Bewerbung.AI
Senior Engineer · AI Resume & Coaching
Deutschlands KI-Bewerbungsplattform: Lebenslauf, Anschreiben, Coach und Flow.
Zeitraum
2023 bis 2024 (Beratung)
Ort
Remote · Berlin, Deutschland
Stack
4 Bereiche · 20 Tools
Scope
6 Bereiche · 7 Highlights
Überblick
Bewerbung.AI ist eine Bewerbungsplattform für den deutschen Markt, die den kompletten Bewerbungsprozess abdeckt: KI-Lebenslauf, agentisch erzeugte Anschreiben, Job-Fit-Checks gegen Ausschreibungen und strukturiertes Coaching durch Interview-Vorbereitung und Follow-up.
- Ich habe Scheiben über Editor-UX, Backend-APIs, Agenten-Flows, PDF-Export, Analytics-Instrumentierung und kostenbewusstes KI-Metering verantwortet. Das Produkt ist dokumentenlastig, wo Export-Treue und ein reaktionsschneller Editor das Versprechen sind.
Meine Rolle
- React- plus RSPack-Editor gebaut (V2-Architektur für Lebenslauf und Anschreiben mit Redux Toolkit und RTK Query) und Express- und Mongo-Backend für das Studio.
- Agentenseitige Anschreiben-Generierung ausgeliefert: eigene Cover-Letter-Flows und Hooks, damit Agenten deutschen Ton, Struktur und rollenspezifische Argumente aus dem Lebenslauf-Kontext personalisieren.
- Job-Fit- und Coaching-Agenten entworfen: Discovery, Lücken-Analyse, Rollen-Match-Bewertung gegen Ausschreibungen und Interview-Vorbereitung mit konkreten Edit-Vorschlägen.
- Schweren PDF-Export auf AWS-Lambda-Jobs verlagert und Template-Rendering gehärtet, damit Links, Rich Text und Layout die Strecke Editor zu API zu Export überleben.
- Produkt-Analytics aufgesetzt (Statsig, Mixpanel, Sentry) mit verzögertem Laden und Rspack-Vendor-Chunks, damit Instrumentierung den Kaltstart nicht dominiert.
- Proaktive Verbesserungs-Mails, Stripe-Credits für KI-Nutzung und Eval-getriebene Prompts umgesetzt, für Qualität und Unit Economics.
Stack
Frontend
Backend
AI
Infra & product
Highlights
- Kompletten Lebenslauf-Editor mit KI-Autorenfunktion, Live-Vorschau, Umschreiben auf Abschnittsebene und PDF-Output in mehreren Templates ausgeliefert.
- Agentenseitige Anschreiben-Generierung mit V2-Parität im Cover-Letter-State gebaut: deutsche Formalität und rollenspezifisches Drafting.
- Job-Fit-Check geliefert: Coaching-Agenten bewerten Bewerbungen gegen Rollen-Anforderungen, mit Lücken-Analyse vor dem Absenden.
- Export-Treue gehärtet: Veröffentlichungs-Links, strukturierte Felder und Layout-Erhalt über Desktop und Mobile und viele Templates.
- AWS-Lambda-PDF-Jobs isolieren schwere Renders von der Express-API; RSPack-Bundle-Tuning und verzögerte Analytics senken Main-Thread- und Infra-Kosten.
- Analytics-Setup mit Statsig-Experimenten, Mixpanel-Events und Sentry, geladen auf Idle-Pfaden, ohne den Editor-Kaltstart zu blockieren.
- Stripe-Paywall, Credits-Metering und proaktive Postmark-Nudges, die Bewerbungen bewerten und umsetzbare Verbesserungen liefern.
Ergebnisse
- Hochwertige deutsche Bewerbungen für Kandidaten zugänglich gemacht, die keinen teuren Coach haben.
- Zeit bis zur Bewerbung von Stunden auf Minuten reduziert, mit agentengestütztem Anschreiben und verlässlichen Exports.
- Bewerbungsqualität gehoben, über Job-Fit-Checks, Coaching-Agenten und proaktive Verbesserungs-Schleifen.
- SaaS-Unit-Economics geschützt, mit Credit-gesteuerter KI, Eval-getriebenen Prompts und kostenbewusstem Frontend- und Analytics-Loading.
FAQ
Was hast du auf Agenten-Seite gebaut?
Anschreiben-Agenten fürs Drafting, Coaching-Agenten für Job-Fit und Lücken-Analyse und einen proaktiven Mail-Agenten, der die Edits mit der größten Wirkung vorschlägt. Alles hinter Stripe-Credits und Eval-getriebenen Prompts.
Warum MongoDB plus Express?
Bewerbungsdaten sind von Natur aus dokumentförmig (Lebensläufe, Entwürfe, Coaching-Transkripte) und Express hält die Oberfläche klein. Schwere PDF-Arbeit läuft auf Lambda, damit die API reaktionsschnell bleibt.
Bring diese Erfahrung für dich zum Einsatz
Ein gratis 30-Minuten-Call zu deinen Rahmen, Risiken und einem praktischen ersten Meilenstein für dein Team.
Auch entdecken