Ein Personalvermittlungsunternehmen, das sich auf die Einstellung von IT‑Mitarbeitern spezialisiert hatte, k\u00e4mpfte mit der zeitaufw\u00e4ndigen Bearbeitung von Lebensl\u00e4ufen, die gr\u00f6\u00dftenteils auf der manuellen Eingabe von Daten in sein internes Recruiting-System beruhte. Die Lebensl\u00e4ufe unterschieden sich stark in L\u00e4nge (von einer bis zu mehr als einem Dutzend Seiten), Formatierung und Dateityp (DOCX, PDF).<\/p>\n\n\n\n
Infolgedessen war die manuelle Daten\u00fcbertragung nicht nur langsam, sondern auch fehleranf\u00e4llig und begrenzte die Anzahl der Bewerber, die das Team bearbeiten konnte.<\/p>\n\n\n\n
Eine zus\u00e4tzliche Herausforderung war die Notwendigkeit, Lebensl\u00e4ufe in verschiedene Sprachen zu \u00fcbersetzen, personenbezogene Daten zu anonymisieren und den Inhalt auf bestimmte Rollen zuzuschneiden, was die Arbeitsbelastung noch weiter erh\u00f6hte. In einigen F\u00e4llen dauerte die Erstellung eines einzigen Lebenslaufs bis zu 60 Minuten.<\/p>\n\n\n\n
Ziel des Projekts war es, die Bearbeitungszeit erheblich zu verk\u00fcrzen und gleichzeitig die Konsistenz und Datenqualit\u00e4t in der gesamten Recruiting-Pipeline zu verbessern.<\/p>\n\n\n\n
Die gr\u00f6\u00dfte Herausforderung bestand darin, die L\u00f6sung in eine bestehende, in PHP erstellte Anwendung zur Personalbeschaffung einzubetten.<\/p>\n\n\n\n
Weitere Herausforderungen waren die gro\u00dfe Vielfalt an Lebenslaufformaten, nicht standardisierte Dokumentenlayouts und die Notwendigkeit, eine hohe Qualit\u00e4t der Datenextraktion zu gew\u00e4hrleisten.<\/p>\n\n\n\n
COGITA entwickelte eine KI-basierte L\u00f6sung mit modernen multimodalen Modellen und LLMs, die den Inhalt von PDF- und DOCX‑Dokumenten analysieren k\u00f6nnen.<\/p>\n\n\n\n
Das System extrahiert automatisch alle wichtigen Bewerberinformationen aus einem Lebenslauf und erzeugt die Ausgabe als strukturierte JSON‑Datei, die eine sofortige Integration in die bestehende Recruiting-Anwendung des Kunden erm\u00f6glicht.<\/p>\n\n\n\n
Zus\u00e4tzlich zur Datenextraktion umfasste die L\u00f6sung:<\/p>\n\n\n\n
Wichtig ist, dass die L\u00f6sung ohne \u00c4nderungen an anderen Teilen der Kundeninfrastruktur (der PHP‑Anwendung) eingesetzt werden konnte, so dass sie vom ersten Tag an einen Mehrwert bot.<\/p>\n\n\n\n
Das System verk\u00fcrzte die Bearbeitungszeit von Lebensl\u00e4ufen um 90% und beschleunigte die Bewertung der Kandidaten erheblich. In den ersten zwei Monaten verarbeitete es \u00fcber 2.000 Dokumente mit einer Datenextraktionsgenauigkeit von 98%. Gleichzeitig verbesserten sich die Konsistenz und Qualit\u00e4t der Informationen in der Recruiting-Pipeline, und das HR‑Team konnte sich auf analytische und beziehungsorientierte Aufgaben statt auf administrative Aufgaben konzentrieren.<\/p>","protected":false},"excerpt":{"rendered":"
Problem A recruitment company specializing in IT hiring struggled with time-consuming CV processing, which largely relied on manually entering data into its internal recruitment system. CV documents varied widely in length (from one to a dozen-plus pages), formatting, and file type (DOCX, PDF). As a result, manual data transcription was not only slow but also […]<\/p>\n","protected":false},"featured_media":0,"template":"","meta":{"_acf_changed":true},"class_list":["post-2259","case-study","type-case-study","status-publish","hentry"],"acf":[],"_links":{"self":[{"href":"https:\/\/cogita.ai\/de\/wp-json\/wp\/v2\/case-study\/2259","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/cogita.ai\/de\/wp-json\/wp\/v2\/case-study"}],"about":[{"href":"https:\/\/cogita.ai\/de\/wp-json\/wp\/v2\/types\/case-study"}],"wp:attachment":[{"href":"https:\/\/cogita.ai\/de\/wp-json\/wp\/v2\/media?parent=2259"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}