In diesem Artikel stellen wir einen neuartigen Ansatz zur Schätzung der Big-Five-Persönlichkeitsmerkmale und des Auswahlattributs für Bewerber mittels Gesichtsvideos vor. Zur Laufzeit speist das vorgeschlagene System die aus der gesamten Videosequenz extrahierten Pyramid Multi-Level (PML)-Texturmerkmale in fünf Support Vector Regressoren, um die Persönlichkeitsmerkmale zu schätzen. Diese geschätzten fünf Werte dienen anschließend als neue Eingabemerkmale für den Interview-Score-Regressor, der durch eine Gaussian Process Regression (GPR) implementiert ist. Die experimentellen Ergebnisse auf dem ChaLearn LAP APA2016-Datensatz zeigen eine gute Leistung. Zudem belegen sie, dass die Rechenkosten sowohl für das Training als auch für die Testphase des vorgeschlagenen Frameworks hinsichtlich Genauigkeit und Rechenaufwand sehr wettbewerbsfähig sind.