KI-Bewerbungsoptimierung: Lebenslauf & Anschreiben automatisch an jede Stelle anpassen

💰 Warum sich KI-Bewerbungsoptimierung rechnet

Eine einzige Bewerbung manuell auf eine Stellenausschreibung anzupassen dauert 60–90 Minuten. Bei 10 Bewerbungen pro Monat sind das 10–15 Stunden — pro Monat. Die KI-gestützte Optimierung reduziert das auf unter 2 Minuten pro Bewerbung. Zusätzlich steigt die Qualität, weil das LLM systematisch alle Keywords der Stellenbeschreibung in Ihren Lebenslauf einarbeitet.

⚙️ So funktioniert's

Drei Schritte von der Stellenausschreibung zum fertigen Lebenslauf + Anschreiben.

💻 Technische Umsetzung

Die Webanwendung basiert auf Node.js mit Express. Der Lebenslauf wird als JSON gespeichert. Die KI-Optimierung erfolgt über Ollama (lokal) — kein Cloud-Dienst, keine API-Kosten, volle Datenkontrolle.

🏗️ Architektur

🐍 Kern: Lebenslauf-Generierung mit Ollama

async function ollamaAnfrage(prompt, model = 'gemma3:12b') {
  const response = await axios.post(`${OLLAMA_URL}/api/generate`, {
    model: model,
    prompt: prompt,
    stream: false,
    options: {
      temperature: 0.7,
      top_p: 0.9
    }
  });
  return response.data.response;
}

app.post('/api/generiere-lebenslauf', async (req, res) => {
  const { stellenbeschreibung, jobtitel, model } = req.body;

  const prompt = `Du bist ein Experte für Bewerbungsoptimierung. 
Analysiere die folgende Stellenbeschreibung und erstelle einen 
optimal angepassten Lebenslauf.

STELLENBESCHREIBUNG:
Jobtitel: ${jobtitel}
${stellenbeschreibung}

MEIN AKTUELLER LEBENSLAUF:
${JSON.stringify(lebenslauf, null, 2)}

AUFGABE:
1. Analysiere die Stellenanforderungen
2. Passe meinen Lebenslauf optimal an:
   - Hebe relevante Erfahrungen hervor
   - Formuliere Aufgaben passend zur Stelle
   - Nutze Keywords aus der Beschreibung

Gib den optimierten Lebenslauf strukturiert zurück:
PERSÖNLICHE DATEN | BERUFSERFAHRUNG | AUSBILDUNG | 
FÄHIGKEITEN | SPRACHEN | PROJEKTE | ZERTIFIKATE`;

  const optimierterLebenslauf = await ollamaAnfrage(prompt, model || 'llama3.2');
  res.json({ success: true, lebenslauf: optimierterLebenslauf });
});

✉️ Anschreiben-Generator

app.post('/api/generiere-anschreiben', async (req, res) => {
  const { stellenbeschreibung, jobtitel, unternehmen, model } = req.body;

  const prompt = `Du bist ein Experte für Bewerbungsschreiben.
Erstelle ein überzeugendes Anschreiben.

STELLENBESCHREIBUNG:
Jobtitel: ${jobtitel}
${unternehmen ? `Unternehmen: ${unternehmen}` : ''}
${stellenbeschreibung}

MEIN HINTERGRUND:
${JSON.stringify(lebenslauf, null, 2)}

Erstelle ein Anschreiben mit:
1. Motivation für die Stelle
2. Relevanteste Qualifikationen
3. Konkrete Beispiele aus meiner Erfahrung
4. Warum ich perfekt für die Position bin
5. Professionell und authentisch, ~1 Seite`;

  const anschreiben = await ollamaAnfrage(prompt, model || 'llama3.2');
  res.json({ success: true, anschreiben: anschreiben });
});

📊 Verfügbare Ollama-Modelle dynamisch abrufen

app.get('/api/modelle', async (req, res) => {
  const response = await axios.get(`${OLLAMA_URL}/api/tags`);
  const modelle = response.data.models || [];
  res.json({ 
    success: true, 
    modelle: modelle.map(m => m.name) 
  });
});

🗂️ Lebenslauf als JSON-Struktur

{
  "persoenlicheDaten": {
    "name": "Marcel Verkooyen",
    "adresse": "Herzogenrath",
    "telefon": "02406 8037603",
    "email": "info@computerkumpel.de"
  },
  "berufserfahrung": [
    {
      "titel": "CEO CTO",
      "unternehmen": "Verkooyen Informatics & Media",
      "zeitraum": "seit 2020",
      "aufgaben": ["KI-Beratung", "Software-Entwicklung", ...]
    }
  ],
  "ausbildung": [...],
  "faehigkeiten": ["Python", "Node.js", "Ollama", "KI/LLM", ...],
  "sprachen": ["Deutsch (Muttersprache)", "Englisch (fließend)"],
  "projekte": [...],
  "zertifikate": [...]
}

🚀 Gebaut mit Vibecoding — in 5–7 Tagen statt 8–13 Wochen

🗣️ Der System-Prompt hinter diesem Projekt

Mit diesem Prompt entstand die komplette Webanwendung in wenigen Iterationen:

Du bist ein Full-Stack-Experte für Node.js und Ollama-Integration.

Aufgabe: Erstelle eine Webanwendung zur KI-gestützten Optimierung von 
Bewerbungsunterlagen mit lokalen LLMs via Ollama.

Technische Anforderungen:
- Node.js mit Express.js als Backend
- Statisches Frontend (HTML/CSS/JS) mit Formular und Ergebnis-Anzeige
- Lebenslauf als JSON-Datei gespeichert (lebenslauf.json)
- REST-API-Endpunkte:
  * GET /api/lebenslauf — aktuellen Lebenslauf abrufen
  * POST /api/lebenslauf — Lebenslauf aktualisieren
  * POST /api/generiere-lebenslauf — optimierten Lebenslauf generieren
  * POST /api/generiere-anschreiben — Anschreiben generieren
  * GET /api/modelle — verfügbare Ollama-Modelle abrufen
- Ollama-Integration via /api/generate mit stream: false
- Prompt-Engineering: Detaillierter System-Prompt für die Generierung
- Ergebnis als strukturierter Text (Kein JSON-Output vom LLM)
- Fehlerbehandlung und aussagekräftige Logs

Wichtig:
- Deutsche Oberfläche und Prompts
- Datenschutz: Alles läuft lokal, keine Cloud-APIs
- Temperatur 0.7 für natürliche, nicht zu kreative Outputs
- Strukturiertes Output-Format: PERSÖNLICHE DATEN | BERUFSERFAHRUNG 
  | AUSBILDUNG | FÄHIGKEITEN | SPRACHEN | PROJEKTE | ZERTIFIKATE

🎯 Strategische Erkenntnisse aus diesem Projekt

Die Bewerbungsoptimierung ist ein Paradebeispiel für „KI als persönlicher Assistent" — nicht als Ersatz, sondern als Booster für eine ohnehin nötige Aufgabe.