SmartApply
Full-Stack AI-Pipeline gebaut, die 96 min Bewerbungsaufwand auf 4 min pro Bewerbung reduziert — solo, end-to-end, produktionsreif.
SmartApply
Technologien
Eigenes Problem entdeckt, Produkt konzipiert, gebaut und gemessen — 96% Zeitersparnis, 3× mehr Bewerbungen
01 — Auf einen Blick
IMPACT
Problem
Über 90 Minuten pro Bewerbung für Jobportale, Anschreiben und Formulare — manuell, repetitiv und komplett automatisierbar.
Ansatz
Problem quantifiziert (96 min/Bewerbung), Lösungsraum analysiert, Architektur entschieden (n8n + Apify + OpenRouter), iterativ gebaut und gemessen.
Ergebnis
96% Zeitersparnis · 96 min → 4 min pro Bewerbung · 3× mehr Bewerbungen — und die Qualität ist sogar besser geworden
0×
Mehr Bewerbungen
0%
Zeitersparnis pro Bewerbung
0min→4min
Pro Bewerbung
02 — Projektziel
Projektziel
Jobportale durchforsten, Anschreiben anpassen, Formulare ausfüllen – über 90 Minuten pro Bewerbung für etwas, das eigentlich automatisierbar ist. Ich war genervt von diesem ineffizienten Prozess und habe die naheliegende Frage gestellt: Wieso kann man das nicht vereinfachen bzw. automatisieren? SmartApply automatisiert den kompletten Bewerbungs-Workflow – von der Jobsuche über den Profilabgleich bis zum personalisierten Anschreiben.
03 — Rolle & Verantwortung
Rolle & Verantwortung
Solo-Projekt — vollständige Product-Ownership: Problemdefinition, Anforderungspriorisierung, Architekturentscheidungen, UX-Design, Implementierung und Erfolgsmessung. Kein PM-Titel, aber alle PM-Verantwortlichkeiten.
04 — Fünf Produkt-Entscheidungen
Fünf Produkt-Entscheidungen
Apify statt eigenem Scraper
LinkedIn ist live, Indeed und Stepstone folgen. Jedes Portal hat eine andere Struktur — ein einziger Scraper wäre zu instabil gewesen. Apify als Abstraktionsschicht ermöglicht Skalierung ohne Systemumbau.
Entscheidung nach Stabilitätsanalyse: Skalierbarkeit vor kurzfristiger Kostenersparnis.
n8n-Pipeline: Datenfluss vor dem ersten Code
Scraping, KI-Prompt-Engine und SMTP-Versand als separate Module in n8n orchestriert. Der gesamte Workflow wurde erst auf Papier modelliert — dann implementiert.
Kein Code ohne klare Datenfluss-Architektur. Das verhinderte Refactoring-Schulden.
Dashboard-First — Nutzer wollen Status, nicht Konfiguration
Wireframes zeigten: Nutzer öffnen die App um zu sehen was passiert ist — nicht um Einstellungen zu ändern. Dashboard als primäre Ansicht, Konfiguration bewusst in zweiter Ebene.
12+ Prompt-Iterationen: Anschreiben die sich nicht nach KI anfühlen, weil Recruiter den Unterschied merken.
Prompt-Engineering als Produktentscheidung
Generische Templates lieferten erkennbar KI-generierte Texte. 12+ Prompt-Iterationen, bis Anschreiben nicht mehr von handgeschriebenen zu unterscheiden waren — weil Recruiter den Unterschied merken und generische Texte aussortieren.
Die Qualität eines KI-Anschreibens ist keine technische Frage. Es ist eine Produktentscheidung.
Circuit-Breaker: Fehler isolieren statt propagieren
Fällt ein Jobportal aus, darf das die anderen nicht blockieren. Circuit-Breaker-Logik als Architekturentscheidung von Anfang an — nicht als Nachbesserung wenn etwas bricht.
Resiliente Architektur ist eine Produktentscheidung, kein Engineering-Detail.
05 — Ergebnisse
Ergebnisse
Zeitaufwand von 96 Minuten auf 4 Minuten pro Bewerbung reduziert – 96% Zeitersparnis. Bewerbungsvolumen verdreifacht. Und das Entscheidende: Die Qualität der Anschreiben ist nicht gleichgeblieben – sie ist besser geworden. Weniger Zeit, individuellere Texte, mehr Rückmeldungen.
06 — KEY LEARNINGS
LEARNINGS
Problem first, Solution second
Ich habe das Problem zuerst quantifiziert (96 Minuten, manuell, repetitiv), dann erst den Lösungsraum definiert. Dieser Instinkt – Problemgröße vor Lösungsdesign – ist mein stärkster Product-Thinking-Muskel.
End-to-End Ownership zahlt sich aus
n8n als Orchestrierungsschicht verbindet Apify-Scraping, KI-Prompt-Engine und SMTP-Versand zu einem einzigen, wartbaren Pipeline-Workflow – kein Flickwerk, sondern Architektur.
Weniger Zeit, bessere Qualität — kein Widerspruch
Präzise System-Prompts statt generischer Templates führten zu Anschreiben, die individueller klingen als handgeschriebene. Weniger Zeit pro Bewerbung — und trotzdem mehr Rückmeldungen. Die KI hat die Qualität nicht gehalten, sie hat sie verbessert.
Projektbilder
