Wir verwenden Analyse-Cookies, um zu verstehen, wie diese Website genutzt wird. Diese
sind optional, und bei einer Ablehnung bleibt die volle Funktionalität erhalten — wir setzen
in keinem Fall Werbe- oder Cross-Site-Tracking-Cookies ein.
Cookie-Richtlinie
Expertini ATS kombiniert umfassendes semantisches Verständnis mit dem deterministischen Candidate Match Scoring™, um Kandidaten anhand von Nachweisen zu bewerten — nicht anhand von Schlüsselwörtern. Jede Empfehlung ist nachvollziehbar, reproduzierbar und bleibt unter menschlicher Kontrolle.
MenschJede endgültige Entscheidung ▲ die Bewertung dient nur als Orientierung
SO FUNKTIONIERT EXPERTINI ATS
Transparent. Reproduzierbar. Belastbar.
Sprachverständnis, wo es hilft, einfache Arithmetik, wo es darauf ankommt, und am Ende trifft ein Mensch die Entscheidung. Jede Punktzahl lässt sich auf die Nachweise zurückführen, die zu ihr geführt haben.
SCHRITT 1 · DIE ROLLE VERSTEHEN
Rolle ansehen
Bevor jemand bewertet wird, stellen wir sicher, dass die Stelle selbst verstanden wird — in den eigenen Worten des Arbeitgebers, nicht anhand einer Vorlage.
Jede Anforderung wird identifiziert und danach gewichtet, wie der Arbeitgeber sie formuliert hat – „Must-have“ und „Erforderlich“ haben das höchste Gewicht (JRIS 90–100), „Bevorzugt“ liegt in der Mitte (50–70), „Von Vorteil“ am niedrigsten (30–50)
Ausschlusskriterien werden separat gekennzeichnet, sodass eine fehlende zwingende Qualifikation niemals durch gute Ergebnisse in anderen Bereichen ausgeglichen wird
Die Gewichtungen sind sichtbar und anpassbar – nichts wird hinter Ihrem Rücken abgeleitet
Schreiben Sie ganz natürlich; es gibt keine spezielle Syntax zu erlernen
Tipp: Je präziser Ihre Formulierungen zu Muss-/Soll-/Kann-Kriterien sind, desto zielgerichteter ist Ihre Auswahlliste. Unser intelligenter Assistent für nachvollziehbare Empfehlungsentwürfe schreibt genau nach dieser Struktur.
SCHRITT 2 · DIE PERSON VERSTEHEN
PII-Anonymisierung
Ein Lebenslauf ist die Geschichte eines Menschen. Wir extrahieren die Fakten — und entfernen alles, was vor Beginn der Analyse Vorurteile schüren könnte.
Kompetenzen, Berufserfahrung, Ausbildung und Zertifizierungen werden aus PDF- oder DOCX-Lebensläufen extrahiert
Namen, Alter, Geschlechtsmerkmale, Fotos und Standortkennungen werden vor jeder semantischen Analyse entfernt – die Matching-Engine bekommt sie nie zu Gesicht
Der vollständige Original-Lebenslauf bleibt Ihren Prüfern genau so erhalten, wie er eingereicht wurde
DSGVO-konform als Standard: Kandidatendaten werden nach 24 Monaten gelöscht, und Kandidaten erhalten ein echtes Konto auf ihrer lokalen Expertini-Website, um diese zu verwalten
Das Ranking basiert auf nachgewiesenen Fähigkeiten — niemals auf Name, Alter, Geschlecht oder Wohnort.
SCHRITT 3 · UMFASSENDES SEMANTISCHES VERSTÄNDNIS
Bedeutungsbasierter Abgleich
Die traditionelle Stichwortsuche belohnt diejenigen, die Schlagwörter manipulieren. Semantisches Verständnis findet Personen, die die Arbeit tatsächlich ausgeführt haben.
"Led a Django migration serving 2M users" matches a Python requirement — even if the word "Python" never appears
Jede Anforderung erhält einen Candidate Skill Score (CSS), der durch die spezifischen Textstellen im Lebenslauf belegt wird
Das Sprachverständnis ist der einzige Bereich, in dem intelligente Technologie eingesetzt wird – sie liest Texte und setzt sie in Beziehung; sie vergibt niemals die Punktzahl
Jeder Treffer verweist direkt auf den entsprechenden Nachweis, sodass Sie jede Angabe in Sekundenschnelle überprüfen können
Nach unserem Kenntnisstand führt kein anderes ATS semantisches Matching im vollen Umfang durch, bei dem der Score vollständig deterministisch bleibt.
SCHRITT 4 · DETERMINISTISCHES SCORING
Bewertung mit Mathematik
Die Zahl, nach der ein Mensch bewertet wird, sollte mathematisch überprüfbar sein – nicht die Meinung eines Modells.
CMS = Σ (CSSi × JRISi) / Σ JRISi
Eine veröffentlichte Formel: jede Kompetenzbewertung multipliziert mit ihrer Anforderungsgewichtung, summiert und normalisiert — das ist die gesamte Berechnung
Gleicher Lebenslauf + gleiche Stellenbeschreibung = jedes Mal das gleiche Ergebnis, für immer
Die Methodik wird in einem offenen Forschungsrepository zur Begutachtung durch Forscher eingereicht und offen dokumentiert – Prüfer, Rechtsabteilungen und Kandidaten können genau nachvollziehen, wie ein Ergebnis zustande gekommen ist
Keine versteckten Modellgewichtungen, kein Drift, kein „Der Algorithmus hat entschieden“
Die vollständige Methodik ist unter research.expertini.com veröffentlicht — „From Stochastic to Deterministic“ (Expertini Research Team, 2026).
SCHRITT 5 · DAS PERSÖNLICHE GESPRÄCH
Sie entscheiden
Der CMS bewertet und erläutert. Ihr Team führt Interviews, beurteilt und stellt ein. Diese Reihenfolge kehrt sich niemals um.
Kandidaten erscheinen gerankt mit Aufschlüsselungen auf Dimensionsebene — sehen Sie genau, welche Anforderungen jede Person wie stark belegt
Nicht einverstanden mit einer Punktzahl? Jede Eingabe ist einsehbar, sodass Sie nachvollziehen können, warum, und nach eigenem Ermessen handeln können
Die Phasenwechsel, Bewertungen und das Interview-Feedback Ihres Teams stehen direkt neben dem Score — das System informiert, Menschen entscheiden
Ein vollständiges Audit-Protokoll zeichnet jede Entscheidung auf – bereit für jede Compliance-Prüfung
Ein ehrliches Werkzeug macht Ihre Urteilsbildung schneller und besser dokumentiert. Es ersetzt sie nicht.
LIVE · CMS ENGINE SANDBOX
Verschieben Sie die Gewichtungen. Beobachten Sie die Mathematik.
Dies ist die genaue Formel, die in der Produktion verwendet wird: CMS = Σ(CSS × JRIS) / Σ(JRIS). JRIS gibt an, wie kritisch der Arbeitgeber eine Anforderung bewertet; CSS ist der im anonymisierten Lebenslauf gefundene Nachweis. Kein intelligentes System verändert diesen Wert — versuchen Sie, Halluzinationen hervorzurufen. Es ist unmöglich.
Python & Distributed SystemsERFORDERLICH
Cloud-Architektur (AWS/GCP)ERFORDERLICH
TeamführungBEVORZUGT
Open-Source-BeiträgeEIN PLUS
CMS SCORE
0%
—
Hard-Blocker aktiv — für eine zwingende Anforderung liegt kein Nachweis vor. CSS auf 0 fixiert; Stärken in anderen Bereichen können dies nicht ausgleichen.
Σ(CSS × JRIS) = 0 Σ(JRIS) = 0 CMS = 0 / 0 = 0
Identische Eingaben → identisches Ergebnis, bei jedem einzelnen Durchlauf. Diese Transparenz ist in jeder Prüfungs-PDF eines Kandidaten enthalten.
Ziehen Sie einen Kandidaten in die engere Auswahl oder Ablehnung — oder tippen Sie auf ✓ / ✗. Die deterministische Engine erklärt ihre Entscheidungsfindung live anhand derselben Regelmatrix und Nachweise, die dieser Bewertung zugrunde liegen.
Deterministische Engine zeigt: Sophia M.
Muss-Kriterien für diese Stellenausschreibung – Bestanden/Nicht-bestanden-Kriterien, unabhängig von der Gesamtpunktzahl
100%
Regeleinhaltung
Ranken → Entscheiden
SMART-RANKING · Ziehen Sie einen Chip oder nutzen Sie ✓ ✗ ⇪ — ⇪ lädt die Nachweise dieses Kandidaten in die Sandbox oben
✓ Shortlist
✗ Ablehnen
DIE POWER DES CMS-SCORE
Ganzheitliche Kandidatenbewertung Über Keyword-Matching hinaus
Expertini CMS bewertet jeden Kandidaten anhand von über 10 Dimensionen, die aus Ihrer tatsächlichen Stellenbeschreibung abgeleitet werden. Wechseln Sie durch 7 Branchen – die Punktzahl, die Compliance-Prüfungen und die zugrunde liegenden semantischen Übereinstimmungen passen sich alle gemeinsam an.
Dieselben zehn oder mehr Dimensionen, einheitlich über jede Branche hinweg angewendet – niemals eine generische Vorlage, immer aus der tatsächlichen Stellenbeschreibung abgeleitet.
Fähigkeiten & Kompetenzen
Sprachkenntnisse
Erfahrung & Rollenähnlichkeit
Gehaltsvorstellungen
Branchen- & Fachbereichsübereinstimmung
Senioritätsstufe
Ausbildung & Zertifizierungen
Kulturelle Passung (Intelligent gesteuert)
Standort & Verfügbarkeit
Karriereentwicklungspotenzial
Michael J.
Senior Full Stack Developer
London, Vereinigtes Königreich
96%AUSGEZEICHNET
Bewertungsaufschlüsselung
Deterministische Compliance
SO FUNKTIONIERT SEMANTISCHES MATCHING FÜR DIE IT
Wir vergleichen die Bedeutung, nicht einzelne Wörter.
Jeder Lebenslaufauszug und jede Stellenanforderung wird in einen Vektor umgewandelt – Tausende von Zahlen, die die Bedeutung erfassen. Die Engine misst den Winkel zwischen den Vektoren: die Kosinus-Ähnlichkeit. Enger Winkel, ähnliche Bedeutung, unabhängig von übereinstimmendem Vokabular.
MEHR ALS NUR DER SCORE – DIESELBE SANDBOX, DER GESAMTE FUNNEL
Vorauswahl ist der erste Schritt. Bewerten, interviewen, entscheiden — an einem zentralen Ort.
Die Plattform erstellt zudem rollenspezifische Bewertungen aus Ihrer Stellenbeschreibung, führt asynchrone Video-Interviews durch und speichert jede Beurteilung in der Kandidatenakte. Testen Sie die Demos unten — Beispieldaten, voll interaktiv.
1 · Ein REST-Endpunkt gibt nach einem Deployment plötzlich veraltete Daten zurück. Was sollte höchstwahrscheinlich zuerst überprüft werden?
Cache-Header / CDN-Invalidierung bei den geänderten Antworten
Endpunkt umbenennen und neu bereitstellen
CPU-Zuteilung des Servers erhöhen
2 · Eine Abfrage, die nach customer_email filtert, ist bei einer Tabelle mit 10 Mio. Zeilen langsam. Die Standardlösung?
Tabelle in den Anwendungsspeicher laden
Spalte auf Volltextsuche umstellen
Einen Index für customer_email hinzufügen
3 · Zwei Dienste benötigen dieselbe Validierungslogik. Best Practice?
Kopieren Sie den Code in beide Dienste
In eine freigegebene, versionierte Bibliothek extrahieren
Jeden Aufruf zur Validierung über einen einzigen Dienst leiten
Im Produkt werden Fragen aus Ihrer Stellenbeschreibung generiert (5–50, gemischte Formate). Multiple-Choice-Fragen werden bei der Einreichung automatisch bewertet; offene Fragen und Code-Antworten werden einer intelligenten Überprüfung unterzogen, wobei für jede Antwort eine manuelle Übersteuerung möglich ist — eine Punktzahl führt niemals zur automatischen Ablehnung von Bewerbern.
1 · Ein Stakeholder fordert mitten im Sprint eine neue Funktion und bezeichnet diese als dringend. Was unternehmen Sie zuerst?
Fügen Sie es stillschweigend hinzu und arbeiten Sie länger, um es unterzubringen
Die Auswirkungen klären und dann offen mit dem Product Owner neu priorisieren
Ablehnen — der Sprint ist gesperrt, keine Ausnahmen
2 · Sie sind mit dem Review-Kommentar eines Kollegen zu Ihrer Arbeit absolut nicht einverstanden. Was ist Ihr nächster Schritt?
Besprechen Sie es im Vier-Augen-Gespräch anhand von Belegen und eskalieren Sie nur, wenn Sie sich weiterhin uneinig sind
Die Änderung trotzdem anwenden, um Konflikte zu vermeiden
Öffentlich antworten und erklären, warum sie im Unrecht sind
Szenario-Antworten im Produkt werden anhand eines verborgenen Bewertungsleitfadens geprüft — ein intelligentes System schlägt eine Punktzahl mit Begründung vor, und ein Personalverantwortlicher bestätigt oder ändert jeden Punkt manuell.
Echte Beispielantworten — inklusive Stimme. Kandidaten nehmen strukturierte Antworten nach eigenem Zeitplan auf, ganz ohne Terminabstimmung; die Aufnahmen verbleiben in der Bewerbung der Kandidaten und sind nur für Ihr Einstellungsteam zugänglich.
Emily J.
F1 · „Erzählen Sie uns von einem Projekt, auf das Sie stolz sind“ · 0:08
Semantisch Versteht Bedeutung, nicht nur Schlüsselwörter
Deterministisches MatchingRegelbasierte Engine für 100 % Reproduzierbarkeit
ErklärbarJede Bewertung ist transparent & überprüfbar
Vorurteilsfreie EinstellungPersonenbezogene Daten werden vor jeder LLM-Analyse entfernt
Kontinuierliches LernenVerbessert sich mit Feedback & echten Einstellungsdaten
Enterprise-NiveauSicher, skalierbar, zuverlässig — auf unserem eigenen Cluster
Finden Sie Ihre nächste Top-Besetzung in 30 Minuten.
Buchen Sie eine Live-Demo – wir bewerten echte Kandidaten anhand einer echten Stellenbeschreibung direkt vor Ihren Augen und schalten Ihnen anschließend eine kostenlose Testversion frei.
Hallo! Ich bin der intelligente Produktexperte von Expertini. Fragen Sie mich alles über unsere Lösungen, erhalten Sie Unterstützung zu unseren Einstellungstools oder beschreiben Sie einfach Ihr Vorhaben — ich helfe Ihnen gerne weiter. Bei kontospezifischen Anliegen wenden Sie sich bitte per E-Mail an support@expertini.com.
Denkt nach
Geben Sie Ihren Namen und Ihre geschäftliche E-Mail-Adresse ein, um den Chat zu starten – wir verwenden diese nur, um bei Bedarf auf Ihre Frage zurückzukommen.
