Agentic Search
Miras Agentic Search plant seinen eigenen Pfad über mehrere Datenquellen, denkt den gesamten Karriereverlauf eines Kandidaten durch und matcht nach Bedeutung – nicht nach Keywords. Beschreiben Sie eine Rolle in natürlicher Sprache und erhalten Sie eine zielgenaue Shortlist.
Agentic Search ist die Art, wie Mira Kandidaten findet. Sie beschreiben eine Stelle in natürlicher Sprache; der Agent plant, wo er suchen soll, durchsucht mehrere Datenquellen und bewertet jeden Kandidaten durch Reasoning – nicht durch Keyword-Matching.
Was die Suche „agentic" macht
Drei Dinge unterscheiden sie von einer einfachen Keyword-Suche:
- Multi-Source. Der Agent entscheidet, welche Datenquellen für Ihre Rolle geeignet sind, und durchsucht mehrere davon – öffentliche Talentdatenbanken sowie Miras eigenen Index öffentlicher Profile und Stellenausschreibungen – anstatt eine einzige feste Datenbank abzufragen.
- Multi-Hop-Reasoning. Er verbindet Belege aus verschiedenen Abschnitten des Karriereverlaufs eines Kandidaten. „Vertriebserfahrung bei einem börsennotierten Unternehmen und Startup-Erfahrung" wird über mehrere Stationen hinweg geprüft – nicht als ein einzelnes Keyword abgeglichen.
- Reasoning-basiertes Matching. Mira Reasoning Embedding (MRE) interpretiert, was Sie meinen. „5 Jahre Erfahrung" wird aus der tatsächlichen Karriere-Timeline berechnet; „0 to 1" wird als Aufbau eines Unternehmens in einer Frühphase gelesen – Konzepte, die eine Keyword-Suche nicht erfassen kann.
Eine Suche starten
Eine Suche läuft innerhalb eines Tasks – einem fortlaufenden Gespräch zwischen Ihnen und dem Agent.
Es gibt drei Möglichkeiten, eine Suche zu starten:
- Klicken Sie auf Neuer Task oben links in der Seitenleiste, um ein neues Gespräch zu öffnen.
- Tippen Sie in das Eingabefeld auf dem Hauptbildschirm und klicken Sie dann auf Nachricht senden.
- Nutzen Sie ein vorgeschlagenes Szenario unterhalb des Eingabefelds – klicken Sie darauf, um eine realistische Anfrage vorauszufüllen, und passen Sie sie vor dem Absenden an.
Die Rolle gut beschreiben
Der Agent versteht natürliche Sprache – Sie brauchen keine formelle Stellenbeschreibung. Mehr Kontext gibt MRE jedoch mehr Spielraum für Reasoning. Beziehen Sie die wichtigen Elemente ein:
| Element | Beispiel | Warum es hilft |
|---|---|---|
| Rolle / Titel | „Senior Full-Stack-Engineer" | Definiert den Suchbereich |
| Schlüsselkompetenzen | „React, Node.js, TypeScript" | Grenzt technische Anforderungen ein |
| Erfahrungslevel | „5+ Jahre" oder „hat ein Team geleitet" | Legt Senioritätserwartungen fest |
| Unternehmenstyp | „schnell wachsendes Startup" oder „Enterprise" | Filtert nach Hintergrund |
| Standort | „Berlin oder remote" | Geografische Ausrichtung |
| Implizite Kriterien | „hat etwas von 0 auf 1 aufgebaut" | MRE denkt über die Bedeutung nach, nicht nur über Tags |
Sie müssen nicht alle diese Angaben machen. Mira stellt klärende Fragen zu allem Wichtigen, das fehlt.
Schwache vs. starke Beschreibungen
| Schwach | Stark | Warum es wichtig ist |
|---|---|---|
| „Finde mir einen Entwickler" | „Senior Backend-Engineer, 5+ Jahre Python, hat Microservices im großen Maßstab aufgebaut, möglichst aus Fintech" | Mehr Kontext gibt MRE mehr Signale zum Abgleichen |
| „Marketing-Person in NYC" | „B2B-SaaS-Marketingmanager in NYC, hat Produkt-Launches durchgeführt, vertraut mit datengetriebenen Kampagnen" | Implizite Kriterien lösen Reasoning-basiertes Matching aus |
| „Wir brauchen jemand Guten" | „Jemand, der ein Produkt von 0 auf 1 gebracht hat, idealerweise bei einem Series-A-bis-B-Startup" | Mira liest „0 to 1" als Erfahrung im Aufbau eines frühen Unternehmens |
Die Arten von Kriterien, die MRE versteht
- Arithmetisch – „Mindestens 5 Jahre in der Backend-Entwicklung." MRE berechnet die Dauer aus der Karriere-Timeline, nicht aus einem Profil-Tag.
- Semantisch – „Jemand mit 0-to-1-Erfahrung" oder „hat ein Team von Grund auf aufgebaut." MRE interpretiert die implizierte Bedeutung.
- Gesunder Menschenverstand – „Hintergrund bei einem börsennotierten Unternehmen" oder „DNA eines schnell wachsenden Startups." MRE schließt aus dem Arbeitsumfeld auf den Kontext (Unternehmensgröße, Phase, Wachstum).
- Multi-Source – „Vertriebserfahrung bei einem börsennotierten Unternehmen und Startup-Erfahrung." MRE denkt über verschiedene Karriereabschnitte hinweg nach.
Nach dem Absenden
Der Agent wird:
- Ihre Eingabe analysieren und festhalten, was er verstanden hat.
- Klärende Fragen stellen – als kurzes Formular – nur wenn wichtige Details fehlen oder unklar sind.
- Ein Ideal Candidate Profile entwerfen, das Ihre Anforderungen konsolidiert, einschließlich der Must-Haves, die Kandidaten erfüllen müssen. Sie können es prüfen und bearbeiten.
- Auf Ihre Bestätigung warten, bevor die Suche beginnt.
Ihre Ergebnisse verfeinern
Passen Sie nach der Prüfung einer Shortlist im selben Gespräch an – der Agent behält den vollständigen Kontext und wendet Ihr Feedback auf die nächste Suche an:
- „Zeige mir eher Junior-Kandidaten."
- „Beziehe auch Personen aus Amsterdam ein."
- „Konzentriere dich auf Kandidaten aus E-Commerce-Unternehmen."
- „Grenze es auf Personen mit mehr Startup-Erfahrung ein."
Beginnen Sie weit, und präzisieren Sie dann. Eine Rolle pro Task hält jedes Gespräch fokussiert und leicht zugänglich.
Verwandte Themen
- Shortlist prüfen — Kandidaten lesen und exportieren.
- KI-Kandidaten-Matching — wie MRE die Eignung bewertet.
- Agent Teams — mehrere spezialisierte Agents für eine komplexe Suche einsetzen.
Möchten Sie Mira ausprobieren? Treten Sie der Warteliste bei für den Early Access.