KI-Recruiting- & Sprach-Screening-PlattformKIProduktivbetrieb
MarqHire AI
Recruiting-Plattform, die Lebensläufe parst, sie gegen eine Stellenbeschreibung bewertet und Erstgespräche per Sprache führt.
Ergebnis
Screening durchgängig automatisiert
Das Problem
Recruiter, die in großem Umfang einstellen, verbringen die meiste Zeit mit Lebensläufen, die ohnehin nie gepasst hätten.
Was ich gebaut habe
Gebaut wurde ein Lebenslauf-Parsing, das jeden Kandidaten semantisch gegen die Stellenbeschreibung bewertet statt nach Stichwortabgleich, ergänzt um einen Sprachagenten für das erste Screening-Gespräch.
Das Ergebnis
Eine 15-stufige Pipeline, die Teams selbst konfigurieren, mit Kandidaten, die live nach Eingang der Bewerbungen sortiert werden.
So funktioniert es
- 01
Eine Bewerbung geht ein und der Lebenslauf wird in strukturierte Felder geparst, statt als Datei abgelegt zu werden, die niemand öffnet.
- 02
Der Kandidat wird semantisch gegen genau diese Stellenbeschreibung bewertet, sodass ein passender Hintergrund auch dann rankt, wenn er mit ungewohnten Worten beschrieben ist.
- 03
Wer über der Schwelle liegt, bekommt ein Sprach-Screening von einem Agenten, der den Fragenkatalog dieser Rolle abarbeitet.
- 04
Das Gespräch wird transkribiert und für jeden Kandidaten gegen dieselben Kriterien zusammengefasst, und die Shortlist aktualisiert sich mit jeder eingehenden Bewerbung.
- 05
Der Recruiter bewegt Kandidaten durch eine selbst konfigurierte Pipeline mit bis zu 15 Stufen statt durch eine, die das Tool vorgibt.
Die KI-Schicht
Embedding-basierter Abgleich zwischen Lebenslauf und Stellenbeschreibung, sodass Relevanz auch bei anderer Wortwahl erhalten bleibt, dazu ein Sprachagent für das Screening-Gespräch und eine strukturierte Zusammenfassung des Gesagten.
Die Engineering-Schicht
Lebenslauf-Parsing über uneinheitliche Dateiformate hinweg, eine konfigurierbare Stufenmaschine, ein Ranking, das sich mit neuen Bewerbungen aktualisiert, und Telefonie-Anbindung mit dem Wiederholungs- und Ausweichverhalten, das ein echter Anruf braucht.
Zentrale technische Entscheidungen
Semantische Bewertung statt Stichwortfilter.
Stichwortfilter lehnen den Kandidaten ab, der dieselbe Erfahrung anders formuliert hat. Die Bewertung gegen die Stellenbeschreibung im Embedding-Raum ist überhaupt der Grund, dafür ein Modell einzusetzen.
Das Screening-Gespräch ist die Automatisierung, die sich lohnt.
Eine sortierte Liste lässt immer noch jemanden zwanzig Telefonate führen. Das erste Gespräch zu automatisieren ist die Stelle, an der die Stunden tatsächlich anfallen.