Recruiting & Sourcing
KI-Matching
Auch: Matching · Job-Matching · Kandidaten-Matching
Matching bezeichnet den datengestützten Abgleich zwischen dem Anforderungsprofil einer Stelle und den Merkmalen von Kandidat:innen. KI-Matching nutzt dafür u. a. semantische Ähnlichkeit und gewichtete Kriterien, um passende Vorschläge mit Begründung zu erzeugen – die Entscheidung bleibt beim Menschen.
Das Wichtigste in Kürze
- Matching gleicht Anforderungsprofil und Kandidatenmerkmale strukturiert ab und erzeugt eine Rangfolge.
- KI-Matching ergänzt Schlagwort-Abgleich um semantische Ähnlichkeit (Bedeutung statt exaktem Wortlaut).
- Gutes Matching liefert eine nachvollziehbare Begründung, keine Blackbox-Zahl.
- Das System schlägt vor, der Mensch entscheidet – rechtlich geboten nach DSGVO Art. 22 und EU AI Act.
- Die Qualität hängt an sauberen, strukturierten Daten auf beiden Seiten.
Wie funktioniert Matching?
Beim Matching wird das Anforderungsprofil einer Stelle (Aufgaben, geforderte Kompetenzen, Region, Erfahrungsniveau, Gehaltsrahmen) mit den Merkmalen von Kandidat:innen abgeglichen. Aus diesem Abgleich entsteht eine priorisierte Vorschlagsliste, oft mit einem Score je Kandidat:in.
Klassisches Matching arbeitet mit exakten Schlagworten: Steht „Java“ im Profil und in der Stelle, gibt es einen Treffer. KI-Matching geht weiter und bewertet auch die Bedeutung – so erkennt es, dass „Rezeptionist:in“ und „Front-Office-Mitarbeiter:in“ verwandte Rollen sind, obwohl die Worte nicht identisch sind.
Warum muss ein Score erklärbar sein?
Eine nackte Prozentzahl hilft niemandem und ist rechtlich heikel. Ein gutes Matching zeigt deshalb, warum eine Person vorgeschlagen wird – etwa über einzelne, gewichtete Komponenten wie Kompetenz-Überschneidung, semantische Nähe, passende Region oder Gehaltsrahmen. So werden aus einer Zahl konkrete, prüfbare Argumente.
- Nachvollziehbarkeit: Recruiter:innen erkennen die Gründe für einen Vorschlag und können ihn kritisch prüfen.
- Fairness: Erklärbare Kriterien lassen sich auf sachliche, aufgabenbezogene Relevanz kontrollieren.
- Verbesserung: Wer die Komponenten sieht, erkennt fehlende oder verzerrende Daten und kann nachbessern.
Wer trifft die Entscheidung – KI oder Mensch?
Vorschlag, keine Entscheidung
Ein Matching-System liefert Vorschläge und ordnet sie – die Auswahlentscheidung trifft immer ein Mensch. Eine vollständig automatisierte Ablehnung oder Einstellung mit erheblicher Wirkung wäre nach Art. 22 DSGVO grundsätzlich unzulässig, und der EU AI Act stuft Systeme im Recruiting als Hochrisiko ein.
Automatische Ablehnung
Das System sortiert Bewerber:innen unter einem Score-Wert eigenständig aus – ohne menschliche Prüfung und ohne Begründung.
Mensch entscheidet
Das System priorisiert und begründet; Recruiter:innen sichten die Vorschläge, prüfen sie und treffen die Auswahl selbst.
Bei voccess ist dieser Grundsatz fest verankert: Das Matching schlägt vor und macht seine Gründe transparent, entschieden wird durch Menschen. Das ist nicht nur eine ethische Haltung, sondern die datenschutz- und AI-Act-konforme Betriebsweise.
Häufige Fragen
- Ist KI-Matching diskriminierungsfrei?
- Nicht automatisch. Ein Modell kann Verzerrungen aus seinen Daten übernehmen. Deshalb sind aufgabenbezogene, erklärbare Kriterien, eine menschliche Letztentscheidung und regelmäßige Kontrolle entscheidend. Erklärbarkeit ist die Voraussetzung, um mögliche Verzerrungen überhaupt zu erkennen.
- Was unterscheidet Matching von Deep Match?
- Matching ist der Oberbegriff für den datengestützten Abgleich. Deep Match ist der voccess-eigene Ansatz, der bewusst auf drei Ebenen gleichzeitig prüft – Company Fit, Team & Role Fit und Task Fit – statt nur Schlagworte im Lebenslauf abzugleichen.