KI-gestütztes Recruiting: Lebenslauf-Screening + Voice-Interviews
4
Pipeline-Schritte
<5s
Screening-Zeit
5 min
Interview
6
Score-Dimensionen
Von der Bewerbung bis zur Shortlist – vollständig automatisiert.
Der Kandidat durchsucht die Jobbörse und wählt eine Stelle
Füllt die mehrstufige Bewerbung aus: persönliche Angaben, Lebenslauf-Upload und Zeitfenster fürs Interview
Claude AI prüft den PDF-Lebenslauf – bewertet Erfahrung, Skills, Ausbildung und Werdegang (0–100)
Score 60+? Vapi startet zum geplanten Zeitpunkt automatisch einen ausgehenden Anruf
Claude führt mit einer ElevenLabs-Stimme ein strukturiertes 5-Minuten-Interview mit 4 Fragen
Nach dem Anruf schickt Vapi das Transkript per Webhook zurück
Claude analysiert das Transkript – bewertet Kommunikation, Fachwissen, Begeisterung und Erfahrung
Der Gesamtscore wird berechnet (60% Lebenslauf + 40% Interview). 75+ = Shortlist, <50 = abgelehnt
Das Dashboard aktualisiert sich in Echtzeit mit Scores, Transkript und Empfehlung
Automatisierte Pipeline in 5 Stufen – vom Lebenslauf-Upload bis zur finalen Entscheidung.
Django Backend
Your Server
Vapi
Voice Calls
Claude API
AI Brain
PostgreSQL
Candidates + Jobs
ElevenLabs
Voice TTS
Next.js 16
Dashboard
Jede Funktion ist für Teams gemacht, die Hunderte Bewerber screenen.
Lade einen Lebenslauf als PDF hoch – Claude liest ihn nativ (kein Parser nötig) und bewertet Erfahrung, Skills, Ausbildung und Werdegang von 0 bis 100. Liefert Stärken, Warnsignale und eine Empfehlung.
Kandidaten mit 60+ Punkten bekommen automatisch einen Anruf über Vapi. Claude führt mit einer ElevenLabs-Stimme ein strukturiertes 5-Minuten-Interview mit 4 Fragen. Komplett im Gesprächsstil.
Nach dem Anruf analysiert Claude das Transkript und bewertet Kommunikation (0–25), Fachwissen (0–25), Begeisterung (0–25) und Erfahrung (0–25). Ergebnis: Highlights, Bedenken und eine Empfehlung.
Gesamtscore = 60% Lebenslauf + 40% Interview. Ab 75 auf der Shortlist, unter 50 abgelehnt. Die Gewichtung sorgt dafür, dass schriftliche Qualifikation und mündliche Fähigkeiten beide zählen.
Integrierte Jobbörse mit 5 vorbefüllten Stellen. Kandidaten durchsuchen Jobs, füllen ein mehrstufiges Formular aus (Angaben → Lebenslauf → Zeitfenster) und werden sofort gescreent.
Echtzeit-Statistiken (Kandidaten gesamt, Ø Score, interviewt, Shortlist), Kandidatentabelle mit Filtern, Detailseiten mit Score-Donuts, Transkript-Viewer und Pipeline-Visualisierung.
Für Teams, die schnell screenen müssen, ohne an Qualität zu verlieren.
Startups, die Hunderte Bewerber ohne eigenen Recruiter screenen
HR-Teams, die die erste Telefonrunde automatisieren und so Zeit der Interviewer sparen
Agenturen, die White-Label-Recruiting-Lösungen für Kunden bauen
Unternehmen, die Kandidaten rund um die Uhr screenen wollen – Lebensläufe in Sekunden bewertet, nicht in Tagen
Entwickler, die Full-Stack-KI-Integration mit Claude + Vapi + Django lernen
Django + Claude AI + Vapi – Recruiting-Automatisierung über den ganzen Stack.
Klonen, konfigurieren und Kandidaten mit KI screenen. Alle Details im GitHub-README.
git clone https://github.com/codewithmuh/ai-hiring-agent.git && cd ai-hiring-agentTrag deine API-Keys ein: Anthropic (Claude), Vapi, ElevenLabs. Setz die PostgreSQL-Zugangsdaten.
cp backend/.env.example backend/.envStartet PostgreSQL, das Django-Backend (Port 8000) und das Next.js-Frontend (Port 3001).
docker compose up -d --buildLegt 5 Demo-Jobs, 10 Beispielkandidaten und 35 Interview-Slots an.
docker compose exec backend python manage.py migrate && docker compose exec backend python manage.py seed_dataKopier die HTTPS-URL und trag sie als BACKEND_PUBLIC_URL in deine .env-Datei ein.
ngrok http 8000Öffne localhost:3001, wähl einen Job und bewirb dich mit einem echten PDF-Lebenslauf. Sieh zu, wie Claude ihn in Sekunden prüft. Bei 60+ Punkten startest du das Interview auf der Detailseite des Kandidaten.
Deploye den AI Hiring Agent auf deinem eigenen Server. Open Source, prüft Lebensläufe in Sekunden und führt Voice-Interviews automatisch. Ein Docker-Compose-Befehl.
Gebaut von CodeWithMuh