Die meisten „AI-Content-Workflows“ sind einfach ChatGPT im Trenchcoat. Du fügst einen Blogbeitrag ein, bekommst eine LinkedIn-Bildunterschrift heraus und nennst es ein System. Was tatsächlich Zeit spart, sieht anders aus: ein kleiner, klar definierter Stack, bei dem jeder Schritt nur eine Aufgabe hat, die Outputs sauber in den nächsten Schritt einfließen und ein Mensch erst am Ende einmal prüft, statt jeden Prompt zu betreuen.
Hier ist der Stack, den ich diese Woche bauen würde.
Der zentrale Motor ist eine einzelne Long-Form-Quelle, normalerweise ein Beitrag mit 1,200-1,800 Wörtern und einer klaren Haltung. Alles Weitere ist eine Ableitung dieser Quelle, niemals eine neue Idee. Die Aufgabe von AI ist Transformation, nicht Originierung. Wenn du das Modell bei der Wiederverwendung neue Blickwinkel erfinden lässt, bekommst du fünf Varianten derselben vagen Aussage. Wenn die Quelle präzise ist, bleiben auch die Ableitungen präzise.
Der zweite Baustein ist ein strukturiertes Briefing, kein freiformiger Prompt. Bevor irgendeine Generierung läuft, schreibe ein Briefing auf einer Seite: Zielgruppe für jedes Format, der eine Satz, den die Ableitung treffen muss, der Hook-Stil, der CTA und Wörter oder Aussagen, die vermieden werden sollen. Gib dieses Briefing zusammen mit dem Quellbeitrag an das Modell. Das Briefing erledigt mehr Arbeit als das Modell. Ein Prompt wie „mach mir einen Twitter-Thread“ erzeugt generischen Brei; ein Prompt mit Zielgruppe, Blickwinkel und Einschränkungen erzeugt etwas, das man tatsächlich posten kann.
Der dritte Baustein sind format-spezifische Vorlagen, keine format-spezifischen Prompts. Ein LinkedIn-Karussell braucht eine Hook-Slide, drei bis fünf Insight-Slides und einen Abschluss. Ein Newsletter-Teaser braucht eine Betreffzeile unter 60 Zeichen und einen einzelnen CTA. Ein YouTube-Short braucht in den ersten drei Sekunden eine Cold-Open-Frage. Hinterlege das als Vorlagen mit Platzhaltern, damit du Struktur befüllst, statt sie jedes Mal von Grund auf neu zu erfinden. Das Modell füllt die Platzhalter; du bestätigst die Struktur.
Der vierte Baustein ist ein einziger menschlicher Review-Durchlauf, gebündelt. Generiere alle Ableitungen in einer Session und prüfe sie dann gemeinsam. Wenn du fünf LinkedIn-Posts direkt hintereinander liest, erkennst du Tonabweichungen, die dir bei einer Prüfung über eine Woche hinweg entgehen würden. Hier liegt der eigentliche Zeitgewinn: AI tippt, du urteilst, und die Schleife läuft einmal pro Quellbeitrag statt einmal pro Ausgabe.
Der fünfte Baustein ist ein Distribution-Log, kein Kalender. Nach jedem Beitrag protokollierst du, was du veröffentlicht hast, wo und zwei Wochen später eine kurze Performance-Notiz. Muster zeigen sich schnell: Deine Threads übertreffen Karussells, deine Substacks bekommen Saves, aber keine Shares, deine Shorts bringen Follows, aber keine Klicks. Der Stack verbessert sich von selbst, sobald du sehen kannst, welche Ableitungen ihre Produktionskosten eingespielt haben.
Überspringe jedes Tool, das „10 Plattformen mit einem Klick“ verspricht. Die eigentliche Arbeit sind das Briefing, die Vorlagen und der Review. Software verkürzt das nicht, sie fügt nur ein Abo hinzu.
Willst du, dass ich dir die Briefing-Vorlage und die fünf format-spezifischen Vorlagen als Starter-Pack zusammenstelle, das du direkt in deinen eigenen Stack übernehmen kannst? Sag mir dein primäres Quellformat (Beiträge, Podcasts, Videos) und deine zwei wichtigsten Distributionskanäle, und ich schicke dir eine ausfüllfertige Version zurück.