Sie finden unsere Artikel spannend?
Dann melden Sie sich zu unserem Newsletter an und erhalten Neuigkeiten direkt in Ihre Inbox.
Der CV-Parser ist eine Technologie im E-Recruiting zum Auslesen von Lebensläufen (Curriculum Vitae). Das Tool kommt hauptsächlich in Online-Bewerbungen zum Einsatz: Bewerber laden ihren Lebenslauf in der Bewerbermaske hoch und der CV-Parser überträgt die Lebenslaufdaten automatisch in vorstrukturierte Datenfelder. Dies geschieht mithilfe einer semantischen Analyse: Der Parser analysiert einzelne Textbausteine und erkennt anhand typischer Strukturen, welche Komponenten in welche Datenfelder übertragen werden sollen. Er registriert beispielsweise, dass die Anschrift im Lebenslauf oben steht und auf den Vornamen der Nachname folgt. Anhand solcher Mustererkennungen kann er die Daten den korrekten Feldern zuordnen. Hochentwickelte Parsing-Technologien nutzen künstlich intelligente Algorithmen für das Textverstehen. Der Algorithmus sichtet große Datenmengen und erkennt Datenmuster, Konzepte und strukturelle Beziehungen in einem Text, um unstrukturierte Informationen zu ordnen.
Mithilfe der Deep Learning Methode können künstlich intelligente Algorithmen die Bedeutung von Begriffen erfassen, indem sie ähnliche Wörter in ähnlichen Zusammenhängen lokalisieren und neue Wörter identifizieren. Die einzelnen Daten werden in ihrem Kontext erkannt und klassifiziert. Mittels Trainingsdaten bzw. Übungsdatensätzen kann ein System mit großen Mengen von Rohdaten trainiert werden, um spezifische Muster und Merkmale kennenzulernen. Ein CV-Parser etwa kann erlernte Merkmale in einem Lebenslauf deuten und die Daten in die vorstrukturierten Felder im Online-Bewerbungsportal oder in Bewerberprofile übertragen. Bekannt ist das maschinelle Lernen auch aus der Spamfilter-Technologie: Der Filter erkennt Spam-E-Mails anhand bestimmter Kriterien und Kombination, zum Beispiel lange Empfängerlisten und spamtypische Keywords (Gewinn…). Mithilfe von Übungsdatensätzen wird der Filter darauf trainiert, solche Muster zu identifizieren und entsprechende E-Mails auszuselektieren. Wird ein künstliches neuronales Netz mittels markierter Trainingsdaten (z. B. durch Markierungen als Spam oder Nicht-Spam) geschult, handelt es sich um überwachtes Lernen (Supervised Learing). Beim Unsupervised Learning findet eine solche Markierung nicht statt. Erhält das System ein Feedback über einen Erfolg oder Misserfolg, spricht man von Reinforcement Learning oder bestärkendem Lernen.
Der CV-Parser kann den Recruiting-Prozess sowohl auf Bewerber- als auch auf Recruiterseite vereinfachen:
Bewerber: Zur Minimierung von Bewerbungsabbrüchen ist Recruitern daran gelegen, den Bewerbungsprozess für ihre Kandidaten so einfach wie möglich zu gestalten. Dazu gehört der Abbau vermeidbarer Barrieren, wie z. B. ein Log-in Zwang bei der Online-Bewerbung sowie lange Bewerbungsformulare. Manche Unternehmen verzichten sogar auf das Anschreiben, um Kandidaten die Bewerbung zu erleichtern. Durch die Entwicklung mobiler digitaler Technologien haben Bewerber zunehmend die Möglichkeit, sich ortsunabhängig per Smartphone oder Tablet zu bewerben. In dem Fall empfiehlt sich eine Mobiloptimierung der Karriereseite und der Online-Bewerbermaske. Insbesondere die mobilen Geräte sind nicht auf Tipparbeit ausgelegt. Mit dem CV-Parser können Arbeitgeber die Online-Bewerbung für Bewerber vereinfachen, da diese lediglich ihren CV hochladen und die Daten nicht manuell abtippen brauchen: CV-Daten werden automatisch ausgelesen und in die vorgesehenen Datenfelder übertragen. Dies kann sich positiv auf die Candidate Experience, also die Erfahrung des Kandidaten im Bewerbungsprozess, auswirken. Strategien zur Optimierung der CandEx nehmen alle Kontaktpunkte der Candidate Journey in den Blick, um diese für Kandidaten so angenehm wie möglich zu gestalten. Ziel ist es u. a., die Anzahl der Bewerbungsabbrüche zu reduzieren und mehr qualifizierte Bewerbungseingänge zu generieren. Eine positive Candidate Experience kann Ausstrahlungseffekte auf die Employer Brand entfalten. Die Chance, dass sich Kandidaten erneut bewerben, den Arbeitgeber weiterempfehlen oder eine gute Arbeitgeberbewertung in Portalen wie kununu abgeben, die auch Bewerberratings einbeziehen, wird erhöht. Der CV-Parser leistet einen Beitrag zur Verbesserung der Candidate Experience im kritischen Kontaktpunkt der Online-Bewerbung.
Recruiter: Der CV-Parser reduziert den Aufwand für Recruiter und Personalabteilung. Je nach E-Recruiting-Software unterscheidet sich die Funktionalität hinsichtlich ihrer Qualität. Ein hochfunktionaler CV-Parser liest Lebenslaufdokumente und komplette Bewerbungsmappen in unterschiedlichen Formaten aus, zum Beispiel DOC, DOCX, RTF, HTML, TIFF, TXT, XML und EML. Die ausgelesenen Daten können automatisch in ein entsprechendes Bewerbermanagement-System übernommen und in Kandidatenprofile übertragen werden, so dass Recruiter die Daten nicht extra anlegen brauchen. Die Parsing-Technologien unterscheiden sich auch hinsichtlich der Arten von Daten, die sie parsen: Einige Parser reduzieren sich beispielsweise auf das Auslesen von Stammdaten, wohingegen andere auch Skills erkennen und transferieren können. Das Parsen von Bewerberkompetenzen ist sinnvoll, um die Daten in ein Bewerbermatching einspeisen zu können. Ein solcher Matching-Algorithmus vergleicht individuelle Anforderungen des Arbeitgebers mit Bewerberdaten, um die Passgenauigkeit zu ermitteln und ein Ranking zu erstellen. Ein internationaler Parser ist in vielen Fällen von Vorteil: Arbeitgeber rekrutieren in Zeiten von Fachkräfteengpässen und einem Rückgang der erwerbsfähigen Bevölkerung im Zuge des demografischen Wandels vermehrt im Ausland. Migrationsbewegungen bringen potenzielle Arbeitskräfte mit unterschiedlichen sprachlichen Hintergründen nach Deutschland. Zum Teil bewerben sich diese Zielgruppen mit fremdsprachigen Dokumenten, so dass ein multilingualer CV-Parser hilfreich sein kann. Dieser liest Bewerberdaten je nach Anbieter in verschiedenen Sprachen aus, zum Beispiel Englisch, Polnisch, Französisch, Niederländisch und Tschechisch. Hilfreich ist es außerdem, wenn ein nachträgliches Parsen von Daten möglich ist – zum Beispiel, weil ein Lebenslauf aktualisiert wurde.
Häufig ist die CV-Parsing-Technologie Komponente einer E-Recruiting-Software. Eine solche Software digitalisiert und automatisiert den Recruiting-Prozess. Recruiter können alle Unterlagen und Dokumente zentral in der Software verwalten, ihre Workflows softwaregestützt steuern und mit Bewerbern sowie Teammitgliedern kommunizieren. Anstehende Aufgaben lassen sich über die Software planen und bearbeiten. Eine hochfunktionale Bewerbermanagement-Software bietet darüber hinaus Funktionen zur Erfolgsoptimierung, zum Beispiel Job-Multiposting zur Maximierung der Stellenreichweite und **Recruiting-KPIs **zur kennzahlengestützten Auswahl passender Jobportale. Über Multi-Channel-Posting können Recruiter eine Stellenanzeige in ausgewählten Portalen per Mausklick streuen und müssen diese nicht manuell hochladen und pflegen. Ein Bewerbermatching (s. o.) erleichtert die Vorauswahl von Kandidaten, indem es die Passgenauigkeit von Bewerber und Stelle ermittelt. Je nach Matching verfügen Recruiter über Konfigurationsmöglichkeiten: Sie wählen diejenigen Kriterien aus, nach denen das Matching erfolgen soll und gewichten diese. Wichtig mit Blick auf die EU-Datenschutz-Grundverordnung (EU-DSGVO) und das Bundesdatenschutzgesetzt ist, dass die Software Funktionen für die Datenschutz-Compliance bietet.
Die CV-Parsing-Technologie liest Lebenslaufdaten automatisch aus und überträgt diese in vorstrukturierte Datenfelder. Häufig ist ein CV-Parser Komponente einer Recruiting-Software für das Bewerbermanagement. Die Parsing-Technologie kann den Recruiting-Prozess sowohl für Bewerber als auch für Recruiter vereinfachen. Der Bewerber lädt seinen CV hoch und der Parser überträgt die Daten automatisch in die Datenfelder der Online-Bewerbermaske. Je nach Software können Recruiter die Daten automatisch in ihr System übernehmen und sparen sich dadurch die manuelle Dateneingabe.
Diesen Beitrag teilen