Wie wir ein KI-Inhaltsverteilungssystem aufgebaut haben (X, Facebook & SEO)

Drei Misserfolge, die wir bei dem naiven Ansatz, überall zu cross-posten, immer wieder erlebten:

1. Einmal posten, überall ignoriert. Der gleiche Text, der auf X, Facebook und einem Blog kopiert wird, wird auf mindestens zwei der drei ignoriert. Das Format, das in einem 6-Tweet-Thread funktioniert, wirkt wie eine wirre Einleitung in einem Blogbeitrag. Jede Plattform hat ihr eigenes Tempo, ihre eigene Längen-Norm und ihren eigenen Stil – man kann nicht ein einziges Artefakt über alle teilen und erwarten, dass es überall ankommt.

2. Manuelles Posten ist bei ~5 Beiträgen pro Woche gedeckelt. Selbst mit KI-Entwürfen kostet der Aufwand pro Beitrag (Formatierung, Planung, Beschriftung, Hashtagging, Bildgrößen, Linkverfolgung) etwa 30-45 Minuten pro Plattform. Drei Plattformen × fünf Beiträge × 30 Minuten = ein voller Arbeitstag pro Woche nur für den Versandaufwand, bevor die Qualität sinkt.

3. Kein instrumentiertes Feedback = kein Lernen. Beiträge werden veröffentlicht, man überprüft das Engagement sechs Stunden später, und bis Freitag hat man vergessen, welches Framing gewonnen hat und welches gescheitert ist. Ohne eine pro-Beitrag-Zuordnung, die in die Analysen integriert ist, kann man nicht sagen, ob 'KI-Threads' aufgrund des Themas, der Überschrift, der Uhrzeit oder des Formats gewonnen haben – also bleibt die nächste Charge ein Ratespiel.

Wir hörten auf, die Verteilung als ein Ereignis ('den Beitrag veröffentlichen') zu betrachten und begannen, sie als ein System mit vier benannten Stufen zu behandeln. Das untenstehende Mermaid-Diagramm zeigt den Loop. Der Text nach dem Diagramm erläutert jede Stufe mit dem, was wir automatisieren und was nicht.

Eine Idee, drei plattformspezifische Artefakte. Der gleiche zugrunde liegende Inhalt; unterschiedliche Formen pro Kanal.

Website (SEO): 800-1.500 Wörter strukturierte Seite, scannbare H2-Hierarchie, Ankerlinks zu internen Seiten. Long-Tail-Keyword-zielgerichtet, von Google indexiert.

X (Twitter): 6-12 Tweet-Thread, der erste Tweet ist der stärkste Hook (keine Einleitung), jeder nachfolgende Tweet steht für sich. Visuals in den Tweets 1, 3 und dem letzten.

Facebook-Gruppen: einzelner 200-400 Wörter langer Beitrag, der mit einer Frage oder Beobachtung beginnt, nicht mit einem Link. Kommentare zuerst – das Ziel sind Antworten, nicht Klicks. Der Link, falls vorhanden, geht in den ersten Kommentar.

Wir verwenden ein LLM, um alle drei aus einer Quelle zu entwerfen. Das LLM erhält die plattformspezifische Format-Spezifikation als Systemaufforderung; wir überprüfen und passen die Stimme vor der Planung an. Das Entwerfen ist automatisiert; die Stimme ist menschlich.

Der größte Gewinn, den wir erzielt haben, war der Wechsel von 'überall posten' zu 'in spezifischen Gemeinschaften mit thematischem Bezug posten.' Beispiele aus unserem eigenen Posting-Kalender:

- Filmclip-Übersetzungsbeiträge gehen an Filmfans und Sprachlerngruppen, nicht an die allgemeinen KI-Tools-Gruppen.
- Bilinguale Untertitelinhalte gehen an ESL-Lehrergemeinschaften, nicht an den Marketing-Kanal.
- KI-Strategie-Essays gehen an Indie-Hacker- und SMB-Gründer-Gemeinschaften, nicht an die Entwickler-Subs.

Gleicher Inhalt, unterschiedliche Zielgruppen, 5-10× das Engagement. Der Kompromiss: Nischen-Gemeinschaften haben strenge Regeln zur Selbstwerbung. Man kann nicht einfach einen Link posten und gehen; man muss einige Wochen in der Gemeinschaft aktiv sein, bevor man postet, und der Beitrag selbst muss im Kommentarbereich nützlich sein, nicht nur ein Link-Drop.

Die Planung erfolgt automatisiert über zeitlich gestaffelte Hash-Slots (das gleiche Muster, das Curify für seine Twitter + Facebook-Autopost-Pipeline verwendet – siehe die curify_background Autopost-Dokumentation). Die Kanalwahl ist nicht automatisiert. Die richtige Gemeinschaft für ein Stück Inhalt auszuwählen, ist eine menschliche Entscheidung, die pro Stück und nicht pro Kanal getroffen werden sollte.

Ohne eine pro-Beitrag-Zuordnung sieht jedes Stück Inhalt im Analyse-Dashboard identisch aus. Wir fügen jedem ausgehenden Link (X-Bio-Link, Facebook-Beitragskommentarl links, interne Blog-Links) ein pro-Beitrag-UTM-Tag hinzu und aggregieren dann nach Beitrags-ID in unserem Admin-Dashboard.

Was wir instrumentieren:

- Impressionen pro Beitrag: zeigt uns die Reichweite nach Kanal. Zeigt, ob ein Kanal shadowbanned ist oder im Laufe der Zeit an Reichweite verliert.
- Klickrate pro Beitrag: zeigt uns, welches Framing gewonnen hat. Der Hook, nicht das Thema.
- Absprungrate vs. Aktionsrate auf der gelandeten Seite: zeigt uns, ob der Klick ehrlich war. Hohe CTR + hohe Absprungrate = Clickbait-Hook; das zweitbeste Framing hat normalerweise eine bessere Gesamtumwandlung.

Die Dashboard-Aggregation läuft nachts. Freitagnachmittag schauen wir uns die Top 3 und Bottom 3 der Woche nach Konversion (nicht nur CTR) an und schreiben eine einparagraphige Notiz: was sie gemeinsam hatten, was sich im Vergleich zur letzten Woche geändert hat. Dieser Absatz ist der Input für Stufe 4.

Die Freitagsnotiz aus Stufe 3 führt zu drei konkreten Entscheidungen für die nächste Woche:

- Formatrotation: die Top-3-Formate erhalten nächste Woche mehr Slots; die Bottom-3 werden eingestellt oder umgeschrieben. Über ein Quartal reduziert dies die Formatbibliothek auf das, was tatsächlich funktioniert.
- Themenpriorisierung: Themen, die auf mehreren Kanälen gut abschneiden, gehen in die SEO-Long-Tail-Seitengenerierungsschlange (SEO ist das kumulative Asset – jedes gewinnende Stück wird zu einer permanenten Landingpage).
- Kanal-Neuausbalancierung: Kanäle mit sinkender organischer Reichweite (X war volatil, Facebook-Gruppen stabil) erhalten weniger Budget; Kanäle mit stabiler Kompoundierung (SEO, Nischen-Gemeinschaft + Substack) erhalten mehr.

SEO ist der langfristige Anker. Soziale Plattformen sind volatil – Algorithmusänderungen, Kontosperrungen, Publikumsdrift. SEO-Seiten, einmal eingestuft, halten über Monate hinweg an. Wir nutzen die sozialen Kanäle, um zu testen, welche Framings ankommen, und verpflichten dann die Gewinner zu langfristigen SEO-Seiten, die die Suchnachfrage für dasselbe Thema erfassen.

Nach dem Betrieb dieses Loops über mehrere Quartale hielten sich die Beobachtungen, die über mindestens drei Monate Daten hinweg gültig waren:

Visuelle + strukturierte Inhalte gewinnen. Karten, Vorlagen, Infografiken – alles mit einer klaren visuellen Hierarchie – übertrafen rohen Text um 2-3× auf jedem Kanal, den wir gemessen haben. Dasselbe Thema mit einem Vergleichstabelle-Bild im Vergleich zu einem reinen Textbeitrag erhielt typischerweise 5-8× die Speicherungen.

Bilinguale Inhalte multiplizieren die Reichweite, ohne den Aufwand zu vervielfachen. Beiträge, die sowohl Englisch als auch eine zweite Sprache (Chinesisch in unserem Fall) enthielten, erzielten konstant 30-50% höheres Engagement, da das Publikum der zweiten Sprache weniger Konkurrenz hatte. Gleicher Inhalt, ~10% zusätzlicher Übersetzungsaufwand, bedeutend größere Reichweite.

Wiederholung schlägt Neuheit. Die Wiederverwendung eines erfolgreichen Formats mit neuen Themen führte zu mehr Kompoundierung als ständig neue Formate zu erfinden. Das untere Quartil unserer Beiträge bestand fast immer aus einmaligen Experimenten; das obere Quartil war fast immer ein bekanntes Format, das auf ein derzeit heißes Thema angewendet wurde.

Verteilung ist schwieriger als Generierung. 100 Stück mittelmäßigen Inhalts mit KI zu generieren, ist einfach. Irgendetwas davon von der richtigen Zielgruppe, auf dem richtigen Kanal, im richtigen Format und mit integriertem Feedback gesehen zu bekommen – das ist der Bereich, in dem 80% der tatsächlichen Arbeit steckt. Wir haben das auf die harte Tour gelernt, nachdem wir ein Quartal lang die KI-Generierung als Engpass behandelt und in die Verteilung zu wenig investiert haben.