Führt strukturierte Einstellungsinterviews von der Stellenanzeige bis zum Bericht: ein einziges HTML-File ohne Backend und ohne Build-Step, damit Kandidatendaten den Rechner nie verlassen.

▶ Demo ausprobieren Klick auf dem Startbildschirm „Beispiel-Auswertung ansehen": Das lädt ein komplett ausgefülltes Interview mit fiktiver Stelle, fiktivem Kandidaten, Kompetenz-Radar und Bericht. Statische Seite auf GitHub Pages, kein Cold-Start.

A single-file, client-side tool for running structured hiring interviews: job and CV intake (PDF text extraction in the browser), an importable question pool (xlsx), a live cockpit with timer, five interview phases and 4-point behavioural-anchor ratings, plus a competency radar and an exportable report. No backend and no build step, so candidate data never leaves the machine. Sanitised portfolio version with synthetic content only. Full write-up in German below.

Ein kompletter Interview-Workflow in einer Datei. Stelle und Lebenslauf werden erfasst, der CV wird als PDF importiert und direkt im Browser in Text umgewandelt. Ein eigener Fragenpool lässt sich als xlsx laden. Im Live-Cockpit führt das Tool durch fünf Phasen (Begrüßung, Vorstellung des Ablaufs, Fachfragen, Verhaltensfragen mit CV-Bezug, Abschluss), mit Timer und Bewertung jeder Frage auf einer 4er-Skala mit Verhaltensankern. Am Ende stehen Auswertung nach Kompetenz-Clustern, ein Kompetenz-Radar und ein exportierbarer Bericht. Die Oberfläche ist deutsch und englisch.

Interviewdaten gehören zum Sensibelsten, was ein HR-Prozess erzeugt: Lebensläufe, Bewertungen, Einstellungsempfehlungen. Statt das über Zugriffsrechte auf einem Server zu lösen, ist hier die Architektur selbst die Antwort. Alle Daten liegen im localStorage des Browsers oder, über die File System Access API, in einem lokalen Ordner, den der Nutzer selbst wählt. Es existiert kein Backend, das sie speichern könnte.

Die einzige Ausnahme ist der optionale KI-Copilot für Fragenvorschläge. Er ruft api.anthropic.com direkt aus dem Browser auf, mit einem API-Key, den der Nutzer selbst einfügt und der nur in seinem Browser liegt. Kein Proxy-Server sieht Key oder Daten. Diese Konstruktion braucht den Header anthropic-dangerous-direct-browser-access, und der Name ist Programm: Sie ist für ein lokales Einzelnutzer-Tool vertretbar und für eine öffentliche Mehrbenutzer-App nicht.

Ursprünglich als privates Tool während eines realen Bewerbungsprozesses bei Festo gebaut, ohne Anstellungsverhältnis. Dies ist eine bereinigte, umbenannte Fassung mit ausschließlich synthetischen Inhalten: fiktive Stellenanzeige, fiktiver Beispiel-Kandidat, selbst geschriebene generische Fragensammlung. Keine echten Kandidatendaten, keine echten Stellenausschreibungen, keine Kompetenzmodelle Dritter.

Drei Bibliotheken werden per CDN geladen: SheetJS für den xlsx-Import, Chart.js für das Kompetenz-Radar und pdf.js für die CV-Textextraktion.

Der gestrichelte Pfad zum Speicher ist der entscheidende: Er endet im Browser, nicht in einer Cloud. Und der KI-Copilot ist optional, ohne ihn funktioniert der gesamte Workflow.

Ehrliche Einordnung statt Feature-Marketing: Das ist ein kompaktes Werkzeug, kein Produkt.

Was dieses Projekt nicht ist: Die fehlenden Tests sind bei rund 2.000 Zeilen in einer Datei die größte technische Schuld des Projekts, verifizierbar ist es derzeit nur über die Beispiel-Auswertung in der Demo. Es ist außerdem ein Einzelnutzer-Tool und gerätegebunden: kein Account, kein Sync, keine gemeinsame Bewertung durch mehrere Interviewer. Der localStorage hat Größenlimits und verschwindet mit den Browserdaten, weshalb der Export in einen lokalen Ordner der stabilere Weg ist. Und es gibt keine ATS-Schnittstelle.

Es gibt nichts zu installieren. Entweder die Demo oben öffnen oder:

git clone https://github.com/marco-stang/interview-cockpit.git
# danach index.html im Browser öffnen

marco@portfolio:~$ open marco-os --project hr-interview-cockpit

▸ Dieses Projekt in MARCO.OS öffnen, dem interaktiven Portfolio von Marco Stang.

Schwesterprojekte: SQL Copilot (LangGraph-Agent mit Guardrails) · Review Risk Predictor (erklärbares ML, React/FastAPI) · Ask-Marco Assistant (Chat über alle Projekte)

Marco Stang · Dr.-Ing. · LinkedIn · stang.marco@t-online.de · MIT-Lizenz