Experiment: Ein KI-Jobagent, der jede Anzeige liest, bevor er sich bewirbt
Bewerbungen sind zum Zahlenspiel geworden: Auf UK-Graduate-Stellen kommen im Schnitt 140 Bewerbungen, in umkämpften Branchen bis zu 290. Ein Selbstversuch zeigt, wie ein KI-Agent vorgeht, der jede Stellenanzeige tatsächlich liest, bevor er sie automatisiert bewirbt.
Die Personalsuche ist zu einem Zahlenspiel geworden. Britische Absolventenstellen verzeichnen durchschnittlich rekordverdächtige 140 Bewerbungen pro Stelle, in den umkämpftesten Branchen bis zu 290, und im unten beschriebenen Testlauf in Großbritannien sprachen Arbeitgeber regelmäßig von 300 oder mehr. Viele Kandidaten antworten darauf mit Bots, die über Nacht Tausende Bewerbungen verschicken; die veröffentlichten Ergebnisse liegen bei etwa einem Vorstellungsgespräch pro 250 Bewerbungen oder schlechter.
Als ich Freunde diesen Prozess durchlaufen sah, wollte ich die gegenteilige Idee testen: das Volumen halten, den Spam reduzieren. Deshalb habe ich JobAgent als Experiment gebaut: eine Open-Source-Pipeline, die jede Stellenanzeige vollständig liest, die Passung bewertet, einen maßgeschneiderten Lebenslauf erstellt und vor jeder Bewerbung auf eine Freigabe wartet.
Das Experiment wurde von Santiago Fernández ( @santifer ) und seinem career-ops inspiriert, einem hervorragenden Multi-Agenten-System für die Jobsuche, das auf Claude Code basiert und über das Terminal mit Node.js und Playwright läuft. JobAgent folgt derselben Philosophie (die KI analysiert, ein Mensch entscheidet), wurde aber für Claude Cowork, die Claude-Desktop-App, gebaut, sodass man es durch Gespräche mit Claude steuert statt über ein Terminal.
JobAgent ist ein Ordner voller Skills: einfache Markdown-Anleitungen ( SKILL.md ), denen Claude folgt, plus kleine Python-Helfer. Man sagt "run the job pipeline" und Claude arbeitet sie durch:
Vier Personen haben JobAgent bei ihren eigenen Jobsuchen getestet, in Großbritannien und drei weiteren EU-Ländern. Die folgenden Zahlen stammen ausschließlich aus dem britischen Durchlauf: ein Scan alle zwei Wochen über 13 Wochen hinweg.
Das entspricht 31 Vorstellungsgesprächen pro 1.000 Bewerbungen, gegenüber etwa 1 bis 4 bei den Overnight-Bots laut veröffentlichten Berichten. Das Lesen vor dem Bewerben ist der eigentliche Trick.
Die anderen drei Tester erzielten ähnliche Ergebnisse; ihre Zahlen sind nicht in der Tabelle enthalten. Der Anteil der Bewerbungen, die zu mindestens einem Screening-Gespräch führten, lag zwischen 0,5 % und 12 %, je nach Person und Markt.
Programmieren ist nicht nötig. JobAgent läuft innerhalb von Claude Cowork in der Claude-Desktop-App. Man spricht mit Claude in einfachem Englisch ("set me up", "run the job pipeline", "apply to roles 12 and 15") und es erledigt die technische Arbeit, einschließlich der Einrichtung. Man schreibt oder führt selbst niemals Code aus und öffnet nie ein Terminal; alles, was man braucht, ist ein Claude-Abo und die Erweiterung Claude in Chrome.
Eine semi-autonome Bewerbungspipeline, die von einem KI-Assistenten in Claude Cowork betrieben wird. Auf Anfrage sammelt sie aktuelle Stellenangebote von Jobbörsen, wendet strenge Filter an (Gehalt, Standort, Aktualität), liest jede Anzeige vollständig, bewertet jede Stelle anhand des Master-Profils, erstellt einen maßgeschneiderten Lebenslauf (und ein Anschreiben, wo dies hilfreich ist), prüft jedes Dokument unabhängig und speichert alles in einer lokalen SQLite-Datenbank. Sie übermittelt nie eigenständig eine Bewerbung: Fertige Bewerbungen warten auf den Nutzer, und beworben wird nur auf ausdrückliche Aufforderung…
Automatisch übersetzt. Das Original auf Englisch ist unten aufklappbar.
Original (Englisch) anzeigen
Hiring has turned into a numbers game. UK graduate roles draw a record 140 applications each, up to 290 in the busiest sectors, and in the UK test run described below employers regularly mentioned 300 or more. Many candidates answer with bots that apply to thousands of jobs overnight; the published results are around one interview per 250 applications, or worse.
Watching friends go through this, I wanted to test the opposite idea: keep the volume, drop the spam. So I built JobAgent as an experiment: an open-source pipeline that reads every advert in full, scores the fit, writes a tailored CV and waits for approval before each application.
The experiment was inspired by Santiago Fernández ( @santifer ) and his career-ops, a superb multi-agent job search system built on Claude Code that runs from the terminal with Node.js and Playwright. JobAgent follows the same philosophy (AI analyses, a person decides), but it is built for Claude Cowork, the Claude desktop app, so you drive it by talking to Claude rather than through a terminal.
JobAgent is a folder of skills: plain Markdown instructions ( SKILL.md ) that Claude follows, plus small Python helpers. You say "run the job pipeline" and Claude works through them:
Four people tested JobAgent on their own searches, in the UK and three other EU countries. The figures below are from the UK run only: one scan every two weeks for 13 weeks.
That is 31 interviews per 1,000 applications, against roughly 1 to 4 for the overnight bots in published accounts. Reading before applying is the whole trick.
The other three testers saw similar results; their numbers are not in the table. The share of applications that led to at least a screening call ranged from 0.5% to 12%, depending on the person and the market.
No coding needed. JobAgent runs inside Claude Cowork, in the Claude desktop app. You talk to Claude in plain English ("set me up", "run the job pipeline", "apply to roles 12 and 15") and it does the technical work, including the setup. You never write or run code yourself and never open a terminal; all you need is a Claude subscription and the Claude in Chrome extension.
A semi-autonomous job-application pipeline run by an AI assistant in Claude Cowork. On request it collects fresh vacancies from job boards, applies hard filters (salary, location, freshness) reads every advert in full, scores each role against your master profile, writes a tailored CV (and a cover letter where one helps), checks every document independently, and records everything in a local SQLite database. It never submits an application on its own: finished applications wait for you, and applying happens only when you ask…