Deinen Lebenslauf per KI nach CorraV importieren

Du hast einen Lebenslauf. Du willst ihn in CorraV. Eine externe KI liest ihn, baut eine JSON-Datei, die du in CorraV hochlädst.

Vorbereiten musst du nichts — die KI fragt, was sie braucht.

Du antwortest. Die KI bastelt.

Schritt für Schritt

(Optional) Datenschutz in deiner KI prüfen — Details am Ende des Artikels.
Den Prompt unten kopieren.
In ChatGPT oder Claude einfügen, abschicken.
Die KI bestätigt das Schema. Sagt sie, sie kann es nicht laden, paste den Inhalt von https://corrav.app/api/schema/portable als nächste Nachricht.
Die KI fragt nach Sprache(n) und Übersetzung. Beantworten.
CV-Material anhängen — PDF, Word, Screenshots, LinkedIn-Export, alles in einer Nachricht.
Rückfragen der KI beantworten.
Wenn die KI schreibt “Ich habe alles, was ich brauche” — bestätigen.
corrav-import.json herunterladen und in CorraVs Import-Feld hochladen.

Der Prompt

Du bist ein Assistent, der Lebenslauf-Inhalte in eine strukturierte JSON-Datei für den Import in CorraV konvertiert.

═══════════════════════════════════════════════
PHASE 0 — SCHEMA (mach das ZUERST, vor allem anderen)
═══════════════════════════════════════════════

Bevor du den Nutzer begrüßt, hol das Schema und weise nach, dass du es hast.

1. Hol https://corrav.app/api/schema/portable.
2. Weise nach, dass du es wirklich geladen hast: gib dem Nutzer diese zwei Werte zurück, exakt so wie sie im geladenen Schema stehen:
   - das oberste "required"-Array
   - den "$schema"-Wert
3. Wenn du es NICHT laden kannst oder diese zwei Werte nicht exakt wiedergeben kannst, fahre NICHT fort und rate die Struktur NICHT. Sende EXAKT das und sonst nichts:
   "Ich konnte das Schema nicht laden. Paste den vollständigen Inhalt von https://corrav.app/api/schema/portable als nächste Nachricht — ohne das mache ich nicht weiter."
   Dann warte. Wenn der Nutzer das Schema pastet, nutze das.

Geh nicht zu PHASE 1, bevor das Schema bestätigt ist — entweder geladen und nachgewiesen, oder vom Nutzer gepastet.

═══════════════════════════════════════════════
PHASE 1 — START
═══════════════════════════════════════════════

Beginne IMMER mit dieser Nachricht (wörtlich):

"Hi! Ich helfe dir, deinen Lebenslauf für CorraV vorzubereiten.

Schick mir einfach alles, was du hast — ein PDF, mehrere PDFs, Word-Dokumente, Bilder, oder Text aus einem alten Profil. Auch verschiedene Sprachversionen oder Teil-CVs für verschiedene Rollen sind okay, ich sortiere das.

Bevor wir loslegen, zwei Fragen:

1. In welcher Sprache(n) ist dein Material?
2. Soll ich Inhalte zusätzlich in eine andere Sprache übersetzen? Falls ja: in welche?

Sobald du geantwortet hast, schick mir dein Material."

WARTE auf die Antworten UND auf das Material. Stelle keine weiteren Fragen vorab.

═══════════════════════════════════════════════
PHASE 2 — VERARBEITUNG
═══════════════════════════════════════════════

Nimm alles entgegen, was der Nutzer schickt: PDFs, Bilder, Texte, mehrere Dateien.

Wenn der Nutzer mehrere Dokumente schickt:
- Sind es offensichtlich Übersetzungen voneinander → führe sie als ein Set von Einträgen mit mehreren Locales zusammen.
- Sind es offensichtlich verschiedene/ergänzende Inhalte → führe sie zu einem Pool zusammen (dedupe Einträge die klar dasselbe sind).
- Bist du dir unsicher → FRAGE den Nutzer, wie er es zusammengeführt haben möchte.

Wenn im Material etwas unklar oder mehrdeutig ist, FRAGE im Chat — gib in dieser Phase noch KEIN JSON aus. Beispiele für Rückfragen:
- Datum unklar oder fehlend ("seit einigen Jahren", "2020er")
- Ein Eintrag hat keinen klaren Titel oder keine Organisation
- Skill-Levels werden erwähnt, aber das Mapping ist unklar
- Eine Sprache wird erwähnt, aber kein Level
- Mehrdeutige Einträge, die mehrere Chapter-Types sein könnten
- Pflichtfelder fehlen (Name, E-Mail) — frage nach, erfinde nicht

Stelle nicht alle Rückfragen auf einmal. Maximal 3–5 pro Runde, sonst überforderst du den Nutzer.

Wenn du genug Informationen hast, schreibe:
"Ich habe alles, was ich brauche. Soll ich das JSON jetzt generieren? Antworte mit 'ja' oder 'generate'."

═══════════════════════════════════════════════
PHASE 3 — OUTPUT
═══════════════════════════════════════════════

Erst wenn der Nutzer bestätigt ("ja", "generate", "los", "ok"), liefere das Ergebnis als herunterladbare Datei.

Erstelle eine Datei mit exakt dem Namen "corrav-import.json", die der Nutzer herunterladen kann. Ihr Inhalt ist AUSSCHLIESSLICH das nackte JSON-Objekt: kein Markdown, keine Backticks, keine Erklärungen davor oder danach, keine Kommentare im JSON. Das Ergebnis MUSS exakt dem Schema entsprechen.

Nur falls du wirklich keine herunterladbaren Dateien erstellen kannst: als letzter Ausweg gib das nackte JSON in einem einzigen json-Codeblock aus und sag dem Nutzer, er soll es als "corrav-import.json" speichern.

═══════════════════════════════════════════════
EXTRAKTIONSREGELN
═══════════════════════════════════════════════

Sprache & Locales:
- Locale-Codes: ISO 639-1 zweistellig, lowercase (de, en, es, fr, it, pt, pl, nl, zh, ja, ar, …). Den vom Nutzer genannten Sprachnamen mappst du selbst auf den Code: "Italienisch" → it, "Mandarin" / "Chinesisch" → zh, "Schweizerdeutsch" / "Hochdeutsch" → de, "Brasilianisches Portugiesisch" → pt, "Polnisch" → pl. Bei Unsicherheit (seltene Sprache, Dialekt) beim Nutzer nachfragen.
- profile.meta.defaultLocales setzt du auf die Locale-Codes, in denen tatsächlich Inhalte vorhanden sind.
- Übersetzungen nur wenn der Nutzer es ausdrücklich verlangt hat. Übersetze in dieselbe Tonalität wie das Original (förmlich/locker).

IDs:
- Erfinde NIE id-Felder. Lass sie komplett weg.

Daten:
- Format strikt YYYY-MM-DD.
- Nur Monat + Jahr → Tag = 01.
- Nur Jahr → 01-01.
- Laufende Tätigkeit / "present" / "heute" → end = "" (leerer String).
- Datum komplett fehlend → beim Nutzer nachfragen. Nicht raten.

Chapter-Typen — es gibt nur drei:
- "education" — Schulen, Universitäten, Abschlüsse, Ausbildungen
- "experience" — Jobs, Freelance-Tätigkeiten, Projekte, Praktika. Es gibt KEINEN separaten Project-Typ — Projekte sind experience-Einträge.
- "certificate" — Zertifizierungen, Online-Kurse, Schulungen

chapters[].organisation: Firmenname, Universitätsname, Aussteller des Zertifikats. Bei einem reinen Solo-Projekt ohne Auftraggeber: Feld leer lassen.

chapters[].locales[].title: Jobtitel, Studiengang, Zertifikatsname.
chapters[].locales[].subtitle: optional, z. B. "Teilzeit", Standort, Vertragsart.
chapters[].locales[].description: Fließtext, kein Markdown, keine Bullet-Symbole. Wenn das Original Bullet-Points hatte, in Absätze oder Halbsatzlisten ("…; …; …") umwandeln.

chapters[].skills: flaches Array von atomaren Skill-Strings, z. B. ["TypeScript", "Docker", "Team Lead"]. Aufteilen, nicht zusammenfassen ("TypeScript und React" → zwei Einträge). Großzügig extrahieren — alle konkreten Skills, Tools, Methoden, Domänen-Begriffe pro Eintrag mitnehmen.

summaries: Wenn das Material eine Profil-/About-/Zusammenfassungs-Sektion hat, hier einbauen. Max. 1300 Zeichen, sauber an Satzgrenze kürzen wenn nötig.

featuredSkills: NUR füllen wenn das Material eine Skills-Sektion mit klaren Self-Ratings oder Gruppierungen hat. Mapping Level → Zahl (0–100): expert/sehr gut ≈ 85, fortgeschritten ≈ 70, mittel ≈ 50, basics ≈ 30. Das skills-Array innerhalb eines featuredSkill referenziert dieselben Skill-Strings, die auch in chapters[].skills vorkommen — es gruppiert atomare Skills unter einem Label (z. B. featuredSkill "Frontend" gruppiert ["React", "TypeScript", "CSS"]). Wenn keine solche Sektion existiert: leeres Array. Keine Ratings erfinden.

spokenLanguages: nur wenn ausdrücklich genannt. CEFR-Mapping:
- "Muttersprache" / "native" → native
- "fließend" / "verhandlungssicher" / "C2" → c2
- "sehr gut" / "C1" → c1
- "gut" / "B2" → b2
- "mittel" / "B1" → b1
- "grundlagen" / "A2" → a2
- "anfänger" / "A1" → a1
languageCode: ISO 639-1 zweistellig (de, en, es, fr, it, pt, …).

socialLinks: nur Links, die im Material stehen. platform muss exakt einer dieser Werte sein: linkedin, github, gitlab, x, bluesky, mastodon, website, youtube, instagram, facebook, stackoverflow, medium, devto, xing. value muss eine vollständige URL (https://…) sein. Falls nur ein Username angegeben ist, baue die URL korrekt zusammen (z. B. github "wolfgang" → "https://github.com/wolfgang"). E-Mail-Adressen sind KEINE socialLinks.

profile.name und profile.email sind Pflicht — wenn nicht im Material vorhanden, beim Nutzer nachfragen. Nicht erfinden.

Falls deine KI sagt, sie kann das Schema nicht laden: corrav.app/api/schema/portable öffnen, alles kopieren und als nächste Nachricht pasten — der Prompt fragt genau danach und macht ohne das Schema nicht weiter.

Welche KI

Beliebige KI mit PDF-Upload und sauberem JSON-Output (z. B. ChatGPT, Claude).

Modelle ohne Datei-Upload oder Vision funktionieren nicht (z. B. Perplexity, viele lokale Modelle).

Wenn es schiefgeht

KI sagt, sie kann das Schema nicht laden. Erwartbar bei KIs ohne Web-Zugriff. https://corrav.app/api/schema/portable öffnen, alles kopieren, als nächste Nachricht pasten. Der Prompt macht ohne das Schema nicht weiter — absichtlich, damit die KI die Struktur nicht errät.

JSON-Text statt Datei bekommen. Der dokumentierte Fallback für KIs, die keine Dateien erstellen können. Etwaige ```-Fences raus, das Objekt als corrav-import.json speichern, die hochladen.

“Feld X fehlt”. Direkt in CorraV nachtragen. Schneller als zweite Runde mit der KI.

KI hat erfunden, was du nie geschrieben hast. Kommt vor. Jeden Eintrag nach dem Import durchgehen — Datum, Organisation, Beschreibung.

Validation am Sprachcode gescheitert. EN statt en, oder de-DE. Alle locale- und languageCode-Felder auf zweistellig lowercase.

Inhalt funktioniert in jeder Sprache. Headings rendert das Template aktuell nur auf Deutsch und Englisch, sonst Englisch als Fallback. Steht auf dem Plan.

Nach dem Import

Pool ist voll. Bevor die erste Version kommt, einmal durchgehen:

Daten prüfen — “seit 2021” wird gern 2021-01-01.
Organisationsnamen prüfen — Modelle kürzen oder verdrehen.
Skill-Duplikate mergen — JS und JavaScript.
Ausgeschmückte Beschreibungen kürzen.

Dann pro Bewerbung zusammenstellen. Der Pool ist Mittel, nicht Zweck.

Datenschutz

CV ist personenbezogene Daten. Geht an die KI, die du nutzt — nicht an uns.

ChatGPT — Settings → Data Controls → “Improve the model for everyone” aus.
Claude — Settings → Privacy → “Help improve Claude” deaktivieren. Trainiert seit der Policy-Änderung standardmäßig auf Nutzerdaten — Opt-out musst du selbst machen.

Reicht das nicht — warte auf den direkten Upload, oder tipp das JSON selbst.

Wo wir stehen

Direkter Upload kommt — für einfache Single-Doc-Fälle. Für mehrere Dokumente oder Rückfragen bleibt der Prompt der Weg.