Textkernel CV-parser: welke velden leest hij echt? [2026]

Textkernel is de cv-parser die de meeste Nederlandse werkgevers onder de motorkap gebruiken. De software zet je CV om in een vast stramien van velden: naam, contact, werkervaring per functie, opleiding, vaardigheden en links. Textkernel verwerkt 90% van alle aangeboden cv's zonder menselijke tussenkomst [2]. Wat niet in een veld past, verdwijnt.

Dat maakt deze parser belangrijker dan welke recruiter dan ook: hij beslist als eerste, voordat een mens je naam ziet. 99% van de Fortune 500 screent cv's met software [1]. Begrijp je welke velden Textkernel uit je CV haalt, dan weet je precies waar je inhoud moet landen.

De algemene mechanica, hoe een Applicant Tracking System (ATS) je CV parst, scoort en rangschikt, staat in hoe een ATS je CV leest. Hier gaan we een niveau dieper: het exacte velden-schema dat Textkernel publiceert, en wat dat voor jouw CV betekent.

TL;DR:

• Textkernel zet je CV om in een vaste set velden. Werkervaring, opleiding, vaardigheden, contact en links krijgen elk hun eigen plek in een gestructureerd JSON-document [3].
• Lopende functies krijgen letterlijk de markering __NOWSTRING__. Een einddatum die de parser niet als "heden" leest, levert een leeg veld op.
• Al je links landen in één lijst (personalUrls). Meer links toevoegen verhoogt je matchscore niet; die lijst staat los van de tekst die wel wordt gescoord.
• Wat geen veld heeft, telt niet mee. Tekst in tekstvakken, kolommen in de verkeerde volgorde en creatieve sectiekoppen vallen buiten het schema.

Inhoudsopgave

• Hoe werkt de Textkernel CV-parser?
• Welke velden haalt Textkernel uit je CV?
• Wat negeert Textkernel in je CV?
• Waarom landt elke link in één lijst?
• Hoe weet je of Textkernel je CV goed leest?
• Gebruikt elke Nederlandse werkgever Textkernel?
• Schrijf voor de parser, niet alleen voor de recruiter

Hoe werkt de Textkernel CV-parser?

Textkernel leest je CV als tekst, niet als opmaak, en vult daarmee een vast schema van velden. De parser herkent eerst je secties (werkervaring, opleiding, vaardigheden) en haalt daar vervolgens losse gegevens uit: functietitels, datums, werkgevers, skills. Het eindresultaat is een gestructureerd JSON-document, geen plaatje van je CV [3].

Textkernel is met afstand de grootste parser voor de Nederlandse markt, met het hoofdkantoor in Amsterdam. Het systeem verwerkt 90% van alle cv's zonder dat een mens eraan te pas komt [2]. Waar oude, regel-gebaseerde parsers rond de 70% nauwkeurigheid blijven steken, halen AI-parsers als Textkernel 90% of hoger [2]. Dat verschil bepaalt of jouw CV-parsing soepel verloopt of vastloopt. Welke werkgevers precies Textkernel draaien herken je vaak aan hun sollicitatiesysteem: meer daarover in welk ATS gebruikt je werkgever.

Welke velden haalt Textkernel uit je CV?

Textkernel vult zeven hoofdgroepen velden: contactgegevens, een profiel-samenvatting, werkervaring, opleiding, vaardigheden, certificeringen en links. Elke groep heeft eigen sub-velden. Je werkervaring wordt bijvoorbeeld per functie opgesplitst in functietitel, werkgever, start- en einddatum en het aantal jaren en maanden [3]. Je CV-inhoud is pas zichtbaar voor de software als hij in een van deze velden belandt.

Dit is het schema waar je tekst in terechtkomt, vertaald naar de onderdelen van een Nederlands CV:

CV-onderdeel	Textkernel-veld(en)	Wat de parser ermee doet
Naam	firstName, middleName, lastName, completeName	Wordt geclassificeerd als persoon, los van de rest
Contact	phones (type home/work/mobile), emails, address (city, region, postalCode)	Telefoon via patroonherkenning, woonplaats genormaliseerd naar een regio
Werkervaring	jobTitle, organization, startDate, endDate, years, months	Per functie een apart record; lopend wordt __NOWSTRING__
Opleiding	degrees (degreeName, institute, localCode, internationalCode)	Diploma genormaliseerd naar een opleidingsniveau
Vaardigheden	computerSkills, languageSkills, softSkills	Genormaliseerd naar de Textkernel Skills Taxonomy; talen naar ISO 639-1
Links	personalUrls (url + type: linkedin, github, enzovoort)	Eén getypeerde lijst, los van de gescoorde tekst
Certificeringen	certification, certificationCode	Eigen sectie, los van opleiding en skills

Twee details die je nergens anders leest. Een lopende functie krijgt geen datum maar de letterlijke placeholder __NOWSTRING__; schrijf je iets dat de parser niet als "heden" herkent, dan blijft het einddatum-veld leeg en klopt je aantal jaren ervaring niet meer. En je vaardigheden worden niet alleen opgeslagen, ze worden genormaliseerd naar de Textkernel Skills Taxonomy en je talen naar de ISO 639-1-code [3]. Een skill die de taxonomie niet kent, valt buiten de match.

Wat negeert Textkernel in je CV?

Alles wat buiten het velden-schema valt. Tekst in tekstvakken wordt vaak helemaal niet uitgelezen. Twee kolommen worden in de verkeerde volgorde aan elkaar geplakt, zodat je functietitel naast een datum uit een andere cel belandt. Creatieve sectiekoppen als "Mijn reis" worden niet als "Werkervaring" herkend, dus de inhoud landt nergens. En grafische skill-balkjes hebben geen tekstwaarde.

Het patroon is simpel: het schema bepaalt wat telt. Past je inhoud niet in een herkenbare sectie, dan komt hij niet in een veld, en dan bestaat hij niet voor de match. Daar zakt je ATS-score op, zonder dat je het ziet. De volledige mechanica achter mooie templates die de parser breken, twee kolommen, iconen en contact in de header, staat in waarom mooie CV-templates je CV breken.

Waarom landt elke link in één lijst?

Omdat Textkernel al je URLs in één getypeerd veld zet: personalUrls, met per link een type zoals linkedin of github [3]. Die lijst staat los van de tekst die op trefwoorden wordt gescoord. Tien links toevoegen verhoogt je matchscore dus niet. De waarde van een link is dat een mens hem opent, niet dat de parser hem meetelt.

Dat verandert hoe je naar je LinkedIn-, GitHub- of portfolio-link kijkt. Eén relevante, klikbare link doet meer dan vijf losse URLs die je inhoud opvullen. Welke link bij welke rol hoort, en waarom een index-pagina sterker is dan tien losse projectlinks, lees je in portfolio en GitHub op je CV.

Hoe weet je of Textkernel je CV goed leest?

Test of je secties en velden leesbaar zijn. Gebruik standaard sectiekoppen, een enkele kolom platte tekst, en zet je contactgegevens in de eerste regels in plaats van in de kop- of voettekst. Loopt je CV als een doorlopende kolom van boven naar beneden, dan kan de parser elke sectie netjes in een veld plaatsen.

Onze ATS-check toetst je CV tegen de regels die screening-software controleert en laat zien welke secties worden herkend. Begin je liever met een structuur die al klopt, dan gebruiken onze ATS-veilige CV-templates standaard sectiekoppen en een enkele kolom. En wil je weten welke trefwoorden je per vacature moet verwerken zodat ze in de juiste velden landen, dan haalt de vacature-analyzer ze uit de vacaturetekst.

Gebruikt elke Nederlandse werkgever Textkernel?

Nee, maar genoeg om er rekening mee te houden. Textkernel zit als parsing-laag onder de motorkap van veel Nederlandse ATS-systemen, ook als de werkgever een ander merk ATS draait. Een CV dat goed werkt met Textkernel werkt daarom goed met de meeste Nederlandse systemen [2].

Dat is precies waarom je niet hoeft te raden welk specifiek systeem een werkgever gebruikt. Optimaliseer je voor het datamodel van de marktleider, dan dek je het overgrote deel van de Nederlandse markt af. De uitzonderingen, en hoe je een specifiek ATS herkent, staan in welk ATS gebruikt je werkgever.

Schrijf voor de parser, niet alleen voor de recruiter

Een CV dat door Textkernel komt volgt geen designtruc, maar een datamodel. Standaard secties zodat de parser ze herkent. Een enkele kolom zodat de volgorde klopt. Exacte termen zodat ze in de juiste velden belanden. Doe je dat, dan landt elke regel van je CV op de plek waar de software hem verwacht.

Wij bouwden de ATS-check rond precies die velden: hij laat zien welke secties worden herkend en waar je inhoud uit beeld dreigt te vallen. Voor de volledige technische optimalisatie van je CV werk je daarna door de ATS-proof CV-gids voor 2026. Geen giswerk over wat een algoritme denkt. Gewoon de data.