Ein neuronales Netz ist ein mathematisches Modell aus vielen vernetzten Knoten („Neuronen"), die in Schichten organisiert sind. Eine Eingabe wird durch das Netz geschickt, Schicht für Schicht transformiert und am Ende eine Ausgabe erzeugt. Während des Trainings werden die Gewichte zwischen den Neuronen so angepasst, dass das Netz seine Aufgabe immer besser löst.
Große Netze mit Millionen oder Milliarden Parametern werden „tief" genannt – daher die Verbindung zu Deep Learning. Spezialisierte Architekturen wie Convolutional Neural Networks (CNN) für Bilder, Recurrent Neural Networks (RNN) für Sequenzen oder Transformer für Sprache haben in den letzten Jahren KI-Sprünge ermöglicht.
Im HR- und Recruiting-Bereich sind neuronale Netze die Grundlage moderner Tools für CV-Analyse, Job-Matching und Generierung. Sie sind leistungsfähig, aber oft schwer zu erklären – ein wichtiger Grund für Forderungen nach Transparenz und menschlicher Letztentscheidung.
Lunigi setzt neuronale Netze im Hintergrund ein, kombiniert sie aber mit klaren Filterregeln und menschlichem Feedback im E-Mail-Workflow.