KI & Automation Video-Pipeline YouTube n8n

Zeitsplitter — KI-History-Pipeline

Automatisierte KI-Content-Pipeline für den History-Kanal „Zeitsplitter" — von der Ideenfindung bis zum YouTube-Upload, täglich. Recherche, Drehbuch, Bildgenerierung, Voiceover, Schnitt und Publishing laufen ohne Handarbeit; vor der Veröffentlichung sieht ein Mensch drüber und gibt frei. Gesteuert wird das Ganze über einen OpenClaw-Agenten — per Chat vom Handy aus: Status abfragen, Videos anstoßen, Termine verschieben. Selbst Umbauten an der Pipeline laufen zu einem guten Teil über dieses Gespräch.

2026 · FFWD Labs

Kanalbanner Zeitsplitter: Helm, Schwert, Kettenhemd, Zahnräder und ein Astronautenhandschuh in einem Zeitstrudel zwischen antiken Ruinen Läuft täglich Kanalbild Zeitsplitter

Worum geht's?

Täglich hochwertige History-Videos zu produzieren — Recherche, Drehbuch, Bilder, Voiceover, Schnitt, Upload — kostet Stunden pro Video und skaliert nicht. Also haben wir die komplette Produktion einem Agenten übergeben.

Herausgekommen ist eine 4-stufige Pipeline auf n8n + KI-Services, orchestriert vom Agenten „Larz" über tägliche Cron-Jobs. Eine zentrale Tabelle ist die Single Source of Truth — eine Zeile pro Video, in der jeder Zwischenstand landet, ein wöchentlicher Improvement-Loop wertet die Aufrufdaten aus und schärft Themen- und Hook-Auswahl nach. Die Erfolgsformel, die sich dabei herauskristallisiert hat: „David gegen Goliath" — extreme Zahlenungleichheit plus D-A-CH-Lokalbezug.

307
Videos publiziert
457
Abonnenten
~12 min
Durchlauf je Video
226.817
Aufrufe gesamt

Die Pipeline — vier Stufen, dann die Freigabe

01 · Idea

Ereignis finden

Datumsbasierte Auswahl historischer Ereignisse mit Duplicate-Check gegen alles, was der Kanal schon erzählt hat.

02 · Plan

Drehbuch schreiben

Szenenweise Skripte mit Hook-Formeln — gelernt aus dem, was beim Publikum tatsächlich funktioniert.

03 · Render

Video bauen

Tier-basiertes Bild-Routing (Stock vs. KI), Kokoro/ElevenLabs-Voiceover, ffmpeg-Assembly mit Ken-Burns-Effekt.

04 · Publish

Hochladen

YouTube-Upload mit SEO-Metadaten, nach menschlicher Freigabe. Danach: Performance-Tracking für den Improvement-Loop.

Die vier Stufen laufen ohne Handarbeit — die Veröffentlichung nicht. Jedes Video wird vor dem Upload gesichtet und freigegeben. Die redaktionelle Verantwortung für alles, was auf dem Kanal erscheint, liegt bei Daniel Schneider. Die Inhalte entstehen KI-gestützt; das ist in Video, Beschreibung und Metadaten gekennzeichnet. Mehr dazu auf der KI-Transparenzseite.

Der interaktive Deep Dive

Kurs · kostenlos 7 Module · ~35 Min

Wie diese Video-Fabrik wirklich funktioniert

Wir haben die komplette Pipeline aufgeschnitten und erklären sie ohne Fachchinesisch: was jede Nacht auf dem Server passiert, was ein Video wirklich kostet, warum 15 Videos einmal doppelt hochgeladen wurden — und wie man so etwas verhindert. Mit echtem Code aus dem Projekt, klickbaren Datenflüssen und Szenarien zum Mitdenken.

01 Die Nachtschicht 02 Die Besetzung 03 Die Rohrpost 04 Der Taxameter 05 Der Türsteher 06 Die blockierte Kreuzung 07 Der Umzug
Kurs öffnen

Einblicke

Die 4-stufige Pipeline auf n8n mit zentraler Tabelle und KI-Services
Idea → Plan → Render → Publish — vier Webhooks, orchestriert vom Agenten „Larz" · Stand Juni 2026
Kanalwachstum durch Automatisierung
Wachstum seit Automatisierung: +93 % Abos, +69 % Aufrufe · Stand Juni 2026
Top-Performer und Rezept-Performance
Top-Performer & das „David-gegen-Goliath"-Rezept · Stand Juni 2026

Was das Publikum am liebsten schaut

Nicht „gebaut und vergessen"

Der interessanteste Teil ist der wöchentliche Loop: Er wertet die Performance-Daten aus, erkennt Muster und passt Themenwahl und Hook-Formeln an. Der Kanal wächst organisch weiter, während die Automatisierung im Hintergrund läuft — Stand Juli 2026: 307 Videos, 457 Abonnenten, 226.817 Aufrufe und 1.244 Stunden Wiedergabezeit. Und das Rezept wird jede Woche ein bisschen schärfer.

Unter der Haube — sieh selbst nach

Drei Blicke in die laufende Maschine: der Ablauf, der Ideen erfindet, der Ablauf, der daraus ein Video baut — und die Tabelle, in der alles zusammenläuft. Alles echte Screenshots aus dem Betrieb.

// Klick dich durch — Originalansichten aus n8n

 

Was hier passiert

Wähl oben einen Einblick — du siehst den echten Ablauf und welche Dienste daran beteiligt sind.

Was wir dabei gelernt haben

Problem

Jahreszahlen klangen wie Rechnungsbeträge

Die Sprach-KI las „1566" als eintausendfünfhundertsechsundsechzig — mathematisch korrekt, aber niemand spricht so über Geschichte. Historiker sagen fünfzehnhundertsechsundsechzig. Bei einem Kanal, in dem fast jeder Satz eine Jahreszahl enthält, klingt das sofort nach Maschine.

Lösung

Der Drehbuch-Prompt schreibt seither alle Zahlen als Wörter aus — in der Form, in der sie gesprochen werden sollen. Die Sprach-KI bekommt gar keine Ziffern mehr zu sehen und kann deshalb nicht mehr selbst entscheiden, wie sie sie liest.

Problem

Der Bildgenerator verweigerte die halbe Militärgeschichte

Historische Schlachten sind nun mal blutig. Wörter wie „Gemetzel" oder „Leichenberge" lösen bei Bild-Anbietern die Inhaltsfilter aus — die Anfrage wird abgelehnt, die Szene bleibt leer, das Video unfertig.

Lösung

Eine zweite Route: Wird ein Bildauftrag abgelehnt, schreibt eine KI den Bildtext automatisch um — dieselbe Bildidee, entschärfte Sprache — und schickt ihn erneut. Erst wenn auch das scheitert, meldet sich der Agent.

Problem

An einem Abend lud der Kanal 15 Videos doppelt hoch

Ein Ablauf, der mehrfach angestoßen wurde, lud jedes Mal erneut hoch — dieselben Videos, jeweils mit neuem KI-Titel. Das Tückische: kein Absturz, keine Fehlermeldung. Technisch war jeder einzelne Upload ein Erfolg. Nur das Ergebnis war ein Desaster.

Lösung

Ein Türsteher vor dem Upload: Er prüft zwei unabhängige Merkmale — Status und vorhandene Video-ID — und blockt, wenn eines davon belegt ist. Seitdem darf jede Produktion genau einmal hochgeladen werden, egal wie oft der Ablauf startet. Der Fachbegriff dafür lautet idempotent, und er gehört in jede Aktion, die nach außen wirkt.

Als Nächstes

Mehrere Kanäle aus einem System

Bisher hängt die Pipeline an einem Kanal. Der nächste Schritt ist Mehrkanal-Fähigkeit: Thema, Erzählstimme, Bildstil und Zielkanal kommen aus einer Konfiguration statt aus dem Code. Ein System, beliebig viele Kanäle — jeder mit eigener Handschrift.

Der Technik-Stack

OpenClaw Agent (Telegram) n8n n8n Data Table (Source of Truth) Claude (Skripte + Orchestrierung) KI-Bildgenerierung Kokoro / ElevenLabs TTS ffmpeg + Ken Burns YouTube Data API Cron + Webhooks