Automatisierter Projektabgleich für einen selbstständigen Berater
Lokale mehrsprachige KI, konfigurierbare Filter und automatisierte Projektübersichten
- Branche
- Selbstständige Technologieberatung
- Schwerpunkt
- Lokale KI · Semantischer Abgleich · Prozessautomatisierung · Selbst gehostete Software
Ein selbstständiger Technologieberater wollte passende freiberufliche Projekte auf deutschen und internationalen Märkten effizienter finden. Ein individueller Monitoring-Agent wurde entwickelt, um neue Angebote mit mehreren Lebensläufen abzugleichen und relevante Projekte per E-Mail zuzustellen. Die selbst gehostete Anwendung verbindet lokalen KI-Abgleich, konfigurierbare Auswahlkriterien und automatische Benachrichtigungen.
Die Herausforderung
Wiederholte Marktplatzbesuche und manuelle Prüfung verursachten Aufwand. Stichwortsuchen erfassten gleichwertige Fähigkeiten mit abweichenden deutschen oder englischen Bezeichnungen nur begrenzt. Mehrere Lebensläufe mit unterschiedlichen Schwerpunkten erschwerten die Auswahl zusätzlich. Gefordert waren der Abgleich mehrerer Profile, beide Sprachen, Standort-/Remote-/Vertragsfilter, die Vermeidung wiederholter Meldungen und die Verarbeitung der Lebensläufe ohne externe KI-Dienste.
Unser Beitrag
Ein Python-basierter Agent wurde entwickelt, der öffentliche Projektangebote nach einem konfigurierbaren Zeitplan prüft; das Standardintervall beträgt 30 Minuten.
- Textextraktion aus PDF- und DOCX-Lebensläufen und Aufteilung in kleinere Abschnitte. Ein lokal laufendes mehrsprachiges Embedding-Modell vergleicht Projektbeschreibungen semantisch mit den Profilinhalten.
- Ermittlung eines Relevanzwerts und des am besten passenden Lebenslaufs je Projekt. Gemeinsame Begriffe und Fähigkeiten liefern ergänzende Hinweise in der Benachrichtigung.
- Harte Filter vor dem semantischen Abgleich: Land, minimaler Remote-Anteil, Vertragsart, erforderliche/ausgeschlossene Stichwörter, ausgeschlossene Unternehmen und Endkundenprojekte. Ein einstellbarer Schwellenwert steuert die Auswahlbreite.
- Bündelung passender Projekte in SMTP-E-Mail-Übersichten mit Links, Relevanzwerten, passendem Lebenslauf und ergänzenden Begriffen, als HTML und Klartext.
- SQLite speichert verarbeitete Projekte und Benachrichtigungsstatus. Bei fehlgeschlagener E-Mail-Zustellung bleiben passende Projekte für einen späteren Versuch vorgemerkt.
- Bereitstellung mit Docker Compose auf einem dauerhaft laufenden Server. Lebenslaufverarbeitung und Embedding-Inferenz erfolgen lokal; persistente Volumes erhalten Datenbankzustand und heruntergeladenes Modell.
Technischer Ansatz
Auf die Erfassung öffentlicher Seiten folgen harte Filter und lokaler semantischer Abgleich mit Lebenslaufabschnitten. SQLite verwaltet Verarbeitungs- und Benachrichtigungsstatus; SMTP versendet geeignete Projekte gebündelt. Die Prüfung der Treffer und die Bewerbungsentscheidung verbleiben beim Berater.
Technische Umsetzung
| Bereich | Umsetzung |
|---|---|
| Anwendung | Python |
| Datenerfassung | HTTP-Anfragen und Auslesen öffentlicher Seiten |
| Lebenslaufverarbeitung | Textextraktion aus PDF und DOCX |
| Abgleich | Lokale mehrsprachige Satz-Embeddings und gemeinsame Stichwörter |
| Persistenz | SQLite |
| Benachrichtigungen | SMTP mit HTML- und Klartext-E-Mails |
| Bereitstellung | Docker Compose |
| Diagnose | Konfigurationsprüfung, Bewertung im Testlauf und Anwendungsprotokolle |
Prüfung und Erkenntnisse
Die Implementierung wurde durch 15 automatisierte Tests, Live-Parsing-Prüfungen für beide Marktplatzregionen und einen erfolgreichen Lauf des mehrsprachigen Embedding-Modells geprüft. Auch die Erstellung des Python-Pakets wurde verifiziert.
Live-Tests zeigten unvollständige Metadatenextraktion und unterschiedliche Vertragsbezeichnungen, die vereinfachte Testdaten nicht abgedeckt hatten. Der Parser wurde auf strukturierte Projektdaten in den öffentlichen Seiten angepasst.
Eine spätere Betriebsprüfung zeigte: Fehlende Konfiguration, fehlende Lebensläufe oder ein nicht laufender Container verhindern Benachrichtigungen unabhängig von der Matching-Qualität. Ein direkter SMTP-Test wurde dokumentiert, um Zustellprobleme von Abgleich- und Zeitplanproblemen zu trennen.
Das Ergebnis
Das Projekt lieferte eine funktionsfähige Grundlage für automatisierte Projektsuche: mehrere Lebensläufe lassen sich konsistent bewerten, relevante Projekte priorisieren und in einer E-Mail-Übersicht zustellen. Zeitersparnis, Treffergenauigkeit und geschäftliche Ergebnisse wurden noch nicht gemessen. Erwartet wird weniger manuelle Sichtung; die Bewertung der Angebote und die Bewerbungsentscheidung verbleiben beim Berater.
Grenzen und Erkenntnisse
- Die Erfassung öffentlicher Seiten benötigt Wartung: Struktur und Metadaten des Marktplatzes können sich ändern.
- Schwellenwerte müssen kalibriert werden: semantische Ähnlichkeit ist ein Relevanzsignal, keine Eignungsgarantie.
- Die Abdeckung hängt vom Abfrageintervall ab: geprüft wird nur die neueste Angebotsseite je Markt. Hohes Veröffentlichungsvolumen oder längere Ausfälle können zu verpassten Angeboten führen.
- Betriebstests sind wichtig: Konfigurationsprüfung, SMTP-Test und Bewertung im Testlauf ermöglichen getrennte Fehlerdiagnosen.
- Lokale KI unterstützt Datenkontrolle: Lebenslaufinhalte werden für den semantischen Abgleich nicht an einen Cloud-KI-Anbieter gesendet.
Identifizierende Kundenangaben, Lebenslaufinhalte, Infrastrukturdetails und E-Mail-Adressen wurden weggelassen.
Nachgewiesene Kompetenzen
Python · SQLite · SMTP · Docker Compose · PDF · DOCX
Lokale KI · Mehrsprachiger semantischer Abgleich · Dokumentverarbeitung · Prozessautomatisierung · Selbst gehostete Bereitstellung · E-Mail-Zustellung · Betriebsdiagnose