Status MVP operativ – erster echter End-to-End-Lauf gefahren, erste Bewerbungen versendet (Stand 29.06.2026)
Umgebung Claude Code (geplante Tasks & Skills, lokal-first) + Jira + Outlook + Claude in Chrome
Ablage einem lokalen Projektordner
Jira-Epic RM-242 (Vorgänge gebündelt unter RM-280)
Quellen freelancermap · LinkedIn · StepStone (offizielle Job-Alerts) + offene Websuche – kein Scraping
Kontroll-Modell Der KI-Agent schlägt nur vor und bewirbt sich nie selbst – Michael entscheidet an jedem Tor

Worum es geht

Statt täglich selbst durch Freelancer-Portale und Jobbörsen zu klicken, übernimmt ein Agenten-Team die Vorarbeit: Es durchsucht automatisch das Internet nach passenden Ausschreibungen – sowohl Freelance-/Projekt- als auch Festanstellungs-Positionen –, bereitet jeden Treffer auf, bewertet ihn nachvollziehbar und legt ihn Michael zur Entscheidung vor. Grundlage des Suchprofils sind sein CV, LinkedIn, Xing und die hier gezeigten Arbeiten, mit Schwerpunkt auf Projektmanagement/Beratung und KI.

Leitprinzip: Der KI-Agent schlägt nur vor, er bewirbt sich nie selbst. An jedem wichtigen Punkt entscheidet Michael.

Wie die Suche funktioniert – zwei Kanäle

  • Kanal A – offene Suche: ein täglicher Lauf durchsucht das Web und Jobsuchen mit gepflegten Such-Queries (deutsch/englisch).
  • Kanal B – Alert-Mails: die offiziellen Job-Benachrichtigungen von freelancermap, LinkedIn und StepStone laufen in einem Outlook-Ordner auf und werden automatisch ausgelesen (im Erstlauf 47 Mails → 139 eindeutige Treffer).
  • Bewusst kein Scraping – nur offizielle Alerts und offene Suche, um Plattform-Regeln und Account-Sperren aus dem Weg zu gehen.
  • Beide Kanäle münden in einen gemeinsamen Bewertungs- und Ablage-Lauf mit Duplikat-Erkennung und Tagesreport.

Bewertung: das Zwei-Spuren-Modell

Jeder Treffer wird über eine Scoring-Engine bewertet, die zwei gleichwertige Treffer-Spuren kennt: Projektmanagement/Beratung/Leitung und KI. Eine starke Spur allein genügt schon für „passend" (die stärkere Spur trägt den Score); beide zusammen sind das Ideal und geben einen Zusatz-Bonus. Dazu kommen kleinere Boni für Remote/Standort und Branche.

Hard-Gates (No-Gos) sortieren von vornherein aus – etwa reine Hands-on-Entwicklung ohne Projekt-/Beratungsanteil, Junior-Rollen oder Recruiting-Spam. Vergütung und Ort sind bewusst kein Filter, sondern nur informativ. Die Schwellen wurden im laufenden Betrieb anhand echter Treffer kalibriert (aktuell „passend" ab 65 Punkten).

Steuerung über Jira – wer ist am Zug?

Jeder Treffer wird zu einem Jira-Vorgang mit dem kompletten Ausschreibungstext und der aufgeschlüsselten Bewertung. Der Status sagt, wer am Zug ist – fünf Stationen von der Sichtung bis zum Abschluss.

Die fünf Status-Stationen

  • Abstimmung – Michael (Stufe 1): bewerben ja/nein, inklusive einer Einschätzung, ob der Standard-CV passt.
  • In Arbeit – der KI-Agent bereitet das zugeschnittene Anschreiben bzw. den Portal-Pitch vor.
  • Freigegeben – Michael (Stufe 2): Versand bzw. Einreichung freigeben.
  • Abnahmetest – Versand-Kontrolle nach dem Absenden.
  • Fertig – abgeschlossen.

Bewerbungs-Versand – automatisch, aber kontrolliert

Beim Einreichen wird sauber getrennt: E-Mail-Bewerbungen an eine öffentliche Adresse sind voll automatisierbar – der KI-Agent erstellt das Anschreiben, hängt den CV an und versendet über Outlook mit der Resultment-KI-Signatur (inklusive KI-Transparenzhinweis). Portal-Bewerbungen (freelancermap, LinkedIn) werden nicht automatisch abgeschickt: Hier füllt der KI-Agent im eingeloggten Browser-Tab das Anschreiben vor und hakt den CV an – den finalen Absende-Klick macht Michael bzw. gibt ihn ausdrücklich frei.

Zugangsdaten oder Passwörter nimmt der KI-Agent dabei nie entgegen.

Aktualitäts-Check und Lern-Schleife

Treffer, deren Ausschreibung älter als sechs Wochen ist oder deren Projektbeginn schon in der Vergangenheit liegt, werden markiert statt aussortiert – Michael entscheidet, ob sie noch interessant sind.

Jede Stufe-1-Entscheidung (bewerben ja/nein samt Grund) fließt in eine Feedback-Datei. Daraus schlägt der KI-Agent regelmäßig erklärbare Anpassungen an Gewichten und Suchbegriffen vor, die Michael bestätigt – bewusst kein Black-Box-Lernen, der KI-Agent bleibt vorschlagend.

Aktueller Stand

  • Täglicher Sourcing-Lauf als geplanter Task aktiv; Kanal A live bewiesen, Kanal-B-Mailparser gegen 47 echte Alert-Mails finalisiert.
  • Erster echter End-to-End-Lauf bis zum tatsächlichen Versand durchgespielt (E-Mail-Bewerbung an einen Recruiter, Outlook + CV).
  • Erste echte Portal-Bewerbung über freelancermap abgeschickt (Anschreiben vom KI-Agent vorbereitet, Versand von Michael freigegeben).
  • Scoring kalibriert auf Basis der ersten Triage – Schwelle für passende Treffer auf 65 gesenkt, weiche Abwertungen ergänzt.
  • Mehrere Dutzend bewertete Ausschreibungen als Stufe-1-Vorgänge im Jira-Backlog (Epic RM-242 / RM-280).
  • Vier feste Prozess-Sichten in doku/ (BPMN-Swimlane, Status-Board, Überblick, Swimlane) halten den Ablauf visuell aktuell.

← zurück zur Projekt-Übersicht