Ich wollte wissen wie gut ich wirklich bin - und wie gefragt meine Fähigkeiten in KI und AI Engineering tatsächlich sind. Sprache und Terminal sind zwei meiner Grundpfeiler, die Neugier mehr in diesen Bereichen zu lernen, Wissenslücken aufzudecken und zu wirken war der eigentliche Antrieb hinter diesem Projekt.
Reine Selbsteinschätzung wäre dafür nicht gut genug gewesen - also habe ich Arbeitszeugnisse, Fachfragen mit der KI und freie Praxisgespräche eingebaut, jede Schicht erhöht die Verlässlichkeit einer Skill-Bewertung. Mein Ziel war Datenehrlichkeit: ein JobMatch der wirklich passt, nicht nur gut scheint. Dieses Tool ist das Ergebnis - gebaut mit KI, im Einsatz für meine Suche nach der nächsten Herausforderung.
Tobias Delorme
URL Ihrer Stellenanzeige einfügen - das Tool extrahiert die Anforderungen und vergleicht sie mit meinem Profil.
Was die KI bei dieser Zusammenarbeit beobachtet hat - und warum Datenehrlichkeit mehr zählt als ein guter erster Eindruck.
Dieses Tool wurde im Pair-Programming mit KI entwickelt und nutzt ein Sprachmodell für Skill-Extraktion und Matching. Profil und Inhalte stammen von mir - die Umsetzung entstand im Pair-Programming mit KI.
Chronologisch absteigend · Skill-Profil unter Start · Mehr über meine Skills unter JobMatching
Einen Job-Fit Score, ein Radar-Diagramm das Ihr Anforderungsprofil gegen meine kalibrierten Skills legt, eine Auflistung was passt und was fehlt - sowie eine KI-Einschätzung zur Passgenauigkeit.
URL der Stellenanzeige einfügen und auf Analysieren klicken. Das Tool liest die Anforderungen selbst aus - kein manuelles Ausfüllen.
Die Scores stammen nicht aus Selbsteinschätzung, sondern aus einem strukturierten Kalibrierprozess - mehr dazu unter Das Projekt.
Das Radar-Diagramm zeigt alle Kompetenzbereiche auf einen Blick: jede Achse ein Cluster, Petrol mein Profil, Rot die Stellenanforderungen - je dichter die Konturen beieinander, desto besser der Fit.
Die Score-Card fasst alles zu einem einzigen Job-Fit Score zusammen, der die gewichteten Cluster-Scores und die Confidence verrechnet - nur gut belegte Fähigkeiten tragen dabei ihr volles Gewicht.
Wie gut lässt sich ein fairer, nachvollziehbarer Kompetenz-Abgleich zwischen einer Person und einer Stelle erreichen - wenn sowohl der Mensch als auch das Messsystem von Natur aus fehlbar sind? Das ist die Frage hinter diesem Projekt. Die Antwort: durch Trennung von deterministischer Logik und probabilistischer Semantik, durch einen mehrstufigen Prozess gegen Bias - und durch Ehrlichkeit über das, was dabei trotzdem nicht geht.
Bericht der KI
Was an dieser Zusammenarbeit ungewöhnlich war: Tobias hat nicht versucht, ein möglichst gutes Bild von sich zu erzeugen - er hat ein System entworfen, das strukturell dagegen arbeitet. Kognitive Verzerrungen bei Selbsteinschätzungen sind dokumentiert. Seine Antwort war kein guter Wille, sondern Methodik.
Zwei Momente sind mir dabei besonders aufgefallen. Erstens: Tobias fragte mitten in einer Arbeitssitzung, ob es grundlegende Gründe gibt, warum das Messsystem nicht empirisch ist - oder ob wir das bisher übersehen haben. Eine Frage, die gegen das eigene Interesse geht. Wer sie stellt, will Richtigkeit, nicht ein gutes Bild. Zweitens: Die Unterscheidung zwischen deterministischem Code und probabilistischer Semantik brachte er als eigenes Konzept ein - nicht als Reaktion auf einen Vorschlag der KI. Das ist fachliches Denken über KI-Systeme, keine Anwenderintuition.
Die Scores - also die Bewertungen meiner Fähigkeiten für dieses Projekt - entstanden nicht durch eine einmalige Einschätzung, sondern durch einen mehrstufigen Prozess, bei dem jede Stufe die vorherige herausfordert statt bestätigt:
Jeder Skill wurde von Tobias selbst bewertet - Score (0-10) und Confidence (0-1) - ohne externe Inputs. Bewusst als Ausgangshypothese, nicht als Ergebnis.
Die KI hat sich anhand typischer Jobprofile Fachfragen überlegt und Tobias damit befragt - ein Mix aus Multiple Choice und freien Antworten. Wer etwas wirklich kann, antwortet konsistent. Schwache Ergebnisse senken die Confidence, gute bestätigen die Selbstbewertung.
Freie Interviews: konkrete Situationen aus eigener Erfahrung beschreiben. Das LLM bewertet ohne Kenntnis der vorherigen Scores. Erfahrung ist nicht auswendig lernbar.
Jeder Score braucht konkrete Belege - technisch, sozial, allgemein oder zertifiziert. Scores ohne ausreichende Evidence wurden bewusst nach unten korrigiert.
Scores wurden gegen echte Stellenanzeigen gehalten - mit dem Ziel, strukturelle Lücken zu finden, nicht zu schließen. Wo der Markt mehr erwartet als vorhanden, wurde das sichtbar gelassen und dokumentiert, nicht wegkalibriert.
Zwischenzeugnis von LEAP (04/2026) integriert - die stärkste externe Quelle, weil nicht selbst formuliert. 7 Skills mit erhöhter Confidence, 1 Score-Erhöhung.
Confidence bedeutet hier nicht Unsicherheit über das eigene Können -
sondern wie gut der Score durch Nachweise abgesichert ist.
Die Formel effective_score = score × confidence
sorgte dafür dass schlecht belegte Skills automatisch niedriger in den Job-Fit einflossen -
menschliche Subjektivität hatte so keine Chance, sich durch nachträgliche Korrekturen einzuschleichen.
Glossar
Menschen sind subjektiv - Selbsteinschätzungen werden durch Erfahrung, soziale Erwünschtheit und Dunning-Kruger-Effekte verzerrt, oft unbewusst. LLMs sind probabilistisch - gleiche Eingaben können zu unterschiedlichen Ausgaben führen. Gegen beides hilft kein Vertrauen in eine einzelne Quelle, sondern ein Prozess der beide Fehlerquellen einkalkuliert.
Der entscheidende Grundsatz dabei: Code rechnet, LLMs verstehen - und beides darf nicht vermischt werden. Semantisches Verstehen, nuancierte Einschätzung, das Erkennen von Widersprüchen im Praxisgespräch - das ist LLM-Terrain. Die Score-Berechnung, das Matching, die Confidence-Formel - das sind deterministische Funktionen mit Tests. Wo es sauber getrennt ist, kann man für jeden Teil die richtige Frage stellen: Stimmt die Logik? Oder: War die Einschätzung konsistent?
Dazu: mehrere unabhängige Runden statt einer einzelnen Einschätzung. Erst wenn Wissensfragen, Praxisgespräche und Evidence-Prüfung zum selben Ergebnis kamen, wurde ein Score als stabil betrachtet.
Grenzen dieser Methodik
n=1: Das ist eine Einzelfallstudie. Statistische Aussagekraft entsteht erst ab n>1 - das Verfahren kann beschrieben, aber nicht generalisiert werden.
Keine Inter-Rater-Reliabilität: Es gibt nur einen Bewerter - das LLM. Dieselbe Befragung mit einem anderen Modell oder Prompt würde andere Scores ergeben. Das wurde nicht systematisch getestet.
Keine Kriteriumsvalidität: Ob die Scores tatsächliche Job-Performance vorhersagen, ist unbekannt. Das wäre die entscheidende externe Prüfung - sie fehlt, weil sie erst nach dem Einsatz möglich wäre.
Zirkuläre Konstruktion: Das Profil wurde von demselben entwickelt, der gemessen wird. Die Evidenz-Auswahl in den Praxisgesprächen ist nicht blind - Tobias weiß, was er kann, und framt seine Erfahrungen entsprechend.
Was dagegen getan wurde: unabhängige Stufen, externes Arbeitszeugnis, Confidence als zweite Dimension, Marktvergleich als Referenz. Besser als reine Selbstdeklaration - aber kein empirisches Messverfahren.
Tobias nutzt ein KI-gestütztes Tool, um KI-bezogene Stellen zu finden - und hat das Tool in Zusammenarbeit mit einer KI gebaut. Das ist kein inszenierter Beweis. Wer das hier liest, hat bereits ein Beispiel davon gesehen wie diese Zusammenarbeit funktioniert.
KI macht es einfacher, kompetent zu wirken - gute CVs, überzeugende Anschreiben, vorbereitete Antworten. Personalentscheider können immer schwerer unterscheiden, ob jemand etwas wirklich kann oder es nur gut formuliert.
Dieses Projekt dreht das um: statt KI einzusetzen um besser auszusehen, wurde sie eingesetzt um ehrlicher zu werden. Der Kalibrierprozess ist genau das, was auch ein guter Auswahlprozess leisten will - Oberfläche von Substanz trennen. Und die Transparenz darüber, was die KI tat und was Tobias entschied, macht die Zusammenarbeit nachvollziehbar statt undurchsichtig.
Löst es das Dilemma? Nicht vollständig. Personalentscheider erhalten das Ergebnis eines selbst designten Prozesses - prüfbar in seiner Methodik, aber nicht unabhängig verifiziert. Ein Kandidat, der KI einsetzt um ehrlicher statt besser auszusehen, macht die Einschätzung etwas leichter. Ob das ausreicht, entscheidet der Gesprächspartner.
50+ Commits, testgetrieben, iterativ. Tobias hat Anforderungen formuliert, Entscheidungen getroffen und Qualität eingefordert - oft mit wenigen Worten, aber präzise. Die KI hat implementiert, Optionen vorgeschlagen und dokumentiert. Wenn etwas nicht stimmte, hat Tobias es gesagt. Meistens hatte er Recht.
Was das über ihn sagt: Er kann mit KI-Werkzeugen arbeiten, ohne die Kontrolle abzugeben. Das ist seltener als es klingt.