Ein Bot, der für mich Aufträge sucht
Wie ich mir mit n8n, DeepSeek und MySQL einen Bot gebaut habe, der täglich Freelance-Projekte findet – mit Zahlen, Fehlern und Kosten.
Stand 4. November 2026. Kein Tutorial – ein Erfahrungsbericht mit Zahlen, Fehlern und Kosten.
Jeden Morgen dieselbe Arbeit: Projektbörsen durchklicken, Anzeigen lesen, die unpassenden aussortieren. Nach zwanzig Minuten habe ich drei brauchbare Treffer und keine Lust mehr. Das ist keine gute Ausgangslage, wenn man Aufträge braucht.
Also habe ich das Suchen automatisiert. Nicht das Bewerben – das bleibt bei mir. Aber die Vorarbeit: finden, filtern, bewerten, sortieren.
Dieser Artikel beschreibt, was dabei funktioniert hat, was schiefging und was es kostet.
Kurzfassung
- Was: Ein Bot, der täglich Freelance-Projekte einsammelt, sie per LLM bewertet und die besten aufs Handy schickt.
- Womit: n8n, JavaScript in Code-Nodes, DeepSeek, MySQL, ntfy, ein Telegram-Bot.
- Aufwand: etwa zwei Wochenenden, verteilt auf mehrere Abende.
- Kosten: wenige Cent pro Tag für die LLM-Aufrufe.
- Was es nicht macht: bewerben. Die Entscheidung bleibt beim Menschen.
Das Problem mit den Jobbörsen
Ich habe zuerst die naheliegenden Quellen genommen: vier große Job-Feeds, alle mit API oder RSS. Nach dem ersten Lauf hatte ich 100 Leads und ein Problem: 91 kamen von einer klassischen Jobbörse – Festanstellungen, keine Projekte. Der Filter stand auf „Python" und „Backend", nicht auf „Freelance".
Das ist der Unterschied zwischen einer Suche und einem Auftrag. Eine Festanstellung in München hilft mir nicht, wenn ich abends zehn Stunden für ein Projekt verkaufen will.
Der zweite Lauf war also ein Filterlauf: Beschäftigungstyp prüfen, alles mit „permanent", „unbefristet" oder „full time" rauswerfen. Danach blieben ein paar Contract-Stellen pro Woche übrig – zu wenig, um davon zu leben.
Die eigentliche Quelle: Freelancermap
Freelancermap hat keinen offenen RSS-Feed. Dafür ist die Projektbörse serverseitig gerendert – was in der Liste steht, steht auch im HTML. Kein Browser, kein Playwright, keine Wartezeiten.
Die Detailseite liefert zusätzlich ein JobPosting als JSON-LD, also strukturierte Daten:
{
"@type": "JobPosting",
"title": "Data Engineer mit Dagster/dbt-Erfahrung",
"description": "<div>…</div>",
"datePosted": "2026-11-02T17:13:30+01:00",
"hiringOrganization": { "name": "One Day Ahead GmbH" }
}
Damit habe ich Titel, Firma, Datum und die komplette Beschreibung, ohne die Seite zu interpretieren. Die Liste selbst lese ich mit regulären Ausdrücken aus den Projektkarten. Das ist fragil, wenn sich das Layout ändert – aber es ist wenig Code und leicht zu prüfen.
Wichtig: robots.txt erlaubt das Lesen, ich hole nur neue URLs, höchstens zwölf Detailseiten pro Lauf, mit 0,7 Sekunden Pause. Kein Grund, es zu übertreiben.
Drei Bausteine
Der Ablauf ist bewusst klein gehalten:
06:00 Projekte holen → bewerten → MySQL → Push + Bot
1. Holen. n8n ruft die Projektbörse ab, parst die Karten, lädt für unbekannte URLs die Detailseite und baut daraus ein einheitliches Objekt: Titel, Firma, Beschreibung, Tags, Ort, Remote-Anteil.
2. Bewerten. Ein LLM (DeepSeek) bekommt die Projekte in Acht-Päckchen und ein Profil: Positionierung, Stundensatz, Paketpreise, Referenzen. Es antwortet mit JSON – Score, Begründung, geschätzter Aufwand, Preisrahmen und einem Bewerbungstext.
3. Archivieren und melden. Die Ergebnisse gehen in MySQL, ein Trigger pflegt eine Tabelle mit einem Datensatz pro URL. Danach ein Push per ntfy und ein Telegram-Bot für den Status.
Was gut funktioniert hat
Dedupe über die URL. Jede gesehene URL wird gespeichert, 30 Tage lang. Ein Projekt, das morgen noch da ist, wird nicht noch einmal bezahlt. Das klingt banal, spart aber den größten Teil der Kosten.
Regeln im Code statt im Prompt. Das Modell soll keinen Blueprint liefern, wenn der Score unter 85 liegt. Also prüfe ich das nicht im Prompt, sondern im Parser: Score kleiner 85 → Feld auf null. Ein Modell, das die Regel ignoriert, kann sie nicht mehr brechen.
Ein Profil statt einer Skill-Liste. Im ersten Versuch schrieb das Modell Sätze wie „Dagster und dbt setze ich täglich ein". Das war erfunden – ich hatte diese Werkzeuge nie angefasst. Seit das Profil mit echten Referenzen im Prompt steht, sagt es stattdessen: „Dagster und dbt wären Einarbeitung, nicht Routine." Das ist ehrlicher und verkauft besser.
Fehleralarm. Ein eigener Workflow hängt an jedem anderen: Wenn ein Lauf rot endet, kommt eine Push-Nachricht mit Workflow, Node und Link zur Ausführung. Das hat sich sofort bezahlt – siehe unten.
Was schiefging
Der Import hat den Dedupe-Speicher zurückgesetzt. Nach dem Neu-Import eines Workflows waren alle gesehenen URLs wieder „neu". Ergebnis: 39 bereits bewertete Projekte wurden erneut an das Modell geschickt. Kein Datenverlust, aber bezahlte Doppelarbeit. Wer Workflows neu importiert, sollte das wissen.
Der Header war falsch. Beim Wechsel des API-Keys hatte ich den Wert ohne Bearer davor eingetragen. Der Lauf endete mit „Authorization failed". Gefunden hat es der Fehleralarm, nicht ich – ich hätte es erst am nächsten Morgen gemerkt.
Zu große Projekte wurden zu gut bewertet. Ein Zwölf-Monats-Projekt mit 1.500 Stunden bekam 83 Punkte, weil die Technik passte. Für jemanden mit zehn Stunden pro Woche ist das kein Auftrag, sondern eine Absage. Jetzt gilt: über drei Monate oder 300 Stunden → höchstens 60 Punkte. Der Pitch sagt dann offen, dass es nicht passt, und bietet einen abgegrenzten Teil an.
Was es kostet
Zwölf Projekte pro Lauf, zwei bis drei LLM-Aufrufe, ein paar Cent am Tag. Der Server läuft ohnehin. Die teuerste Ressource ist nicht Geld, sondern die Zeit, die ich früher mit Suchen verbracht habe.
Gemessen an einem Auftrag ist das nichts. Ein einziges Projekt im Bereich 500 bis 900 Euro bezahlt die Pipeline für Jahre.
Was es nicht macht
Es bewirbt sich nicht automatisch. Das ist Absicht. Ein Text, der ungeprüft rausgeht, ist schneller peinlich als nützlich – und auf Freelance-Plattformen ist die Bewerbung das, was den Unterschied macht.
Der Bot liefert die Auswahl und einen Textentwurf. Ich lese, ändere zwei Sätze, schicke ab. Aus zwanzig Minuten Suchen sind zwei Minuten Prüfen geworden.
Fazit
Automatisierung ersetzt hier keine Arbeit, sondern eine bestimmte Sorte Arbeit: das Suchen und Vorsortieren. Das ist der Teil, der sich wiederholt und bei dem man Fehler macht, weil man müde wird.
Der Rest – entscheiden, schreiben, verhandeln – bleibt. Und das ist auch gut so: Genau dort entsteht der Wert.
Ob das Ganze funktioniert, entscheidet sich nicht an der Technik, sondern an der ersten Antwort auf eine Bewerbung. Die steht noch aus.
Wenn du den Weg mitlesen willst – oder selbst mittendrin steckst – trag dich in den Newsletter ein. Ich schreibe ein- bis zweimal im Monat, ohne Werbung.
Mehr über mich und wo ich gerade stehe: Über mich.