Eine effektive JD für KI-Sourcing schreiben
Tipps zur Rollenbeschreibung für Miras KI-Agent. Fügen Sie implizite Kriterien wie „Startup-DNA" oder „von Grund auf aufgebaut" für besseres Kandidaten-Matching hinzu.
Miras Agent versteht natürliche Sprache, Sie brauchen keine formelle Stellenbeschreibung. Aber die Art, wie Sie eine Rolle beschreiben, beeinflusst die Qualität Ihrer Shortlist erheblich.
Gute vs. schwache Beschreibungen
| Schwach | Gut | Warum es wichtig ist |
|---|---|---|
| „Finde mir einen Entwickler" | „Senior Backend-Ingenieur, 5+ Jahre Python, hat Microservices im großen Maßstab gebaut, vorzugsweise aus dem Fintech-Bereich" | Mehr Kontext gibt MRE mehr Signale |
| „Marketing-Person in NYC" | „B2B-SaaS-Marketing-Manager in NYC, hat Produktlaunches durchgeführt, vertraut mit datengetriebenen Kampagnen" | Implizite Kriterien („vertraut mit Daten") aktivieren Reasoning-basiertes Matching |
| „Wir brauchen jemand Gutes" | „Wir brauchen jemanden, der ein Produkt von 0 auf 1 gebracht hat, idealerweise in einem Series-A/B-Startup" | Mira interpretiert „0 auf 1" als Early-Stage-Aufbauerfahrung |
Was Mira Reasoning Embedding versteht
Mira Reasoning Embedding geht über Keyword-Suche hinaus:
Arithmetische Kriterien
„Mindestens 5 Jahre Erfahrung in Backend-Entwicklung"
MRE berechnet die Erfahrungsdauer aus dem Karriereverlauf des Kandidaten, nicht nur aus Profil-Tags.
Semantische Kriterien
„Jemand mit 0-to-1-Erfahrung" oder „hat ein Team von Grund auf aufgebaut"
MRE interpretiert die implizierte Bedeutung, Early-Stage-Unternehmensaufbau, Teamaufbau von Null.
Common-Sense-Kriterien
„Hintergrund bei börsennotiertem Unternehmen" oder „Wachstumsunternehmen-DNA"
MRE leitet den organisatorischen Kontext aus dem Werdegang des Kandidaten ab (Unternehmensgröße, Finanzierungsphase, Wachstumskurve).
Multi-Source-Kriterien
„Hat Vertriebserfahrung bei einem börsennotierten Unternehmen und auch Startup-Erfahrung"
MRE führt Multi-Hop-Reasoning über verschiedene Karrierephasen durch.
Tipps für bessere Ergebnisse
-
Seien Sie bei Fähigkeiten konkret, nicht nur bei Titeln. „Full-Stack" bedeutet für verschiedene Leute Unterschiedliches. Sagen Sie „React + Node.js + PostgreSQL", wenn Sie das brauchen.
-
Schließen Sie implizite Kriterien ein. Die Dinge, die Sie einem Recruiter mündlich mitteilen würden : „jemand Zupackendes", „kann selbstständig arbeiten", „hat Remote-Teams geführt" : Mira versteht das auch.
-
Erwähnen Sie den Unternehmenstyp. „Aus einem YC-Startup" vs. „Big-Tech-Hintergrund" verändert dramatisch, wen der Agent findet.
-
Geben Sie Standortpräferenzen klar an. „Berlin bevorzugt, remote OK" ist klarer als „flexibler Standort".
-
Filtern Sie nicht zu stark. Starten Sie breit, dann verfeinern Sie. Sie können dem Agent nach der ersten Shortlist immer sagen: „Eingrenzen auf Leute mit mehr Startup-Erfahrung".
Wenn die Ergebnisse nicht passen
Nach der Prüfung einer Shortlist können Sie im selben Gespräch anpassen:
- „Zeigen Sie mir Junior-Kandidaten."
- „Schließen Sie auch Amsterdam ein."
- „Fokus auf Kandidaten aus E-Commerce-Unternehmen."
- „Ich möchte Leute, die aktuell eine neue Rolle suchen."
Der Agent merkt sich den gesamten Gesprächskontext und passt die nächste Suche entsprechend an.