Boolean search in recruitment: de gids voor 2026 (en wanneer semantiek wint)
Boolean search in recruitment: de 5 operatoren die tellen, X-ray, de 4 beperkingen die je 30-40 % van de relevante profielen kosten, en de hybride methode in 6 stappen met semantisch AI-zoeken.
Boolean search is in 2026 nog altijd de meest geadverteerde vaardigheid op het cv van een sourcer — en de meest overschatte. Het werkt nog steeds: het is snel, reproduceerbaar en je kunt een hiring manager precies uitleggen waarom een profiel naar boven kwam. Maar het heeft een structureel plafond: een boolean string vindt alleen kandidaten van wie je de functietitel hebt geraden. Deze gids behandelt de operatoren die er echt toe doen, laat zien waar boolean stukloopt en legt uit hoe je het combineert met semantisch zoeken in plaats van een kamp te kiezen.
Boolean search in één minuut
Boolean search betekent een profieldatabase bevragen met logische operatoren uit de booleaanse algebra. Je beschrijft een verzameling: profielen die deze woorden bevatten, die niet, met deze varianten toegestaan. De engine past de regel letterlijk toe — niet meer, niet minder. Dat is tegelijk de kracht (de precisie is absoluut, het resultaat reproduceerbaar) en de zwakte (hij raadt niets).
De vijf operatoren die 90 % van de gevallen dekken
- AND — versmalt. data engineer AND Spark geeft alleen profielen met beide termen. Elke extra AND verkleint de pool, meestal veel sneller dan je verwacht.
- OR — verbreedt, en is de meest onderbenutte van de vijf. Dit is de operator die titelsynoniemen opvangt: ("data engineer" OR "analytics engineer" OR "platform engineer").
- NOT (of het minteken) — sluit uit. Nuttig tegen terugkerende ruis: NOT (stage OR stagiair OR recruiter). Voorzichtig gebruiken: een te brede NOT verwijdert stilletjes goede profielen, en je ziet nooit wat je kwijt bent.
- Aanhalingstekens — leggen een exacte woordgroep vast. "machine learning" levert geen profielen op die "machine" en "learning" twee alinea's uit elkaar noemen.
- Haakjes — dwingen de leesvolgorde af. Zonder haakjes wordt je query gelezen in een volgorde die je niet hebt gekozen: dat is de belangrijkste oorzaak van inconsistente resultaten, ruim vóór typefouten.
Daar komt X-ray bij: een algemene zoekmachine bevragen en die beperken tot één domein — site:linkedin.com/in — om de eigen filters van een platform te omzeilen. Een complete query ziet er zo uit:
("data engineer" OR "analytics engineer" OR "platform engineer") AND (Spark OR dbt OR Airflow) AND (Amsterdam OR Utrecht) NOT (stage OR stagiair)
Die string is correct, leesbaar en verdedigbaar. Hij is ook de beste illustratie van het probleem dat nu volgt.
Waar boolean search stukloopt
1. Hij vindt alleen het vocabulaire dat je hebt voorzien
Hier komt al het andere uit voort. De query hierboven noemt drie titels. In een echte datamarkt heten de werkelijk relevante mensen ook "Data Platform Engineer", "Analytics Engineer", "BI Engineer", "Software Engineer — Data" of simpelweg "Software Engineer" bij een scale-up waar iedereen dezelfde titel draagt. De vuistregel bij tech-rollen: 30 tot 40 % van de relevante kandidaten draagt een titel die je niet in je OR hebt gezet. Ze verschijnen niet laag in de lijst — ze verschijnen helemaal niet, en niets in de interface wijst op hun afwezigheid.
2. Hij geeft een verzameling, geen rangschikking
Boolean antwoordt ja of nee. De 400 profielen die aan de regel voldoen komen eruit in een volgorde die niets met fit te maken heeft — meestal de volgorde van het platform, dus recente activiteit. Sorteren op relevantie blijft dus jouw werk, profiel voor profiel. Daar gaan de uren heen: niet in het schrijven van de query, maar in het doorspitten van wat hij oplevert.
3. Hij negeert context en traject
Een keyword op een profiel zegt niets over wanneer de vaardigheid is gebruikt, op welk niveau, of de persoon in staat is om te bewegen. "Spark" kan drie jaar productie betekenen of één regel die na een tweedaagse cursus in 2021 is toegevoegd. Boolean behandelt beide gevallen precies hetzelfde.
4. Hij is duur in onderhoud
Een goede string telt 200 tot 400 tekens, leeft in een gedeeld document en veroudert. Titels schuiven op, platforms verscherpen hun indexeringsregels en X-ray levert gestaag minder complete resultaten. Elke nieuwe vacature herstart de cyclus van schrijven, testen en corrigeren, en die tijd wordt bijna nooit meegeteld in de kosten van sourcing.
Wat semantisch zoeken verandert
Semantisch zoeken vergelijkt geen tekenreeksen maar vectorrepresentaties van betekenis. Je beschrijft de rol in natuurlijke taal — drie tot zes zinnen, zoals je het aan een collega zou vertellen — en de engine haalt profielen naar boven die dicht bij die beschrijving liggen, ook die met een ander vocabulaire dan het jouwe. Drie praktische verschillen:
- Synoniemen worden gevonden, niet opgesomd. Je hoeft niet meer te raden dat "Analytics Engineer" in jouw context naast "Data Engineer" staat: het model leidt dat af uit de werkelijke inhoud van profielen.
- Het resultaat komt gerangschikt binnen. Elk profiel draagt een nabijheidsscore ten opzichte van de briefing, waardoor 400 profielen doorspitten verandert in de top 40 beoordelen.
- De briefing wordt de query. Geen mentale vertaling meer tussen functieomschrijving en syntaxis: dat is het uitgangspunt van de AI-sourcingplatforms uit onze volledige gids.
De beperkingen zijn reëel, en ze verzwijgen zou oneerlijk zijn. Een semantische engine kan afdrijven naar het "gemiddelde" marktprofiel en atypische loopbanen ondervertegenwoordigen. Harde knock-outcriteria gaan hem slecht af — een gereguleerd diploma, een certificering, een verplichte taal — omdat hij in nabijheid redeneert, niet in regels. En als hij je niet laat zien waarom een kandidaat naar boven kwam, is hij waardeloos in een kalibratiegesprek met de hiring manager: precies daar draait een regel voor regel uitgelegde matchingscore kandidaat-functie om.
Boolean of semantisch: wanneer gebruik je wat
| Situatie | Boolean search | Semantisch zoeken |
|---|---|---|
| Gestandaardiseerde titels (zorg, accountancy, overheid) | Zeer effectief | Beperkte meerwaarde |
| Instabiele titels (tech, data, product, growth) | Zwakke dekking | Duidelijk voordeel |
| Hard knock-outcriterium (diploma, certificering, taal) | Betrouwbaar filter | Vraagt een filter erachter |
| Meer dan 200 profielen te schiften | Handmatig sorteren | Automatische rangschikking |
| Vage briefing of een gloednieuwe rol | Query lastig te schrijven | Vertrekt vanuit natuurlijke taal |
| De query verantwoorden aan de hiring manager | Transparant van nature | Vereist een uitgelegde score |
De hybride methode in 6 stappen
De snelste teams die we zien hebben boolean niet opgegeven: ze hebben het verplaatst. Semantiek opent het veld, boolean controleert het, de mens beslist. Concreet:
- Schrijf de briefing in natuurlijke taal vóór elke query. Drie tot zes zinnen, met een expliciet onderscheid tussen must-have, nice-to-have en knock-out. Dat document dient daarna als semantische query én als beoordelingsraster.
- Draai eerst de semantische zoekopdracht. Niet om er direct op te werven, maar om het werkelijke marktvocabulaire in kaart te brengen: de titels, tools en formuleringen die relevante profielen echt dragen.
- Bouw de controle-boolean uit dat vocabulaire. Je schrijft nu een string op basis van waargenomen in plaats van geraden titels. Dezelfde vaardigheid als voorheen, toegepast op betere invoer.
- Leg beide lijsten naast elkaar en meet de overlap. Vindt je boolean minder dan de helft terug van de profielen die de semantiek hoog zette, dan was hij te smal — en dat was hij waarschijnlijk ook bij je laatste tien vacatures.
- Sorteer op uitgelegde score en valideer de top 20 met de hand. De rangschikking doet het zware werk; de menselijke review beslist over wat geen model ziet — teamcontext, carrièremoment, echte verhuisbereidheid. De uitgewerkte methode staat in ons artikel over een shortlist in minder dan 10 minuten.
- Documenteer de query, de criteria en de uitsluitingen. Briefing, boolean string, scoringscriteria, afgewezen profielen en de reden. Vijf minuten per vacature, die je audittrail worden op de dag dat iemand vraagt hoe de selectie tot stand kwam.
Wat niet verandert: de mens en de traceerbaarheid
Overstappen van een boolean string naar een semantische engine verschuift een expliciete beslissing — jouw operatoren — naar een statistische. Precies dat regelt de Europese AI- verordening: AI-systemen die sollicitaties filteren of rangschikken zijn hoog risico, en de werkgever moet als gebruiksverantwoordelijke echt menselijk toezicht borgen, kandidaten informeren en logs bewaren. De verplichtingen en de tijdlijn staan in onze AI Act-gids voor recruitmentteams. Het operationele gevolg is simpel: een engine die rangschikt zonder uit te leggen stelt je bloot, een engine die haar criteria toont beschermt je.
Boolean search is niet dood en wordt dat ook niet: het blijft het beste gereedschap om een strikte regel toe te passen en te verantwoorden. Wat veranderde is de plek in het proces. In 2026 is het niet langer de voordeur van sourcing maar het vangnet — semantiek vindt, boolean verifieert, de recruiter beslist. Benieuwd hoe een briefing in natuurlijke taal een gerangschikte shortlist wordt? Bekijk hoe EMILY een briefing leest en kandidaten rangschikt.