KI-gestützter Jobassistent rationalisiert die Stellensuche für Absolventen. Das Open-Source-Projekt von build-small-hackathon adressiert die Ineffizienzen im klassischen Bewerbungsprozess, bei denen Berufseinsteiger oft hunderte Stellenanzeigen durchforsten und sich in unstrukturierten Suchresultaten verlieren. Statt einer bloßen Auflistung generiert das System eine präzise Vorauswahl mit maschinell begründeter Auswahl. Die Anwendung funktioniert in drei Phasen. Zunächst analysiert die KI den hochgeladenen Lebenslauf sowie vom Nutzer definierte Präferenzen wie Branche, Arbeitsmodell und Standort. Auf Basis dieser Daten erstellt das Modell gezielte Suchabfragen. Im zweiten Schritt durchsucht das Tool über die Schnittstelle JobSpy aktiv LinkedIn-Ausschreibungen. Im dritten Schritt bewertet ein Modell jedes Stellenangebot entlang von fünf Dimensionen und vergleicht die Anforderungen direkt mit dem Lebenslauf. Das Ergebnis ist eine kurze Shortlist mit nachvollziehbarer Begründung, die dem Nutzer erhebliche Zeit spart. Technisch basiert die Lösung auf einer distillierten Lehrer-Schüler-Architektur. Das leistungsfähige DeepSeek V4 Pro diente offline als Trainingsreferenz und generierte die Bewertungskriterien. Die Inferenz übernimmt das kleinere Qwen3-8B-Modell, das durch zwei separate LoRA-Anpassungen auf einem einzelnen A100-GPU-Slice feinjustiert wurde. Die strikte Trennung in zwei unabhängige Adapter für Suchanfrage-Generierung und Fit-Bewertung unterbindet Formatfehler und verhindert die Kreuzkontamination zwischen den Aufgaben. Die Echtzeitauswertung läuft über llama.cpp in einem HuggingFace ZeroGPU-Space und streamt die Reasoning-Ergebnisse tokenweise in die Benutzeroberfläche. Entwickleranalysen zeigen, dass die Präzision der Prompt-Vorgaben des Lehrermodells entscheidender war als die Parameteranzahl des Schülers. Spezifische Anweisungen zur Identifikation von Qualifikationslücken wurden von der kleineren KI zuverlässig verinnerlicht. Der vollständige Entwicklungsverlauf samt Rohdaten und Debug-Protokollen ist im HuggingFace-Format veröffentlicht. Die Verfügbarkeit des Tools demonstriert, wie spezialisierte KI-Architekturen manuelle Suchprozesse ersetzen und datenbasierte Bewerberentscheidungen standardisieren können.