Gut gemacht, spart die Content-Automatisierung Stunden. Schlecht gemacht, erzeugt sie faden Spam, der der Marke schadet. Der Unterschied liegt in der Methode, nicht im Werkzeug. So bauen Sie ein System, das relevante Texte ohne Geschwafel schreibt.

Das Prinzip: eine Kette, kein Zauberknopf

Eine serioese Content-Automatisierung ist eine mehrstufige Kette:

1. Ausloeser — ein Ereignis (neues Produkt, eingegangenes Formular, Datum, in einer Tabelle hinzugefuegte Zeile).
2. Kontext — man sammelt die nuetzlichen Daten (Produktblatt, Markenton, Vorgaben).
3. KI-Generierung — das Modell erzeugt einen Entwurf nach einer praezisen Anweisung.
4. Pruefung — menschliche Durchsicht oder automatische Regeln (Laenge, verbotene Woerter, gegenzupruefende Fakten).
5. Veroeffentlichung — ins CMS, in die E-Mail, ins soziale Netzwerk.

Die KI ist nur ein Schritt in der Mitte. Der Rest sorgt fuer die Zuverlaessigkeit.

Die technischen Bausteine

• Das Modell: Claude (Anthropic), GPT (OpenAI) und andere. Man ruft sie ueber ihre API auf.
• Der Orchestrator: n8n (Open Source, selbst hostbar), Make oder Zapier. Er verbindet Ausloeser, KI-Aufrufe und Ziele ohne alles zu programmieren.
• Die Ziele: CMS-API (WordPress, headless), E-Mail-Versand, Dateien, soziale Netzwerke.

Auf dieser Website ist die Engine statisch, aber eine Automatisierung kann durchaus das Content-Repository speisen (Markdown-Dateien), das anschliessend eine Neugenerierung ausloest.

Prompts schreiben, die ‘ohne Geschwafel’ liefern

Die Qualitaet eines generierten Textes haengt vor allem von der Anweisung (dem Prompt) ab. Ein guter Prompt praezisiert:

• Die Rolle: ‘Du bist technischer Redakteur fuer Kleinstunternehmen.’
• Zielgruppe und Ziel: fuer wen, und welche Handlung erwartet wird.
• Das Format: Laenge, Struktur, Ueberschriften, Listen.
• Die Vorgaben: sachlicher Ton, keine hohlen Superlative, keine Erfindungen, einfaches Vokabular.
• Beispiele: 1 bis 2 Ausschnitte des gewuenschten Tons sind tausend Adjektive wert.

Anti-Geschwafel-Tipp: Verlangen Sie ausdruecklich, Saetze zu streichen, die keine Information liefern, und ‘auf den Punkt zu kommen’.

Konkrete Anwendungsfaelle

• Produktbeschreibungen aus rohen Merkmalen.
• Artikelentwuerfe aus einer freigegebenen Gliederung.
• Vorformulierte Support-Antworten (vor dem Versand durchgesehen).
• Zusammenfassungen langer Dokumente, mehrsprachige Uebersetzungen.

Die Schutzmechanismen (nicht verhandelbar)

1. Menschliche Pruefung sachlicher Informationen: das Modell kann halluzinieren (Falsches selbstsicher behaupten).
2. DSGVO: uebermitteln Sie keine sensiblen personenbezogenen Daten an einen Drittanbieter ohne Rechtsgrundlage und Vorsichtsmassnahmen.
3. Markenton: die KI imitiert; behalten Sie eine Durchsicht fuer fachliche Korrektheit und Stimme bei.
4. Nachvollziehbarkeit: wissen Sie, welcher Inhalt generiert wurde, und behalten Sie die Kontrolle ueber die Veroeffentlichung.

Eine typische Architektur

Ausloeser (Tabelle / Webhook)
   → Kontext abrufen (API)
   → KI-Aufruf (Prompt + Kontext)   ← Claude / GPT
   → Automatische Pruefungen (Laenge, verbotene Woerter)
   → Warteschlange zur menschlichen Durchsicht
   → Veroeffentlichung (CMS / E-Mail)

Fangen Sie klein an: eine einzige wiederkehrende Aufgabe, ein Mensch in der Schleife, und messen Sie die gewonnene Zeit. Automatisierung gewinnt man Schritt fuer Schritt, nie auf einen Schlag.