00:00:00Im letzten Monat habe ich über 38.000 Follower auf YouTube gewonnen,
00:00:0350.000 Follower auf Instagram und 11.000 Follower auf TikTok.
00:00:08Und das liegt zu einem großen Teil an meinem Claude-Code-Content-System.
00:00:12Und heute werde ich alles aufschlüsseln: die maßgeschneiderten Skills, die ich gebaut habe, meinen täglichen
00:00:16Workflow, und ich zeige euch, wie ich Claude Code nutze, um mein gesamtes Content-System
00:00:20zu automatisieren. Damit ihr das auch könnt.
00:00:22Was wir hier sehen, sind die sieben Claude-Code-Skills, die das Rückgrat
00:00:26meines Content-Systems bilden. Und sie haben im letzten Monat 10 Millionen Aufrufe generiert.
00:00:30Als Ein-Mann-Team, ohne Cutter, ohne VAs, nichts.
00:00:33Diese 10 Millionen Aufrufe verteilen sich auf 90 Inhalte
00:00:38über 30 Tage; von diesen 90 sind 30 Longform-Videos.
00:00:43Es war im Grunde jeden Tag im März ein langes YouTube-Video und 60
00:00:47Shortform-Videos. Also Shorts, Reels, TikToks, all das.
00:00:51Und die eigentliche Zahl, auf die ihr euch konzentrieren solltet, sind nicht die Follower.
00:00:54Wie ich im Intro sagte, selbst die 10 Millionen Aufrufe nicht, sondern die 90 Videos,
00:00:5890 Videos in einem Monat für eine Person, ich will mich ja nicht selbst loben,
00:01:02aber das ist schon eine ziemlich beeindruckende Menge an Volumen.
00:01:05Und der einzige Weg, wie ich das schaffen konnte, war mit einem nachhaltigen,
00:01:10nachhaltigen, wiederholbaren System. Und genau das werden wir heute durchgehen.
00:01:14Denn noch mal, ich mache das als Einzelperson,
00:01:15aber ich sitze nicht 12 bis 16 Stunden am Tag am Computer, okay?
00:01:19Der einzige Weg, wie ich das durchhalten kann, ist, wenn es nachhaltig ist,
00:01:22wenn es ein System ist, das Sinn ergibt. Darüber hinaus,
00:01:25was diese 10 Millionen Aufrufe betrifft,
00:01:27gab es kein einziges Video, das mehr als 400.000 Aufrufe erreicht hat.
00:01:31Es ist also nicht so, dass die 10 Millionen durch zwei
00:01:35virale Hits zustande kamen und der Rest nur Flops waren, richtig?
00:01:37Das war ein Sieg durch 90 gezielte Schläge, keine Zufallstreffer.
00:01:40Ich denke, das ist auch gut zu wissen.
00:01:42Wir versuchen nicht, irgendeinen zufälligen viralen Glückstreffer zu landen.
00:01:45Das sind kleine, beständige Siege, die meiner Meinung nach jeder wiederholen kann.
00:01:48Wie also können wir das schaffen?
00:01:50Wie können wir Claude Code nutzen, um diese Art von nachhaltigem System zu schaffen,
00:01:54das Inhalte produziert, die die Leute wirklich konsumieren wollen? Nun,
00:01:56zuerst müssen wir den Content-Erstellungsprozess als Ganzes verstehen.
00:01:59Dann müssen wir diesen Prozess in einzelne Teile zerlegen und dann
00:02:04spezifische Claude-Code-Automatisierungen und Skills diesen Teilen zuweisen, richtig?
00:02:08So brechen wir das Ganze methodisch herunter.
00:02:10Und ich würde den Content-Prozess in vier Phasen unterteilen.
00:02:13Die erste ist Recherche. Die zweite ist Ideenfindung.
00:02:17Die dritte ist Scripting. Und die vierte ist Distribution.
00:02:22Und aus diesen vier Phasen leiten wir verschiedene Claude-Code-Skills ab.
00:02:27Einige dieser Phasen haben mehrere Skills, weil dort viel passiert.
00:02:31Nehmen wir zum Beispiel Scripting, richtig? Das umfasst Hooks.
00:02:34Das umfasst das eigentliche Skript,
00:02:36den Video-Outline sowie Verpackungselemente wie Titel und
00:02:40Thumbnails. Aber fangen wir mit den ersten beiden Phasen an: Recherche und Ideenfindung,
00:02:44denn ich halte es für wichtig, über beide parallel zu sprechen, da es ein Kreislauf ist.
00:02:47Man recherchiert etwas,
00:02:50entwickelt daraus Ideen; für diese Ideen braucht man dann wieder mehr Recherche.
00:02:52Und oft entstehen aus dieser Recherche dann wieder neue Ideen.
00:02:56Phase eins und zwei sind also eng miteinander verknüpft. Nun,
00:02:59der wichtigste Skill für mich ist mein YouTube-Pipeline-Skill.
00:03:03Und dieser integriert NotebookLM. Jeden einzelnen Skill, den ihr heute hier seht,
00:03:08sowie die Twitter-Research-Engine,
00:03:10die ich euch in meinem GitHub-Skript zeige, findet ihr in Chase AI Plus.
00:03:14Ein Link dazu ist in den Kommentaren. Chase AI Plus beheimatet auch meine Claude-Code-
00:03:19Masterclass, der beste Ort, um von Null zum KI-Entwickler zu werden.
00:03:22Diese wird jede Woche aktualisiert. Wenn ihr also herausfinden wollt,
00:03:25wie ihr Claude Code wirklich meistern könnt und einen klaren Weg sucht,
00:03:29dann schaut auf jeden Fall vorbei, Link in den Kommentaren. Jetzt
00:03:32zurück zum YouTube-Pipeline-Skill,
00:03:34den ich für den mächtigsten aller sieben Skills halte.
00:03:36Dieser NotebookLM-Skill erlaubt es uns, die Power von NotebookLM
00:03:41in Claude Code zu nutzen. Ich kann NotebookLM füttern, womit ich will,
00:03:44seien es YouTube-URLs, PDFs, Dokumente,
00:03:48alles, was ich in der normalen NotebookLM-Web-App machen könnte,
00:03:51aber ich kann es direkt über mein Terminal tun.
00:03:53Und das ist großartig, weil NotebookLM sehr gut darin ist, Inhalte zu verarbeiten,
00:03:56die mit Claude Code allein mühsam sein können,
00:03:59nämlich Dinge wie YouTube-Videos. Und all das wird auf Google-Server ausgelagert.
00:04:03Wir verbrauchen keine Claude-Code-Token für die Analyse.
00:04:05Wir lassen das NotebookLM und Gemini für uns erledigen und holen uns das Ergebnis zurück.
00:04:09Und ich erhalte Zugriff auf alle NotebookLM-Ergebnisse: Videos,
00:04:12Präsentationen, Bilder – alles, was ich dort machen kann, geht jetzt via Terminal.
00:04:17Dieser Skill nutzt das NotebookLM-PI-CLI-Tool, um diese
00:04:21Brücke zwischen Claude Code und NotebookLM zu schlagen.
00:04:24Dieses Repo enthält einen eigenen Skill.
00:04:27Die YouTube-Pipeline-Recherche ist im Grunde ein Skill, der weitere
00:04:32Skills aufruft. Es ist ein übergeordneter Skill.
00:04:33Und was der YouTube-Pipeline-Skill macht, ist, dass er das NotebookLM-PI-CLI-Tool
00:04:38und den Skill nimmt und im Wesentlichen die
00:04:43Quellenbeschaffung automatisiert.
00:04:44Er sammelt basierend auf eurem Gespräch einen Haufen YouTube-URLs und
00:04:49beinhaltet auch den Analyseteil.
00:04:50Er nutzt dies als Brücke, beschafft die Quellen automatisch und
00:04:54analysiert alles automatisch mit nur einem Befehl.
00:04:56Aber die Nutzung des Skills setzt voraus, dass man bereits eine Informationsquelle hat, oder?
00:04:59Man hat bereits herausgefunden, worüber man sprechen oder was man
00:05:02analysieren möchte, was die Frage aufwirft:
00:05:04Wie finden wir überhaupt erst heraus, worüber wir sprechen sollen?
00:05:08Wie hilft uns Claude Code dabei?
00:05:09Das geht über das hinaus, was ihr in der Skill-Übersicht seht.
00:05:13Wir müssen herausfinden, was der "Schritt Null" ist. Wisst ihr,
00:05:16wir müssen die Wissensquelle für eure spezielle
00:05:21Nische finden. Für Tech ist das ziemlich offensichtlich. Für den ganzen KI-Kram
00:05:23kommt alles im Grunde von ein paar Orten:” Entweder
00:05:25direkt aus GitHub-Repos oder es entsteht auf Twitter, richtig?
00:05:30Und dann findet es schließlich seinen Weg zu YouTube. Hin und wieder
00:05:33entsteht etwas direkt auf YouTube,
00:05:35aber meistens sind es Twitter und GitHub; von dort geht es zu YouTube und
00:05:39von YouTube aus verbreitet es sich weiter.
00:05:40Wir müssen also herausfinden, was eure Hauptwissensquelle ist, denn wenn es
00:05:45nicht Tech und nicht KI ist, müsst ihr verstehen:
00:05:47Woher stammen die Informationen ursprünglich?
00:05:49Damit ihr quasi als Erste vor Ort seid, um darüber zu sprechen. In meinem Fall,
00:05:53da wir sagen, es kommt von GitHub oder von Twitter,
00:05:57wie nutze ich Claude Code, um dort zu helfen? Nun, was Twitter angeht,
00:06:00habe ich mir von Claude Code einfach eine Twitter-Scraping-Web-App bauen lassen.
00:06:04Das ist es, was ihr hier seht. Es geht an Telegram. Und alle 30 bis 45 Minuten
00:06:08erhalte ich einen Tweet basierend auf bestimmten Keywords und Autoren,
00:06:12der aufploppt und sagt: "Hey, hier ist, worüber sie reden. Hier sind die Likes."
00:06:16Hier ist so etwas wie ein Velocity-Score.
00:06:18Und es erlaubt mir auch, darauf zu antworten, wenn ich will, weil ich auch meine
00:06:21Twitter-API verknüpft habe. Hier ist die Übersicht, wie diese Web-App funktioniert. Noch mal,
00:06:25es war ziemlich einfach, sie in Claude Code zu erstellen, und doch ist sie
00:06:28relativ anspruchsvoll und sehr anpassbar.
00:06:31Etwa alle 45 Minuten – es ist ein Zufalls-Timer –
00:06:36scrapt sie 40 bis 90 Tweets. Sie nutzt einen Apify-Tweet-Scraper.
00:06:39Der ist ziemlich günstig.
00:06:40Dann filtert und bewertet sie die Tweets.
00:06:43Sie ermittelt dies anhand mehrerer Bewertungssignale: Geschwindigkeit, Autorität,
00:06:48Timing, Gelegenheit und Antwort-Potenzial, denn ich kann,
00:06:52wie gesagt, auf diese Tweets antworten. Wenn ich will,
00:06:54werden alle Tweets an Supabase gesendet.
00:06:57Um sicherzustellen, dass ich nicht immer denselben Tweet von derselben Person bekomme
00:07:00und damit es das Ganze auch einfach ein bisschen diversifiziert.
00:07:03Dann werden sie bewertet und basierend auf dem Score ausgewählt. Es wird Softmax genutzt.
00:07:07Es weist jedem also einen Wahrscheinlichkeitswert zu.
00:07:08So bekomme ich nicht jedes Mal nur den Score Nummer eins. Noch mal,
00:07:11wir wollen dort eine gewisse Zufälligkeit. Von dort aus
00:07:13wird es an Telegram gepusht und es kann mir auch potenzielle
00:07:16Antworten vorschlagen. Ich habe Grok damit verknüpft.
00:07:18Wenn ihr schon eine Weile auf Twitter seid,
00:07:21wisst ihr, dass es dort von KI-Bots absolut wimmelt.
00:07:24Alle Antworten gehen also an Supabase und werden im Grunde
00:07:29bewertet. Auf diese Weise habe ich Einblick in die Art der Antworten, die ich gebe,
00:07:34da ich auch benutzerdefinierte Antworten erstellen kann, und mit der Zeit
00:07:36wird es zu einem System, das sich selbst verbessert. Und schließlich
00:07:40erscheint es in Telegram. Sprechen wir über Wissensquelle Nummer zwei,”
00:07:43nämlich trendige GitHub-Repos. Ja, es gibt eine Trending-Seite auf GitHub,
00:07:47aber warum kann ich diese Informationen nicht automatisch bekommen, zusammen mit ein paar schönen
00:07:50Einblicken in die Geschwindigkeit dieser Trends, richtig?
00:07:53Wie viele Sterne haben sie seit ihrer Erstellung bekommen? Und ich will es
00:07:57auch gefiltert haben. Ich möchte eigentlich nur KI-Sachen sehen. Nun,
00:07:59Claude Code hat das alles für mich erledigt.
00:08:00Es hat ein Skript erstellt, das jeden Morgen läuft und mir die
00:08:04trendigen GitHub-Repos im KI-Bereich liefert und sie in meinem Obsidian-Vault ablegt.
00:08:08Ich kann also die Top 10 der trendigen Repos sehen, die in den letzten
00:08:12sieben Tagen erstellt wurden. Jeden Tag sehe ich die Sterne, die Sprache,
00:08:16ich bekomme einen Link und eine kurze Beschreibung obendrein.
00:08:19Zusätzlich sehe ich die Top 5 der Trends des Monats. Und dann gibt es mir
00:08:22jeden Tag eine Empfehlung. Und warum.
00:08:24Durch dieses von Claude Code erstellte GitHub-Skript und diese Twitter-Engine
00:08:28kann ich dieses "Schritt Null"-Problem lösen,
00:08:31nämlich: Wie finden wir überhaupt Dinge, über die wir sprechen können, die
00:08:34nicht nur eine Wiederholung dessen sind, was die letzte Woche auf YouTube lief?
00:08:37Wir brauchen neuen Stoff, und das hier ermöglicht es uns. Und noch mal,
00:08:41das Schöne an Claude Code ist, dass ihr nicht GitHub nutzen müsst.
00:08:44Ihr müsst nicht Twitter nutzen.
00:08:45Ihr müsst nur identifizieren, was diese Quellen für euch und eure Nische sind.
00:08:48Dann lasst Claude Code die Tools dafür bauen; sobald ihr das habt,
00:08:52diesen "Schritt Null" der Wissensquelle, dann könnt ihr hier andocken,”
00:08:57in diesem ganzen Skill-Struktur-Setup, richtig?
00:08:59Sobald ich die Idee habe, die ich auf GitHub oder bei jemandem auf
00:09:03Twitter gesehen habe, kann ich die YouTube-Pipeline-Suche darauf ansetzen.
00:09:07Das Tool heißt "YT Pipeline", aber es muss nicht zwingend YouTube sein.
00:09:09Es kann alles Mögliche sein. Und das erledigt dann die Analyse in NotebookLM.
00:09:13Und wie ihr bei GitHub gesehen habt,
00:09:14passiert das auch alles innerhalb meines Obsidian-Vaults. Also ja,
00:09:20ich werde mein Terminal offen haben und mit Claude Code sprechen,”
00:09:22aber alles, was Claude Code erstellt, landet in einer Markdown-Datei in meinem Vault.
00:09:27Es ist also sehr einfach für mich zu sehen, was vor sich geht.
00:09:30Ich kann Berichte ansehen und verknüpfte Artikel finden, richtig?
00:09:33Es gibt mir einfach einen besseren Einblick und hält alles organisiert.
00:09:36Denn besonders wenn man Content macht,
00:09:38wenn man das jeden Tag macht und verschiedene Arten von Recherche betreibt –
00:09:42wenn das alles nur in einer Codebasis liegt und man kein Obsidian nutzt,
00:09:44kann man als Mensch leicht den Überblick verlieren. Claude Code kommt damit klar,
00:09:48aber ihr werdet Probleme haben. Wir wissen nun, wo wir Ideen an der Basis finden.
00:09:52Und wir haben gerade über den YT-Pipeline-Skill gesprochen,
00:09:55wie wir ihn auf diese Ideen ansetzen können, die wir irgendwo gefunden haben,”
00:09:59sie an NotebookLM schicken und eine Menge Recherche und Analyse machen lassen. Als Nächstes
00:10:03folgen quasi Ideenfindung und Strategie.
00:10:06Hierbei nehmen wir diese Recherche und überlegen uns: Wie können wir diese
00:10:10Ideen mit Desire-Mapping positionieren?
00:10:12Wie können wir diese Ideen nehmen und sie tatsächlich in Content verwandeln, der
00:10:16jemanden auf einem hohen Niveau wirklich interessieren würde.
00:10:18Die Ideenfindung wird also nicht die Recherche wiederholen,
00:10:22aber sie wird sich die Recherche im Hinblick auf die Wettbewerbslandschaft
00:10:25ansehen. Was sagen andere dazu? Wo sind die Lücken?
00:10:29Was sind potenzielle Dinge, über die noch niemand gesprochen hat, die aber bei einer
00:10:33Zielgruppe ankommen könnten, richtig?
00:10:33Es geht also darum, die Recherche aus dem luftleeren Raum zu holen und sie
00:10:38in die Wettbewerbslandschaft zu setzen, in der man sich bewegt. Schauen wir uns das in Aktion an.
00:10:42Ich habe etwas zu RAG und Claude Code recherchiert und plane,
00:10:45dazu Content zu machen, so etwas wie "Die sieben Stufen von Claude Code und RAG",
00:10:49weil das ein Bereich ist, der sich im letzten Jahr wirklich stark verändert hat.
00:10:52Wir rufen also den Ideation-Skill auf.
00:10:56Schau dir unsere aktuelle RAG- und Claude-Code-Recherche an und zeig uns
00:11:00Hier ist also das Ergebnis von Claude Code. Wie gesagt,
00:11:03greift es auf die bereits durchgeführte Recherche zurück.
00:11:05Zuerst zeigt es uns die Wettbewerbslandschaft, gesättigte Blickwinkel,
00:11:10offene Lücken und dann Performance-Ausreißer, richtig?
00:11:14Worüber haben andere gesprochen, das total durch die Decke ging? Nachdem
00:11:17dieser Kontext steht, geht es an die Videoideen, richtig? Titel, Ansätze,
00:11:21welches Bedürfnis wir ansprechen, dann Formate und Wettbewerbslücken.
00:11:25Und das macht es für eine ganze Reihe verschiedener Videos.
00:11:29Insgesamt hat es uns neun Optionen geliefert und diese dann bewertet.
00:11:32Ich denke, was man hier sieht, ist wichtig, denn es wiederholt sich
00:11:36bei all diesen Skills im System. Ich nutze es,
00:11:38wenn wir über Claude Code und die Automatisierung sprechen –
00:11:40worüber wir wirklich reden, ist, Claude Code zu einem Partner zu machen.
00:11:44Richtig? Bei jedem Schritt dieser Reise
00:11:46möchte ich eine Art Input haben, versteht ihr?
00:11:49Ich will nicht, dass Claude Code automatisch zu GitHub geht, ohne dass ich
00:11:53es sehe, und mir am Ende einfach sagt: „Hey,
00:11:55hier ist das fertige Skript, das du heute drehen wirst. Übrigens,
00:11:57Thumbnail und Titel habe ich auch schon erstellt, alles ist fertig.
00:12:00Du musst nur noch diesen Text vorlesen.“
00:12:01Das will man nicht, denn das Ergebnis wäre schrecklich. Okay?
00:12:04Wenn man KI für irgendetwas mit kreativem Anspruch nutzt,
00:12:08muss man selbst am Steuer bleiben. Nun,
00:12:13natürlich nimmt uns Claude Code hier eine Menge Arbeit ab,
00:12:16aber es liefert Analysen, potenzielle Pläne und Ideen.
00:12:20Man muss trotzdem dabei sein, um Dinge abzuhaken oder zu sagen: „Hey,
00:12:24das hier gefällt mir nicht. Jenes auch nicht.“
00:12:25Nur so erhält man am Ende ein wirklich gutes Ergebnis.
00:12:29Und so bewahrt man seine eigene Stimme. Denn egal, wie gut man es trainiert:
00:12:32Wenn man erwartet, dass es von Null direkt zum fertigen Skript springt,
00:12:32ohne dass man zwischendurch eingreift, um eine Idee auszuwählen
00:12:37oder Details anzupassen,
00:12:39dann wird es generisch und einfach schlecht sein.
00:12:42Das Schöne ist: Wenn man es so automatisieren wollte, könnte man es,
00:12:45aber die Erwartung bei jedem Schritt dieser Reise ist,
00:12:48dass man die Ergebnisse von Claude Code prüft, bevor die nächste Phase beginnt.
00:12:51Was es einem wirklich bringt –
00:12:53was man sich damit eigentlich erkauft – ist die ganze Vorarbeit,
00:12:58diese Art von Analyse von Grund auf selbst zu machen. Solche
00:13:03Vorschläge zu sehen, hilft dabei, die eigene Vision zu verfeinern.
00:13:06Ich würde sagen, in neun von zehn Fällen
00:13:09lande ich bei einer Variante dessen, was mir die KI vorschlägt.
00:13:11Ich übernehme es meist nicht eins zu eins, richtig?
00:13:12Weil man immer eine eigene Note einbringen möchte.
00:13:15Aber das war’s für den Bereich Ideenfindung. Wir haben Schritt Null erledigt,
00:13:18das Wissen gefunden. Wir haben Schritt eins gemacht,
00:13:21die Recherche via Pipeline und NotebookLM eingebunden und die Ideation beendet.
00:13:25Wir verstehen jetzt,
00:13:26wo unsere Inhaltsidee im Kontext dessen steht, was alle anderen machen.
00:13:31Und natürlich
00:13:34passiert das alles in Obsidian, innerhalb unseres Vaults.
00:13:36Falls euch das mit Obsidian zu hoch ist,
00:13:39verlinke ich oben ein Video von mir, ein Deep Dive zu Obsidian und
00:13:43NotebookLM. Und das bringt uns zu Phase drei: dem Skripting.
00:13:47Was das Skripten angeht, muss ich für mich sagen:
00:13:50Ich bin kein großer Fan von kompletten Skripten.
00:13:52Ich skripte nur den Hook, also die ersten 30 Sekunden.
00:13:57Was ihr am Anfang dieses Videos gesehen habt, als ich sagte: „Ja,
00:13:5938.000 Follower und 11.000 auf TikTok“ – das war geskriptet.
00:14:04Ich bin mit Claude Code und diesem Hook-Skill mehrmals hin und her gegangen,
00:14:07um genau festzulegen, was ich sagen werde.
00:14:09Denn bei Inhalten und Social Media
00:14:12ist der Hook extrem wichtig. Das Packaging ist entscheidend.
00:14:14Das will ich perfektionieren, auch wenn es nur 20 Sekunden sind. Der Rest
00:14:17sind Outlines, Konzepte mit Stichpunkten.
00:14:19Ich weiß grob, worüber ich reden will, aber nicht im Detail.
00:14:20Wir machen das einfach „live“.
00:14:21Der Outline-Skill, den ich euch zur Verfügung stelle,
00:14:26funktioniert genau so: Grobe Struktur, wobei der Hook wirklich sitzt.
00:14:30Vieles von dem Hook-Ansatz stammt von Callaway.
00:14:34Ich übernehme viele seiner Ideen, großes Lob an seinen Content.
00:14:37Seine Sachen sind brillant.
00:14:38Ich habe dieses System quasi auf Basis vieler Callaway-Videos erstellt
00:14:43und das darin integriert, wie Claude Code Hooks, Outlines und Titel
00:14:47angeht. Aber schauen wir uns das in Aktion an.
00:14:50Wir führen den Hook-Skill,
00:14:51den Outline-Skill und den YouTube-Titel-Skill für dieses Claude-Code-RAG-Video aus.
00:14:55Ich sagte ihm also:
00:14:57„Lass uns deine Empfehlung nutzen.“
00:14:58Die Empfehlung war ein Ansatz Richtung „Context Engineering“ und ich sagte:
00:15:03Das würde ich also nicht bei den Hooks für Langformate umsetzen, dann weiter zu
00:15:05Hier ist das Ergebnis für die Hooks: fünf Variationen.
00:15:09Jeder Hook wird unterteilt in einen gesprochenen Hook, einen visuellen Hook
00:15:12sowie eine potenzielle Texteinblendung, falls wir die hinzufügen wollen.
00:15:15Die Texteinblendungen sind speziell für Short-Form-Inhalte gedacht.
00:15:19Das würde ich bei Long-Form-Hooks nicht so nutzen. Dann zur
00:15:22Outline: Sie enthält die angestrebte Länge.
00:15:24Dazu verwandte Dokumente aus unserem Obsidian-Vault, auf die wir uns
00:15:28beziehen könnten. Dann kommt der Hook. Die Outline ist in Sektionen unterteilt.
00:15:32Die Kernidee: „Context Engineering ist das und das“.
00:15:36Wir erklären das Konzept und die wichtigsten Argumente.
00:15:39Es enthält auch visuelle Hilfen. So nach dem Motto:
00:15:42„Wenn ich ein Excalidraw-Diagramm einfügen will, könnte es so aussehen.“
00:15:45Dazu Quellmaterial, falls ich das ebenfalls auf dem Bildschirm zeigen möchte.
00:15:48Und das wiederholt sich für jeden einzelnen Abschnitt.
00:15:51Schließlich kommen wir zu den Titel-Optionen.
00:15:53Das Tolle am Titel-Skill ist, dass er Titel nicht isoliert betrachtet.
00:15:56Er analysiert alle bisher erfolgreichen Titel, um ein Gefühl dafür zu bekommen,
00:16:00was bei meiner Zielgruppe wirklich funktioniert.
00:16:02Dann teilt er sie in Tiers ein. Erstes Tier: „Context
00:16:07Engineering macht Prompt Engineering überflüssig.“ Und er erklärt:
00:16:10„Hierauf basiere ich diesen Vorschlag, okay?“
00:16:11„Hier ist das vorherige Video, das X Aufrufe erzielt hat.“
00:16:15„Deshalb glaube ich, dass dieser Titel klappt.“ Tier-2-Titel
00:16:18sind kalkulierte Risiken. Die sind etwas gewagter,
00:16:21was gut zu wissen ist, falls man A/B-Tests machen möchte.
00:16:25Ab und zu lohnt es sich, etwas Verrücktes auszuprobieren,
00:16:28statt drei Tier-1-Titel zu nehmen, die alle sehr ähnlich klingen.
00:16:31Danach folgen Optionen für Thumbnail-Texte. Auch hier wieder
00:16:34dasselbe System. Mit diesen drei Skills – Hooks,
00:16:38Outlines und Titel – haben wir quasi 90 % des Videos fertig geplant, oder?
00:16:43Das Packaging steht fast komplett durch Titel und Hook und die Infos
00:16:47für das Thumbnail.
00:16:48Die Video-Outline liefert im Grunde den eigentlichen Inhalt.
00:16:52Das Einzige, was hier offensichtlich fehlt, ist etwas zur Erstellung
00:16:56des Thumbnails selbst, aber das ist persönliche Vorliebe.
00:16:58Ich finde nicht, dass KI gut darin ist, Thumbnails aus dem Nichts zu erstellen.
00:17:02Es ist etwas anderes, wenn ich mit einer konkreten Idee komme,
00:17:04aber es ist so visuell und subjektiv, dass ich das rein manuell mache.
00:17:08Wenn man an diesem Punkt ist und mit dem Erstellten zufrieden ist,
00:17:11ist es Zeit für den Dreh. Und das ist rein manuell.
00:17:15Ich nutze keine KI-Avatare oder Ähnliches.
00:17:18In 99 % der Fälle lohnt sich das meiner Meinung nach nicht.
00:17:20Es gibt also keine echte Claude-Code-Automatisierung für den Dreh selbst.
00:17:24Damit kommen wir zu Phase vier: der Distribution, richtig?
00:17:28Distribution hat mehrere Ebenen. Die offensichtlichste Form
00:17:32der Distribution ist: „Hey,
00:17:33wir wollen dieses Video auf YouTube, Instagram oder TikTok posten.“
00:17:37Es ist sehr einfach, so etwas in Claude Code zu bauen,
00:17:40wie ein automatisches Verteilungssystem.
00:17:42Man kann es mit einem Ordner in Google Drive verknüpfen und eine
00:17:45Automatisierung erstellen, die auslöst, sobald etwas hinzugefügt wird.
00:17:48Um ehrlich zu sein: Ich nutze CapCut für den Videoschnitt.
00:17:53Dort ist es sehr einfach,
00:17:55das Video direkt auf YouTube oder TikTok zu posten.
00:17:58Auf Instagram poste ich es ehrlich gesagt immer noch manuell.
00:18:00Ist das das Effizienteste auf der Welt? Nein,
00:18:02aber für mich funktioniert es, weil es zwei Sekunden dauert.
00:18:04Besonders weil ich bei Instagram Reels viel teste, und diesen Teil
00:18:09zu automatisieren, ist nervig. Ich glaube nicht mal, dass es geht –
00:18:11zumindest ging es nicht, als ich es zuletzt probiert habe. Bei Distribution
00:18:15denke ich also eher an Repurposing.
00:18:18Repurposing im Sinne von: ein YouTube-Video nehmen und in
00:18:22Text-Content für meine Website als Blog, für LinkedIn und Twitter verwandeln,
00:18:27plus Short-Form-Repurposing, richtig? Wenn ich ein langes Video habe,
00:18:30wie mache ich daraus Short-Form? Ich rede nicht nur von Ausschnitten.
00:18:34Ich meine: Wie destillieren wir 30,
00:18:3640 Minuten Gerede auf YouTube in einen Clip von 30, 60
00:18:40oder 90 Sekunden für Shorts, Instagram oder TikTok?
00:18:43Diese zwei Skills, „Content Cascade“ und mein Short-Form-Skill, erledigen das.
00:18:48Bei der Content Cascade geht es rein um die Video-zu-Text-Distribution.
00:18:52Ich nehme ein YouTube-Video und mache daraus LinkedIn-Posts. Wie alles hier
00:18:55ist das extrem anpassbar.
00:18:58Vielleicht ist YouTube nicht eure Hauptquelle.
00:19:02Man kann das für alles Mögliche anpassen.
00:19:04Man könnte diesen Skill auf einen Artikel oder das YouTube-Video von jemand anderem
00:19:07ansetzen, über das man in Textform sprechen möchte.
00:19:09Er macht daraus einen Blogpost, Twitter-Threads und LinkedIn-Posts.
00:19:15Natürlich ist dieser Skill speziell auf meine Stimme abgestimmt,
00:19:18aber das lässt sich leicht ändern.
00:19:19Besonders wenn man den „Skill Creator“-Skill nutzt,
00:19:22der Tests durchführt. Wenn ich den Content-Cascade-Skill starte,
00:19:26holt er sich automatisch das Transkript von YouTube.
00:19:29Er erstellt einen Blogpost, postet ihn automatisch, erstellt einen
00:19:33Twitter-Thread mit etwa sieben Antworten. Auch dieser wird,
00:19:35sobald ich ihn freigebe, automatisch gepostet. Dazu kommen Varianten von
00:19:39LinkedIn-Posts. Ich gebe zu: Bei LinkedIn bin ich etwas faul,
00:19:44aber ich automatisiere die Posts dort nicht komplett, weil ich Tools wie Lead Shark nutze.
00:19:48Nun ja,
00:19:48ich nutze das meistens, um das Ganze mit einem Lead-Magneten zu verknüpfen.
00:19:53Das System funktioniert super, denn
00:19:57es gibt heutzutage so viele Plattformen,
00:20:01so viele soziale Netzwerke. Es ist unrealistisch zu sagen:
00:20:03„Okay, jetzt schreibe ich all diese Posts für jede Plattform selbst.“
00:20:07Ich kenne mich: Ich bin eher der Typ für Video-Content.
00:20:10Alles, was ich auf der Textseite automatisieren kann, ist ein Segen.
00:20:14Hier auf meiner Website, im Blog-Bereich, sieht man: Er erstellt
00:20:17automatisch den kompletten Blogpost,
00:20:20bettet das YouTube-Video ein und fügt SEO-Optimierungen hinzu.
00:20:24Es ist absolut SEO-fokussiert.
00:20:28Die Idee ist: In diesem Blog geht es weniger darum, dass
00:20:31die Artikel so wahnsinnig toll sind, sondern vielmehr darum,
00:20:33dass mit meinem Content-Archiv auch der Blog wächst –
00:20:38und damit meine Sichtbarkeit bei Google Search, richtig?
00:20:40Alles greift ineinander.
00:20:42Denn ich würde diese Blogs im Leben nicht selbst schreiben.
00:20:45Obwohl ich der KI viel von meinen Texten gegeben habe, damit sie meinen Stil lernt.
00:20:48Sie vermeidet diese typischen ChatGPT-Phrasen, wisst ihr?
00:20:52Nicht X, sondern Y. Ein Teil des Skills besteht darin,
00:20:55KI-Schreib-Tropen zu erkennen und zu umgehen.
00:20:59Und zu guter Letzt: Short-Form-Repurposing.
00:21:02Das ist eigentlich recht simpel.
00:21:05Im Grunde wiederholt es all die Dinge wie Hooks und Outlines,
00:21:10bringt das Ganze aber in ein Format von 30, 60 oder 90 Sekunden.
00:21:15Es liefert passende Hooks.
00:21:16Es schlägt Untertitel vor, die am Anfang auf dem Bildschirm aufpoppen.
00:21:20Es ist also eine kondensierte Form dessen, was wir schon gemacht haben.
00:21:23Und da mein Short-Form-Skill bereits auf das lange Video zugreift,
00:21:28ist die meiste Arbeit schon getan. Man streicht nur den Ballast.
00:21:31Aber das erlaubt mir,
00:21:33im Grunde alles, was ich für YouTube erstelle, zu nutzen.
00:21:36Es wird zu diesem „Monster“, das einen Blogpost auf meiner Seite generiert,
00:21:41auf Twitter und LinkedIn erscheint, zu einem Short wird,
00:21:45ein Instagram Reel wird und auf TikTok landet.
00:21:48Sechs Plattformen,
00:21:52sechs verschiedene Inhalte aus einer Hauptquelle auf YouTube.
00:21:55Daher kommt der Name „Content Cascade“.
00:21:59Und das ist das Schöne an diesem System: Es endet nicht beim YouTube-Video.
00:22:02Das Video selbst wird zu einer eigenen kleinen Wissensquelle,
00:22:06über die wir vorhin gesprochen haben – aber eben für dich selbst.
00:22:09Das ist also mein Claude-Code-Content-System.
00:22:11Es ist quasi mein Partner auf Steroiden. Wie ich schon sagte:
00:22:14Bei jedem Schritt tausche ich mich mit Claude aus.
00:22:17Ich erwarte kein perfektes Endprodukt auf Knopfdruck,
00:22:20aber ich lagere so viel Fleißarbeit an die KI aus. Die ganze Analyse,
00:22:24die Wettbewerbsrecherche, all die Hooks,
00:22:27die grundlegende Ideenfindung – all das übernimmt sie.
00:22:29Dadurch kann ich mich auf die wirklich wichtigen Dinge konzentrieren.
00:22:32Sobald ich einen Inhalt erstellt habe,
00:22:34bietet sie mir einen sehr einfach umzusetzenden Weg,
00:22:39ihn in verschiedenen Formen auf mehreren Plattformen zu verbreiten.
00:22:42Das ist es, was am Ende zu 10 Millionen Zugriffen im Monat führen kann –
00:22:46als Einzelperson und ohne einen einzigen viralen Post.
00:22:48Wenn ihr Zugriff auf all diese Skills haben wollt –
00:22:50die Twitter Research Engine, das GitHub-Skript und die Masterclass –
00:22:55dann schaut euch Chase AI Plus an. Wie gesagt,
00:22:57den Link dazu findet ihr in der Beschreibung und in den Kommentaren.
00:23:00Dort ist auch der Link zu meiner kostenlosen JCA-Community.
00:23:04Dort gibt es viele Gratis-Ressourcen für den Einstieg in KI.
00:23:07Ansonsten lasst mich wissen, was ihr denkt, und bis bald!