Diese KI-App baut sich selbst.

Inhalte schlafen nie. Marken, Einzelpersonen und Ein-Personen-SaaS-Unternehmen fühlen mittlerweile den Druck, einen stetigen Strom von Beiträgen, Skripten und Vorschaubildern zu produzieren, die auf jede Plattform, jedes Zielgruppen-Segment und sogar jeden einzelnen Lead abgestimmt sind. Manuelle Workflows – das Springen zwischen ChatGPT-Tabs, Notion-Dokumenten und halb-fertigen Entwürfen – halten diesem Druck lange nicht stand, bevor man 5 Beiträge pro Tag über 3 Netzwerke hinweg erreicht.

Brendan Jowetts Antwort ist etwas, das er eine Inhaltsmaschine nennt: eine selbstlaufende App, die rohe Ideen und Videos in fertige, veröffentlichbare Inhalte verwandelt. Basierend auf einer Leinwand aus verschiebbaren Knoten und Chat-Agenten orchestriert sie Modelle, Aufforderungen und Datenquellen auf einer einzigen Oberfläche, die weniger wie ein Werkzeug und mehr wie eine Produktionslinie funktioniert.

Anstatt jedes Mal einen neuen Prompt zu tippen, wenn ihn die Inspiration trifft, verbindet Jowett seine LinkedIn-Historie, YouTube-Transkripte und die Unternehmensgeschichte direkt mit dem System. Ein Chat-Agent hält mehrere Beispiel-LinkedIn-Beiträge sowie das vollständige Skript seines neuesten YouTube-Uploads bereit; eine einzige Anweisung—„erstelle einen neuen LinkedIn-Beitrag für dieses Video“—liefert einen Text, den er direkt in LinkedIn „eins zu eins kopieren und einfügen“ würde. Hyper-Personalisierung wird zur Norm und hört auf, eine lästige Pflicht zu sein.

Dasselbe Canvas bietet eine spezielle Zone für YouTube-Beschreibungen, die von mehreren KI-Modellen, einschließlich Gemini 2.0.0 und anderen, die auf Geschwindigkeit optimiert sind, unterstützt wird. Jowett füttert es mit vorherigen Beschreibungen als Beispiele und weist es dann auf ein neues Transkript hin; das System liefert keyword-optimierte Texte mit strukturierten Absätzen und Handlungsaufforderungen, bereit zum Hochladen, ohne die Benutzeroberfläche von ChatGPT zu berühren.

Weiter unten zieht eine „intensivere“ LinkedIn-Engine aus: - Detaillierten Unternehmenskontext - Seiner persönlichen Hintergrundgeschichte - Formatierungsregeln und Tonleitfäden - Archivierten Musterbeiträgen

All das fließt in einen Agenten zusammen, der in der Lage ist, Beiträge zu erstellen, die wie er klingen, seine Produkte ansprechen und auf Abruf seiner bevorzugten Struktur folgen.

Eine separate Spur kümmert sich sogar um visuelle Inhalte. Mit einem Modell, das er Nano Banana Pro nennt, liest die App einen fertigen LinkedIn-Beitrag, extrahiert eine zentrale Zeile und generiert automatisch eine passende Grafik – inklusive Logo –, sodass Text und Bild als Paar bereitgestellt werden. Das Ergebnis funktioniert weniger als eine einzelne KI-Funktion und mehr als eine integrierte Workflow-Umgebung für jeden wiederholenden Schritt in der Content-Erstellung.

Betreten Sie die Leinwand und Sie sehen kein Chatfenster; Sie sehen einen Kontrollraum. Die App von Brendan Jowett öffnet sich auf einem weitläufigen, zoombaren Gitter, das mit farbigen Blöcken übersät ist, von denen jeder eine eigenständige Funktion darstellt: ein LinkedIn-Autor hier, ein YouTube-Beschreibungs-Generator dort, ein Bildgenerator weiter unten. Es fühlt sich eher wie Figma oder Miro an als wie ChatGPT, aber jeder Block speist letztendlich ein KI-Modell.

Jedes Block ist ein ziehbares Modul. Einige enthalten reinen Text: Beispiele für LinkedIn-Beiträge, Unternehmensgeschichten, Formatierungsregeln. Andere speichern Medien: vollständige YouTube-Video-Uploads mit angehängten Transkripten. Eine dritte Kategorie beherbergt live Chat-Agenten, die mit Modellen wie Gemini 2.0.0 und einem benutzerdefinierten Nano Banana Pro-Bildmodell verbunden sind, bereit, auf Kommando zu generieren.

Verbindungen zwischen diesen Modulen bilden ein sichtbares Graf von Kontext. Ein Knoten für einen LinkedIn-Beitrag zieht beispielsweise Informationen aus: - Einem Cluster von früheren LinkedIn-Beiträgen - Einem direkten Upload des neuesten YouTube-Videos - Einem Block mit Formatierungshinweisen

Diese Pfeile auf der Leinwand definieren buchstäblich, was die KI „weiß“, wenn sie schreibt. Ändern Sie eine Verbindung, und Sie ändern das Gehirn.

Für YouTube-Beschreibungen wiederholt ein weiterer Bereich der Leinwand das Muster. Beispielbeschreibungen fließen in einen Chat-Agenten, zusammen mit dem Transkript-Knoten des neuen Videos. Ein Eingabeaufforderung – „Erstelle eine Videobeschreibung basierend auf den Beispielen, die ich bereitgestellt habe“ – erzeugt einen mehrseitigen, keyword-optimierten Text, der auf diesen speziellen Upload zugeschnitten ist, ohne manuelles Kopieren und Einfügen in ein generisches Chatfenster.

Weiter unten fügt ein dichteres LinkedIn-System noch mehr Kontext hinzu. Jowett bringt Knoten für seine Unternehmen, seine persönliche Geschichte und sehr spezifische Stilregeln ein. All dies mündet in einen einzigen Chat-Agenten, der eine kurze Anweisung in einen Beitrag verwandelt, der ihm erstaunlich ähnlich klingt, weil der Graph buchstäblich codiert, wer er ist und was ihm wichtig ist.

Der Bildbereich auf der Leinwand treibt die Metapher weiter voran. Ein reiner Text-LinkeIn-Post-Knoten verbindet sich mit einem Bildaufforderungs-Knoten, drei Beispielgrafiken und einem hochgeladenen Logo-Knoten. Das Nano Banana Pro-Modell liest den gesamten Post, extrahiert eine Schlüssellinie, überlagert sie als Text und platziert das Logo - ganz ohne Photoshop, lediglich durch umgestellte Blöcke.

Im Ganzen betrachtet verwandelt die Benutzeroberfläche das Prompt Engineering in eine Art LEGO-System. Anstatt sich mit einem 30-zeiligen Mega-Prompt herumzuschlagen, ordnen Sie Knoten neu an, ziehen neuen Kontext in das Diagramm und debuggen visuell, was die KI sieht.

Brendan Jowelts Leinwand hat eine spezielle Spalte für LinkedIn, die weniger wie ein Eingabefeld funktioniert und mehr wie eine Produktionslinie. Ein Knotencluster enthält 5–10 seiner leistungsstärksten Beiträge, ein anderer verarbeitet das vollständige Transkript seines neuesten YouTube-Uploads, und ein zentraler Chat-Agent verbindet sie zu einem einzigen, stets aktiven Schreibpartner.

Diese früheren Beiträge werden nicht einfach als Rohtext eingepflegt. Er gibt dem Agenten Beispiele, die seine Struktur kodieren – eingängiger erster Satz, kurze Absätze, ein klarer Call-to-Action im letzten Satz – sowie Hinweise zum Ton und Formatierungsregeln. Dieser Kontext bleibt als dauerhafte Wissensquelle bestehen, sodass der Agent seinen Stil „erinnert“, ohne dass er jedes Mal die Anweisungen umschreiben muss.

Wenn ein neues Video live geht, beginnt der Workflow mit dem Hochladen des Transkripts direkt in das Canvas. Ein YouTube-Knoten leitet das vollständige Skript in denselben Chat-Agenten, der bereits seine LinkedIn-Stimme kennt, während die Quelleinstellungen genau bestätigen, welche Beispiele und Transkripte das Modell sehen kann. Ein Klick, und das System verbindet all das in einer einzigen Anfrage.

Die eigentliche Aufforderung ist fast beleidigend einfach: „Bitte erstellen Sie einen neuen LinkedIn-Beitrag basierend auf den Beispielen für das neue Video, das ich Ihnen zur Verfügung gestellt habe.“ Hinter diesem Satz spinnen sich mehrere Modelle; für diesen LinkedIn-Workflow leitet Jowett über Gemini 2.0.0 Pro, um die Antworten schnell und konsistent zu halten. Der Agent nutzt jede angehängte Quelle – Beispiele, Transkript, Formatierungsnotizen – ganz ohne manuelles Kopieren und Einfügen.

Der Inhalt erscheint als etwas, das verdächtig menschlich aussieht: ein prägnanter Einstieg, eine ein Satz umfassende These, 3–5 scannbare Zeilen, die die wichtigsten Punkte aus dem Video herausziehen, und einen Kommentar ansprechenden CTA, der auf den vollständigen YouTube-Link verweist. In seiner Demo bezieht sich der Beitrag auf LiveKit, No-Code-Agenten und „Bauen ohne Code“, da das System diese Begriffe direkt aus dem Transkript übernommen hat.

Entscheidend ist, dass Jowett nicht mehr als ein oder zwei Wörter bearbeiten muss. Er überfliegt den Text auf Genauigkeit, kopiert den Block, fügt ihn in LinkedIn ein und macht weiter. Im Vergleich zum Hin- und Herschalten zwischen ChatGPT, Dokumenten und LinkedIn's Editor verkürzt er eine 15–20-minütige Aufgabe auf weniger als 60 Sekunden.

Jeder kann diesen Workflow mit einem canvas-basierten Agenten-Baukasten wie Voiceflow - AI Agent Platform nachbauen, indem er Folgendes miteinander verknüpft:

• 1Beispiellisten von Beiträgen
• 2Transkriptionseinträge
• 3Stil- und Formatierungsanweisungen
• 4Multimodale Routenführung für Geschwindigkeit und Kostenkontrolle

Die Eroberung von YouTube beginnt auf derselben Grundlage, jedoch mit einem anderen Modul, das an seinen Platz geschnappt wird. Anstatt in Beiträgen und Hooks zu denken, wechselt Brendan Jowetts System zu Videodateien, Transkripten und Metadaten und behandelt jeden Upload als Rohmaterial für ein umfassendes YouTube-Paket. Ein Knoten nimmt das Transkript auf, ein anderer speichert Formatierungsbeispiele aus früheren leistungsstarken Beschreibungen, und ein Chat-Agent fügt sie zusammen.

Füttere den Agenten mit einem neuen Transkript, und er fasst nicht nur zusammen; er rekreiert deinen einzigartigen Stil Zeile für Zeile. Das System kopiert den Absatzaufbau, Zeilenumbrüche, Emoji-Gewohnheiten (falls du sie verwendest) und die Platzierung von Handlungsaufforderungen aus deinen vorherigen Beschreibungen. Kombiniert mit keyword-reichen Formulierungen aus dem Transkript erhältst du SEO-optimierte Texte, die auf die YouTube-Suche und den Google-Crawler abgestimmt sind, ohne ChatGPT oder eine Dokumentendatei zu berühren.

Jowett scrollt weiter auf der Leinwand nach unten, und die Dinge werden ambitionierter. Ein separater Cluster von Knoten verbindet sich mit Transkripten aus einer ganzen Bibliothek vergangener Uploads – Dutzende von Videos, die mit einem einzigen Chat-Agenten verbunden sind. Mit diesem Kontext kann der Agent Folgendes generieren:

• 1Neue Videoideen, die Themen nicht wiederholen
• 2Titelvariationen optimiert für die Klickrate
• 3Rohskriptabrisse, die Ihrem Tempo und Ton entsprechen.

Da der Agent alles sieht, was Sie bereits veröffentlicht haben, vermeidet er doppelte Ansätze und schlägt stattdessen angrenzende Themen vor. Ein Creator mit 50 Uploads übergibt YouTube effektiv ein „Gedächtnis“ an eine KI, die versteht, was funktioniert hat und was zur Markenidentität passt. Dieses Gedächtnis treibt auch die Titel-Ideenfindung an, indem es in Sekundenschnelle 10–20 Varianten generiert, die Neugier, Zahlen oder Problem-/Lösungsformate berücksichtigen.

All das befindet sich auf demselben Drag-and-Drop-Canvas: Lade ein Video hoch, füge dessen Transkript hinzu, leite es durch den YouTube-Beschreibungs-Knoten und dann weiter zu den Ideen- und Gliederungsknoten. Rohmaterial verwandelt sich in einen titelready Miniaturansicht, SEO-Beschreibung und Skriptgerüst mit minimalen menschlichen Anpassungen. Die App hilft dir nicht nur, schneller zu veröffentlichen; sie lernt leise deinen Kanal kennen und erstellt das nächste Video für dich.

Vergessen Sie ein geheimes Team von Ingenieuren, das hinter diesem Canvas versteckt ist. Die gesamte "Content-Maschine" von Brendan Jowett – Chat-Agenten, Transkript-Suche, Bilderzeugung, LinkedIn- und YouTube-Module – funktioniert ohne Code. Keine Python-Skripte, kein React-Frontend, keine Datenbankmigrationen; nur Drag-and-Drop-Elemente und natürliche Sprach-Anweisungen.

Die treibende Kraft dahinter ist Replet, eine „Vibe-Coding“-Umgebung, die Eingabeaufforderungen in funktionierende Software verwandelt. Anstatt ein Projekt aufzubauen, APIs zu verdrahten und Modelle zusammenzufügen, beschreibt Jowett, was er möchte, in klarer Sprache: „eine Leinwand mit beweglichen Modulen“, „ein Chat-Agent, der mit meinen letzten 20 YouTube-Transkripten verbunden ist“, „ein Bildgenerator, der mein Logo kennt.“ Replet verwandelt diese Absicht in eine live App.

Das kehrt die übliche KI-Geschichte um. Die meisten Menschen verwenden ChatGPT, Claude oder Gemini 2.0.0 als eigenständige Werkzeuge – du fügst Text ein, du kopierst die Ergebnisse heraus. Hier fordert Jowett eine KI auf, das Werkzeug selbst zu erstellen: die Benutzeroberfläche, die Datenströme, die Modellrouten, sogar die wiederverwendbaren Eingabeaufforderungen, die hinter jedem Knoten stehen.

Anstelle eines Entwicklers, der Anforderungen in Code übersetzt, wird der Prompt gleichzeitig zur Spezifikation, zum Backend und zum UX-Blueprint. Wenn er einen neuen Workflow möchte – sagen wir, „wandle mein neuestes Video in eine dreiparagrafenlange, SEO-optimierte Beschreibung unter Verwendung meiner bisherigen Beispiele um“ – öffnet er nicht VS Code. Er fügt einen Knoten hinzu, verbindet eine Transkriptsquelle, verweist auf seine Beispieldatenbank und beschreibt das Verhalten.

Replet's Canvas blendet den Stapel aus, der normalerweise nicht-technische Kreative abschreckt. Unter der Oberfläche haben Sie dennoch: - Mehrere KI-Modelle (Gemini 2.0.0, Nano Banana Pro) - Dateispeicher und Wissensdatenbanken für Transkripte, Logos und Beispielbeiträge - Routing-Logik, die entscheidet, welches Modell welche Aufgabe übernimmt

An der Oberfläche sieht man nur beschriftete Blöcke und Pfeile.

Für Nicht-Entwickler ist dies eine Power-Freischaltung auf dem Niveau von frühem Squarespace oder Webflow, jedoch für AI-native Software. Ein Solo-Creator kann ein privates „Content-OS“ aufsetzen, das auf seine Stimme, seine Assets und seine Kanäle abgestimmt ist, ohne auf ein SaaS-Startup warten zu müssen, das genau die benötigte Funktion bereitstellt.

Jowetts System deutet darauf hin, wo es als Nächstes hingeht. Wenn Sie Ihren Workflow ausführlich beschreiben können – „wie ich Ideen entwickle, wie ich schreibe, wie ich Inhalte umwandle“ – können Tools wie Replet diese Beschreibung in eine maßgeschneiderte Anwendung umwandeln. Dabei handelt es sich nicht um den Einsatz von KI, sondern um die Beauftragung von Software basierend darauf.

Brendan Jowett fordert nicht nur eine KI-App heraus; er fordert einen KI-App-Builder heraus. Bevor er jemals einen Knoten auf der Leinwand von Replet zieht, öffnet er ChatGPT und bittet darum, einen Master-Prompt zu erstellen, der die App, die er möchte, bis ins kleinste Detail beschreibt. Dieser Meta-Prompt wird zur Blaupause, die Replet verwendet, um seine gesamte „Inhaltsmaschine“ ohne eine einzige Zeile benutzerdefinierten Codes zusammenzustellen.

Sein Haupt-Prompt liest sich eher wie eine Produktspezifikation als wie ein lockerer Plausch. Jowett beschreibt ein Canvas-System mit einem zoombaren Arbeitsbereich, ziehbaren Modulen und verbindbaren Knoten, die Daten untereinander austauschen. Er hebt hervor, dass jedes Modul Texteingaben, Chat-ähnliche Schnittstellen und Datei-Uploads wie YouTube-Transkripte unterstützen sollte, da dies die Rohmaterialien für seine LinkedIn-Beiträge und YouTube-Drehbücher sind.

Struktur ist wichtig. Er unterteilt die App in klar gekennzeichnete Bereiche: einen Cluster von Knoten für LinkedIn-Texte, einen weiteren für YouTube-Beschreibungen und einen weiteren für die Bilderzeugung. Jeder Bereich erhält spezifische Anweisungen darüber, welche Quellen er verwenden sollte (Beispiele vergangener Beiträge, Transkripte von Videos, Unternehmenshintergrund) und wie die Ausgaben formatiert werden sollen. Diese Spezifität ermöglicht es Replet, ein System zu schaffen, in dem ein einzelner Chat-Agent seinen bisherigen Inhalt, das aktuelle Video und die Stilregeln gleichzeitig einsehen kann.

Jowett nennt auch Technologien direkt im Auftrag. Er fordert einen React Flow-ähnlichen Graph-Editor für die Leinwand, sodass Module als ziehbare Knoten mit Verbindungen erscheinen, nicht als statische Formen. Er spezifiziert AI-Modell-Slots, die zwischen Anbietern wie Gemini 2.0.0 oder benutzerdefinierten Modellen wie Nano Banana Pro wechseln können, was widerspiegelt, wie Tools wie Make - Workflow Automation Platform es ermöglichen, Integrationen zu wechseln, ohne den gesamten Workflow neu aufzubauen.

Er hört nicht bei UI und Modellen auf. Der Prompt definiert Verhaltensweisen: wie ein LinkedIn-Knoten Beispielbeiträge lesen sollte, wie ein YouTube-Beschreibungsknoten für Schlüsselwörter optimiert werden sollte, wie ein Bildknoten eine einzelne Schlüsselaussage aus einem langen Beitrag extrahieren und sie auf eine Marken-Grafik überlagern sollte. Er sagt dem System sogar, dass die Ausgabe eines Knotens die Eingabe eines anderen Knotens werden muss und zwingt so einen Prozess von Transkript zu Beitrag zu Bild.

Qualität skaliert mit Detail. Eine vage Anfrage „erstellen Sie eine Content-App“ ergibt ein Spielzeug. Jowetts mehrteiliger, komponentenbasierter Ansatz führt zu einem vollwertigen Kontrollzentrum: wiederverwendbare Chat-Agenten, Wissensdatenbanken von Transkripten und Bildgenerierung, die an sein Logo und Layout angepasst ist. Je mehr Sie im Prompt wie ein Produktdesigner denken, desto mehr verhält sich Ihre No-Code-AI-App wie ein echtes, meinungsstarkes Werkzeug.

Die Automatisierung von Inhalten scheitert normalerweise, sobald visuelle Elemente benötigt werden. Brendan Jowetts Canvas umgeht diesen Fehlermodus mit einer speziellen Bildgenerierung-Spur, die direkt in seinen LinkedIn-Workflow integriert ist, sodass Grafiken ebenso schnell erscheinen wie die Beiträge selbst.

Sobald das System einen LinkedIn-Beitrag fertiggestellt hat, wird der gesamte Text an einen Bilderagenten weitergeleitet. Dieser Agent fügt nicht einfach den gesamten Absatz auf einer Folie ein; er durchsucht den Text, extrahiert eine einzelne Schlüsselinsight und verwandelt diese in eine auffällige Schriftgrafik, die darauf ausgelegt ist, die scrollenden Daumen anzuhalten.

Jowett lädt drei Beispielbildlayouts in die Leinwand vor: saubere, textorientierte Karten mit einer einzelnen Aussage, großzügiger Polsterung und seinem Logo, das in der unteren Ecke verankert ist. Der Bildagent verwendet diese Beispiele als starres Template, sodass jedes neue Asset seinem bestehenden Stil entspricht, ohne dass er Figma oder Canva berühren muss.

Markenkonsistenz entsteht aus mehr als nur dem richtigen Gefühl. Jowett lädt buchstäblich sein Logo hoch, platziert es im Knotendiagramm und gibt dem Modell spezifische Anweisungen zur Platzierung, Farbverwendung und negativen Raum. Das System verweist dann in jeder Renderings auf dieses Logo-Objekt, sodass Ausrichtung, Größe und Kontrast über Dutzende von Beiträgen hinweg identisch bleiben.

Im Hintergrund basieren die visuellen Darstellungen auf dem neuen Nano Banana Pro-Modell, das leise eines der störendsten Probleme der generativen KI löst: verworrene Texte. Während typische Diffusionsmodelle Buchstabenformen halluzinieren oder einfache Wörter falsch schreiben, kann der Nano Banana Pro klare, lesbare Typografie über mehrere Zeilen hinweg darstellen.

Das ist wichtig, denn dies sind keine abstrakten Konzeptgrafiken; es handelt sich um textbasierte Social Cards. Ein einzelner Tippfehler in einer Grafik erfordert eine manuelle Neugestaltung. Mit Nano Banana Pro kann Jowett darauf vertrauen, dass das Modell die Überschrift intakt, das Logo unberührt und das Layout markengerecht hält, sodass die Erstellung von Bildern zu einem weiteren automatisierten Schritt in der Produktionslinie für Inhalte wird.

Tritt einen Schritt zurück von der auffälligen Oberfläche, und Brendan Jowetts System wirkt fast langweilig systematisch. Er reduziert jeden "KI-Agenten" auf vier bewegliche Komponenten: Modell, Anweisungen, Wissen und Werkzeuge. Wenn einer davon fehlt, halluziniert deine Automatisierung, stockt oder spuckt generische Inhalte aus.

Das KI-Modell ist das Gehirn. In Jowetts Inhaltsmaschine ist dieses Gehirn Gemini 2.0.0 für Text sowie ein separates Nano Banana Pro-Modell für Bilder, die jeweils mit verschiedenen Knoten auf der Leinwand verbunden sind. Wechsle das Modell, und du veränderst die Persönlichkeit, Geschwindigkeit und Qualität von allem, was danach kommt, ohne die Benutzeroberfläche zu berühren.

Anweisungen definieren, was das Gehirn tun soll. Das sind die langen, strukturierten Aufforderungen, die Gemini 2.0.0 sagen: „Du bist mein LinkedIn-Geisterschreiber“ oder „Du bist mein Optimierer für YouTube-Beschreibungen.“ Jowett integriert den Ton, Formatierungsregeln und Einschränkungen direkt in diese Anweisungen, sodass jedes Ergebnis wie er klingt und nicht wie eine generische KI-Demonstration.

Wissen versorgt das Gedächtnis. Jowett lädt vollständige YouTube-Transkripte, frühere LinkedIn-Beiträge, Unternehmensgeschichten und Stilbeispiele in das System als dauerhaften Kontext. Wenn er um einen neuen Beitrag bittet, greift der Agent auf Dutzende früherer Texte und Beiträge zurück, nicht auf ein einzelnes 20-zeiliges Eingabe, das er vor 30 Sekunden getippt hat.

Werkzeuge geben dem Agenten Hände, nicht nur einen Mund. Auf seiner Leinwand zeigen sich Werkzeuge als App-Funktionen und Datenströme: lade eine neue Videodatei hoch, analysiere das Transkript, generiere einen LinkedIn-Beitrag, erstelle ein Bild mit seinem Logo, füge Text in ein YouTube-Beschreibungsfeld ein. Jedes Knoten ist eine separate Fähigkeit, die das Modell abrufen kann, verbunden in Workflows mit einem Klick.

Diese vier Säulen erklären zusammen, warum Jowetts Aufbau sich wie Software und nicht wie ein Chatfenster anfühlt. Gemini 2.0.0 (Modell) folgt präzise formulierten Aufforderungen (Anweisungen), die in Transkripten und vergangenen Inhalten (Wissen) verankert sind, und löst dann Canvas-Aktionen (Werkzeuge) aus, um fertige Beiträge und Grafiken zu erstellen. Dieses mentale Modell ist von einem individuellen Ersteller bis hin zu einem Marketingteam skalierbar, das Notion, Webflow und Zapier miteinander verbindet.

Jeder, der KI-Automatisierungen erstellt, kann diese Vorlage verwenden. Beginnen Sie damit, Folgendes ausdrücklich zu definieren: - Welches Modell Sie verwenden - Welche Anweisungen es steuern - Welches Wissen es einsehen kann - Welche Tools es tatsächlich bedienen kann

Manuelle Marketingarbeit wirkt fragil, wenn eine App wie Brendan Jowetts Content-Maschine existiert. Eine Leinwand, eine Handvoll KI-Agenten, und plötzlich laufen LinkedIn-Beiträge, YouTube-Beschreibungen, Thumbnails und Ideenfindungsschleifen im Autopilot-Modus statt mit Willenskraft und langen Nächten.

No-Code KI-Plattformen verwandeln diese Leinwand in ein Einstiegsprodukt für die Softwareerstellung. Sie hören auf, lediglich ein „Nutzer“ von Werkzeugen wie ChatGPT zu sein und werden zum Architekten von maßgeschneiderten Workflows, die exakt der Denkweise, dem Verkaufsprozess und der Publikationsweise Ihres Unternehmens entsprechen.

Jowetts Setup verdeutlicht stillschweigend einen größeren Wandel: Fachexperten befinden sich nun nur einen Prompt entfernt von ihrem eigenen internen SaaS. Ein Marketer mit tiefem Wissen über sein Publikum kann Transkripte, Markenrichtlinien und frühere Beiträge einpflegen und diese dann in einen wiederverwendbaren Agenten integrieren, der den Kontext nie vergisst und niemals müde wird.

Das ist das zentrale Versprechen von KI-nativen No-Code-Stacks wie Replet, Voiceflow und Make.com. Sie ermöglichen es Nicht-Entwicklern, Modelle wie Gemini 2.0.0, maßgeschneiderte Wissensdatenbanken und APIs zu Produktionssystemen zu kombinieren, die mit dem konkurrieren, was ein kleines Ingenieurteam vor fünf Jahren hätte entwickeln können.

Agenturen wie Inflate AI, der eigene Laden von Jowett, produktivieren diesen Wandel bereits in großem Maßstab. INFLATE AI - AI Automation Agency verkauft vorgefertigte und maßgeschneiderte Automatisierungen, die Daten aus CRMs, Werbeplattformen und Inhaltsbibliotheken ziehen und die Ergebnisse dann in die Tools zurückführen, in denen die Teams bereits arbeiten.

Für Unternehmen hört die Frage auf, „Können wir es uns leisten, Software zu entwickeln?“ und wird zu „Können wir es uns leisten, nicht zu tun?“ Wenn ein Vertriebsleiter eine App anstoßen kann, die aus Gesprächstranskripten Ausgeh-Sequenzen erstellt, oder ein Gründer einen Agenten entwickeln kann, der Webinare in eine Woche Content verwandelt, zerfällt die alte Überlegung zwischen Selbstentwicklung und Einkauf.

Blicken Sie über das Marketing hinaus und der Wettbewerb wird schnell überfüllt. Stellen Sie sich vor, dass Apps ins Leben gerufen werden für: - Zusammenfassungen von Verkaufsgesprächen und CRM-Pflege - Triage und Entwurf von Antworten im Kundenservice - Produktforschung aus Nutzerinterviews und NPS-Daten - Interne Schulungsinhalte aus bestehenden SOPs und Dokumenten

Die eigentliche Provokation besteht nicht darin, ob manuelles Marketing stirbt; es geht darum, wie viel Ihrer aktuellen Arbeitsbelastung nur existiert, weil Ihnen die Werkzeuge zur Automatisierung fehlen. Wenn ein paar strukturierte Eingaben eine App herbeizaubern können, die Ihre am meisten gehasste Aufgabe übernimmt, was wartet dann in Ihrem Unternehmen still darauf, ersetzt zu werden?

Beginne mit einem Workflow, nicht mit einer großen Vision. Wähle eine Inhaltstask, die du mindestens 3–5 Mal pro Woche wiederholst: das Umschreiben von LinkedIn-Posts aus Videos, das Verfassen von YouTube-Beschreibungen, das Umwandeln von Newslettern in Threads oder das Zusammenfassen von Verkaufsgesprächen. Wenn es bereits in einer Checkliste, einem Notion-Dokument oder in deinem Kopf als „Ugh, das schon wieder“ existiert, ist es qualifiziert.

Sei spezifisch. Für deinen gewählten Arbeitsablauf schreibe Folgendes auf: - Eingaben (z.B. YouTube-URL, Transkript, frühere Beiträge) - Ausgaben (z.B. 220–260 Wörter LinkedIn-Beitrag, 3 Titeloptionen) - Einschränkungen (Ton, Markenregeln, verbotene Themen, Formatierung)

Übergeben Sie das an ChatGPT als Meta-Aufgabe. Ihr Auftrag lautet nicht "schreiben Sie meinen Beitrag", sondern "gestalten Sie meine App". Bitten Sie es, eine strukturierte Spezifikation für eine Automatisierungsoberfläche zu erstellen: Module, Datenfluss, Eingabeaufforderungen und Modelle. Verweisen Sie auf Brendan Jowetts System: mehrere Chat-Agenten, Transkriptionseingabe und wiederverwendbare Eingabevorlagen, die ein Video in Beiträge, Beschreibungen und Bilder umwandeln.

Seien Sie eindeutig bezüglich Modelle und Kontext. Sagen Sie ChatGPT, dass Sie wünschen: - Ein primäres Textmodell (z. B. GPT-4, Gemini 2.0.0) - Eine Wissensschicht für Beispiele und Transkripte - Klare Eingabe-/Ausgabefelder für jeden Knoten - Fehlerzustände und Schutzmaßnahmen für inakzeptable Inhalte

Nehmen Sie diese Spezifikation und bringen Sie sie in Replet (oder einem ähnlichen No-Code-Agenten-Builder) ein und beginnen Sie, Blöcke zu ziehen, anstatt Code zu schreiben. Erstellen Sie eine Zeile von Jowetts Canvas nach: zum Beispiel „YouTube-URL → Transkript → LinkedIn-Beitrag + Beschreibung.“ Integrieren Sie Ihre eigenen Musterbeiträge, Logos und Markenrichtlinien, damit der Agent nicht wie ein generischer Wachstums-Hacker klingt.

Betrachte dies als ein 90-minütiges Experiment, nicht als den Aufbau einer Plattform für sechs Monate. Wenn du etwas hast, das dir zuverlässig 15–30 Minuten pro Tag einsparen kann, integriere es in deinen realen Arbeitsablauf und teste es eine Woche lang intensiv.

Teile dann das Ergebnis. Poste Screenshots deines Canvas, Auszüge der Eingabeaufforderungen und Inhalte vor/nach der Bearbeitung auf LinkedIn oder X, tagge die verwendeten Tools und bitte um Feedback. Dein erster automatisierter Workflow wird nicht perfekt sein – aber er wird real sein und während du schläfst laufen.

Was ist die "Content-Maschine", die im Artikel beschrieben wird?

Es handelt sich um eine maßgeschneiderte, No-Code-Anwendung, die zur Automatisierung der Inhaltserstellung entwickelt wurde. Sie nutzt eine visuelle Benutzeroberfläche, um Datenquellen wie Video-Transkripte und Schreibbeispiele mit KI-Modellen zu verbinden, um personalisierte Beiträge, Skripte und Bilder zu erstellen.

Brauche ich Programmiererfahrung, um eine ähnliche Anwendung zu entwickeln?

Nein. Das gesamte System wurde mit einem 'Vibe-Coding'-Tool namens Replet entwickelt, bei dem man die gewünschte Anwendung in einfachem Englisch beschreibt und die KI sie für einen erstellt.

Wie unterscheidet sich das von der Verwendung eines Werkzeugs wie ChatGPT?

Diese Methode schafft ein dauerhaftes, maßgeschneidertes System, das auf Ihren spezifischen Arbeitsablauf zugeschnitten ist. Sie spart Zeit, indem sie alle Ihre Kontextinformationen (Markenstimme, Beispiele, Datenquellen) vorab lädt, sodass Sie sie nicht jedes Mal manuell in eine Eingabeaufforderung einfügen müssen.

Welche KI-Modelle kann dieses System verwenden?

Das System ist flexibel und ermöglicht es den Nutzern, verschiedene KI-Modelle zu wechseln. Im Video wird erwähnt, dass Google's Gemini für die Textgenerierung und ein Modell namens 'Nano Banana Pro' für die hochqualitative Bildgenerierung verwendet werden.