<?xml version="1.0" encoding="utf-8"?>
<export-example>
  <doc>
    <id>4212</id>
    <completedYear>2025</completedYear>
    <publishedYear>2025</publishedYear>
    <thesisYearAccepted>2025</thesisYearAccepted>
    <language>deu</language>
    <pageFirst>1</pageFirst>
    <pageLast>144</pageLast>
    <pageNumber>152</pageNumber>
    <edition/>
    <issue/>
    <volume/>
    <type>masterthesis</type>
    <publisherName/>
    <publisherPlace>Nürnberg</publisherPlace>
    <creatingCorporation/>
    <contributingCorporation/>
    <belongsToBibliography>1</belongsToBibliography>
    <completedDate>2025-08-25</completedDate>
    <publishedDate>2025-09-23</publishedDate>
    <thesisDateAccepted>2025-01-07</thesisDateAccepted>
    <title language="deu">Untersuchung eines Matching-Systems für Lebensläufe und Stellenanzeigen: Ein Ansatz zur Verbesserung der Jobvermittlung</title>
    <abstract language="deu">Diese Arbeit beschäftigt sich mit der Entwicklung eines KI-gestützten Matching-Systems, das Lebensläufe und Stellenanzeigen durch semantische Textanalyse (NLP) verknüpft. Ziel ist es, die Schwächen herkömmlicher Suchsysteme auf Jobportalen zu überwinden und eine präzisere, nutzerorientierte Lösung bereitzustellen. Untersuchungen von bestehenden Lebensläufen und Stellenanzeigen sowie eine quantitative Erhebung zeigten, dass bestehende Suchsysteme oft unzureichend sind. Basierend auf diesen Erkenntnissen wurde eine maßgeschneiderte Datenvorverarbeitung entwickelt, um die Qualität der Eingabedaten zu verbessern. Die Modell- und Algorithmenauswahl ergab, dass das multilingual-e5-large-instruct-Modell die leistungsfähigste Matchingvariante darstellt. Der entwickelte Prototyp erwies sich als leistungsfähiger und präziser als viele bestehende Systeme.&#13;
Gleichzeitig verdeutlichte eine Regressionsanalyse, dass die Qualität der Ergebnisse stark von der Güte und Aktualität der zugrunde liegenden Daten abhängt.</abstract>
    <identifier type="urn">urn:nbn:de:bvb:92-opus4-42124</identifier>
    <identifier type="doi">10.34646/thn/ohmdok-4212</identifier>
    <note>Masterarbeit ; Technische Hochschule Nürnberg / Fak. Informatik</note>
    <enrichment key="opus.source">publish</enrichment>
    <licence>Creative Commons - CC BY - Namensnennung 4.0 International</licence>
    <author>Christoph Scharnagl</author>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Künstliche Intelligenz (KI)</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Natural Language Processing</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Matching (Rekrutierung)</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Informationsretrieval</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>swd</type>
      <value>Semantische Suche</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>CV-Matching</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Multilinguale Embeddings</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>E5-Instruct-Modell</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Nutzerumfrage</value>
    </subject>
    <collection role="institutes" number="">Institut für Angewandte Informatik</collection>
    <thesisPublisher>Technische Hochschule Nürnberg Georg Simon Ohm</thesisPublisher>
    <thesisGrantor>Technische Hochschule Nürnberg Georg Simon Ohm</thesisGrantor>
  </doc>
</export-example>
