Wie Mira sucht
Beschreiben Sie die gesuchte Person in natürlicher Sprache. Mira durchsucht viele Talentquellen und das offene Web, geht den aufgespürten signals Schritt für Schritt nach und liefert Kandidaten mit einer Begründung, warum jede Person passt.
Agentic Sourcing ist die Art, wie Mira Menschen findet, und funktioniert anders als LinkedIn Recruiter und die klassische Keyword-Suche. Beschreiben Sie in natürlicher Sprache, wen Sie suchen, und Mira arbeitet wie ein erfahrener Recruiter: Es durchsucht viele Talentquellen, verfolgt die signals Schritt für Schritt und erklärt Ihnen, warum jeder Kandidat passt.
Was es löst
Herkömmliche Kandidatensuche hat zwei eingebaute Grenzen:
- Eine einzige Datenbank. Die richtigen Personen sind über berufliche Netzwerke, Code-Communities, Forschungsplattformen und Unternehmensseiten verteilt. Eine einzige Datenbank wird zwangsläufig welche verpassen.
- Ein einziger Durchlauf. Ein einzelner Keyword-Abgleich liefert tendenziell Personen mit ansprechenden Lebensläufen, nicht Personen, die tatsächlich gut passen.
Agentic Sourcing ist in beiden Punkten anders: Es zieht Daten aus vielen Quellen und arbeitet in mehreren Schritten, wobei es aus dem, was der letzte Schritt gefunden hat, entscheidet, wo es als Nächstes sucht, bis die richtigen Personen gefunden sind, einschließlich passiver Kandidaten, die nicht aktiv auf Jobsuche sind.
Wie es funktioniert
- Sie beschreiben den Bedarf, in Alltagssprache: die Rolle, die Must-haves und die Nice-to-haves.
- Ein Sourcing Agent sucht über viele Talentquellen und das offene Web, verfolgt signals (Unternehmen, Tech-Stacks, Projekte, öffentliche Arbeiten) und überprüft sie gegenseitig.
- Sie erhalten nachvollziehbare Ergebnisse: einen Kandidatenpool, bei dem jede Person mit der Begründung versehen ist, warum sie passt.
- Sie verfeinern. Wenn die Richtung nicht stimmt, sagen Sie es einfach oder ergänzen eine Einschränkung, und Mira passt sich an.
Kernfunktionen
- Quellenübergreifende Trefferabdeckung: durchsucht viele professionelle Talentquellen und das offene Web gleichzeitig, führt die Ergebnisse dann zusammen und entfernt Duplikate, sodass die Verzerrung keiner einzelnen Quelle dominiert.
- Mehrstufige Tiefenrecherche: kein einmaliger Abgleich; es verfolgt signals und überprüft sie über mehrere Schritte hinweg gegenseitig, sodass es die wirklich richtigen Kandidaten erreicht, auch passive. Angetrieben von MRE.
- Beweisgewichtetes Matching: Mira bewertet jeden Kandidaten anhand Ihrer Must-haves und Dealbreaker und reiht sie nach den Belegen; dabei hebt es das nicht Offensichtliche hervor (wie den starken Entwickler, der seinen Jobtitel nie aktualisiert hat). Jeder Kandidat trägt die Begründung für seine Übereinstimmung, sodass der Kandidatenpool, den Sie vorlegen, standhält.
- Kontaktabruf on demand: sobald die richtigen Personen gefunden sind, lassen sich E-Mail oder Telefonnummer bei Bedarf abrufen (jeder Abruf verbraucht Credits).
Die Rolle gut beschreiben
Der Agent versteht natürliche Sprache, aber mehr Kontext gibt ihm mehr zum Nachdenken. Eine schwache und eine starke Beschreibung liefern sehr unterschiedliche Kandidatenpools:
| 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 bedeutet mehr signals zum Abgleichen |
| "Marketing-Person in NYC" | "B2B SaaS Marketingmanager in NYC, hat Produkt-Launches durchgeführt, vertraut mit datengetriebenen Kampagnen" | Implizite Kriterien lösen logikbasiertes Retrieval 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 auf 1" als Early-Stage-Aufbauerfahrung |
Sie können auch auf die impliziten Kriterien setzen, die Sie laut aussprechen würden. Mira denkt darüber nach, was sie bedeuten, anstatt sie als Keywords abzugleichen:
| Sie sagen | Mira versteht es als |
|---|---|
| "0 auf 1" oder "von Grund auf aufgebaut" | Aufbau eines Unternehmens in der Frühphase, etwas von null bis zum Launch bringen |
| "Startup-DNA" oder "einsatzbereit" | arbeitet eigenständig, kommt mit Unklarheit und wenig Struktur zurecht |
| "Hintergrund mit starkem Wachstum" | abgeleitet aus Unternehmensgröße, Finanzierungshistorie und Wachstumsverlauf |
| "5+ Jahre Erfahrung" | aus dem tatsächlichen Karriereverlauf gelesen, nicht aus einem Profil-Tag |
| "hat ein Team aufgebaut" | ein Team eingestellt und geführt, nicht nur in einem mitgearbeitet |
Wie es weitergeht
- Must-haves & Dealbreaker: wie Mira Ihre Anforderungen liest und das Ideal Candidate Profile erstellt.
- Wie Mira Kandidaten matcht: wie MRE schlussfolgert, um die richtigen Kandidaten zu finden.
- Agent Team: ein Team für eine komplexe Suche einsetzen.
Exportieren & Teilen
Holen Sie den Wert aus Ihrem Kandidatenpool. Blenden Sie E-Mail und Telefon ein, exportieren Sie eine Excel- oder CSV-Datei und teilen Sie Kandidaten mit Ihrem ATS, einer Tabelle oder einem Hiring Manager.
Must-haves & Ausschlusskriterien
Wie Mira Ihre Anforderungen in ein Idealkandidaten-Profil umwandelt. Was in Must-Have, Nice-to-Have und Avoid gehört und wie jede Liste die Suche und das Ranking prägt.