DINQ: KI-Agenten als Motor für die Suche und Analyse von KI-Talenten

Die Suche nach KI-Fachkräften ist schwierig, weil das Talent verstreut ist. Wer wirklich große Modelle trainiert, multimodale Pipelines gebaut oder Inferenz optimiert hat, hinterlässt Spuren in Preprints, Repositories und Konferenzvorträgen – nicht im Profil eines Jobportals. DINQ setzt dafür KI-Agenten ein: zuerst werden Kandidaten in öffentlichen Quellen lokalisiert, dann wird strukturiert erklärt, worin jemand stark ist.

DINQ ist ein Talentmotor mit Fokus auf den KI-Bereich. Die Agenten identifizieren Forschende und Entwickler in öffentlichen Quellen und helfen Unternehmen und Forschungseinrichtungen, passende Kandidaten für einen konkreten technischen Bedarf zu finden. Es ist keine weitere Lebenslaufdatenbank, sondern übersetzt öffentliche technische Spuren in Signale, die ein Team bewerten kann.

Die Datenschicht bündelt mehrere maßgebliche öffentliche Quellen, darunter Google Scholar und GitHub. Wissenschaftliche Leistung, Aktivität im Code und Stack-Präferenzen fließen in einen Kandidatendatensatz ein, der Forschungsbilanz, Engineering-Können und Praxiserfahrung zusammen bewertet.

Neben der Weboberfläche gibt es DINQ-as-a-Service (DaaS). Dieses Modell lässt sich in ein bestehendes Recruiting-System einbetten, damit Suche und Profilbildung im gewohnten Ablauf stattfinden und kein zusätzliches Werkzeug nötig wird.

Was DINQ leistet

Globale Talentsuche

Die Agenten finden KI-Spezialisten in öffentlichen Quellen. Die Frage lautet nicht, wer sich beworben hat, sondern wer tatsächlich an dem Problem arbeitet – entscheidend, wenn ein Kandidatenpool von Grund auf aufgebaut werden muss.

Zusammenführung mehrerer Quellen

Wissenschaftliche und Code-Signale landen in einem Datensatz. So wird eine starke Publikationsliste nicht mit Produktionserfahrung verwechselt und ein aktives Repository nicht mit systematischer Forschung.

Semantische Suche

Neben Name oder Profil-URL lässt sich das gesuchte Profil in natürlicher Sprache beschreiben, etwa eine Forscherin mit Fokus auf multimodale Modelle und Produkterfahrung. Die Reihenfolge berücksichtigt den technischen Hintergrund, nicht nur Stichwörter.

Feine Filter

Stack, Berufsjahre, Standort und Gehaltsvorstellung lassen sich kombinieren, um eine breite Menge auf eine einzeln prüfbare Liste zu reduzieren.

Tiefenanalyse je Kandidat

Jedes Profil lässt sich mit wählbarer Tiefe mehrdimensional auswerten und zeigt Kernmerkmale und Potenzial statt eines chronologischen Lebenslaufs.

Visuelle Talentsprofile

Skill-Radar, Entwicklungstimeline und Einflussindex zeigen die Form der Fähigkeiten und den Karriereweg auf einen Blick.

Kollaborationsgraphen

Die Plattform bildet Co-Autorschaften, Industrieverbindungen und Wirkungspfade ab – hilfreich, um die tatsächliche Reichweite eines Netzwerks einzuschätzen.

Trendanalysen in Echtzeit

Aggregierte Auswertungen zeigen gefragte Technikfelder, Heatmaps der Talentwanderung und Gehaltsreferenzen je Teilbereich.

Ereignisgesteuerte Aktualisierung

Profile werden laufend verfolgt, sodass neue Paper oder Repositories erscheinen und der Datensatz nicht am Tag der Anlage einfriert.

DaaS-Integration und Demo

Unternehmen binden den Dienst an ihr Recruiting-System an; eine Demo zeigt vorab, ob Umfang und Datenfluss passen.

So wird es genutzt

1. Konto anlegen und festlegen, wie Lizenzen und Rechte im Team verteilt werden.
2. Mit einem konkreten Bedarf starten: Profil-URL einfügen, Namen eingeben oder das gewünschte Profil in natürlicher Sprache beschreiben.
3. Das Ergebnis über Filter zu Stack, Erfahrung, Standort und Gehaltsvorstellung eingrenzen.
4. Für jede Vorauswahl die Tiefenanalyse öffnen und Skill-Radar mit der Entwicklungstimeline vergleichen.
5. Bei Bedarf den Kollaborationsgraphen prüfen, wenn Teamfit und Netzwerkreichweite zählen.
6. Die Vergütung anhand der Gehaltsreferenzen kalibrieren, bevor der erste Kontakt erfolgt.
7. Im Unternehmenseinsatz eine Demo anfragen und Integrationsumfang sowie Datengrenzen für DaaS klären.

Für wen es passt

• Recruiter, die ein KI-Team aufbauen und Kandidaten außerhalb des eingehenden Bewerbungsstroms brauchen.
• Labore und Forschungseinrichtungen, die Mitwirkende in einer engen technischen Richtung suchen.
• Fachliche Vorgesetzte, die vor dem ersten Gespräch eine technische Einschätzung wollen.
• Investoren und Analysten, die verfolgen, wohin Talente wandern und was Teilbereiche zahlen.
• Forschende und Entwickler, die eine Außensicht auf die eigene Position suchen.

Grenzen vor dem Start

• Preise, Tarifstruktur und kostenlose Stufe sind nicht veröffentlicht; das Budget muss mit dem Anbieter geklärt werden.
• Die Abdeckung hängt von öffentlichen Daten ab. Interne Projekte, proprietäre Systeme und nicht englischsprachige Communities sind ungleich vertreten, Bewertungen sind daher Signale und kein Urteil.
• Nur wenige Quellen werden genannt; vollständige Liste, Aktualisierungsrhythmus und historische Tiefe sind nicht dokumentiert.
• Die Formeln hinter Einflussindex und Skill-Radar sind nicht offengelegt, ein Vergleich der Werte über Fachgebiete hinweg ist daher unzuverlässig.
• Da personenbezogene Daten verarbeitet werden, sind Herkunft, Speicherdauer und Löschwege nach lokalem Datenschutzrecht zu prüfen.
• Die Qualität der semantischen Suche folgt der Qualität der Beschreibung; vage Anfragen liefern vage Ergebnisse.

Häufige Fragen

Worin unterscheidet sich das von einem Jobportal?

Ein Jobportal zeigt, wer Arbeit sucht. DINQ zeigt anhand öffentlicher Forschung und öffentlichen Codes, wer die Arbeit macht, und erreicht damit auch passive Kandidaten.

Brauche ich einen Namen, um zu starten?

Nein. Der Einstieg ist über eine Profil-URL oder eine Beschreibung des gesuchten Profils in natürlicher Sprache möglich.

Ersetzt das Profil eine Einstellungsentscheidung?

Es sollte die Vorauswahl stützen, nicht ersetzen. Interview, Zusammenarbeit und Teamfit lassen sich aus öffentlichen Signalen nicht ablesen.

Muss das bestehende Recruiting-System ersetzt werden?

Nein. Im DaaS-Modus werden Suche und Profilbildung an das vorhandene System angebunden.