JSON-Schema: Lebenslauf extrahieren
# JSON-Schema: Lebenslauf extrahieren code: 10b0sps | type: schema | language: de | licence: MIT | version: v1 description: JSON Schema, um einen Lebenslauf mit einem LLM zu extrahieren: Berufserfahrung, Kenntnisse, Sprachen und Ausbildung. Ohne Alter, Foto oder Familienstand. page: https://contextetech.com/de/schemas/lebenslauf-extrahieren-10b0sps mcp: connect https://contextetech.com/mcp then call load_resource with code "10b0sps" (or ask "load 10b0sps") json: https://contextetech.com/api/resources/contextetech--lebenslauf-extrahieren python: pip install contexte && contexte get 10b0sps citation (required by the licence): contextetech. (2026). JSON-Schema: Lebenslauf extrahieren (Version 1) [Ausgabeschema]. Contexte Tech. https://contextetech.com/de/schemas/lebenslauf-extrahieren-10b0sps
JSON Schema, um einen Lebenslauf mit einem LLM zu extrahieren: Berufserfahrung, Kenntnisse, Sprachen und Ausbildung. Ohne Alter, Foto oder Familienstand.
Extrahiere die Angaben aus dem Lebenslauf. Erfinde nichts: fehlt eine Angabe, bleibt das Feld leer. Leite weder Alter, Familienstand, Herkunft, Religion noch Gesundheit ab (geschützte Merkmale nach dem AGG).
JSON Schema
{
"type": "object",
"required": [
"name",
"berufserfahrung",
"kenntnisse"
],
"properties": {
"name": {
"type": "string"
},
"position": {
"type": "string",
"description": "Aktuelle oder gesuchte Position"
},
"sprachen": {
"type": "array",
"items": {
"type": "object",
"properties": {
"niveau": {
"type": "string"
},
"sprache": {
"type": "string"
}
}
}
},
"ausbildung": {
"type": "array",
"items": {
"type": "object",
"properties": {
"jahr": {
"type": "string"
},
"abschluss": {
"type": "string"
},
"einrichtung": {
"type": "string"
}
}
}
},
"kenntnisse": {
"type": "array",
"items": {
"type": "string"
}
},
"berufsjahre": {
"type": "number"
},
"berufserfahrung": {
"type": "array",
"items": {
"type": "object",
"required": [
"position",
"unternehmen"
],
"properties": {
"bis": {
"type": "string"
},
"von": {
"type": "string"
},
"position": {
"type": "string"
},
"unternehmen": {
"type": "string"
}
}
}
}
}
}- Kennung
- contextetech--lebenslauf-extrahieren
- Datei
- lebenslauf-extrahieren.schema.json
- Format
- JSON (application/json)
- Größe
- 1.484 Bytes (1,4 KB)
- Kodierung
- UTF-8
- Geschätzte Tokens
- ≈ 412
- Kommerzielle Nutzung
- Erlaubt
- Personenbezogene Daten
- Keine
- Version
- 1.0
- Veröffentlicht am
- 3. Oktober 2026 um 05:20
- Aktualisiert am
- 16. Oktober 2026 um 23:19
- Speicherung
- in der Datenbank
Statistiken
Gefällt mir : 0 · Kommentare : 0
Klicken Sie auf einen Zähler, um ihn ein- oder auszublenden; fahren Sie über das Diagramm für Details. Ein Aufruf pro Besucher und Tag, ohne Bots; Zählung seit dem 30. September 2026.
Geschätzte Kosten
- Eingabe-Tokens pro Aufruf
- ≈ 602
| Modell | Pro Aufruf | Pro Monat |
|---|---|---|
| GPT-6 Luna · OpenAIbester Preis | 0,00005 € | 0,05 € |
| DeepSeek Flash · DeepSeek | 0,00016 € | 0,16 € |
| Mistral Large · Mistral AI | 0,00027 € | 0,27 € |
| DeepSeek V4 Pro · DeepSeek | 0,00070 € | 0,70 € |
| GPT-6 Sol · OpenAI | 0,00106 € | 1,06 € |
| Claude Sonnet 5.5 · Anthropic | 0,00106 € | 1,06 € |
| Claude Opus 5.5 · Anthropic | 0,00212 € | 2,12 € |
| Selbst gehostetes Open-Source-Modell (Ollama, vLLM) | 0 € API-Kosten (nur Serverkosten) | |
Nur Eingabekosten, ohne die Antwort des Modells. Öffentliche Standardpreise der Anbieter (Mistral AI, DeepSeek, OpenAI, Anthropic) von USD in Euro umgerechnet zum EZB-Kurs vom 13. Oktober 2026. Schätzung: 1 Token ≈ 3,6 Zeichen.
Gemeinsam für alle 3 Regionen
Vom Autor erstellt, ohne externe Quelle.
Kommerzielle Nutzung erlaubt · Autor nennen · Änderungen erlaubt.
Nur Text oder Daten: kein Zugriff auf Dateien, Netzwerk oder Befehle.
Gehostet in Frankreich (Scaleway, Paris). Keine Übermittlung außerhalb der EU.
Europäische Union · 5/5
Keine personenbezogenen Daten.
Keine Trainingsdaten: keine Zusammenfassung erforderlich.
Vereinigte Staaten · 5/5
Keine personenbezogenen Daten.
Keine Trainingsdaten: keine Dokumentation zu veröffentlichen.
China · 5/5
Keine personenbezogenen Daten.
Keine Trainingsdaten; in China verbreitete KI-generierte Inhalte sind zu kennzeichnen (2025).
Unverbindliche Übersicht, Stand 30/09/2026, keine rechtliche Zertifizierung. Methode und Quellen →
Qualität des Inhalts
Die Kriterien im Detail sind Mitgliedern vorbehalten.
Jedes Kriterium, die abgezogenen Punkte und ein Tipp zur Korrektur.
Inhaltsanalyse
Die Kriterien im Detail sind Mitgliedern vorbehalten.
Jedes Kriterium, die abgezogenen Punkte und ein Tipp zur Korrektur.
Aus dem Inhalt des Eintrags nach Regeln berechnet, ohne KI. Die Note steht im Reiter Qualität.
MCP contexte
https://contextetech.com/mcp
lade 10b0sps
Die Adresse in den Einstellungen deiner KI-Apps als Connector hinzufügen und dann die Anfrage oben senden.
API
import json, urllib.request url = "https://contextetech.com/api/resources/contextetech--lebenslauf-extrahieren" fiche = json.load(urllib.request.urlopen(url)) print(fiche["title"] or fiche["name"])
lebenslauf-extrahieren.schema.json
{
"type": "object",
"required": [
"name",
"berufserfahrung",
"kenntnisse"
],
"properties": {
"name": {
"type": "string"
},
"position": {
"type": "string",
"description": "Aktuelle oder gesuchte Position"
},
"sprachen": {
"type": "array",
"items": {
"type": "object",
"properties": {
"niveau": {
"type": "string"
},
"sprache": {
"type": "string"
}
}
}
},
"ausbildung": {
"type": "array",
"items": {
"type": "object",
"properties": {
"jahr": {
"type": "string"
},
"abschluss": {
"type": "string"
},
"einrichtung": {
"type": "string"
}
}
}
},
"kenntnisse": {
"type": "array",
"items": {
"type": "string"
}
},
"berufsjahre": {
"type": "number"
},
"berufserfahrung": {
"type": "array",
"items": {
"type": "object",
"required": [
"position",
"unternehmen"
],
"properties": {
"bis": {
"type": "string"
},
"von": {
"type": "string"
},
"position": {
"type": "string"
},
"unternehmen": {
"type": "string"
}
}
}
}
}
}Anthropic-API (Python)
import json, anthropic
schema = json.load(open("lebenslauf-extrahieren.schema.json"))
client = anthropic.Anthropic()
resp = client.messages.create(model="claude-sonnet-5", max_tokens=1024,
tools=[{"name": "extraire", "description": "Renvoie les données extraites", "input_schema": schema}],
tool_choice={"type": "tool", "name": "extraire"},
messages=[{"role": "user", "content": "deine Eingabe hier"}])
print(resp.content[0].input)OpenAI-Format (response_format)
{
"type": "json_schema",
"json_schema": {
"name": "lebenslauf-extrahieren",
"schema": {
"type": "object",
"required": [
"name",
"berufserfahrung",
"kenntnisse"
],
"properties": {
"name": {
"type": "string"
},
"position": {
"type": "string",
"description": "Aktuelle oder gesuchte Position"
},
"sprachen": {
"type": "array",
"items": {
"type": "object",
"properties": {
"niveau": {
"type": "string"
},
"sprache": {
"type": "string"
}
}
}
},
"ausbildung": {
"type": "array",
"items": {
"type": "object",
"properties": {
"jahr": {
"type": "string"
},
"abschluss": {
"type": "string"
},
"einrichtung": {
"type": "string"
}
}
}
},
"kenntnisse": {
"type": "array",
"items": {
"type": "string"
}
},
"berufsjahre": {
"type": "number"
},
"berufserfahrung": {
"type": "array",
"items": {
"type": "object",
"required": [
"position",
"unternehmen"
],
"properties": {
"bis": {
"type": "string"
},
"von": {
"type": "string"
},
"position": {
"type": "string"
},
"unternehmen": {
"type": "string"
}
}
}
}
}
},
"strict": true
}
}
Community
Noch keine Kommentare. Teile deine Erfahrung, sie hilft den Nächsten.