Bewerbung.AI
Bewerbung.AI: deutsche Bewerbung mit KI-Agenten
Agentengetriebener Lebenslauf und Anschreiben, Job-Fit-Coaching, Lambda-PDF-Export und Analytics, abgestimmt auf den deutschen Arbeitsmarkt.
Timeline
2023 bis 2024
Stackgröße
15 Technologien
Rolle
Senior Engineer (Consulting)
Firma
Bewerbung.AI
Überblick
Überblick
Bewerbung.AI ist eine Bewerbungsplattform für den deutschen Markt. Sie erzeugt einen kompletten Lebenslauf, agentengetriebene Anschreiben und einen mehrstufigen KI-Coaching-Flow, abgestimmt auf deutsche Konventionen: Lebenslauf-Struktur, Anschreiben-Formalien und Zeugnisse.
- Ich habe über den ganzen Stack gebaut: React-Editor mit RSPack und V2-Architektur für Lebenslauf und Anschreiben (Redux Toolkit, RTK Query, eigene Anschreiben-Agenten und Hooks), Express- und Mongo-Backend sowie serverlosen PDF-Export auf AWS Lambda, damit schwere Dokumenten-Renders die API nicht blockieren.
- Das Produkt-Tracking läuft über Statsig, Mixpanel und Sentry, mit spät geladenen Third-Party-Skripten, damit Analytics den Cold Start nicht dominiert. Die KI-Nutzung wird über Stripe Credits abgerechnet, mit Eval-gestütztem Prompt-Versioning, damit die Coaching-Qualität stabil bleibt, während Modelle und Traffic skalieren.
Problem
Problem
Deutsche Bewerbungen folgen eigenen Regeln in Form, Ton und Passung. Generische Builder verfehlen Format, Ton und Rollenbezug. Kandidaten brauchen Lebenslauf- und Anschreiben-Qualität, einen ehrlichen Job-Fit-Check gegen die Ausschreibung und Exporte, denen sie trauen können, ohne teure Coaches oder Credits für wertlose Modell-Calls zu verbrennen.
Architektur
Architektur
Frontend
Backend
KI und Agenten
Export und Infra
Produkt und Analytics
Funktionen
Funktionen
- KI-Lebenslauf-Editor mit abschnittsweisem Umschreiben, Live-Vorschau und sauberem PDF-Output über viele Templates.
- Agentenseitiger Anschreiben-Generator: eigene Flows und V2-Anschreiben-State, damit Agenten Ton, Struktur und Rollenargumente an deutsche Formalien anpassen.
- Job-Fit-Check: Coaching-Agenten prüfen Bewerbungen gegen die Ausschreibung, mit Gap-Analyse, Discovery- und Interview-Prep-Stufen, damit Kandidaten vor dem Abschicken wissen, was zu fixen ist.
- Template-sicheres Dokumenten-Rendering: Veröffentlichungs-Links, Rich Text und strukturierte Felder bleiben von Editor über API bis PDF konsistent (Desktop- und Mobil-Formulare).
- AWS-Lambda-PDF-Jobs verlagern schweren Export aus der Haupt-API; Layout bleibt beim Speichern erhalten, damit Round-trips keine Abschnitte verlieren.
- Proaktive Verbesserungs-Mails: Bewerbungen werden laufend bewertet, Nutzer bekommen über Postmark konkrete nächste Schritte.
- Stripe-Paywall, Vollbild-Pricing-Modal und ein Credits-System, das KI-Nutzung abrechnet und die Unit Economics schützt.
- Analytics-Setup: Statsig-Experimente, Mixpanel-Events und Sentry, auf Idle- und Deferred-Pfaden geladen und in Rspack-Vendor-Chunks isoliert, damit Instrumentierung den Main Thread nicht dominiert.
- Kostenoptimierung: Credit-gegatete KI-Calls, Eval-gestützte Prompts, Bundle-Tuning (Rspack-Experimente, Deferred Analytics) und eine PDF-Strategie, die grosse Artefakte von heissen API-Pfaden fernhält.
KI-Systeme
KI-Systeme
- Anschreiben-Agenten, die Anschreiben im deutschen Ton entwerfen und verfeinern, gebunden an Lebenslauf und Zielrolle.
- Coaching-Agenten für Job-Fit-Scoring, Gap-Analyse und abschnittsweise Rewrite-Vorschläge gegen die Ausschreibung.
- Proaktiver Mail-Agent, der den Bewerbungsstand scannt und die wirkungsvollsten Verbesserungen meldet.
- Eval-gestütztes Prompt-Management und Credit-Budgets, damit Qualitätsregressionen und ausufernder Inference-Spend früh auffallen.
Ergebnisse
Ergebnisse
- Hochwertige deutsche Bewerbungen ohne teure Coaches zugänglich gemacht.
- Zeit bis zur Bewerbung von Stunden auf Minuten verkürzt, mit agentengestützten Anschreiben und vertrauenswürdigen PDF-Exporten.
- Bessere Einreichungsqualität durch Job-Fit-Checks, proaktive Coaching-Loops und template-treue Exporte.
- Gesunde SaaS-Unit-Economics durch Credits, Deferred Analytics und Lambda-gestützte PDF-Generierung.
Technologien
Technologien
FAQ
FAQ
Was unterscheidet Bewerbung.AI von Vorlagen-Buildern?
Die Plattform ist auf den deutschen Bewerbungsprozess lokalisiert: Lebenslauf-Struktur, Anschreiben-Ton, Zeugnisse. Dazu kommen agentengetriebene Anschreiben, Job-Fit-Grading gegen Ausschreibungen und proaktive Verbesserungs-Mails.
Wie funktioniert der Job-Fit-Check?
Coaching-Agenten vergleichen Lebenslauf und Anschreiben mit der Zielrolle, fahren Gap-Analyse und liefern konkrete Edits: Discovery, Grading und Interview-Prep, bevor du dich bewirbst.
Warum PDFs über Lambda?
PDF-Export ist CPU- und speicherhungrig, über viele Templates hinweg. Lambda-Jobs isolieren diese Arbeit von der Express-API, damit Dokumenten-Renders skalieren, ohne Saves oder Editor-Requests zu blockieren.
Mehr Arbeit