@misc{Scharnagl2025, type = {Master Thesis}, author = {Scharnagl, Christoph}, title = {Untersuchung eines Matching-Systems f{\"u}r Lebensl{\"a}ufe und Stellenanzeigen: Ein Ansatz zur Verbesserung der Jobvermittlung}, address = {N{\"u}rnberg}, doi = {10.34646/thn/ohmdok-4212}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:92-opus4-42124}, school = {Technische Hochschule N{\"u}rnberg Georg Simon Ohm}, pages = {1 -- 144}, year = {2025}, abstract = {Diese Arbeit besch{\"a}ftigt sich mit der Entwicklung eines KI-gest{\"u}tzten Matching-Systems, das Lebensl{\"a}ufe und Stellenanzeigen durch semantische Textanalyse (NLP) verkn{\"u}pft. Ziel ist es, die Schw{\"a}chen herk{\"o}mmlicher Suchsysteme auf Jobportalen zu {\"u}berwinden und eine pr{\"a}zisere, nutzerorientierte L{\"o}sung bereitzustellen. Untersuchungen von bestehenden Lebensl{\"a}ufen und Stellenanzeigen sowie eine quantitative Erhebung zeigten, dass bestehende Suchsysteme oft unzureichend sind. Basierend auf diesen Erkenntnissen wurde eine maßgeschneiderte Datenvorverarbeitung entwickelt, um die Qualit{\"a}t der Eingabedaten zu verbessern. Die Modell- und Algorithmenauswahl ergab, dass das multilingual-e5-large-instruct-Modell die leistungsf{\"a}higste Matchingvariante darstellt. Der entwickelte Prototyp erwies sich als leistungsf{\"a}higer und pr{\"a}ziser als viele bestehende Systeme. Gleichzeitig verdeutlichte eine Regressionsanalyse, dass die Qualit{\"a}t der Ergebnisse stark von der G{\"u}te und Aktualit{\"a}t der zugrunde liegenden Daten abh{\"a}ngt.}, subject = {K{\"u}nstliche Intelligenz (KI)}, language = {de} }