KI-gestützte Automatisierung kann die Content-Produktion revolutionieren: Newsletter schreiben sich selbst, Produktseiten entstehen in Sekundenschnelle, Social-Media-Posts erscheinen ohne menschliches Zutun. Doch wie gut funktioniert das wirklich? Der Beitrag von Sarah-Yasmin Hennessen zeigt praxisnah, welche Prozesse bereits reibungslos automatisiert werden können, wo KI an ihre Grenzen stößt – und warum Content-Automatisierung kein Märchen mit garantiertem Happy End ist.
Das Märchen vom Content auf Knopfdruck:
Wie viel Magie steckt wirklich in KI-Content-Automatisierung?
Lange Zeit thronte „Content is king“ über der Marketingwelt – ein großzügiger Herrscher, der gute Inhalte mit Sichtbarkeit belohnte. Doch mit den Jahren wurde der König unersättlich. Er wollte mehr, immer mehr: mehr Inhalte, schneller produziert, perfekt zugeschnitten auf jeden einzelnen Nutzer. Der gütige König wurde zum unersättlichen Tyrannen.
KI und Automatisierung: das Ende des Content-Hustles?
Doch nun erscheint am Horizont ein vermeintlicher Retter, ein Ritter in glänzender Rüstung, der den Hofstaat endlich aus den Klauen des gierigen Königs befreien soll. Der Name des Ritters: künstliche Intelligenz und mit dabei seine edle Dame namens Automatisierung.
Dieser Artikel wirft einen praxisnahen Blick auf die Automatisierung von Content mit KI. Zwei konkrete Beispiele – automatisierte Produktseiten und Newsletter – zeigen, wie Unternehmen KI-gestützte Lösungen in ihre Strategie integrieren können. Dabei stehen nicht nur die Potenziale im Fokus, sondern auch die Stolperfallen und Grenzen, die den Erfolg der Automatisierung beeinflussen können.
Künstliche Intelligenz ist der Turbo für Automatisierungen
Automatisierung mit Tools wie Zapier oder Make sind eine einsteigerfreundliche Möglichkeit, Verbindungen zwischen Tools herzustellen, ohne dass dafür Programmierkenntnisse benötigt werden. Ein Beispiel für eine Automatisierung: Ein neuer Podcast geht online und automatisch wird dazu ein Social-Media-Post zur Ankündigung der Folge veröffentlicht.
Das Automatisierungstool verbindet das Podcast-Tool (zum Beispiel Spotify oder YouTube) mit dem Social-Media-Account (zum Beispiel Facebook) und erstellt und veröffentlicht den Post vollkommen automatisch, sobald die neue Episode online ist.
Automatisierung ist nicht neu und schon seit vielen Jahren ein Dauerbrenner in Agenturen und Unternehmen. Doch künstliche Intelligenz hat die Möglichkeiten für Automatisierungen ins Unendliche erweitert.
Hier noch einmal das Podcast-Beispiel mit und ohne KI:
Automatisierung ohne KI: | Automatisierung mit KI: |
Der automatisierte Social-Media-Post kann nur aus Informationen bestehen, die in der Podcast-Beschreibung und dem Titel bereits vorhanden sind. Individualisierung ist nur umständlich möglich. | KI kann zum Podcast einen individuellen Blogartikel erstellen und kreative Ankündigungs-Social-Posts, die auf die Zielgruppe des Social Networks zugeschnitten sind, sowie zusätzlich einen Content-Newsletter, der das Thema aus dem Podcast vertieft, generieren. All das kann mit Automatisierung komplett eigenständig veröffentlicht werden. |
Die meisten der häufig genutzten Tools wie Trello, Slack, WordPress, Shopify, ChatGPT und Claude lassen sich mit nur drei Klicks in das Automatisierungstool (zum Beispiel Make oder Zapier) einbinden und im Anschluss ansteuern. Wer mit Automatisierung beginnen möchte, findet auf YouTube unzählige einsteigerfreundliche Tutorials, die keinerlei Programmierwissen voraussetzen.
Eine der wichtigsten Überlegungen zu Automatisierungen ist die Frage, was automatisiert werden soll. Welche Prozesse wiederholen sich immer wieder und kosten viel Zeit? Manchmal hilft es auch, sich von anderen inspirieren zu lassen, um spannende Automatisierungen zu finden. Deshalb kommen nun zwei Beispiele für Content-Automatisierung mit KI.
Automatisierter Newsletter dank KI
Newsletter zu schreiben, kostet Zeit und kreative Power. Wie wäre es also, wenn sich ein Newsletter von selbst schreibt, noch während das Content-Meeting läuft? Mit Automatisierung ist das kein Problem.
Das Szenario: Diese erste Automatisierung nimmt an, dass sich das Content-Team über Trello organisiert und in Content-Meetings die Ideen auf Trello-Karten festgehalten werden.
Macht jemand einen guten Themenvorschlag, dann landet das Thema im Titel einer neuen Trello-Karte. In der Beschreibung dieser Karte wird der Themenvorschlag kurz beschrieben. Diese Karte wird in der Spalte „NL: Ideen“ abgelegt. Sobald das Thema umgesetzt werden soll, wird die Karte in die Spalte „NL: Geplant“ verschoben und die Automatisierung beginnt.
Info
Jede Automatisierung besteht aus zwei Grundelementen: einem Trigger und einer oder mehreren Aktionen. Der Trigger ist eine Handlung, die die Automatisierung in Gang setzt. Dieser Trigger wird im Automatisierungstool hinterlegt und startet die Automatisierung daraufhin vollkommen automatisch. Nach dem Trigger kommen die Aktionen, die ausgeführt werden sollen. Aktionen sind die eigentlichen Arbeitsschritte, die automatisiert werden sollen.
Die Automatisierung wird ausgelöst
1. Trigger, Trello: Der Trigger in diesem Beispiel ist eine neue Karte in der Trello-Spalte „NL: Geplant“. In dem Moment, in dem jemand eine Karte in dieser Spalte erstellt oder eine Karte in diese Spalte verschiebt, beginnt die Automatisierung.
Ein Newsletter-Draft wird automatisch erstellt
2. Aktion, ChatGPT:
Das Automatisierungstool schickt einen ausführlichen Prompt für die Erstellung eines Newsletters an ChatGPT. Dieser Prompt wurde zuvor im Automatisierungstool durch den Nutzer hinterlegt. Dazu liest das Tool den Titel der Karte und die Beschreibung der Trello-Karte aus und ergänzt sie im Prompt. Der Prompt arbeitet mit der Few-Shot-Prompting-Technik, was bedeutet, dass zwei eigene Newsletter als Beispiel für den erwarteten Output zur Verfügung gestellt werden.
Das Ergebnis: ChatGPT hat einen sehr guten Newsletter erstellt, der mit den Beispiel-Newslettern aus dem Prompt durchaus mithalten kann.
Ein zweiter Newsletter-Draft wird automatisch erstellt
3. Aktion, Claude 3.7 Sonnet:
Der exakt identische Prompt wird auch an Anthropics Claude geschickt. So ist es am Ende möglich, diese beiden wirklich guten Large Language Models zu vergleichen.
Das Ergebnis: Claude hat ebenfalls einen wirklich guten Newsletter erstellt.
Die beiden Entwürfe werden aus Sicht der Zielgruppe bewertet
4. Aktion, Claude 3.5 Sonnet:
Nun werden der Newsletter von ChatGPT und der Newsletter von Claude noch einmal an Claude geschickt. Claude bekommt nun mittels Prompt die Aufgabe, die beiden Newsletter aus Sicht der Zielgruppe zu bewerten. Für diese Aufgabe wird ein anderes Claude-Modell verwendet, um einem Bias bei der Bewertung entgegenzuwirken. Claude bekommt eine ausführliche Beschreibung der Zielgruppe als System-Message (das sind zusätzliche Informationen, die im Automatisierungstool hinterlegt werden können).
Das Ergebnis: Claude hat die beiden KI-generierten Newsletter auf Basis der Zielgruppe bewertet und die Pros und Cons des jeweiligen Newsletters aufgelistet.
Newsletter-Entwürfe und Bewertung werden gespeichert
5. Aktion, Google Docs:
Das Automatisierungstool legt nun ein Dokument in Google Docs an. Das Dokument hat folgenden Inhalt und Aufbau:
- Die Bewertung der beiden Newsletter durch Claude 3.5 Sonnet
- Die beiden ausformulierten Newsletter
Das Ergebnis: Innerhalb weniger Minuten hat das Content-Team zwei komplett ausformulierte Varianten ihrer Newsletter-Idee in einem Dokument – inklusive einer Ersteinschätzung aus Sicht der Zielgruppe.
Die Trello-Karte wird aktualisiert und verschoben
6.–9. Aktion, Trello:
Das Automatisierungstool sucht die Trello-Karte, die im Trigger verwendet wurde, und fügt einen Link zum Google-Doc in die Trello-Karte ein. Dann wird die Trello-Karte automatisch in die Spalte „NL: Draft erstellt“ verschoben.
Das Ergebnis: Das Content-Team kann im Trello-Board sehen, wenn die KI fertig ist, und hat direkt einen Link zum erstellten Google-Doc, um den Newsletter zu lesen und zu optimieren, bevor er dann verschickt wird.
Die Grenzen dieser Automatisierung
Für Content-Newsletter (zum Beispiel für Personenmarken oder auch LinkedIn-Newsletter) ist diese Automatisierung erstaunlich zuverlässig und liefert wirklich gute Ergebnisse. Der Schlüssel hierzu sind die beiden Newsletter, die die KI als Beispiel zur Verfügung gestellt bekommt. ChatGPT und Claude sind sehr gut in der Lage, den Kern dieser Beispiele zu verstehen und den Aufbau sowie Schreibstil zu imitieren (das ist bei Gemini zum Beispiel derzeit noch nicht so). Die Ergebnisse waren in zahlreichen Tests mehrheitlich sehr gut verwendbar. Natürlich sollte – wie immer beim Einsatz von KI – am Ende eine Kontrolle durch den Menschen stattfinden. Dem Content-Team kann damit viel Arbeit abgenommen werden.
Wenn der zu schreibende Newsletter kein durchgängiger Text ist, sondern einzelne Textelemente, die zum Beispiel durch Angebote und Werbeaktionen durchbrochen werden, dann muss der Prompt deutlich ausgefeilter und strukturierter sein. Dadurch erhöht sich die Fehleranfälligkeit dieser Automatisierung enorm und der Aufwand in der Nachbereitung steigt.
Lässt sich die Automatisierung noch sinnvoll erweitern?
Die beiden Newsletter-Entwürfe der KI sind der ideale Ausgangspunkt für weitere Content-Elemente wie Social-Media-Posts, Blogartikel oder Podcast-Skripte. Durch eine weitere Aktion mit ChatGPT oder Claude können ebenso einfach Drafts für Social-Media-Content erstellt und der Trello-Karte hinzugefügt werden.
Automatisierte Produktdetailseiten für deinen Shop
Dieser Case ist für Shops, die häufig neue Produkte online stellen müssen. In diesem Beispiel handelt es sich um einen Shopify-Shop, aber auch andere Shopsysteme wie WooCommerce lassen sich sehr simpel in Automatisierungen integrieren.
Das Szenario: Die Produktentwicklung stellt die wichtigsten Informationen zum neuen Produkt zur Verfügung. Dazu gehören Bilder, Name, Beschreibung, Maße, Material und Hersteller. Diese Informationen werden in eine Google-Tabelle eingetragen. Daraus entsteht (Automatisierung sei Dank) die Produktdetailseite.
Die Automatisierung wird ausgelöst
1. Trigger, Google-Tabelle: Der Trigger in diesem Beispiel ist der Eintrag in die Google-Tabelle. Dieser Trigger erspart die E-Mail oder das Meeting mit dem Produktteam.
Produktdetailseite automatisch texten
2. Aktion, ChatGPT Vision: Wenn das Produktteam die Daten in die Tabelle eigetragen hat, läuft die Automatisierung automatisch los. Die erste Aktion ist eine Nachricht an ChatGPT Vision mit dem Auftrag, das Produktbild auszulesen und eine Produktdetailseite zu texten. Im Automatisierungstool ist ein ausführlicher Prompt hinterlegt, der den Shop sowie die Zielgruppe des Shops beschreibt und die Aufgabe klar strukturiert. Der Prompt enthält klare Vorgaben zur Struktur der Produktdetailseite. Die Automatisierung ergänzt diesen Prompt selbstständig um die Daten aus dem Tabelleneintrag und das Produktbild und schickt alles an die KI.
ChatGPT Vision liest das Bild aus und verarbeitet den Prompt. Durch das Mitschicken des Bilds kann die KI Details des Produkts erfassen, die das Produktteam vielleicht nicht in der Produktbeschreibung erfasst hat. ChatGPT liefert das Ergebnis automatisch an das Automatisierungstool zurück und es kann in der Automatisierung weiter verwendet werden.
Das Ergebnis: ChatGPT hat einen wirklich soliden Text für die Produktdetailseite erstellt.
Produktdetailseite automatisch anlegen
3. Aktion, Shopify: Aus dem Text von ChatGPT und den Daten der Tabelle wird nun automatisch eine Produktdetailseite bei Shopify erstellt und als Entwurf abgelegt. Mutige (oder übermütige?) User können die Seite direkt live schalten. Dazu werden nun einige der Produktdaten aus der Tabelle und der Text aus ChatGPT an Shopify gesendet.
Das Ergebnis: Im Shop ist nun eine (nahezu) fertige Produktdetailseite angelegt und wartet auf einen letzten manuellen Check.
Für wen ist diese Automatisierung sinnvoll?
Shops, die häufig neue Produkte implementieren müssen, können durch diese einfache Automatisierung viel Zeit einsparen. B2B-Shops mit hoch erklärungsbedürftigen Produkten können sich noch nicht auf das Allgemeinwissen der KI verlassen. Hier kann die Einbindung einer RAG (Retrieval Augmented Generation) sinnvoll sein, was zumindest rudimentäres Programmierwissen voraussetzt.
Info
Durch Retrieval Augmented Generation (RAG) kann generative KI mit einer externen Wissensdatenbank kombiniert werden, um genauere und kontextbezogene Antworten zu liefern. Dies verbessert die Qualität der Ergebnisse, da die KI nicht nur auf ihr trainiertes Modell angewiesen ist, sondern spezifische Informationen aus externen Quellen nutzen kann.
Lässt sich die Automatisierung noch sinnvoll erweitern?
Die Automatisierung lässt sich sehr einfach durch weitere Content-Aktionen erweitern. Zum Beispiel kann der Produkttext verwendet werden, um automatisiert mithilfe von KI Social-Media-Posts für das neue Produkt zu erstellen. Für E-Mail-Marketing-Begleitung zum Produktlaunch kann die Automatisierung um eine leicht fortgeschrittenere Aktion erweitert werden.
Bonus: automatisierte E-Mail-Launch-Begleitung
4. Aktion, ChatGPT Assistant: Der Launch des neuen Produkts soll durch eine E-Mail-Marketing-Kampagne begleitet werden. Dazu wird im OpenAI Playground (der Entwickler-Spielwiese von OpenAI) ein Assistant angelegt, der mit Informationen zur Zielgruppe und einem sehr ausführlichen Prompt für die Erstellung einer Newsletter-Kampagne „gefüttert“ wird. In der Praxis hat sich gezeigt, dass bei sehr langen Prompts mit ausführlichen Informationen der Assistant weniger „schreibfaul“ ist als die direkte Ansprache über die ChatGPT-Anbindung des Automatisierungstools. Der Assistant bekommt aus dem Automatisierungstool den Text der Produktdetailseite zur Verfügung gestellt.
Info
Im OpenAI Playground lässt sich ohne Programmierkenntnisse ein Assistant erstellen, der durch individuelle Prompts und hochgeladene Wissensdateien auf spezifische Aufgaben optimiert wird. Dadurch liefert er präzisere Antworten, spart Zeit und automatisiert wiederkehrende Aufgaben. Die Erstellung ist denkbar einfach und es lohnt sich, mutig zu sein und im Playground ein bisschen zu „spielen“.
Das Ergebnis: Der Assistant schreibt fünf Newsletter, die den Produktlaunch ankündigen, begleiten und im Anschluss zu UGC (User Generated Content) und Testimonials motivieren. Diese Newsletter können dann zum Beispiel zur Bearbeitung in einem Google-Doc abgelegt werden oder (für Mutige) auch direkt ins Newsletter-Tool geschickt werden.
Die Grenzen dieser Automatisierung
KI-generierte Produktdetailseiten sind qualitativ nicht mit Texten gleichzusetzen, die erfahrene Texter produzieren, aber dennoch sind sie besser als sehr vieles, was derzeit im Web unterwegs ist.
Ein sehr typisches Problem von KI-Texten begegnet uns auch in Automatisierungen. Künstliche Intelligenz produziert Texte (trotz des immer gleichen Briefings) nicht zuverlässig in gleichbleibender Qualität und nicht immer sinnvoll strukturiert. So ist manchmal auf der Produktdetailseite noch die nervige KI-Einleitung zu „Ja, ich habe dich verstanden, großartige Idee ...“ zu lesen, obwohl der Prompt ausdrücklich den direkten Einstieg ohne Blabla fordert. Dadurch ist eine Vollautomatisierung zum jetzigen Zeitpunkt noch nicht sinnvoll.
KI und Automatisierung: Chancen, Grenzen und ein realistischer Blick nach vorn
KI-gestützte Automatisierung klingt wie der langersehnte Befreiungsschlag im Content-Marketing. Weniger Workload, weniger Stress, endlich mehr Zeit für kreative Aufgaben – das Versprechen klingt verlockend. Doch ist das wirklich das Ende des Content-Hustles oder nur ein weiteres Kapitel im ewigen Märchen der Effizienzsteigerung?
Die Beispiele in diesem Artikel zeigen einerseits, wie sich wiederkehrende Aufgaben effizient automatisieren lassen, und andererseits auch die Grenzen der KI-Automatisierung.
Chancen: Skalierbarkeit und Zeitersparnis
Die größte Stärke von KI-gestützter Automatisierung liegt in der Geschwindigkeit und Skalierbarkeit. Was früher Stunden oder sogar Tage gedauert hat, passiert jetzt in wenigen Minuten. Social-Media-Posts schreiben sich von selbst, Produktbeschreibungen erscheinen auf Knopfdruck, Newsletter füllen sich fast magisch mit Inhalten. Das spart Zeit, reduziert Routineaufgaben und gibt Teams die Freiheit, sich stärker auf kreative Konzepte und strategische Themen zu konzentrieren. Richtig eingesetzt kann Automatisierung eine echte Erleichterung sein – besonders für repetitive Aufgaben, die ohnehin niemand gerne macht.
Risiken: Qualitätsschwankungen und Kontrollaufwand
Doch wer denkt, KI sei die perfekte Content-Fee, die mit einem Zauberstab perfekte Texte erschafft, wird schnell eines Besseren belehrt. KI-generierte Inhalte schwanken in ihrer Qualität – manchmal liefern sie erstaunlich gute Ergebnisse, manchmal aber auch generische, uninspirierte Texte. Diese Unzuverlässigkeit ist auch – oder insbesondere – durch Automatisierung nur schwer in den Griff zu bekommen. Zudem ist die Einhaltung von Markenstimme und Tonalität eine Herausforderung, wenn KI-Modelle Inhalte in wechselnder Qualität generieren.
Einordnung: Automatisierung als Unterstützung, nicht als Ersatz
KI und Automatisierung können Content-Teams entlasten, aber nicht vollständig ersetzen. Die Zukunft liegt in einem hybriden Ansatz: KI übernimmt Fleißaufgaben, strukturiert Daten und liefert Entwürfe – der Mensch bringt Kreativität, Strategie und emotionale Intelligenz ein. Wer Automatisierung sinnvoll nutzt, kann Workflows optimieren und effizienter arbeiten – aber die finale Verantwortung bleibt immer beim Menschen.
Letztendlich ist KI-gestützte Automatisierung kein Märchen mit garantiertem Happy End – aber ein spannendes Kapitel in der Zukunft der Content-Erstellung. Ob es eine Erfolgsgeschichte wird, hängt davon ab, wie klug und bewusst sie eingesetzt wird.