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 deinen Prioritäten zu entsprechen. Wenn eine Rolle technische Fähigkeiten höher bewertet als formale Ausbildung, kannst du die technische Gewichtung erhöhen und die Ausbildungsgewichtung reduzieren. Die Summe beträgt immer 100 %.

Scovai wandelt jeden Lebenslauf in ein 768-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 deiner Organisation verarbeitet.

Scovai beinhaltet Echtzeit-Bias-Monitoring bei jeder Scoring-Entscheidung. Demografische Verteilungen (Geschlecht, Alter) werden verfolgt und statistische Anomalien automatisch gemeldet. Das System bewertet Fähigkeiten und Qualifikationen — keine persönlichen Merkmale.