Zum Hauptinhalt springen

Matching-Algorithmus & Regeln: Jedes Paar hat
einen Grund, sich zu treffen.

Legen Sie fest, was für Ihr Programm ein gutes Match ausmacht. RandomCoffee bildet in Sekunden Paare aus Hunderten von Personen, vermeidet wiederholte Matches und zeigt Ihnen, warum jedes Paar passt.

Demo anfragen
Priorisierte Regeln auf jedem Profilfeld Treffen-Historie über alle Programme Prüfung vor dem Versand Paare, Gruppen oder Mentoring
Kaffee-Treffen · Runde 12 Autoplay · Regel ziehen, um selbst zu steuern
Matches 20 Mitglieder · 10 Paare
FH Frank Hartmann Sales · München RS Robin Sauer Produkt · München 93 % Match
Qualität der Matching-Regeln
  • ✓ Noch nie getroffen
  • ✓ Abteilung · Ist verschieden
  • ✓ Standort · Ist am nächsten
  • ✓ Karrierestufe · Ist am weitesten entfernt
  • ✗ Kompetenzen · Am ähnlichsten
ML Moritz Lehmann Sales · Leipzig SR Stefan Richter Finance · Leipzig 93 % Match
Qualität der Matching-Regeln
  • ✓ Noch nie getroffen
  • ✓ Abteilung · Ist verschieden
  • ✓ Standort · Ist am nächsten
  • ~ Karrierestufe · Ist am weitesten entfernt
  • ~ Kompetenzen · Am ähnlichsten
EB Elena Beck Engineering · Berlin NK Nina Keller Sales · Berlin 87 % Match
Qualität der Matching-Regeln
  • ✓ Noch nie getroffen
  • ✓ Abteilung · Ist verschieden
  • ✓ Standort · Ist am nächsten
  • ~ Karrierestufe · Ist am weitesten entfernt
  • ✗ Kompetenzen · Am ähnlichsten
MW Markus Weber Sales · Berlin EH Eva Huber Finance · Berlin 88 % Match
Qualität der Matching-Regeln
  • ✓ Noch nie getroffen
  • ✓ Abteilung · Ist verschieden
  • ✓ Standort · Ist am nächsten
  • ~ Karrierestufe · Ist am weitesten entfernt
  • ✗ Kompetenzen · Am ähnlichsten
CN Clara Neumann Marketing · München BV Benedikt Vogel Finance · München 87 % Match
Qualität der Matching-Regeln
  • ✓ Noch nie getroffen
  • ✓ Abteilung · Ist verschieden
  • ✓ Standort · Ist am nächsten
  • ~ Karrierestufe · Ist am weitesten entfernt
  • ✗ Kompetenzen · Am ähnlichsten
FR Franziska Roth Marketing · Leipzig AD Aylin Demir Engineering · Leipzig 87 % Match
Qualität der Matching-Regeln
  • ✓ Noch nie getroffen
  • ✓ Abteilung · Ist verschieden
  • ✓ Standort · Ist am nächsten
  • ~ Karrierestufe · Ist am weitesten entfernt
  • ✗ Kompetenzen · Am ähnlichsten
LK Lisa Krüger Engineering · München KW Katharina Wolf Produkt · München 86 % Match
Qualität der Matching-Regeln
  • ✓ Noch nie getroffen
  • ✓ Abteilung · Ist verschieden
  • ✓ Standort · Ist am nächsten
  • ~ Karrierestufe · Ist am weitesten entfernt
  • ~ Kompetenzen · Am ähnlichsten
TK Tobias Krause Marketing · Berlin HB Hannah Brandt Produkt · Berlin 90 % Match
Qualität der Matching-Regeln
  • ✓ Noch nie getroffen
  • ✓ Abteilung · Ist verschieden
  • ✓ Standort · Ist am nächsten
  • ~ Karrierestufe · Ist am weitesten entfernt
  • ~ Kompetenzen · Am ähnlichsten
AS Andreas Schäfer Finance · Berlin MF Max Fuchs Marketing · Berlin 83 % Match
Qualität der Matching-Regeln
  • ✓ Noch nie getroffen
  • ✓ Abteilung · Ist verschieden
  • ✓ Standort · Ist am nächsten
  • ~ Karrierestufe · Ist am weitesten entfernt
  • ~ Kompetenzen · Am ähnlichsten
SL Sabine Lange Produkt · Leipzig NB Niklas Berger Engineering · München 73 % Match
Qualität der Matching-Regeln
  • ✓ Noch nie getroffen
  • ✓ Abteilung · Ist verschieden
  • ~ Standort · Ist am nächsten
  • ~ Karrierestufe · Ist am weitesten entfernt
  • ~ Kompetenzen · Am ähnlichsten

Über 1.250 Organisationen in mehr als 30 Ländern vertrauen uns:

Spotify
Electronic Arts
TotalEnergies
Ubisoft
Disney
Allianz Global Investors
Fanatics
Brightly
Warner Music Group
Trimble
Kering
Amazon
Workday
Spotify
Electronic Arts
TotalEnergies
Ubisoft
Disney
Allianz Global Investors
Fanatics
Brightly
Warner Music Group
Trimble
Kering
Amazon
Workday
Spotify
Electronic Arts
TotalEnergies
Ubisoft
Disney
Allianz Global Investors
Fanatics
Brightly
Warner Music Group
Trimble
Kering
Amazon
Workday
Spotify
Electronic Arts
TotalEnergies
Ubisoft
Disney
Allianz Global Investors
Fanatics
Brightly
Warner Music Group
Trimble
Kering
Amazon
Workday
JLL
Cox Enterprises
Orange
lululemon
SAP
United Nations
BNP Paribas
AXA
Cisco
CNN
TikTok
Schneider Electric
Deloitte
JLL
Cox Enterprises
Orange
lululemon
SAP
United Nations
BNP Paribas
AXA
Cisco
CNN
TikTok
Schneider Electric
Deloitte
JLL
Cox Enterprises
Orange
lululemon
SAP
United Nations
BNP Paribas
AXA
Cisco
CNN
TikTok
Schneider Electric
Deloitte
JLL
Cox Enterprises
Orange
lululemon
SAP
United Nations
BNP Paribas
AXA
Cisco
CNN
TikTok
Schneider Electric
Deloitte
Kommt Ihnen das bekannt vor?

Ein schlechtes Match kostet mehr als einen peinlichen Kaffee.

Wer keinen Draht zueinander findet, kommt nicht wieder, und das ganze Programm verliert an Glaubwürdigkeit.

Heute

„Schon wieder Julian als Match.“

Jede Runde tauchen dieselben Gesichter auf, und niemand meldet sich mehr für etwas an, das nach Zufall aussieht.

Mit RandomCoffee

Jede Runde prüft zuerst die Treffen-Historie all Ihrer Programme, damit alle jemand Neues kennenlernen.

Treffen-Historie
Heute

„300 Personen in Paare einzuteilen, kostet mich zwei Tage.“

Eine Tabelle, ein Dutzend Filter und viel Bauchgefühl, und nächsten Monat geht alles von vorne los.

Mit RandomCoffee

Regeln einmal priorisieren. Jede Runde ist in Sekunden erstellt und bereit zur Prüfung.

Matching-Regeln
Heute

„Meine Mentorin kann mir bei meinem Thema nicht helfen.“

Mentorinnen und Mentoren werden nach Verfügbarkeit zugeteilt, nicht danach, was Mentees wirklich lernen möchten.

Mit RandomCoffee

Kompetenzen der Mentoren mit den Zielen der Mentees abgleichen, damit jedes Tandem mit einem konkreten Thema startet.

Kategorie-Überschneidung
Ein Algorithmus für alle Programme

Unterschiedliche Ziele. Die richtigen Paare für jedes.

Teams beim Kaffee-Treffen mischen, Buddys nah an ihren Neuzugängen halten und allen Mentees eine Mentorin oder einen Mentor mit den gewünschten Kompetenzen geben.

Matching-Regeln
1 Historie Noch nie gematcht
2 Abteilung Ist verschieden

Jede Runde baut Brücken zwischen Teams, die sonst nie miteinander sprechen.

LK Lisa Krüger Engineering · München MW Markus Weber Sales · Berlin Engineering × SalesErstes Treffen
TK Tobias Krause Marketing · Berlin AS Andreas Schäfer Finance · Berlin Marketing × FinanceErstes Treffen
SL Sabine Lange Produkt · Leipzig NB Niklas Berger Engineering · München Produkt × EngineeringErstes Treffen
HB Hannah Brandt Produkt · Berlin NK Nina Keller Sales · Berlin Produkt × SalesErstes Treffen
Matching-Regeln
1 Standort Ist am nächsten
2 Abteilung Ist verschieden

Jeder Neuzugang bekommt einen Buddy in der Nähe, außerhalb des eigenen Teams.

EB Elena Beck Engineering · Berlin HB Hannah Brandt Produkt · Berlin Gleicher Standort · BerlinAnderes Team
ML Moritz Lehmann Sales · Leipzig AD Aylin Demir Engineering · Leipzig Gleicher Standort · LeipzigAnderes Team
RS Robin Sauer Produkt · München CN Clara Neumann Marketing · München Gleicher Standort · MünchenAnderes Team
BV Benedikt Vogel Finance · München KW Katharina Wolf Produkt · München Gleicher Standort · MünchenAnderes Team
Matching-Regeln
1 Kompetenzen Mentor ↔ Ziele Mentee Überschneidung maximieren
2 Abteilung Ist verschieden

Jeder Mentee lernt von jemandem, der die gewünschten Kompetenzen mitbringt.

EB Elena Beck Engineering · Berlin FR Franziska Roth Marketing · Leipzig FührungPräsentieren
ML Moritz Lehmann Sales · Leipzig LK Lisa Krüger Engineering · München Data VizPython
RS Robin Sauer Produkt · München FH Frank Hartmann Sales · München VerhandelnFührung
BV Benedikt Vogel Finance · München HB Hannah Brandt Produkt · Berlin DesignFührung
Matching-Regeln

Ihre Definition eines guten Matches, in wenigen Regeln.

Beliebig viele Regeln kombinieren und nach Wichtigkeit ordnen. Keine Tabelle, keine Formel: Die Reihenfolge ist die Strategie.

  • Regeln per Drag-and-drop priorisieren: Die oberste Regel gewinnt immer
  • Matching auf Text, Listen, Datumsangaben oder Zahlen, aus Ihrem HR-System, Formularen oder Zielgruppen
  • Dieselben Regeln gelten automatisch in jeder Runde
1

Kategorie

Menschen nach jedem Profilfeld zusammenbringen oder trennen: Text, Liste, Datum, Zahl, Auswahl oder Ja/Nein.

  • Ist gleich
  • Ist verschieden
  • Ist am nächsten
  • Ist am weitesten entfernt
  • Am ähnlichsten
  • Hat am wenigsten gemeinsam

Eintrittsdatum · Ist am nächsten

2

Kategoriewerte

Bestimmte Werte matchen oder trennen, etwa eine Abteilung mit einer anderen.

  • Matchen mit
  • Nicht matchen mit

Sales · Matchen mit · Engineering

3

Kategorie-Überschneidung

Zwei Listen mit denselben Optionen vergleichen, etwa die Kompetenzen der Mentoren und die Ziele der Mentees.

  • Überschneidung maximieren
  • Überschneidung minimieren

Kompetenzen Mentor ↔ Ziele Mentee

4

Zielgruppe

Ganze Zielgruppen matchen oder trennen, um zwei Kohorten oder zwei Einheiten zu verbinden.

  • Matchen mit
  • Nicht matchen mit

Neuzugänge · Matchen mit · Buddys

5

Bestimmte Mitglieder

Eine namentliche Ausnahme regeln, ohne den Rest des Programms anzutasten.

  • Matchen mit
  • Nicht matchen mit

Sophie Wagner · Nicht matchen mit · Felix Schneider

Immer aktiv

  • Die Treffen-Historie hat Vorrang: Wer sich in einem beliebigen Programm schon getroffen hat, lernt nach Möglichkeit jemand Neuen kennen
  • Mitglieder werden entsprechend ihren gewählten Präferenzen gematcht
Prüfung

Jede Gruppe prüfen, bevor jemand vorgestellt wird.

Sehen, wie gut jede Gruppe Ihre Regeln erfüllt, Paare erkennen, die sich schon getroffen haben, und sie mit einem Klick korrigieren. Die Runde versenden, wenn alles für Sie passt.

  • Mit Admin-Prüfung wird jede Runde als Entwurf erstellt, den Sie vor dem Versand ansehen
  • Ein Match-Score für jede Gruppe, mit den erfüllten Regeln
  • Ein Hinweis, wenn zwei Personen schon einmal ein Match waren
  • Neue Matches erstellen, neu mischen oder eigene hochladen
Zu prüfende Matches Runde 12 · Versand Mo, 9:00
Freigeben und senden
LK Lisa Krüger Engineering · München CN Clara Neumann Marketing · München
100 % Match
TK Tobias Krause Marketing · Berlin SL Sabine Lange Produkt · Leipzig HB Hannah Brandt Produkt · Berlin
67 % Match 100 % Match Bereits gematcht mit Sabine Lange Korrigiert: neues Paar
Qualität der Matching-Regeln Abteilung · Ist verschieden Standort · Ist am nächsten Karrierestufe · Ist am weitesten entfernt
AD Aylin Demir Engineering · Leipzig FR Franziska Roth Marketing · Leipzig
100 % Match
Formate

Paare, Gruppen, Mentoring oder Losverfahren.

Den Matching-Modus wählen, der zum Anlass passt. Ihre Regeln und die Treffen-Historie gelten für alle.

Zufällig

Kaffee-Treffen

Paare oder Gruppen, die sich jede Runde ändern, gesteuert durch Ihre Regeln.

Gruppenübergreifend

Zwei Einheiten verbinden

Jede Gruppe bringt Mitglieder aus mehreren Zielgruppen zusammen, etwa Zentrale und Außendienst.

Gruppen-Editor

Mentoring und Buddys

Jeden Platz festlegen: ein Mentor und ein Mentee, ein Buddy und ein Neuzugang. Ein Mentor kann pro Runde mehrere Mentees betreuen, bis zu einem Maximum, das Sie festlegen oder das er selbst wählt.

Losverfahren

Kaffee mit der Geschäftsführung

Eine Gruppe aus den Teilnehmenden auslosen, feste Personen wie eine Führungskraft hinzufügen und alle 1 bis 4 Wochen eine neue Ziehung planen.

Mystery-1:1-Treffen

Challenges und festliche Anlässe

Alle werden ohne Vorstellung mit jemandem gematcht, und Sie entscheiden, wann die Paare enthüllt werden.

2 bis 10 Personen pro Gruppe
4 Optionen für unvollständige Gruppen, mit Simulator: Niemand bleibt allein
Jede Runde startet mit der unternehmensweiten Treffen-Historie

Geschätzt von modernen, menschennahen HR-Teams

Erfahren Sie, was einige unserer großartigen Kunden sagen, die damit schneller vorankommen.

Reece Portwood
Reece Portwood
@Cox Enterprises
"Eines meiner Highlights des Jahres: Ich habe bei RandomCoffee Chats mitgemacht, einem Programm, das Networking und lockere Gespräche mit Kolleginnen und Kollegen aus anderen Unternehmensbereichen fördert."
Antoine Chapin
Antoine Chapin
@Crédit Agricole
"Das Schöne an RandomCoffee: Wenn ich Leuten begegne, die mitgemacht haben, bedanken sie sich bei mir dafür, dass ich es eingeführt habe :)"
Savannah Charles
Savannah Charles
@Informa
"Um unsere Kolleginnen und Kollegen weltweit zu vernetzen und mehr über die Kultur der anderen zu erfahren, haben wir mit RandomCoffee ein Programm namens Cross-Cultural Conversations ins Leben gerufen."
Felipe Gonzales
Felipe Gonzales
@Trimble
"Dank RandomCoffee konnte ich mich mit Kolleginnen und Kollegen auf fünf verschiedenen Kontinenten vernetzen!"
Michael Shea
Michael Shea
@Finalsite
"Ich könnte mit RandomCoffee nicht zufriedener sein. Was Sie bieten, ist entscheidend für jede Form von Unternehmenskultur in einem Remote-Umfeld wie unserem."
Jo Shen
Jo Shen
@Electronic Arts
"Es ist ein großartiges Tool, um Mitarbeitende zu vernetzen und einzubinden, damit sich Menschen aus verschiedenen Funktionen und Standorten kennenlernen."
Andreea Corendea
Andreea Corendea
@Flocert
"Wir lieben die virtuellen Kaffee-Dates, und viele Kolleginnen und Kollegen nutzen sie für den informellen Austausch. Genau das haben wir gebraucht, um unsere Unternehmenskultur zu stärken."
Sarah Hatfield
Sarah Hatfield
@DisabilityIn
"Eine großartige Möglichkeit, in einem Remote-Umfeld Verbindungen aufzubauen, und unsere Mitarbeitenden sind begeistert! Ich kann Ihr Produkt nur wärmstens empfehlen!"
Isabel Shaw
Isabel Shaw
@HgCapital
"Die Zusammenarbeit mit dem RandomCoffee-Team war hervorragend. Sie sind am Ball, leicht erreichbar und haben die erste Einrichtungsphase ganz einfach gemacht. Danke, RandomCoffee!"
Hannah Wilson Baffoni
Hannah Wilson Baffoni
@Freshworks
"Durch RandomCoffee haben wir verschiedene Karrierewege und Lebenserfahrungen in unserer Branche kennengelernt."

Häufige Fragen zum Matching

Wie funktioniert der Matching-Algorithmus von RandomCoffee?
Sie ordnen Ihre Matching-Regeln nach Priorität. In jeder Runde bewertet der Algorithmus die möglichen Paare oder Gruppen anhand dieser Regeln, wobei die oberste Regel immer schwerer wiegt als die darunter, und wählt die Kombination mit dem besten Gesamtergebnis für das ganze Programm.
Treffen Teilnehmende wieder dieselbe Person?
Die Treffen-Historie hat Vorrang. Der Algorithmus prüft, wer sich in all Ihren Programmen schon getroffen hat, und bringt alle nach Möglichkeit mit jemand Neuem zusammen. In kleinen Gruppen, in denen sich alle schon kennen, kommen die am längsten zurückliegenden Partner wieder infrage.
Funktioniert das auch für Mentoring und Onboarding-Buddys?
Ja. Der Gruppen-Editor legt jeden Platz fest, zum Beispiel eine Mentorin oder einen Mentor und einen Mentee, und eine Regel zur Kategorie-Überschneidung gleicht die Kompetenzen der Mentoren mit den Zielen der Mentees ab. Ein Mentor kann mehrere Mentees betreuen.
Nach welchen Kriterien kann ich matchen?
Nach jedem Profilfeld: Abteilung, Standort, Karrierestufe, Sprache, Kompetenzen, Ziele oder Antworten aus einem Anmeldeformular. Regeln können Menschen zusammenbringen oder trennen, und Sie können auch Zielgruppen oder bestimmte Mitglieder matchen.
Kann ich die Matches vor dem Versand prüfen?
Ja. Mit Admin-Prüfung wird jede Runde als Entwurf erstellt: Sie sehen jede Gruppe mit ihrem Match-Score und den erfüllten Regeln, erhalten einen Hinweis, wenn zwei Personen schon einmal ein Match waren, und können Gruppen neu erstellen, mischen oder bearbeiten, bevor etwas versendet wird.
Was passiert bei einer ungeraden Zahl von Teilnehmenden?
Gruppen umfassen 2 bis 10 Personen. Sie legen fest, wie unvollständige Gruppen behandelt werden, und simulieren die Aufteilung für jede Teilnehmerzahl: Niemand bleibt allein.

Vernetzen Sie Ihre Teams ab heute, kostenlos.

Demo anfragen
UbisoftXBNPAmazonWarnerCNN
4,7/5 Kundenzufriedenheit (interne Umfrage)