Was es ist
Natural Language Search bedeutet, eine Kandidaten-Datenbank, eine Firmen-Datenbank oder jede andere strukturierte Datenmenge mit einem gewöhnlichen Satz abzufragen, statt einen Boolean-String zu bauen. Statt „VP OR Head OR Director“ AND „Fintech“ NOT „Insurance“ tippst du etwas wie „VPs of Engineering bei Series-B-Fintechs in London, die aktuell nicht im Versicherungsbereich einstellen“. Ein KI-System zerlegt die Absicht in die zugrunde liegenden Kriterien und liefert eine sortierte Trefferliste.
Die Technik basiert auf Sprachmodellen, die Synonyme, Seniority-Level und implizite Ausschlüsse verstehen, ohne dass du jeden Operator selbst ausbuchstabierst. Sie ersetzt nicht das präzise Filtern, sie verschiebt nur den Übersetzungsschritt, vom Menschen zur Maschine. Du musst weiterhin definieren, was „passend“ bedeutet, nur eben nicht mehr in Boolean-Syntax.
Boolean verlangt, dass du die Sprache der Maschine sprichst. Natural Language Search lässt die Maschine deine Sprache sprechen.
Warum es zählt
Boolean Search ist mächtig, hat aber eine Lernkurve. Ein gut gebauter String braucht Übung, ein schlecht gebauter übersieht still gute Kandidaten, ohne je eine Fehlermeldung zu zeigen. Natural Language Search nimmt diese Hürde weg: Ein junger Consultant kann genauso präzise suchen wie jemand, der seit zehn Jahren Strings feilt, und alle suchen mit ungefähr der Präzision, mit der sie das Briefing laut beschreiben würden.
Es verkürzt außerdem die Zeit zwischen Briefing und Shortlist. Ein Kundengespräch endet mit einer gesprochenen Beschreibung des idealen Kandidaten, und diese Beschreibung wird, fast wörtlich, zur Suche. Es gibt keinen Zwischenschritt, das Gespräch in Operatoren zu übersetzen, also entsteht der erste Entwurf einer Shortlist Minuten nach dem Briefing, nicht nach einer Session voller Trial-and-Error-Suchen.
Wie boilr das übernimmt
In boilr ist normale Sprache die Oberfläche, kein Zusatzfeature. Wenn ein Consultant eine Rolle briefed, „Senior Backend Engineer, Fintech-Hintergrund, London, muss Erfahrung mit Distributed Systems haben“, verwandelt der Agent dieses Briefing direkt in eine Sourcing-Task und matcht Skills, Titel, Seniority und Ausschlüsse über LinkedIn, GitHub und passive Pools. Niemand baut von Hand einen Boolean-String, und es gibt keinen Premium-Such-Tab, den du ständig nachjustieren musst.
Derselbe Ansatz gilt auf der Unternehmensseite. Ein Consultant beschreibt einen Account-Typ, statt die Filterkombination selbst zu bauen, und der Agent verwandelt diese Beschreibung in ein ICP-Match, das auf jedes bewertete Unternehmen angewendet wird. Was jede Suche lernt, welche Formulierung funktioniert hat, welche Kriterien den Unterschied gemacht haben, landet im Company Brain, sodass das nächste Briefing auf demselben Desk bei dem startet, was bereits funktioniert hat, nicht bei einem leeren Suchfeld.
