Technisches Recruiting automatisieren mit diesem fortschrittlichen n8n-Workflow. Er nutzt VLM Run zum Parsen von Lebensläufen, Analysieren von GitHub-Profilen und Speichern strukturierter Daten in Google Sheets.
Laden Sie diese n8n-Workflow-Vorlage herunter und beginnen Sie sofort mit der Nutzung.
Die Herausforderung bei der technischen Personalgewinnung besteht darin, manuell strukturierte Daten aus unterschiedlichen Lebenslaufformaten zu extrahieren und diese Daten mit externen beruflichen Profilen wie GitHub abzugleichen. Dieser n8n-Workflow löst dies durch die Schaffung einer freihändigen, skalierbaren Intelligenz-Pipeline.
Über einen n8n-Trigger werden eingehende Bewerbungen sofort verarbeitet. VLM Run übernimmt die komplexe Aufgabe des KI-Lebenslauf-Parsings. Entscheidend ist, dass der n8n-Workflow anschließend eine tiefe GitHub-Analyse durchführt, Erfahrungen berechnet, Sprachverteilungen (JavaScript, Python, C++ usw.) identifiziert und die Gesamtzahl der Sterne/Forks zählt. Dieses umfassende Profil wird dann automatisch in Google Sheets protokolliert und sofort über Slack mit dem Team geteilt, was ein zeitnahes Nachfassen und die Datenintegrität sicherstellt. Diese spezielle n8n-Vorlage reduziert den manuellen Arbeitsaufwand drastisch und beschleunigt die Time-to-Hire.
Diese Automatisierung beginnt mit dem n8n-Trigger 'Monitor Gmail for Resumes' (Gmail-E-Mails auf Lebensläufe überwachen), der kontinuierlich nach neuen E-Mails mit Anhängen sucht.
Um diesen leistungsstarken n8n-Workflow bereitzustellen, befolgen Sie diese Einrichtungsschritte:
Monitor Gmail for Resumes (Gmail Trigger n8n trigger):
Funktion: Startet den n8n-Workflow beim Eingang einer neuen E-Mail. Unerlässlich für die Initiierung des Automatisierungsprozesses.
Wichtige Konfiguration: Konfiguriert, um jede Minute abzufragen, und entscheidend ist, dass downloadAttachments auf true gesetzt ist, um die Lebenslaufdatei abzurufen.
Parse Resume with VLM Run (VLM Run n8n node):
Funktion: Nutzt KI (VLM Run) für hochpräzise optische Zeichenerkennung (OCR) und strukturierte Datenextraktion aus dem Lebenslauf-Anhang, speziell ausgerichtet auf die Domäne document.resume.
Wichtige Konfiguration: file gesetzt auf attachment0 (der erste heruntergeladene Anhang); domain gesetzt auf document.resume.
Check for Github Profile (If n8n node):
Funktion: Steuert den Ablauf basierend darauf, ob das VLM Run Parsing eine GitHub-URL aus dem Lebenslauf extrahiert hat.
Wichtige Konfiguration: Prüft, ob {{ $json.response.contactinfo.github }} exists (existiert).
Analyze Repository Data (Code n8n node):
Funktion: Benutzerdefinierte JavaScript-Logik, die durch die Liste der GitHub-Repositories iteriert und Gesamtsterne, Gesamt-Forks berechnet sowie die Hauptsprache und bekannte Frameworks (z.B. React, Django, Docker) basierend auf Repository-Beschreibungen und Topics zählt. Dies demonstriert die Stärke einer benutzerdefinierten n8n-Node-Implementierung.
Flatten Response (Code n8n node):
Funktion: Führt Daten aus drei vorgeschalteten Quellen (VLM Run Daten, GitHub Profildaten und GitHub Repository Daten) in einem einzigen, umfassenden JSON-Objekt für eine vereinfachte Ausgabeabbildung zusammen.
Save to Google Sheet (Google Sheets n8n node):
Funktion: Speichert das finale strukturierte Kandidatenprofil inklusive technischer Metriken in einer zentralisierten Tracking-Tabelle.
Wichtige Konfiguration: Operation auf appendOrUpdate gesetzt; bildet spezifische Felder wie C++ Projects, GitHub Experience und Github follower count direkt aus der abgeflachten JSON-Ausgabe ab.
Send Acknowledgement Email (Gmail n8n node):
Funktion: Sorgt für eine positive Candidate Experience, indem eine automatisierte, personalisierte Antwort an die extrahierte E-Mail-Adresse des Bewerbers gesendet wird.
Automatisieren Sie die Auswertung von Bewerbungsunterlagen mit KI-Agenten, die durch Slack ausgelöst werden. Dieser leistungsstarke n8n-Workflow analysiert PDFs, ruft Stellenbeschreibungen aus Google Drive ab und protokolliert Ergebnisse in Google Sheets – für schnelle HR-Einblicke.

Dieses leistungsstarke n8n-Workflow bereitstellen, um einen hochentwickelten KI-Forschungsassistenten auf Telegram zu erstellen, der DeepSeek zur Abfrageverfeinerung und GPT-4o mini mit SerpAPI für zusammengefasste Webrergebnisse in Echtzeit nutzt.

Automatisieren Sie komplexe PDF-Recherchen und Inhaltserstellung mit einem Multi-Agenten-n8n-Workflow unter Nutzung von Mistrals OCR und diversen LLMs (GPT-4o, Mistral via OpenRouter). Erhalten Sie sofort strukturierte Forschungsberichte mit dieser fortschrittlichen n8n-Vorlage.

Automatisieren Sie das Kandidaten-Screening mit diesem leistungsstarken n8n Workflow. Er nutzt n8n Nodes, Google Workspace und GPT-4, um Lebensläufe zu analysieren, Passgenauigkeit zu bewerten und Einstellungen zu kommunizieren.

Automatisieren Sie HR-Aufgaben mit diesem leistungsstarken n8n-Workflow. Überwachen Sie Gmail auf Lebensläufe, nutzen Sie GPT-4o zur Kandidatenbewertung und -analyse und protokollieren Sie Ergebnisse in Google Sheets. Optimieren Sie Ihren Einstellungsprozess.

I’m Shahrear, a Software Engineer with over 5 years of experience in full-stack development and workflow automation. I specialize in building intelligent, scalable automations using n8n, helping teams streamline operations and boost productivity. I’m also an expert in developing custom n8n nodes, with published work on npm - including the @vlm-run/n8n-nodes-vlmrun package. https://github.com/vlm-run/n8n-nodes-vlmrun







































