KI-Inhaltsfabrik: Wie wir einen Monat Inhalte an einem Tag produzieren

2026-05-24 · Sintaris · ai, content, n8n, rag, brand-voice, automation, marketing

KI-Inhaltsfabrik: Wie wir einen Monat Inhalte an einem Tag produzieren

TL;DR. Eine KI-Inhaltsfabrik ist nicht „GPT schreibt Beiträge." Es ist eine Pipeline „Brief → Entwurf → Redaktion → Planung → Veröffentlichung", bei der das LLM innerhalb eines deterministischen n8n-Workflows arbeitet, auf dem Markenbuch und vergangenen Top-Beiträgen des Kunden geerdet ist — und der finale „Veröffentlichen"-Knopf von einem Menschen gedrückt wird. In diesem Artikel: der Aufbau einer solchen Fabrik, Metriken, typische Fehler und eine Startvorlage.

1. Das Problem: „KI schreibt alles — wozu brauchen wir Sie dann noch?"

Eine typische Szene 2025–2026: Der Marketingdirektor öffnet ChatGPT, bittet „erfinde mir 10 Beiträge über unser SaaS," erhält 10 gleich warme, gesichtslose, leicht unechte Texte. Zwei Wochen später wächst der Unternehmensaccount in Beitragsanzahl und sinkt in der Reichweite.

Warum: Das Standard-LLM schreibt „wie alle anderen." Markenstimme ist nicht „erfahren, freundlich, kompetent." Markenstimme ist ein Korpus echter Texte, die das Unternehmen bereits veröffentlicht hat — und in denen sichtbar ist, wie es Kommas setzt, welche Wörter es meidet, welche Witze es macht. Das kann man nicht im Prompt übergeben. Als Korpus laden — schon.

2. Für wen das relevant ist

3. Der häufige Fehler

  1. ChatGPT öffnen.
  2. System-Prompt schreiben: „Du bist ein Texter für eine große Marke, schreibe in unserem Stil."
  3. „Unseren Stil" ohne einen einzigen echten Referenztext erhalten.
  4. Posten. Das Publikum reagiert nicht.
  5. „Die KI hat versagt" beschuldigen — obwohl die KI genau das getan hat, was gefragt wurde.

Weitere Fehler bei diesem Ansatz:

4. Der technische Ansatz

Die Inhaltsfabrik als Pipeline:

flowchart LR
  BRIEF[1. Brief<br/>Telegram-Formular] --> N8N[2. n8n-Workflow]
  N8N --> KB[3. Markenbuch-RAG<br/>+ Top-Beiträge]
  KB --> DRAFT[4. Entwurfs-<br/>generator]
  DRAFT --> EDIT[5. KI-Redakteur<br/>„Fremde Augen"]
  EDIT --> HUMAN[6. Mensch:<br/>freigeben / ablehnen]
  HUMAN -- freigegeben --> SCHED[7. Planer]
  SCHED --> PUB[8. Veröffentlichung<br/>TG/LI/WP]
  PUB --> METRICS[9. Metriken]
  METRICS --> KB

Kernprinzipien:

5. Tabelle: Typische Kanal-Konfiguration

Jeder Kanal ist eine Konfigurationsdatei, kein Code. Beispiel (vereinfacht):

channels:
  telegram_main:
    audience: "B2B, technische Direktoren"
    length_min_chars: 600
    length_max_chars: 1200
    tone: "Experte, ohne Füllwörter, konkret"
    hashtags: "2-3, am Ende"
    banned_phrases: ["revolutionär", "einzigartiges Produkt", "erstklassig"]
    cta_policy: "nicht mehr als ein CTA pro Beitrag"
    schedule: "MON,WED,FRI 10:30 Europe/Berlin"
  linkedin:
    audience: "EU Senior Management"
    length_min_chars: 800
    length_max_chars: 1500
    tone: "zurückhaltend, Fakten + 1 persönliche Beobachtung"
    hashtags: "3-5, inline"
    banned_phrases: ["10x", "game-changer", "Synergie"]
    schedule: "TUE,THU 09:00 Europe/Berlin"
  blog:
    audience: "organische Suche, Long-Tail-Anfragen"
    length_min_chars: 4000
    length_max_chars: 8000
    tone: "tiefgründig, mit Quellenverweisen"
    schedule: "wöchentlich"

Typische KPI-Tabelle:

KPI Vor Fabrik Nach (90 Tage)
Beiträge pro Woche 2 6–10
Durchschnittliche Zeit pro Beitrag (Std.) 2–6 0,25–0,5
% Off-Brand-Entwürfe (vom Redakteur abgelehnt) n/a 15–25 % (normal)
Engagement-Rate Top-Kanal Basislinie +30…+90 %
LLM-Kosten (€/Monat) 0 20–80

6. SINTARIS-Minicase

Das Produkt Content Strategist ist unsere Umsetzung einer Inhaltsfabrik für Experten und B2B-Marken. Typisches Szenario: ein Expertenkanal mit gesammeltem Archiv (Artikel, Newsletter, Podcasts) mit dem Ziel, 4–5 Beiträge pro Woche ohne Verlust der Autorenstimme zu erreichen.

Technische Umsetzung (Content Strategist KB):

Metriken in den ersten 90 Tagen:

Details: Content Strategist § 4 Architecture und § 11 Lessons learned.

7. Checkliste (12 Punkte) vor dem Start einer Inhaltsfabrik

  1. ≥ 30 Einheiten vergangener Kundeninhalte gesammelt (Artikel, Beiträge, Newsletter, Vortragsnotizen).
  2. Markenbuch erstellt — eine Seite: Ton, verbotene Phrasen, CTA-Politik, Hashtag-Politik, Zielgruppe.
  3. Für jeden Kanal — Konfiguration mit Grenzen für Länge, Häufigkeit, Ton.
  4. Vektorindex pro Kunde erstellt (kein kanalübergreifendes Retrieval).
  5. Podcast-/Video-Ingest-Szenario implementiert (yt-dlp + Whisper oder äquivalent).
  6. n8n-Workflow in Git, nicht nur in der UI.
  7. Zweistufige Generierung — Entwurf + Redakteur.
  8. Mensch in der Schleife — Telegram-Freigabe/Ablehnen-Schaltflächen.
  9. Banned-Phrases-Regex — läuft vor der Übergabe an den Menschen.
  10. Engagement-Neuindizierung — wöchentlich.
  11. LLM-Kostenprotokolle — pro Beitrag, um die Marge zu sehen.
  12. A/B-Test von Vorlagen — mindestens eine Hypothese pro Monat.

8. Risiken

9. Was als Nächstes zu tun ist

Minimaler Weg: 1) Archiv sammeln, 2) n8n starten, 3) pgvector verbinden, 4) einen Workflow für einen Kanal schreiben, 5) zwei Wochen mit Mensch in der Schleife laufen lassen, 6) Engagement messen. Das reicht, um zu beurteilen, ob die Fabrik als langfristiges Projekt Sinn ergibt.

Wenn Sie schneller vorgehen möchten — SINTARIS hat einen produktisierten Content Strategist Pilot: 4–8 Wochen, fester Umfang, in EUR berechnet. Einsatz möglich auf unserer Infrastruktur oder On-Prem (OpenClaw).

10. Quellen

Sintaris erstellt Inhaltsfabriken, RAG-Assistenten und Automatisierungen für Unternehmen in der EU und der GUS. Discovery-Call — kostenlos, 30 Minuten. −25 % auf Audit- und Pilot-Pakete für slowenische Unternehmen vom 1. bis 30. Juni 2026.