Jede Woche durchsucht meine Software etwa zwanzig Stellenbörsen. Sie sammelt ein paar hundert Stellenanzeigen. Ein einziger LinkedIn-Sweep brachte kürzlich 112 Ergebnisse. In diesem Jahr hat die Pipeline mehr als 1.500 Anzeigen bewertet. 1.539 davon wurden aussortiert.
Wie viele Bewerbungen ich wirklich abgeschickt habe? Eine Handvoll.
Dieses Verhältnis ist der ganze Punkt. Ich bin Quereinsteiger und über vierzig. Fünf Jahre bei der Lloyds Banking Group, acht Jahre als Postbote, zwei Jahre als Windows-Systemadministrator. Heute arbeite ich in der Druckproduktion bei Amazon. Dieses Jahr habe ich mein Informatik-Studium abgeschlossen (BSc Computing and IT, Open University). Einen professionellen Titel als Softwareentwickler habe ich noch nicht. Ich suche den ersten. Und er muss remote sein.
Stellenbörsen sind anstrengend. Für mich waren sie besonders anstrengend, denn ich filtere nach engen Kriterien und habe den Titel noch nie getragen, auf den ich mich bewerbe. Also baute ich mir die Software, die ich nicht kaufen konnte.
Die Pipeline
Stufe 1, Sammeln. Sechzehn API- und RSS-Quellen. Dazu Playwright-Sweeps für die Börsen ohne API: Indeed, StepStone, LinkedIn (mit gespeicherter Session) und die Arbeitsagentur mit tiefen Suchbegriffen. Alles landet in einem Speicher mit Deduplizierung. Keine Anzeige wird zweimal verarbeitet.
Stufe 2, Harte Filter. Bevor ein Modell etwas sieht, sortieren billige Regeln aus. "Senior" im Titel? Weg. Stadt außerhalb meines Radius? Weg. Mehr als drei Jahre Berufserfahrung gefordert? Nicht meine Ebene. Diese Filter sind bewusst keine Modellaufrufe: Sie kosten nichts und man kann sie prüfen.
Stufe 3, KI-Bewertung. Die Überlebenden liest ein Sprachmodell. Es bewertet die Passung gegen mein ehrliches Profil. Auch die Einschränkungen, die sonst erst im Interview auffallen. Rollen mit "verhandlungssicher Deutsch in Wort und Schrift" für Kundenkontakt sind für mich nichts — mein schriftliches Deutsch ist B1. Interner Team-Kontakt auf Deutsch ist dagegen fein, gesprochen bin ich auf C1-Niveau.
Stufe 4, Verifizierung. Diese Stufe hat sich ihren Platz hart verdient. Aggregator-Titel schmeicheln. Sechs perfekte LinkedIn-Kandidaten starben, als ich den echten Anzeigentext las. Die "Junior"-Stelle wollte fünf Jahre Erfahrung. Die "Remote"-Stelle wollte drei Tage vor Ort in einer anderen Stadt. Die Regel ist jetzt absolut: Nichts kommt in die Bewerbungsliste, bevor der echte Anzeigentext geladen und gelesen wurde.
Stufe 5, der Mensch. Ich öffne die URL selbst. Ich lese die Anzeige selbst. Dann schreibe ich genau das, was das Formular verlangt. Eine Bewerbung nach der anderen. Keine Massen-Anschreiben. Wenn Bewerbungen teuer sind, liest man wirklich. Genau das ist die Funktion.
Was ich gelernt habe
Filter hart, bevor du das Modell aufrufst. Regeln sind kostenlos. Tokens sind es nicht.
Lass die KI nie Stellenanzeigen erfinden. Ein Modell, das man nach Stellen fragt, erfindet glaubwürdige Anzeigen mit plausiblen URLs. Meine Pipeline bewertet nur, was die Scraper wirklich geladen haben.
Die letzte Meile bleibt menschlich. Die Pipeline soll mich wählerisch machen, nicht faul.
Für Quereinsteiger ist die Pipeline das Portfolio. Ich wartete lange auf ein Projekt, das beweist, dass ich Software bauen kann. Irgendwann merkte ich: Der ehrlichste Beweis lief längst. Getestetes Python, echte Scraper, Deduplizierung, CI. Ein System im täglichen Einsatz, mit echten Folgen. Die Werkzeuge sind öffentlich: job-sweep ist das Sweep-Toolkit, remote-job-engine übernimmt Suche und Bewertung. Eines der Projekte läuft als Live-Demo: SQL Query Builder.
Was kommt
Ich suche eine Junior- oder Associate-Rolle — KI, Automatisierung oder Daten. Vollständig remote aus Deutschland oder aus Großbritannien (ich bin britischer Staatsbürger). Alles über mich steht auf reaver1000.github.io, dort gibt es auch eine deutsche Seite.
Und wenn du selbst auf Jobsuche bist: Bau das Werkzeug, bevor du dem Board vertraust. Das Board hat deine Interessen nicht im Blick. Deine Pipeline schon — du hast sie geschrieben.
Top comments (0)