Multi-Channel Content-Pipeline mit AI-Bildern, Reels und Auto-Posting

Kontext / Context

Ein Content-Betrieb, der News für ein Nischen-Publikum aggregiert und täglich über mehrere Kanäle ausspielt. Der Engpass war nicht die Themenfindung, sondern der Produktions-Overhead pro Artikel: Recherche verifizieren, Hero-Bild, Zusammenfassung, Social-Caption, ggf. Video-Reel. Pro Tag gingen 4-6 Stunden dafür drauf.

Architektur

• Astro 5 + Tailwind v4 als statisches CMS mit Pagefind-Suche und Content-Collections
• RSS-Ingestion mit rss-parser über eine kuratierte Quellen-Liste, inkrementell per Cron
• Review-Batch über die Anthropic-Batch-API mit Claude als Kurator: Relevanz-Score, Dubletten-Erkennung, geo-filter, Content-Safety-Check
• Bild-Generierung via @fal-ai/client für Hero-Images pro Artikel, prompt-template aus Artikelmetadaten
• Video-Reels über ffmpeg-static mit Stock-Footage-Mix, msedge-tts für deutschsprachiges Voiceover, Zeitleiste prozedural aus Headline und Summary
• Bluesky-Auto-Posting über @atproto/api, mit Catchup-Modus falls das System Tage lang stand
• Playwright-extra mit Stealth-Plugin für Scrape-Quellen, die kein offizielles RSS bieten
• 2captcha-ts als Fallback für anti-bot-geschützte Seiten

Eval + Guardrails

• Content-Safety-Layer vor Bild-Generierung (Prompt-Filter) und vor Post (Text-Filter). Keine Themen aus Block-Liste kommen durch.
• Relevanz-Gate: jeder Artikel braucht ≥ 0.72 Relevanz-Score, sonst landet er im Reject-Pool mit Grund.
• Daily-Log als JSON mit pro-Artikel-Metriken für Regression-Debugging
• Cost-Budget auf fal.ai und Claude-Tokens mit Alert-Threshold

Deliverable

• Produktives System, das in CI/CD deployt wird
• Admin-Dashboard für manuelle Overrides und Inspection
• Runbook für Fehlerszenarien (fal.ai-Quota, TTS-Rate-Limit, Bluesky-Auth-Expiry)
• Handover mit Onboarding-Video

Take-Aways

• Batch-API (Claude, auch OpenAI) kostet deutlich weniger als synchrone Calls, wenn die Latenz egal ist. Bei Daily-Pipelines ist sie das.
• Prompt-Template-Versionierung zahlt sich aus, sobald man die ersten zwei Regressions sieht. Jeder Template-Change mit Eval gegen einen fixen Ground-Truth.
• Stealth-Scraping ist rechtlich grau, aber technisch gelöst. Entscheidend ist, ob die Quelle es explizit verbietet.