← Zurück zu Fallstudien
KI-native Apps

Wie ein Berufsorientierungs-Anbieter in Brandenburg Feedback aus dem Unterricht noch am selben Tag in App-Features verwandelt

Zwei KI-native Schüler-Apps, gebaut in kurzen Zyklen, mit Feedback aus dem Unterricht, das noch am selben Tag live geht.

Der Kunde

JobFire.works bietet Berufsorientierungs-Workshops in Schulen im Raum Fürstenwalde/Spree in Brandenburg an und arbeitet mit Unternehmen der Region zusammen. Die Schüler:innen sind 14 bis 20 Jahre alt, viele stehen kurz vor der Suche nach ihrem ersten Ausbildungsplatz. Christian Sternicke ist Gründer und Geschäftsführer von JobFire.works. Marc Leberecht-Schneider hat die Apps als Produktverantwortlicher geprägt und sie mit Schüler:innen im Unterricht getestet.

Die Ausgangslage

Stellenanzeigen in der Region sind für Erwachsene geschrieben. Im Workshop liest ein Schüler oder eine Schülerin „Mechatroniker“ oder „Fachverkäufer im Lebensmittelhandwerk“ und hat kein Bild von der Arbeit dahinter. Die vorhandenen Job- und Unternehmensdaten liegen verstreut auf mehreren öffentlichen Portalen, jedes mit eigenem Format, und viele Anzeigen haben gar keine Beschreibung.

Die Workshops hatten zudem einen festen Termin. JobFire.works brauchte Werkzeuge, die Schüler:innen auf dem eigenen Handy im Klassenzimmer nutzen konnten, für die Projektwochen ab dem 28. September 2026.

Warum jetzt gehandelt wurde

JobFire.works hatte bereits versucht, die Apps mit einem früheren Dienstleister zu bauen, doch der Fortschritt stockte: Technik-Stack, Framework und die verfügbaren Entwicklerressourcen kamen nicht schnell genug voran, um vor den ersten Schul-Workshops etwas Funktionierendes zu haben. Die Projektwochen gaben einen festen Termin vor, also brauchte JobFire.works ein Team, das rechtzeitig Werkzeuge liefern konnte, die Schüler:innen im Unterricht nutzen können.

Ziele & Erfolgskriterien

  1. 1Schüler:innen finden Unternehmen, die zu ihren Werten passen, nicht nur zum Berufsbild.
  2. 2Wer keinen Lebenslauf dabei hat, verlässt den Workshop trotzdem mit einem Bewerbungsdokument.
  3. 3Feedback aus jedem Workshop erreicht die Apps vor dem nächsten.
  4. 4Keine Schülerkonten und keine Datenbank: Antworten bleiben auf dem Handy und verlassen es nur für die KI-gestützten Schritte oder wenn die Schüler:innen sie selbst versenden.

Was gemacht wurde

Zwei Web-Apps, konzipiert und gebaut KI-native mit Claude Code, mit Marc als Tester in jeder Runde mit Schüler:innen.

Dating-App (seit Mai 2026 live). Schüler:innen wählen zwischen zwei Wegen. Der klassische Weg analysiert Lebenslauf und Anschreiben und passt sie auf eine Stelle an. Der Weg „Meine Story“ macht aus den Antworten einer Schülerin oder eines Schülers eine kurze Geschichte in einem von vier Formaten, ergänzt um ein eigenes Foto und ein Vision Board, und erzeugt einen A4-Steckbrief, der per Mail verschickt wird.

Matching-App (erster Bau am 24. und 25. Juli 2026). Schüler:innen beantworten einen kurzen Wertecheck zu Charakter, Situationen und Werten, wählen interessante Bereiche aus und erhalten eine Pinnwand mit Unternehmen, die ihre Werte teilen. Das Matching folgt festen Regeln, ohne KI zur Laufzeit, sodass sich jedes Ergebnis erklären lässt. Wer mehr will, kann einen Talent Guide anfragen, diese Anfrage erreicht JobFire.works per Mail.

Der schwierigste Teil waren die Daten. Zwei regionale Quellen mit 352 und 337 Einträgen mussten zusammengeführt werden. 61 Stellenanzeigen standen in beiden Quellen und wurden einmal behalten, 8 weitere Duplikate fielen weg, übrig blieben 620 Stellenanzeigen; aus 440 Unternehmensdatensätzen wurden 384 Unternehmen. Hatte ein gestrichenes Duplikat die bessere Beschreibung, wurde sie in die behaltene Kopie übernommen. Die Ausgangsdaten waren an vielen Stellen unvollständig, es brauchte mehrere Quellen, manuelle Korrekturen und viele Testläufe. Marc lieferte die Wertetaxonomie und die Tagging-Regeln; 286 Unternehmen wurden anschließend von Hand getaggt.

Beide Apps gingen am Samstag, dem 27. September, in den Freeze, zwei Tage vor der ersten Projektwoche.

Ergebnisse

Seit Oktober 2026 laufen die Apps in jeder Woche in mindestens einem Workshop, mit jeweils 15 bis 20 Schüler:innen, und der Rhythmus läuft so bis zum Jahresende weiter.

Am Morgen des 1. Oktober berichtete Marc von drei Tagen mit Schüler:innen. Sie wollten wissen, wie lange der Weg zu einem Unternehmen dauert, nicht nur, wie weit er ist: ein 40 km entfernter Job kann zweieinhalb Stunden öffentliche Verkehrsmittel bedeuten. Den Button „Talent Guide“ verstanden sie nicht. Manche fragten nach Begleitung, bevor sie den Wertecheck gemacht hatten. Noch am Abend desselben Tages hatte die Matching-App einen Fahrzeit-Filter (Bus & Bahn, Fahrrad, zu Fuß), eine Erklärung zum Talent Guide und einen Hinweis, zuerst den Wertecheck zu machen. Vier Tage später konnten Schüler:innen ihre Ergebnisse mit einem Klick kopieren, und wiederkehrende Schüler:innen wurden direkt zu ihrer Pinnwand zurückgeführt.

Der Steckbrief-Weg funktionierte für Schüler:innen ohne Bewerbungsunterlagen. Ein Schüler wollte zunächst nicht mitmachen. Ein Mitschüler bot an, seinen Steckbrief gemeinsam mit ihm zu bauen; in der nächsten Viertelstunde machte er mit, und am Ende bat er darum, das ausgedruckte Poster behalten zu dürfen.

Pinnwand der Matching-App mit regionalen Unternehmen, sortiert nach Fahrzeit und Passung, mit Fahrzeit-Filter
Die Pinnwand, mit dem Fahrzeit-Filter, der noch am selben Tag nach dem Feedback kam
A4-Steckbrief mit der Zukunfts-Story einer Schülerin oder eines Schülers und einem Vision Board aus vier Bildern
Ein fertiger A4-Steckbrief, mit Vision Board

Stimme des Kunden

Übersetzt aus dem Englischen.

„Die Schüler:innen haben es geliebt.“

Marc Leberecht-Schneider, Product Owner, JobFire.works

Wie wir zusammengearbeitet haben

Marc und Andreas trafen sich in aufgezeichneten Arbeitssitzungen, mehrmals pro Woche vor dem Launch (17., 21., 22. und 25. September). Marc brachte Feedback aus dem Unterricht mit, Andreas verarbeitete es zur nächsten Version, am 1. Oktober noch am selben Tag. Der Arbeitsrhythmus kam aus nutzerzentriertem Design und agiler Entwicklung: mit den Menschen testen, die das Werkzeug nutzen, aufschreiben, was sie sagen, die nächste Version ändern.

Warum das funktioniert hat

Für wen das passt

Bildungs- und Berufsorientierungsanbieter, Verbände und Schulen mit einer klaren Idee für ein digitales Werkzeug, Zugang zu ihren Nutzer:innen und ohne eigenes Entwicklungsteam.

Häufig gestellte Fragen

Wie lange hat die erste Version gedauert?

Der erste Matching-Prototyp brauchte rund fünf Stunden aufgezeichnete Bauzeit, am 24. und 25. Juli 2026. Beide Apps waren bis zum 27. September 2026 einsatzbereit für den Unterricht.

Wo werden Schülerdaten gespeichert?

Auf dem Handy der Schülerin oder des Schülers. Keine der beiden Apps hat Accounts oder eine Datenbank. Ergebnisse oder eine Anfrage werden nur verschickt, wenn die Person das selbst wählt. Für die KI-Funktionen der Dating-App gehen Texte an die Claude-API von Anthropic zur Analyse und zum Schreiben der Story, ein Foto nur für die optionale Alterungs-Funktion an die Gemini-API von Google. Beide laufen auf bezahltem API-Zugang, bei dem die Standardbedingungen der Anbieter sagen, dass Prompts und Dateien nicht zum Training der Modelle verwendet werden.

Nutzt das Matching KI?

Nein. Das Matching folgt festen Regeln auf Basis handvergebener Unternehmensprofile, jedes Ergebnis lässt sich erklären. KI kommt in der Dating-App zum Einsatz, um die Story zu schreiben und Dokumente zu analysieren.

Können die Apps für eine andere Organisation laufen?

Ja. Jede App läuft als mehrere gebrandete Instanzen aus einer Codebasis, jeweils mit eigenem Namen, Design und E-Mail-Einstellungen.

Wenn Sie Workshops oder Programme durchführen und ein Werkzeug innerhalb weniger Wochen mit Ihren Teilnehmer:innen testen wollen, lassen Sie uns sprechen.

Lieber per E-Mail? andreas@mindfulai.academy