7–29
Bewerbungen pro Monat (Feb.–Sep. 2026)
20–28
Hilfeanfragen pro Monat über dieselbe Erfassung
0 €
API-Kosten: das Modell läuft auf eigener Hardware
Problem → Umsetzung → Ergebnis
Problem
Ein Träger der Kinder- und Jugendhilfe bekommt Bewerbungen und Hilfeanfragen per E-Mail. Vorher hat jemand jede Mail geöffnet, Name, Kontakt, Stelle und Anliegen abgeschrieben und in die Verwaltung übertragen.
Was gebaut wurde
Eigene PHP-Anwendung im Verwaltungsportal des Trägers: Mail-Abruf, Feld-Extraktion durch ein lokales Sprachmodell (LM Studio) mit JSON-Antwort, Regel-Parser als Rückfallebene, Datensätze für Bewerbungen, Anfragen und Aufgaben, tägliche Übersicht um 8 Uhr.
Ergebnis
- 7–29 — Bewerbungen pro Monat (Feb.–Sep. 2026)
- 20–28 — Hilfeanfragen pro Monat über dieselbe Erfassung
- 0 € — API-Kosten: das Modell läuft auf eigener Hardware
Auf einen Blick
- Mail rein, Datensatz raus: Felder als JSON aus dem lokalen Modell
- Fällt das Modell aus, übernimmt der alte Regel-Parser
- Tägliche Übersicht um 8 Uhr, Statusabgleich alle 15 Minuten
- Personaldaten verlassen das eigene Netz nicht
Live:
Leistungen · Sprint
Ausgangslage
Bewerbungen und Hilfeanfragen landen bei dem Träger per E-Mail, oft mit Anhang und ohne feste Form. Für jede Mail mussten Name, Kontakt, gewünschte Stelle oder das Anliegen von Hand in die Verwaltung übertragen werden. Bei Bewerbungen kommen Gesundheits- und Personaldaten dazu, die nicht bei einem Cloud-Anbieter landen sollen.
Was gebaut wurde
Kein n8n und kein neues HR-System, sondern ein Modul im vorhandenen Verwaltungsportal. Das Portal ruft die Mails ab und schickt den Text an ein Sprachmodell, das auf einem Mac mini im eigenen Netz läuft (LM Studio). Das Modell antwortet mit festen JSON-Feldern, aus denen das Portal einen Bewerber-, Anfrage- oder Aufgaben-Datensatz anlegt.
- Mail-Abruf und Import, dazu Übernahme aus dem Bewerberportal Coveto
- Feld-Extraktion als JSON durch ein lokales Modell
- Rückfallebene: Liefert das Modell keinen gültigen JSON-Block, greift das alte Regel-Parsing
- Tägliche Übersicht der neuen Einträge um 8 Uhr
- Statusabgleich alle 15 Minuten (zurückgezogene Bewerbungen)
Was die Zahlen sagen
Gezählt aus den Datensätzen am 19.10.2026: zwischen Februar und September kamen je Monat 7 bis 29 Bewerbungen an, dazu 20 bis 28 Hilfeanfragen über dieselbe Erfassung. Insgesamt wurden 92 Bewerbungen und 201 Anfragen direkt aus E-Mails übernommen. Wegen der Löschfristen fehlen bereits gelöschte Bewerbungen, die tatsächlichen Zahlen liegen also eher etwas höher.
Zwischen Ende Juli und Mitte Oktober hat das lokale Modell 66 Mal mit einem Fehler geantwortet. In diesen Fällen lief der Regel-Parser, kein Datensatz ging verloren. Die Zeitersparnis pro Bewerbung haben wir nicht gemessen; was wegfällt, ist das Abtippen jeder einzelnen Mail.
Was man daraus mitnehmen kann
Für Daten, die das Haus nicht verlassen sollen, reicht ein lokales Modell auf normaler Hardware, solange die Aufgabe eng ist: Felder aus einem Text ziehen, nicht frei formulieren. Wichtiger als das Modell ist die Rückfallebene. Ohne sie wäre jeder der 66 Fehler eine verlorene Bewerbung gewesen.
Ein ähnlich abgegrenzter Prozess passt in den Automatisierungs-Sprint: ein Ablauf, Festpreis, 1–2 Wochen.
Ähnliches Projekt?
Ob Website, Automation oder KI-API — schreib mir eine E-Mail, dann klären wir den nächsten Schritt.