese Begeisterung ist selten. Unsere Aufgabe war es, ihr die richtige Infrastruktur zum Skalieren zu geben.

Die Herausforderung

Wenn ein Unternehmen schnell wächst und das Team voller Builder ist, entwickeln sich Notion Workspaces organisch. Menschen bauen sich Lösungen für ihren eigenen Bedarf. Neue Tools kommen dazu. Es geht schnell voran.

Irgendwann — meistens rund um die 40- bis 50-Personen-Marke — fängt dieses organische Wachstum an, Reibung zu erzeugen.

Nicht, weil jemand einen Fehler gemacht hätte.

Sondern weil die Tools nicht mit dem Tempo des Unternehmens mitgehalten haben.

Genau da stand Alva, als wir angefangen haben.

Wir haben unser zweiwöchiges Blueprint-Audit als Teil unseres bewährten Prozesses in der Notion Beratung durchgeführt und drei Bereiche gefunden, in denen sich eine Investition in Struktur sofort auszahlen würde.

1. Das Graveyard-Problem

Wie die meisten wachsenden Unternehmen hatte Alva über die Jahre eine große Menge Dokumentation angesammelt.

Der Haken?

Teile davon waren veraltet, und es gab keinen einfachen Weg zu erkennen, welche Seiten aktuell waren und welche nicht.

Ein Team-Lead hat uns ein gutes Beispiel gezeigt: zwei Seiten ganz oben im CS-Space, die das Team täglich nutzte — und darunter eine größere Sammlung, die ihren Zweck erfüllt hatte, aber schon länger nicht mehr angefasst worden war.

Ohne diesen Hinweis waren die beiden nicht zu unterscheiden.

Das ist ein Muster, das wir überall sehen. Wir nennen es die Trust-Update Death Spiral. Wenn Dokumentation ohne klare Frische-Signale altert, fangen Menschen an, das Gefundene zu hinterfragen. Also weniger Updates. Also mehr veraltete Inhalte. Und so weiter.

Die Lösung ist nicht mehr Dokumentation. Es sind bessere Signale — Ownership, Verifizierung und ein System, das von selbst nach oben bringt, was aktuell ist.

2. Single Player × Tool Sprawl

Das Team von Alva ist voller Menschen, die von sich aus loslegen. Die Kehrseite? Mehrere Teams hatten unabhängig voneinander eigene Tracking-Systeme, OKR-Tracker und Workflows gebaut — jedes für sich solide, aber ohne Verbindung untereinander.

Drei Tools für Meeting-Transkription liefen parallel (Gong für CS/Sales, Fathom und Notion). OKR-Tracking lag an unterschiedlichen Orten, je nachdem, wen man fragte. Wissen verteilte sich über geteilte Spaces und private Seiten.

Nichts davon ist ungewöhnlich für ein Unternehmen in der Phase von Alva. Es ist das natürliche Ergebnis eines Teams, das schnell arbeitet und Probleme löst, sobald sie auftauchen. Die Chance lag im Konsolidieren — allen ein gemeinsames System geben und dabei die Flexibilität erhalten, die das Team produktiv macht.

3. Der Boden liegt zu tief

Das war der interessanteste Fund. Bei Alva waren alle begeistert von AI. Malcolm baute bereits eigene Workflows mit Claude und Obsidian. Max trieb eine AI-Strategie durch die ganze Organisation.

Aber in den Interviews hörten wir immer wieder eine Variante derselben Beobachtung: Notion AI fühlt sich nicht so stark an wie eigenständige Tools wie ChatGPT.

Notion AI nutzt dieselben Modelle im Hintergrund. Gut konfiguriert sollte es eigenständige Tools in der Wissensarbeit schlagen — weil es Zugriff auf den Kontext deines Unternehmens hat. Und genau da lag der Punkt: Alva hatte den System-Prompt, die Verifizierungs-Signale und den strukturierten Kontext noch nicht aufgesetzt, mit denen die AI ihr Bestes geben kann.

Die Modelle konnten es. Die Kontext-Ebene war nur noch nicht gebaut.

Das ist das Muster, das wir bei fast jedem Unternehmen sehen, mit dem wir arbeiten. Die Führung ist begeistert von ambitionierten AI-Projekten — Agents, automatisierte Insights, intelligente Pipelines. Aber all diese Projekte brauchen ein solides Datenfundament darunter. Erst den Boden bauen. Dann die Decke anheben.

Die strategische Entscheidung

Max und Malcolm kamen mit ambitionierten Ideen zu uns. Intercom-Pipelines. Leadership-Agents. Automatisierte Kunden-Insights. Alles Projekte, die wir gern bauen würden.

Unsere Empfehlung: erst das Fundament.

Jedes dieser Projekte brauchte eine Datenarchitektur, die es noch nicht gab. Und in den Boden für die gesamte Organisation zu investieren bringt am Ende mehr als der Sprung zu fortgeschrittenen Projekten für ein paar Power-User.

Max hat es gut auf den Punkt gebracht: „Notion wird der Boden sein, und Claude Code die Decke.“

Wir haben unseren 8-wöchigen Notion Transformation Sprint durchgeführt. Wöchentliche Check-ins, ein offener Slack-Kanal und Ergebnisse, die du innerhalb von Tagen testen kannst.

Was wir gebaut haben

1. Ein Operating System aus drei Säulen

Drei Säulen. Eine Datenarchitektur.

Knowledge (Docs + Meetings) — das gesamte Unternehmenswissen in einem System. Ownership, Verifizierung und eine einfache Regel: Wenn du eine Seite anlegst, kommt sie in Docs. Klare Frische-Signale, damit alle — Menschen und AI — erkennen, was aktuell ist.

Actions (Projects + Tasks) — eine gemeinsame Visibility-Ebene für Projektmanagement im ganzen Unternehmen. Zum ersten Mal kann jede Person beantworten: „Woran arbeitet dieses Team gerade?“

Alignment (OKRs) — ein konsolidierter Tracker, der die verschiedenen Versionen der Teams zusammenführt. Strukturiert für AI-Analysen. Wöchentliche Reports, die Kontext über die Zeit bewahren, statt ihn zu überschreiben.

Zentrale Daten, dezentrale Workflows. Eine Datenarchitektur, viele Oberflächen. Datenbanken sind standardisiert und gesperrt. Wie jede Person damit arbeitet? Völlig frei.

2. Dashboards als Frontend

Datenbanken sind das Backend. Dort liegen die Daten — standardisiert, konsistent. Dashboards sind das Frontend. So arbeiten Menschen tatsächlich damit.

Wir haben Defaults gebaut, die sofort funktionieren — wir nennen das Building Blocks, Not Blank Pages. Neue Teammitglieder bekommen sie automatisch. Champions und Power-User bauen ihre eigenen — und sehen genau das, was sie brauchen. Sonst nichts.

Montagmorgen-Dashboard mit den Aufgaben dieser Woche und den Meeting-Notizen von gestern? Bau es dir. Lieber eine Timeline statt eines Kanban-Boards? Stell es um. Du willst das Reporting-Layout, das dein Team-Lead entworfen hat? Abonniere es.

Die Daten bleiben konsistent. Das Erlebnis wird persönlich.

Max hat das sofort mit seinem Obsidian-Setup verbunden: „Mein erster Gedanke: meine Obsidian-Struktur in mein eigenes Dashboard holen. Angepasst an meine Arbeitsweise.“

3. Ab Tag eins bereit für AI

Alles, was wir gebaut haben, war auf eine Frage ausgerichtet: Kann AI damit arbeiten?

Ein Master-Prompt mit Unternehmenskontext und der Anweisung, verifizierte Informationen zu priorisieren. 90-Tage-Verifizierungszyklen, die Vertrauenssignale für Menschen und AI schaffen.

Das Campsite Principle — keine erzwungene Massenmigration. Wir haben die AI angewiesen, verifizierte Docs im zentralen System zu priorisieren. So gewinnen Informationen organisch an Relevanz, während das Team damit arbeitet.

Ein Meeting-to-Action-Workflow, in dem AI Transkripte verarbeitet und Follow-up-Aufgaben erstellt.

Malcolm hat den Effekt schon bemerkt, bevor die Datenbanken überhaupt vollständig gefüllt waren:

„Es fühlt sich an, als würde Notion für mich jetzt schon deutlich besser laufen — obwohl in diesen Datenbanken noch kaum Kontext drin ist.“

Kleine strukturelle Verbesserungen — das richtige Modell, ein ordentlicher System-Prompt, klare Kontext-Signale — potenzieren sich schnell. Malcolm hat es erlebt:

„Dieses Projekt hat den Compounding-Effekt richtig sichtbar gemacht. Ich habe eine Präsentation vorbereitet — die Gliederung super schnell in Notion gezogen, das dann zu meiner AI gegeben, ein Durchgang, keine Korrekturen. Hat wahrscheinlich ein bis zwei Stunden gespart. Und dann hat mein Co-Founder denselben Skill genommen und eine Präsentation in fünf Minuten gebaut.“

Zwei Menschen. Ein Skill. Sofortige Multiplikation. Das macht ein ordentlich gebauter Boden möglich.

Wie es bei Alva weitergeht

Bei jedem Projekt haben wir ein Ziel:

Wir wollen uns selbst überflüssig machen.

Wissenstransfer und Ownership stehen im Zentrum von allem, was wir tun. Du sollst die Systeme, die wir bauen, selbst betreiben können.

Aber wenn du uns an deiner Seite behalten willst, sind wir natürlich gern dein langfristiger strategischer Partner für alles rund um Notion und AI.

Das Fazit von Max:

„10 von 10. Du bist nicht nur dieser Notion-Experte, sondern jemand, der generell vorantreibt, wie man mit AI arbeitet — eigene Systeme baut und darüber nachdenkt, wie wir solche Systeme bauen können. Das hilft uns bei Alva enorm. Genau das suchen wir in einem Partner.“

Phase 1 ist abgeschlossen. Jetzt geht es darum, Notion AI noch tiefer in die Organisation zu bringen.

Der Boden steht. Wie hoch geht die Decke?

---