Beim Bewerben ist nicht das Schreiben das Problem. Es ist alles davor.

Das Anschreiben ist das Symptom. Der teure Teil kommt davor. Recherchieren, prüfen, ob die Stelle überhaupt passt, den Mut aufbringen, Nein zu sagen. Ich habe mir ein Tool gebaut, das genau diesen Teil übernimmt. Und war überrascht, wie viele denselben Aufwand haben wie ich.

Ich war selbst wieder am Bewerben. Selbstständig, auf der Suche nach der nächsten Produktrolle und damit zurück in einem Ablauf, den ich seit Jahren nicht mehr von innen gesehen hatte. Die erste ernstgemeinte Bewerbung hat mich einen halben Nachmittag gekostet. Nicht das Schreiben. Alles davor.

Der Aufwand, den keiner mitrechnet.

Eine Stellenanzeige ist der Startpunkt für eine Kette immer gleicher Arbeit. Ich recherchiere das Unternehmen: Produkt, Markt, Finanzierung, wer da eigentlich sitzt. Ich prüfe die harten Kriterien: Gehalt, Office-Tage, Pendelweg. Ich gleiche mein Profil gegen die Anforderungen ab und suche die drei, vier Belege, die wirklich passen. Ich treffe eine ehrliche Entscheidung, ob ich das überhaupt will. Und erst dann, ganz am Ende, schreibe ich.

Das Schreiben sind zwanzig Minuten. Der Rest sind Stunden. Und die Pointe, die mich am meisten gestört hat: In der Hälfte der Fälle ist die ehrliche Antwort nach der Recherche „nicht bewerben". Das weiß ich aber erst, nachdem ich die Recherche schon gemacht habe. Der Aufwand fällt an, egal wie die Entscheidung ausfällt. Man bezahlt die Prüfung immer, auch für die Absagen an sich selbst.

Ich habe das anfangs für mein Problem gehalten. Senior, wählerisch, selbstständig, mit einem klaren Gehalts-Floor, unter den ich nicht gehe. Ein Luxusproblem für einen kleinen Kreis.

Acht Gespräche, ein unbequemer Befund.

Also habe ich das getan, was ich jedem Produktmenschen raten würde, bevor er etwas baut: geredet. Acht Gespräche, quer über Rollen und Senioritäten, nicht nur PMs, nicht nur Tech, nicht nur Leute wie ich. Vier Dinge kamen zurück. Keines davon war „ich kann keine Anschreiben schreiben".

1. Es trifft alle. Der Aufwand pro Stelle hängt nicht an der Rolle oder am Level. Die Werkstudentin und der Bereichsleiter beschreiben denselben Kostenblock, nur mit anderen Zahlen dahinter.
2. Der teure Teil ist die Recherche, nicht das Schreiben. Das Anschreiben ist das, worüber alle klagen, weil es das Sichtbare ist. Was wirklich Zeit frisst, ist die Firmen- und Passungs-Recherche davor.
3. Die ehrliche Go/No-Go-Entscheidung fehlt. Leute bewerben sich auf Unpassendes, weil kein strukturierter Moment existiert, in dem jemand nüchtern sagt: Gehalt, Pendeln, Fit, lohnt sich der Aufwand oder nicht?
4. Es skaliert nicht. Man macht entweder wenige gute oder viele schlechte Bewerbungen. Beides zermürbt. Der Klassiker ist die Massenbewerbung, die niemanden überzeugt und den Bewerber trotzdem auslaugt, bis er abbricht.

Der unbequeme Teil an diesen Gesprächen: Mein n=1 war in Wahrheit n=viele. Das Problem war größer als ich. Und es war nicht das, für das ich es gehalten hatte.

Die andere Seite des Tisches.

Ein Tool, das nur den Bewerber bedient, versteht nur die Hälfte des Systems. Also habe ich die andere Seite recherchiert: was Recruiter und HR eigentlich umtreibt. Die Zahlen für den DACH-Markt sind eindeutig. Und sie zeigen in eine Richtung, die man aus der Bewerber-Perspektive leicht übersieht.

87 % der HR-Verantwortlichen nennen „passende Kandidaten finden" als größte Herausforderung. Die Time-to-hire liegt im Median bei rund neun Wochen, IT-Stellen bleiben im Schnitt über sieben Monate unbesetzt. Und die Zahl, die alles zusammenhält: 21 % der Neueingestellten kündigen in den ersten hundert Tagen wieder, Hauptgrund ist die Diskrepanz zwischen dem, was im Prozess versprochen wurde, und dem, was der Job dann war.

Das dreht die Perspektive. Recruiter haben kein Mengenproblem, sie haben ein Passungs- und Ehrlichkeitsproblem. Ein Stapel generischer Bewerbungen macht ihre Arbeit nicht leichter, sondern schwerer: mehr Rauschen, mehr Fehlbesetzungen, mehr Frühfluktuation. Der Hebel ist nicht „mehr Bewerbungen, schneller". Er ist „die richtigen, ehrlich gematcht". Das ist exakt derselbe Befund wie auf der Bewerberseite, nur vom anderen Stuhl aus gesehen. Beide Seiten wollen dasselbe: weniger, aber passendere Bewerbungen. Genau darauf kann man ein Produkt bauen.

Ich hatte die Maschine schon, nur für mich.

Und hier wird es fast schon komisch: Die Maschine gab es längst. Ich hatte diese Analyse-Pipeline für meine eigene Suche gebaut, verdrahtet über zwei meiner privaten Systeme: die Analyse-Engine aus PMOS und den Display-Layer von jordin.eu. Dasselbe Schema wie beim SaaS in sechs Wochen: eine lineare Pipeline aus klar getrennten Stufen, Modelle nach Aufgabe geroutet, ein Mensch an den Entscheidungs-Gates. Was fehlte, war nicht die Idee. Es war der Schritt vom Ein-Personen-Skript zum Produkt, das auch für jemand anderen läuft.

Produktisieren hieß: dieselbe Pipeline, jetzt mandantenfähig, ohne Rückkopplung an meine privaten Systeme und für den Empfänger der Bewerbung ohne Login. Die Stufen, von vorne nach hinten:

1. Ein harter Floor-Gate, deterministisch, ohne KI. Gehalt, Office-Tage, Pendelweg unter deinen Mindestkriterien? Dann KILL, sofort, bevor ein einziges Token verbrannt wird. Die billigste Analyse ist die, die gar nicht erst stattfindet.
2. Firmen-Recon. Sitemap-Crawl plus Websuche bauen ein Bild des Unternehmens: Produkt, Wettbewerb, Auffälligkeiten.
3. Profil-Match gegen dein eigenes Second Brain. Du lädst deine Unterlagen hoch: alte Zeugnisse, Referenzen, Anschreiben. Die werden embedded und durchsuchbar. Die Pipeline zieht sich dann die Belege, die zur Anforderung passen, statt sie zu erfinden.
4. Ein Decision-Memo. Vier Achsen, ein klares Verdict: GO, CAUTION oder KILL. Das ist der Moment, den meine acht Gesprächspartner vermisst haben: die nüchterne Entscheidung vor dem Aufwand, nicht danach.
5. Erst bei GO baut das System die individuelle Bewerbungsseite. Kein Vorschuss an Arbeit für eine Stelle, die es nicht wert ist.

Die Modelle sitzen nach Kosten und Komplexität gestaffelt: günstige fürs Parsen, stärkere fürs Urteilen, das teuerste nur an der einen Stelle, wo eine anonymisierte Anzeige de-anonymisiert werden muss. Kein „die KI macht das schon". Eine Kette aus Stufen, an denen jeweils das kleinste Modell sitzt, das den Job noch sauber erledigt.

Ein Baustein ist bewusst gegen den Markt gebaut: Der psychometrische Teil gehört der suchenden Person, nicht dem Arbeitgeber. Du testest dich selbst, du besitzt das Ergebnis. Nach außen zeigt die Bewerbungsseite nie rohe Scores, sondern belegte Verhaltensevidenz. Das ist die eigentliche Differenzierung. Sie ist einen eigenen Essay wert. Hier lasse ich es bei diesem einen Satz.

Was live ist und was noch wackelt.

Das Produkt heißt smart-job-match, es ist live und in der Beta. Was steht: Auth, die komplette Pipeline, öffentliche Bewerbungsseiten mit Publish- und Unpublish-Lifecycle, ein Job-Radar, das die großen DACH-Bewerbersysteme abgrast und kontinuierlich einen Stellen-Pool aufbaut, Abrechnung über Credit-Packs statt Abo, ein eigener Blog. Und ein Rechts-Gate: Bevor die Bezahlung freigeschaltet wurde, lag ein Fachanwalts-Sign-off vor. Bei kandidaten-eigener Psychometrik ist der DSGVO-Rahmen, besonders Art. 9 und Art. 22, das eigentliche Risiko, nicht die Technik. Also habe ich davor ein Tor gebaut und nicht dahinter.

Was noch wackelt, schreibe ich genauso hin. Der finale Preis ist nicht gelockt. Bei rund zwei Euro echten Kosten pro vollständigem Lauf ist die Marge knapp. Ich teste gerade, was Leute tatsächlich zu zahlen bereit sind. Die Mobile-App liegt auf Idle. Und die Recruiter-Seite, die B2B-Variante, ist recherchiert, aber nicht entschieden. Dort ist die Rechtsfrage das Go/No-Go, nicht der Bau.

Zwei von zwei. Und warum ich das trotzdem klein schreibe.

Jetzt die Zahl, wegen der ich diesen Essay überhaupt schreibe. Und die ehrliche Einordnung dazu. Ich habe bislang genau zwei Bewerbungen exakt so verschickt, wie ein Kunde sie bekommt. Beide führten zu einer Einladung. Zwei von zwei. Davor, mit meiner rohen lokalen Pipeline und sichtbar schlechterer Qualität, war es grob eine Einladung auf vier Bewerbungen.

Ich könnte das zu „über 50 % führen zum Gespräch" runden. Mache ich nicht. Zwei ist keine Statistik, zwei ist ein Signal. Was mir das Signal sagt, ist nicht „das Tool garantiert Einladungen", sondern etwas Präziseres: Der Qualitätssprung von der rohen Pipeline zur produktisierten Version war groß genug, um das Ergebnis zu bewegen: von einer Einladung auf vier hin zu einer deutlich höheren Trefferquote. Ob das bei n=200 hält, ist die ganze Frage der Beta. Aber der Sprung war real. Ich habe ihn an meinen eigenen Bewerbungen gespürt, bevor ich ihn irgendjemandem erzählt habe.

Was ich noch nicht weiß.

Ob die Quote über meine eigenen Bewerbungen hinaus hält: Ich bin der Best-Case-Nutzer, ich habe das Ding gebaut und weiß genau, wie man es füttert. Ob rund zwei Euro Kosten pro Lauf genug Marge lassen, wenn der Preis dahin muss, wo Leute ihn zahlen. Ob die kandidaten-eigene Psychometrik den Kontakt mit der B2B-Seite übersteht, wo die rechtlichen Wände am höchsten stehen. Das sind drei offene Fragen. Keine davon beantwortet sich in einem Essay. Sie beantworten sich in der Beta.

Zurück zum Anfang. Ich dachte, mein Bewerbungsproblem sei ein Schreibproblem. Acht Gespräche und ein Produkt später weiß ich: Das Anschreiben war nie der Engpass. Der Engpass war die Entscheidung davor. Und die habe ich jetzt an eine Maschine ausgelagert, die sie ehrlicher trifft als ich um elf Uhr abends nach dem vierten Kaffee.

— PJ, Juli 2026