KI-Agenten und Ghost: Automatisiertes Content-Management

Einen Blog allein zu betreiben heißt: nicht nur schreiben, sondern auch ständig Inhalte verwalten. Tags pflegen, Newsletter formatieren, alte Posts auf tote Links prüfen, Drafts strukturieren. Das ist keine Wertschöpfung — das ist Verwaltungsarbeit. Genau dort lassen sich heute KI-Agenten sinnvoll einsetzen, ohne dass das Ergebnis nach KI riecht.

Dieser Beitrag zeigt, was bei mir tatsächlich funktioniert und was nicht. Keine Theorie, kein "10 KI-Tools, die dein Leben verändern". Konkrete Workflows.

Was ich unter "KI-Agent" verstehe

Ein Agent ist hier kein Chat-Bot, der nett antwortet, und auch keine autonome Black-Box, die dein Geld auf Bitcoin verbrennt. Ein Agent ist ein Workflow, der drei Zutaten verbindet:

1. Ein Sprachmodell (bei mir meist Claude), das Text versteht und produziert
2. Ein Trigger, der ihn anstößt (Webhook, Cron, Datei-Änderung)
3. Tools, mit denen er Daten lesen und schreiben kann (Ghost Admin API, Obsidian-Dateisystem, n8n-HTTP-Knoten)

Das Konzept ist nicht neu. Neu ist nur, dass die Sprachmodelle heute gut genug sind, um sinnvolle Entscheidungen aus halb-strukturierten Daten zu treffen.

Agent 1 — Vom Obsidian-Note zum Draft

Ich schreibe Roh-Notizen in Obsidian: Stichpunkte, Quellen, ein paar Sätze in der Sprache, die mir gerade einfällt. Wenn ein Note die Tags #draft und #publish bekommt, läuft folgender Workflow:

1. n8n watcht den Obsidian-Vault-Ordner via Filesystem-Node
2. Bei Tag-Änderung: Markdown-Inhalt extrahieren, Frontmatter parsen
3. Claude bekommt den Rohtext mit der Prompt: "Schreib das in einem persönlichen, prägnanten Blog-Stil um. Erhalte die Aussage, fasse Wiederholungen zusammen, schreibe Beispiele aus."
4. Das Ergebnis geht via Ghost Admin API als Draft in die Site
5. Ich bekomme eine Slack-/E-Mail-Benachrichtigung: "Draft fertig zur Review"

Wichtig: Der Agent veröffentlicht nichts. Er erstellt nur Drafts. Die finale Entscheidung — und meistens eine zweite Schreibrunde — bleibt bei mir. Das ist nicht Faulheit, das ist die Lektion, die ich aus dem ersten Setup gezogen habe: KI ist gut darin, einen okayen ersten Draft zu schreiben. Sie ist schlecht darin, deinen eigenen Ton wirklich zu treffen.

Agent 2 — Tag-Vorschläge auf Basis des Inhalts

Ein wiederkehrendes Ärgernis: Posts haben oft zu wenige Tags. Ich schreibe einen Bitcoin-Artikel und vergesse, dass auch Self-Custody, Hardware Wallets und Security relevant sind. Folge: keine SEO-Linkstruktur, schwache interne Verlinkung.

Lösung: ein wöchentlicher Cron-Job in n8n, der:

• Über die Ghost Admin API alle Posts der letzten 7 Tage lädt
• Claude die existierende Tag-Liste der Seite plus den Post-Inhalt gibt
• Claude antwortet mit maximal 3 vorgeschlagenen zusätzlichen Tags, mit Begründung
• Das Ergebnis landet als Markdown-Datei in meinem Obsidian-Inbox

Ich entscheide manuell, ob ich die Vorschläge übernehme. Wenn ja: Tags via API setzen. Wenn nein: ignorieren. Der Agent erzeugt also keinen direkten Schreibzugriff — er produziert Aufmerksamkeit, mehr nicht.

Agent 3 — Toter-Link-Checker mit Reparaturvorschlag

Externe Links rotten. Ein Blog mit 50 Beiträgen hat nach 2 Jahren ungefähr ein Dutzend Links, die ins 404 zeigen. Ohne System merkt man das nie.

Mein Setup: monatlicher n8n-Workflow, der durch alle Posts iteriert, jeden Link mit einem HEAD-Request prüft. Bei 4xx/5xx-Status:

• Claude bekommt den Kontext (Anker-Text, umliegender Satz, kaputter Link)
• Mit der Prompt: "Schlag eine archivierte Version oder eine inhaltlich passende Alternative vor"
• Vorschläge landen in einem Obsidian-Note "Linkrot zu reviewen"

Ich entscheide pro Link, ob ich auf web.archive.org, eine Alternative oder einfach den Link entferne.

Was nicht funktioniert

Ich habe auch ein paar Sachen probiert, die ich wieder abgeschaltet habe:

Automatischer Newsletter-Versand. Idee: Claude fasst die Posts der Woche zusammen, schickt automatisch los. Problem: Der Ton stimmte nie. Newsletter sind eine direkte Beziehung — der Leser merkt sofort, wenn da nicht ein Mensch geschrieben hat.

Kommentar-Antworten. Idee: KI antwortet auf simple Kommentare. Problem: simpel klingt es immer, bis du ein paar Wochen später unter deinen Beiträgen Diskussionen mit "dir selbst" liest, die du nie geführt hast.

SEO-Title-Generierung. Idee: KI generiert die SEO-optimierten Meta-Titles. Problem: das Ergebnis war messbar besser für Google, aber spürbar schlechter für menschliche Klicker. Ich behalte den Trade-off lieber bewusst in der Hand.

Die Regel, die alles zusammenhält

Die nützlichen Workflows haben eines gemeinsam: der Agent erzeugt Vorschläge oder Drafts, nicht öffentlichen Output. Der Mensch (also ich) bleibt der einzige, der direkt in die Außenkommunikation eingreift.

KI ist nicht der Autor. KI ist der Praktikant, der dir das Manuskript auf den Schreibtisch legt — mit Vorschlägen, die du übernimmst oder zerreißt.

Sobald du diese Trennung ernst nimmst, wirst du erstaunt sein, wie viel Verwaltungsarbeit du loswirst, ohne dass deine Leser etwas davon merken — oder merken müssen.

Tech-Stack im Überblick

• Sprachmodell: Claude (Anthropic, Sonnet für die meisten Tasks, Opus für anspruchsvolles Umschreiben)
• Orchestrierung: n8n, selbst gehostet auf PikaPods
• Quelle: Obsidian-Vault, synchronisiert via Syncthing
• Ziel: Ghost CMS, via Admin API (JWT-Token, kein OAuth)
• Notifications: ntfy.sh, weil simpel und privacy-freundlich

Ich plane in den nächsten Wochen ein paar konkretere Tutorials zu einzelnen Agenten — wer den Newsletter abonniert, bekommt sie als erstes.