Textkernel Source & Match

Kurzfazit

Textkernel ist die wahrscheinlich wichtigste KI-Infrastruktur im europäischen Recruiting-Markt, auch wenn die meisten Anwender den Namen nie hören. Die Amsterdamer Firma (gegründet 2001, seit 2022 Teil von Bullhorn) liefert das semantische Parsing und Matching, das in über 100 ATS-Systemen unter der Haube läuft. Wer ein eigenes HR-Produkt baut oder ein bestehendes ATS technisch aufrüsten will, kommt an Textkernel kaum vorbei. Wer einfach nur Stellen besetzen will, kauft besser ein ATS, das Textkernel bereits integriert hat, direkter Bezug lohnt sich nur für große Personaldienstleister oder Software-Anbieter.

Für wen ist Textkernel?

HR-Tech-Produktteams: Wer ein ATS, eine Karriereplattform oder ein Talent-Marketplace baut, bekommt mit der Textkernel-API eine ausgereifte semantische Matching-Engine, ohne sie selbst trainieren zu müssen. Das spart Jahre an ML-Engineering.

Große Personaldienstleister (Adecco-, Manpower-, Hays-Klasse): Mit zehntausenden Kandidatenprofilen lohnt sich der direkte API-Zugang, um ATS-übergreifend zu suchen, Skill-Taxonomien zu vereinheitlichen und automatisierte Matching-Pipelines zu bauen.

Bullhorn-Kunden: Textkernel ist nativ integriert. Hier stellt sich nicht die Frage „kaufen oder nicht”, sondern „welche Module aktivieren”. Source & Match, Skills Intelligence und Labor Market Insights lassen sich modular zubuchen.

Mittelständische Personalberatungen mit eigenem ATS: Wer ein selbstgebautes oder Nischen-ATS betreibt und keine kommerzielle Matching-Lösung im Lieferumfang hat, kann mit überschaubarem Engineering-Aufwand semantisches Matching nachrüsten.

Weniger geeignet für: Kleine Personalvermittlungen ohne eigene Entwickler, Endanwender ohne ATS-Strategie, Firmen mit unter 200 Kandidaten im Pool, Recruiter, die ein ready-to-use Recruiting-Tool wie softgarden oder JOIN suchen.

Preise im Detail

Plan	Preis	Was du bekommst
Free Trial	0 USD	500 Credits zum Testen, Zugriff auf Parser- und Match-API, technische Dokumentation
Accelerator	200 USD einmalig	5.000 Credits, ideal für Proof-of-Concept-Projekte ohne Vertragsbindung
Professional	ab 99 USD/Monat	500 bis 25.000 Credits/Monat, Source & Match, Skills Intelligence, Standard-Support
Enterprise	auf Anfrage	Unbegrenzte Volumina, AVV, dedizierte Skill-Taxonomien, SLA, Bullhorn-Native-Integration

Einordnung: Das Credit-Modell ist für Entwicklerteams nachvollziehbar, aber schwer planbar, ein Lebenslauf-Parsing kostet andere Credits als ein semantischer Match-Lauf gegen 50.000 Profile. Wer Textkernel ernsthaft einsetzt, landet schnell im Enterprise-Vertrag, weil das Volumen sonst exponentiell teuer wird. Für ein realistisches Budget gilt: Für mittlere Personaldienstleister mit 5–10.000 Kandidaten und täglicher Matching-Aktivität sind vier- bis fünfstellige Monatskosten realistisch. Den genauen Preis nennt Textkernel nur nach Volumen-Discovery.

Stärken im Detail

Semantisches Matching auf Forschungsniveau. Textkernel ist aus akademischer Forschung an der Universität Amsterdam hervorgegangen und hat über zwei Jahrzehnte ML-Modelle für Recruiting-Daten optimiert. Der Unterschied zur Keyword-Suche: Wenn ein Kandidat „Qualitätsmanagement im Maschinenbau” als Erfahrung angibt, findet Textkernel ihn auch für eine Stelle, die „QS-Beauftragter Produktion” sucht. Das geht weit über Synonym-Listen hinaus.

Mehrsprachigkeit als Kernkompetenz. 20+ Sprachen mit produktionsreifer Parsing-Qualität, inklusive deutscher Lebensläufe mit ihren typischen Eigenheiten (mehrseitig, viele Freitext-Felder, „Praktikum bei…” statt „Internship at…”). Für DACH- und Benelux-Personaldienstleister ist das einer der wenigen Anbieter, der diese Qualität liefert.

Skills Intelligence als unterschätzter Hebel. Das Modul normalisiert wilde Freitextfelder („SAP HANA”, „SAP/HANA”, „Hana”, „SAP-HANA-Datenbank”) auf eine einheitliche Skill-Taxonomie mit über 30.000 Einträgen. Damit werden Reportings, Such-Filter und Matching erst sinnvoll möglich, ohne diese Schicht bleibt jede Matching-Engine an Datenmüll hängen.

EU-Hosting und harte Compliance-Zertifikate. ISO 27001, SOC II, DSGVO-Zertifizierung, ausgerichtet auf den EU AI Act. Für deutsche Personaldienstleister, die mit dem Betriebsrat ringen oder unter behördlicher Aufsicht stehen, ist das ein klares Argument gegenüber US-zentrischen Talent-Intelligence-Anbietern.

Bullhorn-Mutterhaus als strategischer Anker. Seit der Übernahme 2022 hat Textkernel deutlich an Investitionsvolumen gewonnen. Die Roadmap ist eng mit Bullhorns Recruitment-Cloud verzahnt, die Modelle werden regelmäßig nachtrainiert. Das schafft Planungssicherheit für mehrjährige Integrationsentscheidungen.

Schwächen ehrlich betrachtet

Hohe Einstiegshürde, kein Endanwender-Tool. Textkernel ist eine API. Ohne Entwicklerteam, das Authentifizierung, Datenmodellierung, Webhook-Verarbeitung und Frontend-Anbindung bauen kann, ist hier nichts zu holen. Wer ein Plug-and-Play-Sourcing-Tool sucht, wird mit Textkernel direkt nicht glücklich, und sollte stattdessen ein ATS kaufen, das Textkernel bereits integriert hat.

Credit-Modell ist intransparent. Der Verbrauch hängt von vielen Faktoren ab, Lebenslauf-Länge, Match-Tiefe, Skill-Anreicherung, API-Endpunkt, und lässt sich vorab nur grob kalkulieren. In den ersten Monaten sind Budget-Überschreitungen die Regel, nicht die Ausnahme. Realistische Volumen-Discovery dauert oft 2–3 Monate.

Keine eingebaute AÜG-Compliance. Textkernel matcht Kandidaten gegen Stellen, aber die deutsch-spezifische Logik für Arbeitnehmerüberlassungsgesetz (Überlassungshöchstdauer 18 Monate, Equal Pay nach 9 Monaten, Tarifverträge) muss vollständig im umgebenden ATS abgebildet werden. Das ist erwartbar, aber wer das übersieht, baut sich AÜG-Risiken in die Matching-Pipeline ein.

Englischsprachige Dokumentation und Support. Trotz Amsterdamer Sitz und EU-Fokus ist die technische Dokumentation primär auf Englisch. Deutscher Sales- und Customer-Success-Support existiert (insbesondere über die DACH-Vertriebsorganisation von Bullhorn), aber Tickets und API-Docs laufen auf Englisch.

Black-Box-Charakter beim Matching. Warum ein bestimmter Kandidat auf Platz 3 landet und nicht auf Platz 1, ist für den Disponenten oft nicht nachvollziehbar. Explainability-Features existieren, sind aber rudimentär. Für hochregulierte Auswahlentscheidungen (z. B. öffentlicher Sektor) ist das ein Problem.

Alternativen im Vergleich

Wenn du…	…nimm stattdessen
Ein fertiges ATS mit nativ integrierter Textkernel-Engine willst	Bullhorn
Speziell deutsche AÜG-Zeitarbeit komplett abdecken willst	zvoove
Ein deutsches HR-Komplettsystem mit eigener KI suchst	rexx systems oder softgarden
Eine Talent-Marketplace-Plattform für interne Mobilität brauchst	Gloat
Skills-basiertes Hiring im Workday-Ökosystem willst	Workday

Textkernel ist Infrastruktur, kein Produkt. Die meisten der genannten Alternativen lösen ein anderes Problem, sie geben Recruitern eine Oberfläche. Textkernel gibt Entwicklern eine Engine. Wer beides braucht, kauft ein ATS mit Textkernel im Bauch, Bullhorn nativ, viele andere wie zvoove über die offene API, und bezahlt nur einmal. Der direkte Textkernel-Bezug lohnt sich nur, wenn ihr selbst ein HR-Produkt baut oder ein bestehendes proprietäres System nachrüsten wollt.

So steigst du ein

Schritt 1: Kostenlosen Trial-Account auf textkernel.com anlegen, 500 Credits sind dabei, genug für erste Tests mit eigenen Lebensläufen und Stellenbeschreibungen. API-Schlüssel generieren und die Search & Match API-Dokumentation aufrufen. Alternativ direkt mit dem 200-USD-Accelerator (5.000 Credits) starten, wenn ihr einen ernsthaften Proof-of-Concept fahren wollt.

Schritt 2: Testparsing mit 50–100 eigenen Kandidatenprofilen durchführen, möglichst aus euren typischen Quellen (XING-Export, eingescannte PDFs, Word-Dokumente). Prüft systematisch die Skill-Extraktion: Werden Berufsbezeichnungen erkannt? Werden Tools (SAP, Salesforce) richtig zugeordnet? Werden Mehrjahres-Erfahrungen korrekt gerechnet? Schwächen in dieser Phase entscheiden über die spätere Matching-Qualität.

Schritt 3: Match-API gegen ein echtes offenes Auftragsprofil testen, ein Job-Description-Dokument parsen und gegen den Kandidatenindex laufen lassen. Prüft die Ranking-Qualität: Landen die intuitiv richtigen Kandidaten in den Top 10? Holt euch dafür Feedback von zwei bis drei erfahrenen Disponenten, sie erkennen sofort, ob die Vorschläge passen. Erst nach dieser Validierung lohnt sich die Vertrags- und Volumen-Diskussion mit Sales.

Ein konkretes Beispiel

Eine regionale Zeitarbeitsfirma aus Stuttgart mit 800 aktiven Kandidaten und täglich 15–20 offenen Aufträgen integriert Textkernel Source & Match über die API in ihre bestehende Zvoove-Instanz. Statt Stichworte manuell zu filtern, werden Auftragsprofile automatisch geparst und gegen alle 800 Kandidaten gematcht, Ergebnis: eine geranktes Shortlist der Top-10-Kandidaten, abrufbar in unter 30 Sekunden. Die Disponenten berichten, dass Kandidaten, die früher im Datenbankrauschen untergingen (z. B. Industriemechaniker mit einer ungewöhnlich dokumentierten CNC-Erfahrung), nun regelmäßig in den Vorschlägen auftauchen. Die Time-to-Submit pro offener Stelle sinkt von 90 auf unter 30 Minuten, bei gleichbleibender Qualität der Vorschläge.

DSGVO & Datenschutz

• Datenhosting: EU-Rechenzentrum (Niederlande), keine Datenübertragung in Drittstaaten für Standardvertrag.
• Zertifizierungen: ISO 27001, SOC II Type II, DSGVO-Zertifizierung; Ausrichtung an EU AI Act dokumentiert.
• Auftragsverarbeitung: AVV nach DSGVO Art. 28 Standard im Enterprise-Vertrag, für kleinere Pläne auf Anfrage.
• Datennutzung: Kandidatendaten werden nicht für das Training öffentlicher Modelle verwendet. Eigene Skill-Taxonomien können kundenspezifisch trainiert werden.
• Löschkonzept: API-seitig dokumentierte Endpunkte für Löschung einzelner Profile; Aufbewahrungsfristen müssen im umgebenden ATS implementiert sein.
• Empfehlung: Vor Live-Schaltung gemeinsam mit Datenschutzbeauftragten und (wo vorhanden) Betriebsrat abstimmen, automatisierte Vorauswahl ist mitbestimmungspflichtig (§ 95 BetrVG, ggf. § 87 Abs. 1 Nr. 6).

Gut kombiniert mit

• Bullhorn, die natürlichste Kombination. Wer ohnehin mit Bullhorn arbeitet, bekommt Textkernel als integriertes Modul ohne zusätzliche Engineering-Arbeit. Source & Match, Skills Intelligence und Labor Market Insights lassen sich modular zubuchen.
• zvoove, die Standard-Software für deutsche Zeitarbeit. Textkernel ergänzt das Matching, zvoove deckt AÜG-Compliance, Lohnabrechnung und Disposition ab.
• Textio, für die andere Seite des Recruitings: Textkernel matcht Kandidaten gegen Stellen, Textio sorgt dafür, dass die Stellenanzeigen überhaupt die richtigen Kandidaten anziehen.

Unser Testurteil

Textkernel verdient 4 von 5 Sternen. In der Kategorie „Recruiting-AI-Infrastruktur für Europa” gibt es kaum ernstzunehmende Alternativen, die Kombination aus 25 Jahren ML-Reife, EU-Hosting, harten Compliance-Zertifikaten und tiefer Bullhorn-Integration ist einzigartig. Den fünften Stern verliert Textkernel durch das intransparente Credit-Modell, die hohe Einstiegshürde (kein Endanwender-Tool) und die fehlende AÜG-spezifische Logik. Für die richtige Zielgruppe, Software-Anbieter und große Personaldienstleister, ist es trotzdem die erste Wahl. Für alle anderen lohnt sich der Umweg über ein ATS, das Textkernel bereits integriert hat.

Was wir bemerkt haben

• 2022, Bullhorn (Boston, weltweit größtes Recruitment-CRM für Personaldienstleister) übernimmt Textkernel. Die Marke wird zu „Textkernel by Bullhorn”, Produkte und API-Endpunkte bleiben eigenständig, die Integration in Bullhorn ATS wird stark beschleunigt.
• 2024, Skills Intelligence wird als eigenständig vermarktbares Modul ausgegliedert und bekommt ein deutlich erweitertes Taxonomie-Modell. Auslöser ist die wachsende Nachfrage nach Skill-basiertem Hiring jenseits klassischer Job-Titel-Matches.
• 2025, Textkernel positioniert sich aktiv mit dem EU AI Act als Verkaufsargument: Risikoklassifizierung von Recruiting-AI als „Hochrisiko-System” macht ein zertifiziertes EU-Produkt für viele DACH-Kunden zur regulatorischen Notwendigkeit. US-Anbieter geraten dadurch unter Druck.
• Mai 2026, Bullhorn vermarktet eigene KI-Funktionen verstärkt unter eigenen Markennamen. Im Hintergrund läuft weiterhin Textkernel-Technologie, was für API-Direktkunden bedeutet: Die Roadmap-Priorisierung folgt mehr Bullhorns Plattform-Strategie als unabhängigen Markterwartungen, ein Punkt, den Stand-alone-Integratoren im Auge behalten sollten.