Jugeo Compass – ein Service, der Ausschreibungen für öffentliche Mietwohnungen mit AI strukturiert aufbereitet
(jugeo.co.kr)Hallo. Ich entwickle Jugeo Compass, einen Service, der Ausschreibungen für öffentliche Mietwohnungen von LH, SH, GH usw. sammelt und komplexe Ausschreibungstexte mit AI analysiert.
Warum ich das gebaut habe
Als ich mich für öffentliche Mietwohnungen zu interessieren begann und die Ausschreibungen selbst verfolgt habe, merkte ich, dass der Zugang zu den Informationen schwieriger ist, als man denkt.
Die Ausschreibungsformate unterscheiden sich je nach Institution, und die Bekanntmachungen werden als PDF/HWP-Dateien mit oft dutzenden Seiten veröffentlicht – aber die Informationen, die ich tatsächlich brauche, sind über das ganze Dokument verstreut.
Zum Beispiel:
- Beginn und Ende des Bewerbungszeitraums
- Angebotskategorien wie Jugend, Frischverheiratete, Senioren usw.
- Einkommensgrenzen
- Vermögensgrenzen
- Voraussetzung, kein Wohneigentum zu besitzen
- Bonuspunkt-Kriterien
- Datum der Bekanntgabe der ausgewählten Bewerber
- Einzureichende Unterlagen
Um diese Informationen zu finden, musste ich jedes Mal lange Bekanntmachungen öffnen, suchen, Tabellen lesen und mir Termine separat merken.
Ich wollte diesen Prozess verkürzen und habe deshalb Jugeo Compass gebaut.
Hauptfunktionen
1. AI-Analyse von Ausschreibungen
Aus PDF-/HWP-Dokumenten und Anhängen der Ausschreibungen werden die Kerninformationen extrahiert und strukturiert aufbereitet.
Statt auf eine bloße Zusammenfassung zu setzen, konzentriere ich mich darauf, die Inhalte in Daten umzuwandeln, die sich durchsuchen, filtern und vergleichen lassen.
Zum Beispiel extrahiert die AI folgende Punkte:
- Bewerbungsvoraussetzungen
- Einkommensgrenzen
- Vermögensgrenzen
- Bedingungen zu Wohnort/Arbeitsort
- Anforderungen an das Wohnbausparkonto
- Bewerbungs- und Vergabetermine
- Mietkaution/monatliche Miete
- Liste der angebotenen Wohnungen
- Wichtige Hinweise und zu beachtende Bedingungen
- Stellen im Originaldokument als Nachweis
Noch bevor Nutzer die lange Bekanntmachung von Anfang an lesen, können sie schnell einschätzen, ob es sich überhaupt um eine Ausschreibung handelt, die für sie relevant ist.
2. Terminkalender
Ausschreibungsdatum, Beginn der Bewerbung, Bewerbungsschluss, Termin zur Einreichung der Unterlagen, Bekanntgabe der ausgewählten Bewerber usw. lassen sich in einem Kalender anzeigen.
Bei Ausschreibungen für öffentliche Mietwohnungen sind nicht nur die Bedingungen kompliziert – auch verpasste Fristen sind ein großes Problem. Deshalb ist die Kalender-UX für mich besonders wichtig.
3. Filter nach Region und Typ
Es lassen sich nur die gewünschten Regionen und Miettypen anzeigen.
Zum Beispiel kann man Ausschreibungen nach Kriterien wie Seoul/Gyeonggi, Jugend, Frischverheiratete, Happy Housing oder National Rental eingrenzen.
4. Mobile App und Android-Startbildschirm-Widget
Es gibt zusätzlich iOS- und Android-Apps.
Mit einem Startbildschirm-Widget kann man die wichtigsten Termine interessanter Ausschreibungen direkt sehen.
Es ist dafür gedacht, Informationen wie den Bewerbungsschluss zu prüfen, ohne die App jedes Mal zu öffnen.
Wie die AI-Analyse umgesetzt ist
Die aktuelle Pipeline sieht ungefähr so aus:
- Ausschreibungsseiten der einzelnen Institutionen werden regelmäßig gesammelt
- Ausschreibungstext und angehängte PDF-/HWP-/Excel-Dateien werden heruntergeladen
- Text und Tabellen werden aus den Dokumenten extrahiert
- Lange Dokumente werden zur Analyse in Chunks aufgeteilt
- Mit einem LLM werden Metadaten, Wohnungsinformationen, Eignungskriterien, Zeitpläne und AI-Einschätzungen als strukturiertes JSON extrahiert
- Die extrahierten Ergebnisse werden gegen ein Schema validiert
- Für einige Ausschreibungen wird ein Golden Set erstellt, um die Extraktionsqualität zu vergleichen und zu bewerten
Am Anfang lag der Fokus eher darauf, „eine einzelne Zusammenfassung zu erzeugen“, aber in der Praxis stellte sich heraus, dass normalisierte Daten wichtiger sind als eine Zusammenfassung.
Zum Beispiel ist es viel nützlicher, bei Formulierungen wie „nicht mehr als 100 % des durchschnittlichen Monatseinkommens von städtischen Arbeitnehmern“ im Feld für Einkommensbedingungen Verhältnis, Beträge nach Haushaltsgröße und Ausnahmeregeln getrennt abzulegen, statt den Satz einfach nur zusammenzufassen.
Außerdem sind die Tabellen in den Ausschreibungen oft knifflig. Manchmal ist derselbe Wohnungstyp in mehrere Mietbedingungen aufgeteilt, oder die nächste Tabellenzeile ist eine Fortsetzung der vorherigen. Deshalb gibt es separate Nachverarbeitungs- und Validierungslogik, um keine doppelten Wohnungen zu erzeugen.
Die Modellaufrufe sind über eine OpenAI-/OpenRouter-kompatible Schicht getrennt. Wenn ein Dokument kurz ist, wird es auf einmal analysiert; wenn es lang ist, werden Metadaten, Wohnungsinformationen und AI-Einschätzungen getrennt verarbeitet.
Punkte, über die ich noch nachdenke
Es ist schwer zu sagen, dass die Ergebnisse der AI-Analyse zu 100 % korrekt sind. Deshalb werden sie aktuell zusammen mit dem Link zur Originalausschreibung angezeigt, und ich halte daran fest, dass Nutzer wichtige Informationen im Original prüfen können.
Besonders über folgende Punkte denke ich nach:
- Wie stabil lassen sich Tabellen in Ausschreibungen strukturieren?
- Welche UX wäre geeignet, damit Nutzer sicherer beurteilen können, ob eine Ausschreibung zu ihren Voraussetzungen passt?
- In welcher Form lassen sich die Belegsätze für die AI-Analyse besser sichtbar machen?
- Wie sollten bestehende Analyseergebnisse aktualisiert und verglichen werden, wenn eine Ausschreibung geändert wurde?
- Wie kann man komplexe Eignungskriterien auf Mobile anzeigen, ohne dass es zu beengt und frustrierend wirkt?
Dieses Projekt ist aus einem Problem entstanden, das ich selbst erlebt habe, und wird seitdem kontinuierlich weiterentwickelt.
Ich wäre wirklich dankbar für Feedback – egal ob zum Service-Layout, zur Art der AI-Analyse, zur Detailansicht der Ausschreibungen oder zur Mobile-UX.
[ Jugeo Compass ]
Web: https://jugeo.co.kr
iOS: https://apps.apple.com/kr/app/…
Android: https://play.google.com/store/apps/details?id=kr.housingcompass.app
2 Kommentare
Wie haben Sie den Frage-Chat mit KI implementiert?
Es scheint ein Problem zu geben, bei dem die Bereiche „Kurz vor Fristende“ und „Anstehende Bewerbung“ im Dark Mode verdeckt werden.