Person und Kontaktdaten
Name und Kontaktdaten, sofern sie im CV enthalten sind.
Regelbasiertes Parsing · 1 Credit pro CV · 56 Felder
Regelbasiertes CV-Parsing für Recruiting mit hohem Volumen
Wandeln Sie Lebenslaufdaten mit deterministischer Extraktion in strukturierte Kandidatenprofile um. Nutzen Sie einen KI-Modus, wenn das Dokument oder die gesuchten Informationen mehr Kontext erfordern.
Regelbasiertes Parsing · 1 Credit pro CV · 56 Felder
Was ist regelbasiertes CV-Parsing?
CV-Parsing wandelt ein für Menschen lesbares Dokument in strukturierte Daten für Recruiting-Software um. Der regelbasierte Modus erkennt und normalisiert Angaben aus dem Lebenslauf, damit ein Kandidatenprofil für Ihr ATS, Ihre Datenbank oder interne Abläufe entsteht.
Welche Angaben kann ein CV-Parser strukturieren?
Der regelbasierte Modus stellt 56 Felder bereit, um erkannte Angaben aus einem Dokument zu ordnen.
Berufserfahrung
Erkannte Positionen, Arbeitgeber, Zeiträume und Angaben zum Werdegang.
Ausbildung
Abschlüsse, Bildungseinrichtungen und im Dokument genannte Daten.
Kompetenzen
Extrahierte Kompetenzen, geordnet im Kandidatenprofil.
Sprachen und weitere Angaben
Weitere verfügbare Felder, wenn der CV passende Informationen enthält.
56 bezeichnet die verfügbaren Felder und garantiert nicht, dass jedes Feld in jedem CV ausgefüllt wird. Die Ergebnisse hängen von den Angaben im Dokument ab.
Vom Lebenslauf zum strukturierten Kandidatenprofil
Die Engine liest das Dokument, erkennt unterstützte Angaben und ordnet sie für die Prüfung und Weiterverwendung einheitlichen Feldern zu.
1. Dokument lesen
Nutzbare Inhalte aus dem übermittelten Lebenslauf extrahieren.
2. Angaben erkennen
Kontaktdaten, Kompetenzen, Erfahrung und weitere verfügbare Informationen finden.
3. Normalisieren
Erkannte Werte den passenden Kandidatenfeldern zuordnen.
4. Ergebnis nutzen
Das Profil prüfen und in CVReaderPro, einem ATS oder einem anderen Ablauf verwenden.
Eine regelbasierte Engine, die sich mit Feedback weiterentwickeln kann
Das Parsing eines CVs und die Weiterentwicklung der Engine sind getrennte Schritte.
Beim regelbasierten Parsing
Die Extraktion nutzt die Regeln und Normalisierungsverfahren der Engine. Für jeden CV in diesem Modus wird kein KI-Modell aufgerufen.
Zur Weiterentwicklung der Engine
Bestätigte manuelle Korrekturen und Ergebnisse des KI-Parsings können helfen, Verbesserungsfälle zu erkennen und Änderungen an der regelbasierten Engine zu unterstützen.
Korrekturen und Ergebnisse dienen als Rückmeldung zur Prüfung. Das bedeutet weder, dass eine Regel nach jeder Korrektur automatisch geändert wird, noch dass beim regelbasierten Parsing ein KI-Modell verwendet wird.
Ein Beispiel für strukturierte Ergebnisse ansehen
Die synthetischen Beispiele unten zeigen das Format der zurückgegebenen Daten. Sie veranschaulichen die Ausgabestruktur und sind keine Leistungsmessung des Produkts.
Fiktiver Lebenslauf
QuelldokumentClaire Martin
Java-Entwicklerin · Lyon
- Berufserfahrung
- Java-Entwicklerin — NovaTech · seit März 2022
Softwareentwicklerin — Digital Solutions · 2019–2022 - Ausbildung
- Master Informatik — Universität Lyon
- Kenntnisse
- Java · Spring Boot · SQL · Git · Docker
Vorschau der strukturierten Daten
Beispielhaftes JSON{
"candidate": {
"firstName": "Claire",
"lastName": "Martin",
"jobTitle": "Java-Entwicklerin",
"city": "Lyon"
},
"experiences": [
{
"mission": "Java-Entwicklerin",
"company": "NovaTech",
"startMonth": "03",
"startYear": "2022",
"endMonth": "",
"endYear": "",
"currentPosition": true
},
{
"mission": "Softwareentwicklerin",
"company": "Digital Solutions",
"startMonth": "09",
"startYear": "2019",
"endMonth": "02",
"endYear": "2022",
"currentPosition": false
}
],
"educations": [
{
"dateReceived": "2019",
"title": "Master Informatik",
"school": "Universität Lyon",
"description": ""
}
],
"skills": [
{
"name": "Java",
"level": ""
},
{
"name": "Spring Boot",
"level": ""
},
{
"name": "SQL",
"level": ""
},
{
"name": "Git",
"level": ""
},
{
"name": "Docker",
"level": ""
}
]
}Didaktisches Beispiel, keine Leistungsmessung. Reale Ergebnisse hängen vom Dokument und den enthaltenen Informationen ab. Aufgezeichnete Produktbeispiele folgen weiter unten.
Ein synthetisches Beispiel ansehen
Laden Sie die CV-Eingaben und erfassten API-Ausgaben herunter. Alle Personen, Unternehmen und Stellen sind fiktiv. Die Beispieldokumente sind auf Englisch; Ergebnisse hängen von Eingabe und Parser ab und müssen von Menschen geprüft werden.
Wann ist regelbasiertes CV-Parsing geeignet?
Der Modus eignet sich für Organisationen, die viele Lebensläufe in einheitliche Kandidatendaten umwandeln müssen, besonders wenn Volumen und Integration zählen.
Personalberatungen
Eingehende Lebensläufe strukturieren und Kandidatenprofile befüllen, ohne vorhandene Angaben erneut einzugeben.
IT-Dienstleister und Staffing-Unternehmen
Lebensläufe und Beraterprofile vor Suche, Matching oder der Aufbereitung für Kunden strukturiert erfassen.
ATS-Anbieter
CV-Extraktion in die eigene Anwendung integrieren und KI-Modi für Fälle mit höherem Kontextbedarf nutzen.
HR-Teams
Wichtige Angaben in einheitlichen Profilen bündeln, statt ausschließlich mit unstrukturierten Dokumenten zu arbeiten.
Regelbasiertes oder KI-CV-Parsing: welcher Modus passt?
Wählen Sie die Verarbeitung passend zum Dokument, zum benötigten Kontext und zu den Kosten pro CV.
| Modus | Credits / CV | Felder | Extraktion | Geeignet, wenn |
|---|---|---|---|---|
| Regelbasiertes Parsing | 1 | 56 | Deterministische Regeln | Eine standardisierte Extraktion genügt oder Sie verarbeiten CVs in großen Mengen. |
| KI-Parsing 56 | 3 | 56 | KI-Modell mit mehr Kontext | Wenn der Lebenslauf mehr Kontextinterpretation erfordert. |
| KI-Parsing 96 | 5 | 96 | Umfangreichere KI-Interpretation | Wenn Sie ein detaillierteres Kandidatenprofil benötigen. |
Welche Felder ausgefüllt werden, hängt von den verfügbaren Angaben im Ausgangs-CV ab. KI-Parsing muss das regelbasierte Parsing nicht in jedem Ablauf ersetzen.
Unterstützte Formate und Grenzen
Die öffentlichen Demo-Abläufe von CVReaderPro unterstützen unter anderem:
- DOC
- DOCX
- TXT
Wichtig zu wissen
- Fehlende Angaben im CV können nicht erfunden oder so ergänzt werden, als wären sie vorhanden.
- Die Zahl ausgefüllter Felder unterscheidet sich je nach Dokument.
- Aufbau und Qualität des Lebenslaufs können die Extraktion beeinflussen.
- Prüfen Sie die Ergebnisse mit einer repräsentativen Auswahl eigener CVs.
Parsing in CVReaderPro nutzen oder mit Ihrem ATS verbinden
Wählen Sie den Ablauf, der zu Ihrem Team und Automatisierungsgrad passt.
In der CVReaderPro-Oberfläche
Einen Lebenslauf importieren, strukturierte Daten prüfen und den Recruiting-Ablauf fortsetzen.
Kostenlos mit 200 Credits testenIn einem ATS oder einer Anwendung
Die API nutzen, um die Extraktion mit Ihrem ATS, Ihrer HR-Software oder Infrastruktur zu verbinden.
API-Optionen vergleichenWas kostet regelbasiertes CV-Parsing?
Der regelbasierte Modus verbraucht weniger Credits als die KI-Modi und ermöglicht während des Tests die Verarbeitung einer größeren CV-Auswahl.
- Regelbasiertes Parsing: 1 Credit pro verarbeitetem CV.
- KI-Parsing 56: 3 Credits pro CV. KI-Parsing 96: 5 Credits pro CV.
- Der Test umfasst 200 Credits für 14 Tage, ohne Kreditkarte.
- Wenn Sie alle 200 Credits ausschließlich für den regelbasierten Modus verwenden, können Sie bis zu 200 CVs verarbeiten.
- Testen Sie mehrere Lebensläufe, die für die Dokumente Ihrer Organisation repräsentativ sind.
Weitere Funktionen entdecken
Häufige Fragen zum regelbasierten CV-Parsing
Was ist der Unterschied zwischen regelbasiertem und KI-Parsing?
Regelbasiertes Parsing nutzt deterministische Extraktion und Normalisierung, kostet 1 Credit pro CV und stellt 56 Felder bereit. KI-Modi interpretieren mehr Kontext: KI 56 kostet 3 Credits und KI 96 kostet 5 Credits pro CV.
Können manuelle Korrekturen und KI-Ergebnisse die Engine verbessern?
Bestätigte manuelle Korrekturen und Ergebnisse des KI-Parsings können helfen, Verbesserungsfälle zu erkennen. Änderungen an der Engine werden separat geprüft und entschieden; sie erfolgen nicht automatisch nach jeder Korrektur.
Werden immer alle 56 Felder ausgefüllt?
Nein. 56 ist die Zahl der verfügbaren Felder. Welche Felder ausgefüllt werden, hängt von den vorhandenen und nutzbaren Angaben im CV ab.
Welche CV-Formate kann ich testen?
Öffentliche Demo-Abläufe unterstützen unter anderem PDF, DOC, DOCX und TXT. Testen Sie während des Tests eigene Dokumente, um sie in Ihrem Ablauf zu prüfen.
Kann ich das Parsing mit meinem ATS verbinden?
Ja. Über die API können Sie strukturierte Daten in einem ATS oder einer anderen Anwendung nutzen. Details finden Sie auf der API-Seite und in der Dokumentation.
Wie viele CVs kann ich während des Tests verarbeiten?
Der Test umfasst 200 Credits für 14 Tage. Da regelbasiertes Parsing 1 Credit pro CV kostet, können Sie bis zu 200 CVs verarbeiten, wenn Sie alle Credits für diesen Modus nutzen.
Verwendet regelbasiertes Parsing KI?
Nein. Dieser Modus nutzt Extraktions- und Normalisierungsregeln. Für einzelne Dokumente im regelbasierten Modus wird kein KI-Modell aufgerufen.
Testen Sie regelbasiertes Parsing mit Ihren CVs
Laden Sie verschiedene Dokumenttypen hoch, prüfen Sie die strukturierten Daten und wählen Sie den Modus, der zu Volumen, Lebensläufen und Ablauf passt.