KI-Scoring & Matching

Wenn sich ein Kandidat bewirbt, analysiert Scovais KI den Lebenslauf anhand der Stellenanforderungen über 5 konfigurierbare Dimensionen: Technische Fähigkeiten, Erfahrung, Ausbildung, Soft Skills und Potenzial. Jede Dimension erhält einen Score von 0 bis 100, begleitet von einer ausführlichen, verständlichen Erklärung.

Jeder von Scovai generierte Score enthält eine schriftliche Begründung, die genau erklärt, warum dieser Score vergeben wurde. Beispiel: 'Kandidat zeigt starke React-Kompetenz (95/100) basierend auf 5 Jahren Enterprise-Erfahrung. Angepasst wegen begrenzter GraphQL-Erfahrung (−4 Pkt.), kompensiert durch soliden REST-API-Hintergrund (+2 Pkt.).' Keine Black Boxes.

Ja. Jede der 5 Scoring-Dimensionen kann gewichtet werden, um Ihren Prioritäten zu entsprechen. Wenn eine Rolle technische Fähigkeiten höher bewertet als formale Ausbildung, können Sie die technische Gewichtung erhöhen und die Ausbildungsgewichtung reduzieren. Die Summe beträgt immer 100 %.

Scovai wandelt jeden Lebenslauf in ein 1536-dimensionales Vektor-Embedding um, das semantische Bedeutung erfasst, nicht nur Keywords. Das bedeutet, dass ein 'React-Entwickler'-Profil mit einer Stelle für 'Frontend-Ingenieur mit React.js-Erfahrung' übereinstimmt, auch ohne exakte Keyword-Übereinstimmung.

Scovai nutzt kontextbasiertes Verständnis, kein einfaches Keyword-Matching. Der mehrdimensionale Scoring-Ansatz in Kombination mit XAI-Begründungen bietet Recruitern volle Transparenz zur Validierung jedes Ergebnisses. Die Genauigkeit verbessert sich kontinuierlich, je mehr Daten das System innerhalb Ihrer Organisation verarbeitet.

Das Analytics-Modul von Scovai prüft das Scoring auf demografische Verzerrungen. Es analysiert Scoring-Muster und den Funnel-Fortschritt nach demografischen Gruppen (Geschlecht, Altersgruppe) und hebt statistische Auffälligkeiten hervor, wenn die Ergebnisse einer Gruppe von der Gesamtverteilung abweichen. Das Scoring selbst bewertet Fähigkeiten und Qualifikationen, keine persönlichen Merkmale.