Job-Matching bezeichnet den automatisierten Prozess, bei dem ein System Profile von Bewerbenden mit offenen Stellen vergleicht und eine Rangliste der wahrscheinlichsten Treffer erzeugt. Klassische Jobbörsen setzen dafür Stichwortfilter ein – moderne Plattformen verwenden zunehmend semantische Verfahren, die auch Synonyme, verwandte Tätigkeiten und Branchenkontexte erkennen.
Technisch basiert semantisches Matching meist auf Vektor-Embeddings. Sowohl die Stellenanzeige als auch das Kandidatenprofil werden in mehrdimensionale Zahlenvektoren übersetzt, deren Nähe zueinander die inhaltliche Ähnlichkeit abbildet. So findet das System auch Stellen, in denen ein anderer Begriff für die gleiche Tätigkeit verwendet wird – etwa „Sozialarbeiter:in" und „Sozialpädagog:in".
Gutes Job-Matching berücksichtigt mehr als nur die fachliche Passung: Standortwünsche, Wochenstunden, Tarifbindung, Remote-Anteil und Branche fließen ebenso ein wie weiche Kriterien aus dem Lebenslauf. Generative KI-Modelle erlauben mittlerweile auch, das Anschreiben oder Profilbeschreibungen automatisch in eine maschinenlesbare Form zu überführen.
Für Suchende verändert Job-Matching die Spielregeln: Statt Hunderte Anzeigen manuell zu durchsuchen, liefert das System eine kuratierte Vorauswahl. Lunigi setzt diesen Ansatz konsequent um – Profile werden einmal angelegt, und ein Bot recherchiert täglich passende AI-sichere Stellen, die per E-Mail kompakt zusammengefasst zugestellt werden.