Methodik & Quellen

So funktioniert CVCoach.

Volle Transparenz über Datenquellen, wissenschaftliche Grundlagen und Engines — ohne Black-Box.

lockWir zeigen das WAS, WOHER und auf welchem PRINZIP — die konkrete Implementierung (Gewichte, Schwellen, Prompts) bleibt unsere Substanz.

CSE — Core Self-Evaluations

Was misst es?: Misst die psychologischen Ressourcen, die in deinem Lebenslauf sichtbar werden: Selbstvertrauen, Belastbarkeit und Kontrollüberzeugung. Wir lesen, wie aktiv du Verantwortung übernommen, mit Komplexität umgegangen und deine Karriere gestaltet hast.
Woher kommen die Daten?: Aus deinem CV (Stationen, Verantwortung, Sprache) plus den Antworten in deinem KYC-Fragebogen.
Auf welchem Prinzip basiert es?: Core Self-Evaluations nach Judge, Locke & Durham (1997). Vier-Komponenten-Modell mit drei sichtbaren Dimensionen im CV: Selbstwirksamkeit, Komplexitäts-Resilienz, internaler Locus of Control.
Wo nutzen wir es im Produkt?: Eingang in den CareerRadar-Befund (CSE-Profil-Kapitel) und in die Karten-Empfehlungen für deinen nächsten Schritt.
Validierung & Konfidenz: Skala-Konsistenz gegen die etablierte CSES-Kurzform. Werte sind beschreibend wie der CV WIRKT — keine klinische Diagnose.

RIASEC — Holland-Interessen-Modell

Was misst es?: Modelliert deine beruflichen Interessen entlang sechs Dimensionen: Realistisch, Investigativ, Künstlerisch, Sozial, Unternehmerisch, Konventionell.
Woher kommen die Daten?: 60% aus deinem CV-Verhalten (welche Aufgaben hast du gewählt, welche Rollen wiederholt) und 40% aus deinen KYC-Präferenzen, zeitgewichtet (jüngere Stationen zählen mehr).
Auf welchem Prinzip basiert es?: Holland-Theorie der beruflichen Interessen (Holland, 1959; aktualisiert 1997). Die sechs Dimensionen bilden ein Hexagon mit Adjazenz-Effekten.
Wo nutzen wir es im Produkt?: Eingang in CareerRadar (Interessen-Profil-Kapitel) und in die Karten-Empfehlung für passende Rollen.
Validierung & Konfidenz: Quervalidiert mit O*NET Interest Profiler. Bei dünner Datenlage (kurzer CV) markieren wir tiefere Konfidenz.

Trajectory Engine — Beschäftigungs-Wachstum pro Beruf

Was misst es?: Prognostiziert die voraussichtliche Beschäftigungs-Entwicklung pro Beruf über fünf Jahre — wachsendes Feld, stabil oder rückläufig.
Woher kommen die Daten?: BFS SAKE via Eurostat (Schweizerische Arbeitskräfteerhebung), 2011–2024, ISCO-Untergruppen. Primär ISCO-2 (Untergruppe), Fallback ISCO-1 (Hauptgruppe).
Auf welchem Prinzip basiert es?: Lineare Trend-Extrapolation auf einem 11-Jahres-Trainings-Fenster (Sweet-Spot per Robustheits-Tests). Wir nutzen bewusst nur EIN Signal — Multi-Signal-Composites haben in unseren Tests (Diebold-Mariano, p > 0.3) keinen prognostischen Mehrwert gezeigt und wurden verworfen.
Wo nutzen wir es im Produkt?: Eingang in CareerRadar (Beschäftigungs-Ausblick) und in den Trend-Slot der Befund-Aussage. KI-Exposition und Skills-Knappheit werden SEPARAT angezeigt — nicht in den Wachstums-Score gemischt.
Validierung & Konfidenz: Backtest mit Pre-COVID-, Post-2022- und 27-Parameter-Grid-Tests. RMSE für ISCO-1 1-Jahres-Horizont: 1.69%. Längere Trainings-Fenster wurden verworfen (verzerren OLS-Slope durch Strukturbrüche wie Finanzkrise 2008).

Marktwert-Index

Was misst es?: Ordnet dein Profil in den Schweizer Arbeitsmarkt ein anhand Sektor-Nachfrage, regionalem Lohnband und Vakanzen.
Woher kommen die Daten?: BFS Strukturerhebung (Beschäftigung pro Sektor und Kanton), KOF-Vakanz-Index, BFS Lohnstrukturerhebung, Live-Inserate aus dem Schweizer Posting-Mining.
Auf welchem Prinzip basiert es?: Aggregierter Index aus Nachfrage, Knappheit und Profil-Reife. Drei Komponenten werden zu einem Gesamtwert verdichtet (Skala 0–100).
Wo nutzen wir es im Produkt?: Eingang in CareerRadar (Markt-Match-Slot) und in den Schweizer Markt-Index als nationaler Aggregat.
Validierung & Konfidenz: Gegen BFS-Strukturerhebung jährlich nachjustiert. Live-Vakanzen mit 90-Tage rollierendem Fenster, KOF-Index mit Wochen-Frequenz.

KI-Exposition pro Beruf — 3-Layer-Konsens

Was misst es?: Schätzt für jeden Beruf, welcher Anteil der Tätigkeit von KI ersetzt oder verstärkt werden kann — getrennt nach drei Konzepten: LLM-Exposition (Text-KI), klassische Automation und Visual-AI-Exposition.
Woher kommen die Daten?: Konsens aus drei unabhängigen wissenschaftlichen Quellen: Eloundou et al. 2023 (GPT-4-Labels + Human-Labels), Felten Raj Seamans 2021 (AIOE-Language, AIOE-General, AIOE-IG), Frey & Osborne 2017 (Future of Employment). Zusätzlich: Anthropic Economic Index (2025-Release) als ergänzender Crosswalk via O*NET↔ESCO (126'213 Mappings, 99.7% Coverage).
Auf welchem Prinzip basiert es?: Drei Konzept-Layer separat berechnet, pro Layer ein Konsens aus mehreren Studien plus Spread (Unsicherheit). Konkrete Klasse (low / medium / high) pro Layer. KI-Signale werden bewusst NICHT in den Wachstums-Score (Trajectory) gemischt — ein eigener Backtest 2018–2024 zeigte keinen prognostischen Mehrwert.
Wo nutzen wir es im Produkt?: Eingang in CareerRadar (KI-Ausblick-Kapitel als 3-Layer-Cards) und in den Schweizer Markt-Index (KI-Exposition).
Validierung & Konfidenz: Quellen sind peer-reviewt (Eloundou, Felten, Frey-Osborne — alle publizierte Working Papers / Journale). Konsens-Methodik dokumentiert Spread und Methodologie-Note pro Layer. Crosswalk gegen ESCO-Hierarchie und O*NET-SOC-Codes quervalidiert.

CV-Extraktion

Was misst es?: Liest aus deinem hochgeladenen CV die strukturierten Karriere-Daten: Stationen, Rollen, Skills, Verantwortungs-Indikatoren und Zeitliche Verteilung.
Woher kommen die Daten?: Direkt aus deiner CV-Datei (PDF, DOC, DOCX). Wir nutzen keine externen Quellen für CV-Daten.
Auf welchem Prinzip basiert es?: Strukturierte Extraktion mit Sprach-Modell-Unterstützung, kalibriert auf Schweizer CV-Konventionen (Vornamen-Reihenfolge, Datum-Formate, Berufs-Hierarchien).
Wo nutzen wir es im Produkt?: Grundlage für alle nachgelagerten Engines — ohne CV-Daten kein CSE, kein RIASEC, kein Markt-Match.
Validierung & Konfidenz: Spot-Checks gegen manuelle CV-Annotationen. Bei Unklarheiten (z.B. unleserliche PDFs) brechen wir ab und sagen es.

Scoring-Methodik

Was misst es?: Wie die einzelnen Engine-Outputs zu einem Gesamt-Befund verdichtet werden.
Woher kommen die Daten?: Aus den Outputs von CSE, RIASEC, Trajectory, Marktwert-Index und CV-Extraktion. Keine externen Daten in der Scoring-Schicht selbst.
Auf welchem Prinzip basiert es?: Gewichtete Komposition der Engine-Signale. Jedes Signal trägt nach seiner Konfidenz und seinem Bezug zur User-Frage bei. Konkrete Gewichte und Schwellen sind unsere Substanz — sie bleiben intern.
Wo nutzen wir es im Produkt?: Treibt die Befund-Aussage in jedem Service-Report und die Reihenfolge der Empfehlungen.
Validierung & Konfidenz: A/B-Tests gegen Expert-Annotationen. Quality-Gate filtert Schwach-Konfidenz-Ausgaben raus.

Datenquellen-Übersicht

Was misst es?: Alle externen Quellen, die in CVCoach einfließen — in einer Liste.
Woher kommen die Daten?: Statistik & Markt: BFS SAKE via Eurostat (Beschäftigung), BFS Lohnstrukturerhebung, SECO, KOF (Vakanz-Indikator), Adecco FKM (Fachkräftemangel-Index), Schweizer Live-Inserate. Berufsklassifikationen: ESCO (EU), O*NET-SOC (US). KI-Exposition: Eloundou et al. 2023, Felten Raj Seamans 2021, Frey & Osborne 2017. Ergänzend: Anthropic Economic Index 2025.
Auf welchem Prinzip basiert es?: Wir bevorzugen öffentliche, offizielle und peer-reviewte Quellen. Wo wir auf Drittanbieter angewiesen sind (Posting-Mining), dokumentieren wir die Konvention und das rollierende Zeitfenster.
Wo nutzen wir es im Produkt?: Pro Methode oben gelistet — jede Engine zeigt, welche Quellen sie nutzt und welche bewusst NICHT genutzt werden.
Validierung & Konfidenz: Update-Frequenz pro Quelle dokumentiert: BFS jährlich, KOF wöchentlich, Posting-Mining 90-Tage rollierend, KI-Studien statisch (Publikations-Jahr).

homeCVCoach exploreSchweizer Arbeitsmarkt-Index