Wie baut man eine KI-Content Engine?

Der Newsletter zeigt einen KI-Content Engine Workflow mit dynamischen Beispielen und einem Writer-Prompt.

Content-Erstellung mit einer hohen Qualität ist gar nicht so einfach. Es sind viele Details zu berücksichtigen. Der Post zeigt einen n8n Prototypen mit selbstlernenden Ansätzen.

Welche Aufgaben Pakete und Fragen gibt es mit einer Content-Engine (Bilder Erstellung habe ich mal rausgenommen):

1. Haben sich die Bedürfnisse der Zielgruppe geändert?

2. Was sagen die SEO Daten? (Keywords, Wettbewerber)

3. Was für aktuelle Daten gibt es?

4. Was für ein Storytelling Framework nutzen wir? Was passt zur Zielgruppe?

5. Welches Archetypen System passt zu Zielgruppe?

6. Welche Hooks passen?

7. Wie lernen wir aus Fehlern?

8. Wie checken wir mit der Brandvoice ob der Post keine “verbotenen Wörter hat”?

9. Wie bringen wir die Learnings in den Post ein?

Folgendes n8n System hat genau diese Aufgaben. Das Bild zeigt einen Prototypen.

Schauen wir uns die einzelnen Nodes an:

1. Ich kann einfach einen Test eingeben und das System checkt Zielgruppe, Anliegen und Kenntnislevel

2. Das kommt ein Research was die Zielgruppe gernen lesen würde. (Bedürfnisse, Ängste..)

3. Der nächste Schritt ist ein allgemeiner Research bei perplexity. Was gibt es Neues?

4. Hier werden die Storytelling Frameworks, Archetypen und Hooks dynamisch geladen (ich kann ich Airtaible einfach ausschalten was ich freigegeben habe)

5. Dieser Schritt ordnet das Storytelling Framework, Archetypen und Hooks zu.

6. Eines der Herzstücke kommt jetzt. Was gibt es an Learnings aus anderen Posts?

7. Der Writer schreibt jetzt mit diesen Inhalten einen Post

8. Der Kritiker bewertet und unter Schwellwerten wird der Post zur Qualitätsoptimierung an den zweiten Writer geschickt.

9. Im Detail der Loop

10. Hier wird der Brand-Ansatz überprüft, dynamisch die Brandvoice geladen und die “Verbesserungen” in Airtable eingetragen

Wie ist das variable System aufgebaut?