Latenode

Automatisieren Sie Jobsuche-Erkenntnisse mit Scraping und KI-Analyse

Dieser Workflow automatisiert das Prozessieren von Stellenanzeigen von Indeed, deren Analyse mit einem Sprachmodell zur Bewertung der Eignung und die Speicherung der Ergebnisse in einem Google Sheet. Benutzer können ihre Jobsuche durch die Angabe von Standort, Schlüsselwörtern und Land anpassen.

Der Workflow nutzt die Web-Scraping-Funktionen von Bright Data, um die Jobdaten abzurufen, die dann von einem OpenAI-Sprachmodell verarbeitet werden, um festzustellen, ob der Benutzer für jede Rolle gut geeignet ist. Die analysierten Ergebnisse werden zurück im Google Sheet gespeichert und bieten dem Benutzer eine priorisierte Liste von Jobmöglichkeiten, für die er wahrscheinlich gut geeignet ist.

Aktualisiert Jul 1, 2026Geschätzte Laufzeit: 22sGeschätzte Kosten: $0.0014
Wie Latenode Zeit und Kosten schätzt

Latenode berechnet die Workflow-Laufzeit in CPU-Sekunden. Die ersten 10.000 CPU-Sekunden sind jeden Monat kostenlos, danach gilt die Pay-as-you-go-Preisgestaltung pro CPU-Sekunde. Plug-and-Play (PnP) AI-Knoten werden separat abgerechnet — jedes PnP-Token kostet 1 USD, pay-as-you-go zum Herstellerpreis plus einer kleinen Bearbeitungsgebühr, ohne erforderliche API-Schlüssel.

Vollständige Preise — So funktionieren CPU-Sekunden →
Scraping & data collection

Workflow-Vorschau

Was diese Vorlage macht

  • Extrahiert Stellenanzeigen von Indeed basierend auf benutzerdefinierten Standorten, Schlüsselwörtern und Ländern.
  • Analysiert Stellenanzeigen mit einem OpenAI-Sprachmodell, um die Eignung für den Benutzer zu bewerten.
  • Speichert die analysierten Stellenanzeigen in einem Google Sheet und bietet eine priorisierte Liste von Möglichkeiten.
  • Normalisiert und filtert die Jobdaten, um die relevantesten offenen Stellen für den Benutzer hervorzuheben.
  • Erstellt ein Google Sheet mit Stellenanzeigen, sortiert nach der Wahrscheinlichkeit der Benutzereignung.

So funktioniert es

1
Trigger

Suchkriterien eingeben

Benutzer können ihre Jobsuche durch die Angabe von Standort, Schlüsselwörtern und Land im Suchformular anpassen. Dies löst den Workflow aus, um basierend auf den Benutzereingaben mit dem Scraping von Stellenanzeigen von Indeed zu beginnen.

2
Aktion

Stellenanzeigen von Indeed abrufen

Der Workflow nutzt die Web-Scraping-Funktionen von Bright Data, um die Jobdaten von Indeed abzurufen und Anzeigen zu finden, die den angegebenen Suchkriterien des Benutzers entsprechen.

3
Aktion

Stellenanzeigen im Google Sheet speichern

Die von Indeed gescrapten Stellenanzeigendaten werden dann in einem Google Sheet gespeichert, um einen zentralen Ort zur Überprüfung der Ergebnisse zu schaffen.

4
AI

Stellenanzeigen-Eignung mit Sprachmodell analysieren

Für jede Stellenanzeige im Google Sheet verwendet der Workflow ein OpenAI-Sprachmodell, um zu bewerten, wie gut der Benutzer für die Rolle geeignet ist, basierend auf der Stellenbeschreibung und dem Benutzerprofil.

5
Aktion

Google Sheet mit Analyseergebnissen aktualisieren

Die Ergebnisse der Sprachmodell-Analyse werden dann zurück im Google Sheet gespeichert, sodass dem Benutzer eine priorisierte Liste von Jobmöglichkeiten zur Verfügung steht, für die er wahrscheinlich gut geeignet ist.

Einrichtungsanleitung

1

Bright Data-Anmeldeinformation hinzufügen

Fügen Sie im Latenode-Berechtigungsbereich eine neue Anmeldeinformation für Bright Data hinzu. Geben Sie Ihren Bright Data-API-Schlüssel ein, um die Web-Scraping-Integration zu authentifizieren.

2

Bright Data-Knoten konfigurieren

Fügen Sie im visuellen Builder von Latenode einen Bright Data-Knoten hinzu. Konfigurieren Sie den Knoten mit der Bright Data-Anmeldeinformation, die Sie im vorherigen Schritt hinzugefügt haben. Geben Sie die Suchkriterien wie Standort, Schlüsselwörter und Land an.

3

Google Sheets-Anmeldeinformation hinzufügen

Fügen Sie im Latenode-Berechtigungsbereich eine neue Anmeldeinformation für Google Sheets hinzu. Authentifizieren Sie die Integration, indem Sie den OAuth-Ablauf befolgen.

4

Google Sheets-Knoten konfigurieren

Fügen Sie im visuellen Builder von Latenode einen Google Sheets-Knoten hinzu. Konfigurieren Sie den Knoten mit der Google Sheets-Anmeldeinformation, die Sie im vorherigen Schritt hinzugefügt haben. Geben Sie das Google Sheets-Dokument und die Tabellenblätter an, in denen Sie die Jobdaten und Analyseergebnisse speichern möchten.

5

OpenAI-Anmeldeinformation hinzufügen

Fügen Sie im Latenode-Berechtigungsbereich eine neue Anmeldeinformation für OpenAI hinzu. Geben Sie Ihren OpenAI-API-Schlüssel ein, um die Sprachmodell-Integration zu authentifizieren.

Anforderungen

Ein Bright Data-Konto mit aktivierten Web-Scraping-Funktionen
Ein OpenAI-API-Schlüssel für den Zugriff auf das Sprachmodell zur Job-Eignungsanalyse
Ein Google Sheets-Konto mit einer erstellten Tabelle zur Speicherung der analysierten Stellenanzeigen
Berechtigungen für den Zugriff auf die Google Sheets-API im Latenode-Arbeitsbereich
Für Anbieter ohne nativen Connector in Latenode verwenden Sie den JavaScript-Schritt mit den API-Anmeldedaten dieses Dienstes (gespeichert in Latenode Keys / Secrets).

FAQ

Häufige Fragen zu dieser Vorlage

Jeder Durchlauf verbraucht Credits Ihres Latenode-Plans. Wir berechnen die Verarbeitungszeit (1 Credit = 30 Sekunden). Ihre tatsächlichen Kosten hängen von Ihrem Plan und der Dauer des Durchlaufs ab. Siehe See pricing plans für Pläne und Informationen zur Funktionsweise der Credits.