De eerlijke vergelijking tussen drie CV parsers die Nederlandse uitzendbureaus en detacheerders overwegen. Wat doet wat, voor wie is het bedoeld, en waar zit het verschil dat niemand op de demo laat zien.

In het kort

Textkernel en Daxtra zijn enterprise CV parsers die al twintig jaar marktstandaard zijn voor grote, internationale recruitmenttech-bedrijven. Beide leveren een parser-API die ATS-bouwers in hun product inbouwen, met focus op meertalige extractie en hoge volumes. Spadework biedt twee verschillende producten: een CV-Parser API voor ATS-integratie, en een CV-Transformer die daarbovenop CV's omzet naar de huisstijl van het bureau, gekoppeld aan de vacaturetekst en teruggeschreven naar het ATS.

Korte conclusie: als je een puur parser-component nodig hebt voor in je eigen software, vergelijk je Spadework CV-Parser met Textkernel en Daxtra. Werk je als uitzendbureau of detacheerder en wil je een werkende workflow (parser plus huisstijl plus ATS-sync), dan kijk je naar de Spadework Suite. Textkernel en Daxtra leveren dat laatste niet.

TL;DR

Recruitmentteams in Nederland stellen deze vraag steeds vaker, en het antwoord hangt af van wat je eigenlijk koopt. Een parser is een stuk technologie dat tekst uit een CV haalt en die in gestructureerde velden zet. Een CV-transformatieworkflow is de hele keten: parsing, opmaak in huisstijl, koppeling aan vacature, synchronisatie met het ATS. Textkernel en Daxtra leveren het eerste, Spadework levert beide.

In dit artikel: wat een parser precies doet, hoe de drie aanbieders verschillen op nauwkeurigheid, talen, prijs en doelgroep, en hoe je kiest op basis van wie je bent (ATS-bouwer of recruitmentbureau).

Wat is een CV parser eigenlijk?

Een CV parser leest een document (PDF, Word, soms een scan) en haalt daar gestructureerde data uit: voornaam, achternaam, werkervaring, opleidingen, skills, talen. Die data komt eruit als JSON of XML, klaar om in een database of ATS te worden geladen. Wat een mens in tien tot vijftien minuten doet, doet een parser in seconden.

Twee dingen om te onthouden:

Een parser is een bouwsteen, geen eindproduct. Recruiters werken er nooit direct mee. De parser zit altijd verstopt in een ATS, CRM of recruitmenttool.

Nauwkeurigheid wordt door leveranciers zelf gerapporteerd. Onafhankelijke benchmarks zijn schaars. Test altijd op je eigen CV-dataset voor je tekent.

De drie spelers in beeld

Textkernel

Onderdeel van Bullhorn sinds 2024. Twintig jaar marktleider in CV parsing, gebruikt door meer dan 60% van de HR-tech industrie wereldwijd. Verwerkt naar eigen opgave 2 miljard CV's en vacatures per jaar. Parser ondersteunt 29 talen voor CV's en 9 voor vacatures. Twee varianten: een klassieke parser (snelheid, gemiddeld 0,5 seconden per CV) en een LLM Parser (hogere nauwkeurigheid, hogere kosten, langere verwerkingstijd). Eigen rapportage: 95%+ nauwkeurigheid op de meest kritieke velden, met LLM Parser nog 30% minder fouten daarbovenop.

Voor wie: ATS-leveranciers, grote enterprise-recruitmentbedrijven, internationale staffing groups. Pricing op aanvraag, enterprise contracten, typisch enkele duizenden euro's per maand met jaarcontracten.

Daxtra

Brits bedrijf, ook ruim twintig jaar in de markt. Specialiseert zich in meertalige parsing met eigen taalengineers per taal. Ondersteunt 40+ talen. Naar eigen opgave 90% nauwkeurigheid out-of-the-box, zonder training op klantdata. Wordt gebruikt door 2.500+ recruitmentorganisaties wereldwijd, integreert met 400+ ATS-systemen. Verwerkt 100 miljoen CV's per maand. Sterke positie in APAC en grote internationale bureaus die niches in bijvoorbeeld Chinees, Japans of Russisch bedienen.

Voor wie: internationale staffing-bureaus, ATS-leveranciers met meertalige klanten, niches waarin Chinees of Japans CV's standaard zijn. Pricing op aanvraag.

Spadework

Amsterdams bedrijf, opgericht specifiek voor de recruitment-automation laag bovenop ATS-systemen. Levert twee gerelateerde producten:

CV-Parser API: parser-component dat CV's omzet naar gestructureerde data, bedoeld voor ATS-bouwers en interne tooling.

CV-Transformer: end-to-end workflow waarin een ruw CV (in elke taal of formaat) wordt geparsed, omgezet naar de huisstijl van het bureau, gematcht aan een vacaturetekst, optioneel verrijkt met LinkedIn-data, en teruggeschreven naar het ATS. Gemiddelde verwerkingstijd: 2 minuten per CV, tegenover ongeveer 60 minuten handmatig. AVG-compliant, mogelijkheid tot anonimiseren.

Voor wie: Nederlandse en Europese uitzendbureaus, detacheerders en recruitmentbureaus die CV's bij opdrachtgevers aanleveren in eigen huisstijl. Klanten zijn onder andere Maandag, RGF, Bender, Kayak en House of Talents.

Vergelijkingstabel

Welke kies je?

Je bouwt zelf een ATS of recruitmenttool

Dan vergelijk je drie parser-API's: Textkernel, Daxtra of Spadework CV-Parser. De keuze hangt af van talen (Daxtra wint op breedte, Textkernel op diepte in West-Europa), volume (Textkernel en Daxtra zijn ingericht op miljarden documenten) en budget (Spadework is doorgaans transparanter en lager geprijsd voor kleinere volumes). Vraag bij alle drie een test op je eigen CV-dataset aan voor je tekent.

Je bent een uitzend- of detacheringsbureau

Een pure parser lost jouw probleem niet op. Je hebt iemand nodig die het CV ontvangt, parsed, omzet naar jouw huisstijl, matcht aan de vacature en teruglevert in je ATS. Dat eerste deel kan met Textkernel of Daxtra, maar de overige stappen moet je elders inkopen of zelf bouwen. Spadework CV-Transformer doet de hele keten in één product.

Je doet veel internationale werving in niche-talen

Daxtra is sterker op talen als Chinees, Japans en Russisch. Textkernel heeft daarentegen diepere coverage in Europese talen. Spadework is meertalig maar focust op de Nederlandse en Europese markt.

Veelgestelde vragen

Is Spadework een directe concurrent van Textkernel?

Alleen wat betreft de CV-Parser API. De CV-Transformer is een ander type product. Een bureau dat Textkernel gebruikt, gebruikt de output meestal nog steeds om handmatig of via eigen tooling een CV op te maken. De Transformer vervangt die laatste stap.

Wat is het verschil tussen parsing en transformeren?

Parsing haalt data uit een CV en stopt die in velden. Transformeren neemt die data en bouwt er een nieuw, gestyled document mee in de huisstijl van het bureau, vaak afgestemd op een specifieke vacature. Parsing is een technische operatie. Transformeren is een commerciële operatie.

Hoe meet je nauwkeurigheid eerlijk?

Niet via leverancier-gerapporteerde percentages. Vraag elke aanbieder om een batch van 100 CV's uit je eigen dataset te parsen. Vergelijk per veld (naam, ervaring, opleiding, skills) met de handmatige extractie. Reken uit hoeveel velden correct, leeg of fout zijn. Dat is de enige cijfermatige waarheid.

Werken alle drie met Nederlandse CV's?

Ja. Textkernel en Daxtra parseren beide Nederlands met hoge nauwkeurigheid. Spadework is gebouwd vanuit Nederland en werkt standaard met Nederlandse CV-conventies, inclusief specifieke werkervaringsformatten die recruitmentbureaus aanhouden.

Is een LLM-parser beter dan een klassieke parser?

Hangt af van het CV. Voor standaard, goed gestructureerde CV's is een klassieke parser sneller en even nauwkeurig. Voor rommelige, niche of internationale CV's wint een LLM-parser doorgaans. Textkernel biedt beide; Spadework gebruikt LLM-architectuur als basis voor zowel Parser als Transformer.

Bronnen

• Textkernel platformpagina en developer documentatie (textkernel.com, developer.textkernel.com), geraadpleegd mei 2026

• Textkernel x Firemind case study via Amazon Bedrock, 40% kostenreductie en 2x snelheid (firemind.com, 2024)

• Daxtra Technologies productpagina en blogarchief (daxtra.com, info.daxtra.com), geraadpleegd mei 2026

• Pin.com onafhankelijke vergelijking van resume parsing tools 2026

• Gitnux best CV parsing software 2026

• Spadework klantdata mei 2026: gemiddelde transformatietijd, klantenlijst, productspecificaties

• AVG / GDPR-conformiteit: rijksoverheid.nl, autoriteitpersoonsgegevens.nl

Wil je zien hoe Spadework CV-Transformer werkt op jouw eigen CV's? Plan een demo van 30 minuten met onze co-founder Lucas. We laten zien wat het op jouw workflow uitspaart in uren per week.