# Wie Mira funktioniert

Source: https://docs.mira.day/de/docs/overview/how-mira-works

> Miras Agent arbeitet autonom, sucht, bewertet und erstellt Shortlists von Kandidaten aus mehreren Quellen mithilfe von semantischem Matching.



***

Mira übernimmt die Ausführung, damit Sie sich auf Entscheidungen konzentrieren können. Sie beschreiben, was Sie brauchen, der Agent sucht und matcht, und Sie prüfen die Ergebnisse. So funktioniert der Sourcing-Workflow Schritt für Schritt.

```
Sie beschreiben eine Stelle
       ↓
Agent klärt Anforderungen (nur wenn Details fehlen)
       ↓
Agent durchsucht mehrere Talentquellen
       ↓
MRE bewertet und rankt Kandidaten
       ↓
Shortlist mit KI-Zusammenfassungen geliefert
       ↓
Sie prüfen, verfeinern oder fahren fort
```

Schritt 1: Bedarf beschreiben [#schritt-1-bedarf-beschreiben]

Geben Sie eine Stellenbeschreibung ein, fügen Sie eine JD ein oder beschreiben Sie die Rolle in natürlicher Sprache. Mira versteht implizite Kriterien, Sie brauchen keine formale Suchsyntax.

Schritt 2: Agent klärt (nur bei Bedarf) [#schritt-2-agent-klärt-nur-bei-bedarf]

Wenn Ihre Beschreibung bereits spezifisch genug ist, überspringt der Agent diesen Schritt. Wenn wichtige Details fehlen, erstellt er ein kurzes Klärungsformular zu Seniorität, Kandidatenanzahl und spezifischen Präferenzen. Das Formular erscheint nur, wenn es die Ergebnisse verbessern würde.

Schritt 3: Multi-Source-Suche [#schritt-3-multi-source-suche]

Mira durchsucht drei Datenebenen:

| Ebene                  | Quelle                                                              | Beschreibung                                            |
| ---------------------- | ------------------------------------------------------------------- | ------------------------------------------------------- |
| **Öffentliche Daten**  | Aggregiert aus mehreren externen Talentdatenbanken                  | Breite Abdeckung über Branchen und Regionen             |
| **Miras eigene Daten** | Miras Index öffentlicher Berufsprofile und Stellenausschreibungen   | Fortlaufend aktualisiert, global                        |
| **Private Daten**      | Ihre hochgeladenen Lebensläufe oder ATS-integrierte Kandidatenpools | Ihre proprietäre Talentdatenbank, durchsuchbar mit Mira |

Schritt 4: Reasoning-basiertes Matching [#schritt-4-reasoning-basiertes-matching]

Mira Reasoning Embedding bewertet jeden Kandidaten mit Multi-Hop-Reasoning, nicht mit Keyword-Matching:

* „Mindestens 5 Jahre Erfahrung", wird aus dem Karriereverlauf berechnet.
* „0-to-1-Erfahrung", wird als Early-Stage-Unternehmensaufbau interpretiert.
* „Hintergrund bei börsennotiertem Unternehmen", wird aus Unternehmensdaten abgeleitet.

Schritt 5: Shortlist-Lieferung [#schritt-5-shortlist-lieferung]

Sie erhalten eine kuratierte Liste mit:

* Name, aktuelle Rolle, Unternehmen und Standort des Kandidaten.
* Jahre an Erfahrung.
* KI-generierte Zusammenfassung von Qualifikationen und Passung.
* Vollständiger Werdegang und Ausbildung.
* Kontaktinformationen (E-Mail, Telefon, LinkedIn).
* Herunterladbare Datendatei.

Schritt 6: Iteration [#schritt-6-iteration]

Setzen Sie das Gespräch fort:

* Mehr Kandidaten anfordern.
* Kriterien anpassen („auch Amsterdam einbeziehen", „Startup-Hintergründe bevorzugen").
* Neue Suche für eine andere Rolle starten.

Jeder Task wird in der Seitenleiste gespeichert und kann jederzeit wieder aufgerufen werden.

Nächste Schritte [#nächste-schritte]

* [Kernkonzepte](/de/docs/overview/key-concepts): Agent, Shortlist und andere Begriffe erklärt.
* [Schnellstart](/de/docs/getting-started/quick-start): Ihre erste Sourcing-Aufgabe durchführen.