Die 5-Phasen-Pipeline: Von der Idee zur Veröffentlichung

"Schreib mir einen Post über Vibe Coding" — und heraus kommt generischer KI-Müll, den man auf den ersten Blick erkennt. Das ist kein Content-Problem. Das ist ein Prozess-Problem. In dieser Lektion lernst du die 5-Phasen-Pipeline, die aus jeder Idee hochwertigen, menschlich klingenden Content macht.

Das Problem mit dem einfachen Ansatz

Die meisten Leute nutzen KI so:

Input: "Schreib einen Blogpost über Prompt Engineering"
→ Output: Generischer, austauschbarer Text

Warum ist der Output schlecht?

Kein Kontext: Die KI weiß nicht, was deine Zielgruppe schon weiß
Keine Recherche: Die KI greift auf Trainingsdaten zurück statt auf aktuelle Quellen
Kein Stil: Die KI schreibt im Standard-KI-Deutsch ("Es ist wichtig zu betonen...")
Keine Qualitätskontrolle: Der erste Draft wird zum finalen Text
Keine Struktur: Alles passiert in einem einzigen Prompt

Die 5-Phasen-Pipeline löst jedes dieser Probleme.

Übersicht: Die 5 Phasen

┌─────────┐   ┌──────────┐   ┌─────────┐   ┌──────────┐   ┌──────────┐
│ QUESTIONS│ → │ RESEARCH │ → │  DRAFT  │ → │  DEAIFY  │ → │  DEPLOY  │
│ Phase 1  │   │ Phase 2  │   │ Phase 3 │   │ Phase 4  │   │ Phase 5  │
│          │   │          │   │         │   │          │   │          │
│ Was will │   │ Was sagt │   │ Schreib │   │ Mach es  │   │ Veröffent│
│ ich      │   │ die Welt │   │ den     │   │ mensch-  │   │ liche es │
│ wissen?  │   │ dazu?    │   │ Text    │   │ lich     │   │          │
└─────────┘   └──────────┘   └─────────┘   └──────────┘   └──────────┘

Jede Phase hat einen klaren Input, einen klaren Output und eine klare Verantwortung. Keine Phase kann übersprungen werden, ohne die Qualität zu opfern.

Phase 1: Questions (Kontext-Engineering)

Ziel: Verstehen, was wir wirklich sagen wollen — bevor wir anfangen zu schreiben.

Das Problem: Die meisten springen direkt zum Schreiben. Aber ohne klare Fragen schreibst du im Kreis.

Der Prozess

Bevor ein einziges Wort geschrieben wird, beantworte diese Fragen:

## Thema
Was genau will ich behandeln?

## Zielgruppe
Wer liest das? Was weiß diese Person bereits? Was weiß sie noch nicht?

## Kernaussage
Wenn der Leser nur EINEN Satz mitnimmt — welcher ist es?

## Einzigartiger Blickwinkel
Was unterscheidet meinen Beitrag von den 100 anderen zu diesem Thema?

## Gewünschte Reaktion
Was soll der Leser nach dem Lesen TUN? (Nicht fühlen — tun.)

## Anti-Ziele
Was will ich NICHT in diesem Text? Welche Klischees vermeide ich?

Warum das funktioniert

Diese Fragen sind Context Engineering — du gibst der KI (und dir selbst) den Rahmen vor, innerhalb dessen der Text entstehen soll. Ohne diesen Rahmen produziert die KI beliebigen Text. Mit diesem Rahmen produziert sie deinen Text.

Praktisches Beispiel

Thema: "Warum 90% aller AI-Prompts Zeitverschwendung sind"
Zielgruppe: Vibe-Coder mit 1-3 Monaten Erfahrung
Kernaussage: "Der Prompt ist nicht das Problem — der Kontext ist das Problem"
Einzigartiger Blickwinkel: Gegenthese zur "bessere Prompts = bessere Ergebnisse" Narrative
Gewünschte Reaktion: Leser öffnet Claude Code und überarbeitet seine CLAUDE.md
Anti-Ziele: Keine "Top 10 Prompting Tipps"-Liste, kein allgemeines KI-Blabla

Das ist der Input für Phase 2. Siehst du den Unterschied zu "Schreib einen Post über Prompting"?

Phase 2: Research (Exa-Recherche)

Ziel: Aktuelle, echte Daten und Perspektiven sammeln — nicht auf Trainingsdaten verlassen.

Das Problem: KI-generierter Content ohne Recherche ist Recycling von Trainingsdaten. Das erkennt jeder Leser.

Der Prozess

Nutze Exa MCP für gezielte semantische Recherche:

1. Suche nach dem Kernthema → Aktuelle Diskussionen finden
2. Suche nach der Gegenthese → Was sagen Kritiker?
3. Suche nach Daten → Zahlen, Studien, Statistiken
4. Suche nach Beispielen → Konkrete Fälle und Case Studies
5. Suche nach Lücken → Was hat noch niemand gesagt?

Output von Phase 2

Ein Recherche-Dokument mit:

5-10 relevante Quellen mit Zusammenfassungen
3-5 konkrete Datenpunkte oder Zitate
2-3 Perspektiven, die du noch nicht kanntest
1 überraschende Erkenntnis, die den Text einzigartig macht

Warum das funktioniert

Recherche verankert deinen Text in der Realität. Statt "Viele Experten sagen..." schreibst du "Laut einer Analyse von 10.000 Claude-Code-Sessions...". Das ist der Unterschied zwischen Content und wertvollem Content.

Phase 3: Draft (Mit Stil schreiben)

Ziel: Den ersten Entwurf erstellen — basierend auf den Fragen und der Recherche.

Das Problem: Ohne Stilvorlage schreibt die KI im generischen "Hilfreich-Stil". Das ist das Gegenteil von Persönlichkeit.

Der Prozess

Jetzt — und erst jetzt — wird geschrieben. Der Prompt für den Draft:

## Kontext
[Antworten aus Phase 1 einfügen]

## Recherche
[Ergebnisse aus Phase 2 einfügen]

## Stilvorlage
[Inhalt von STYLE.md einfügen]

## Aufgabe
Schreibe den Text. Folge dem Stil. Integriere die Recherche. Beantworte die Kernfrage.

## Regeln
- JEDER Absatz muss einen konkreten Mehrwert bieten
- Mindestens 3 Beispiele oder Datenpunkte aus der Recherche verwenden
- Hook in den ersten 2 Sätzen
- Call-to-Action am Ende

Der Unterschied

Vergleiche die Ergebnisse:

Ohne Pipeline:

Prompt Engineering ist eine wichtige Fähigkeit in der heutigen KI-Welt. Es ermöglicht uns, bessere Ergebnisse von KI-Systemen zu erhalten. In diesem Artikel zeigen wir Ihnen die wichtigsten Techniken.

Mit Pipeline:

Dein letzter Prompt war 12 Wörter lang. Du hast 3 Sekunden investiert. Und dann wunderst du dich, warum die KI generischen Müll ausspuckt? Das Problem ist nicht der Prompt. Das Problem ist alles, was VOR dem Prompt passiert — oder eben nicht passiert.

Gleiche KI. Gleiche Aufgabe. Komplett anderes Ergebnis.

Phase 4: Deaify (Die 4 Kritiker)

Ziel: Alle typischen KI-Muster entfernen und den Text menschlich machen.

Das Problem: Selbst mit gutem Input und Recherche produziert KI erkennbare Muster. Phase 4 eliminiert sie.

Die 4 Kritiker

Jeder Kritiker prüft den Text aus einer anderen Perspektive:

Kritiker 1 — Rhythmus:

Sind die Sätze monoton gleich lang?
Gibt es genug Variation (kurz, lang, Fragment, Frage)?
Klingt der Text beim Vorlesen natürlich?

Kritiker 2 — KI-Stempel:

Enthält der Text typische KI-Phrasen?
"Es ist wichtig zu betonen", "In der heutigen Welt", "Darüber hinaus"
Diese müssen ersetzt werden — jede einzelne

Kritiker 3 — Spezifität:

Sind die Aussagen konkret genug?
"Viele Unternehmen" → "37% der Fortune-500-Unternehmen"
"Schnellere Ergebnisse" → "In 3 Minuten statt 45 Minuten"

Kritiker 4 — Faktencheck:

Stimmen die Zahlen?
Sind die Quellen echt?
Gibt es logische Widersprüche?

Mehr über die 4 Kritiker erfährst du in der spezialisierten Lektion: KI-Slop bekämpfen.

Iterativer Prozess

Der Text durchläuft mindestens 2 Runden durch alle 4 Kritiker. Jede Runde verbessert den Text messbar.

Runde 1: Grobe KI-Muster entfernen
Runde 2: Feinschliff und letzte Korrekturen
Optional Runde 3: Nur bei komplexen Texten

Phase 5: Deploy (Queue und Veröffentlichung)

Ziel: Den fertigen Text in die Queue legen und veröffentlichen.

Der Prozess

1. Fertigen Text in queue.json ablegen (Status: "review")
2. Metadaten ergänzen (Titel, Tags, Veröffentlichungsdatum)
3. Human-in-the-Loop: Finale Prüfung und Genehmigung
4. Automatische Veröffentlichung zum geplanten Zeitpunkt
5. Performance-Tracking (optional)

Telegram-Anpassung

Für Telegram-Channels musst du den Text anpassen:

## Telegram-Regeln
- Maximale Länge: 4096 Zeichen
- Formatierung: HTML oder Markdown (kein Rich-Text)
- Bilder: Optional, aber empfohlen für Engagement
- Links: Inline, nicht als separate Zeile
- Hashtags: Am Ende, max. 5

Die gesamte Pipeline als Skill

Hier der fertige Skill, der alle 5 Phasen automatisiert:

# Content Pipeline

## Beschreibung
Erstellt hochwertigen Content durch 5 Phasen: Questions, Research, Draft, Deaify, Deploy.

## Eingabe
- Thema oder Kernaussage
- Zielplattform (Telegram, Blog, LinkedIn)

## Prozess

### Phase 1: Questions
1. Beantworte die 6 Kontextfragen für das Thema
2. Definiere Zielgruppe, Kernaussage, einzigartigen Blickwinkel
3. Lege Anti-Ziele fest

### Phase 2: Research
4. Führe 3-5 Exa-Suchen durch
5. Sammle relevante Quellen, Daten und Zitate
6. Identifiziere eine überraschende Erkenntnis

### Phase 3: Draft
7. Lies STYLE.md und merke dir den Tonfall
8. Schreibe den Text basierend auf Questions + Research
9. Integriere mindestens 3 Recherche-Ergebnisse

### Phase 4: Deaify
10. Prüfe mit Kritiker 1 (Rhythmus) und korrigiere
11. Prüfe mit Kritiker 2 (KI-Stempel) und korrigiere
12. Prüfe mit Kritiker 3 (Spezifität) und korrigiere
13. Prüfe mit Kritiker 4 (Faktencheck) und korrigiere
14. Zweite Runde durch alle 4 Kritiker

### Phase 5: Deploy
15. Formatiere für die Zielplattform
16. Lege den Text in queue.json ab (Status: "review")
17. Sende Review-Benachrichtigung

## Regeln
- KEIN Schritt darf übersprungen werden
- Phase 3 darf ERST beginnen, wenn Phase 1 und 2 abgeschlossen sind
- Phase 4 MUSS mindestens 2 Runden durchlaufen
- Gesamtdauer: 10-15 Minuten

Task API für Parallelisierung

Für maximale Geschwindigkeit kannst du die Pipeline parallelisieren:

Phase 1 (Questions)     → Sequenziell (braucht menschlichen Input)
Phase 2 (Research)      → PARALLEL (5 Exa-Suchen gleichzeitig)
Phase 3 (Draft)         → Sequenziell (braucht Ergebnisse von 1+2)
Phase 4 (Deaify)        → PARALLEL (4 Kritiker gleichzeitig)
Phase 5 (Deploy)        → Sequenziell (braucht finalen Text)

Die Task API von Claude Code ermöglicht es, in Phase 2 und Phase 4 mehrere Subagenten gleichzeitig arbeiten zu lassen. Das reduziert die Gesamtdauer von 15 auf unter 8 Minuten.

Subagenten in Aktion

Hauptagent: "Starte Phase 2 — Research"
├── Subagent A: Exa-Suche "Kernthema"
├── Subagent B: Exa-Suche "Gegenthese"
├── Subagent C: Exa-Suche "Daten und Studien"
├── Subagent D: Exa-Suche "Beispiele"
└── Subagent E: Exa-Suche "Lücken"

[Alle gleichzeitig → Ergebnisse zusammenführen]

Hauptagent: "Starte Phase 4 — Deaify"
├── Subagent F: Kritiker 1 (Rhythmus)
├── Subagent G: Kritiker 2 (KI-Stempel)
├── Subagent H: Kritiker 3 (Spezifität)
└── Subagent I: Kritiker 4 (Faktencheck)

[Alle gleichzeitig → Korrekturen zusammenführen]

Anpassung für verschiedene Plattformen

Die Pipeline ist plattformunabhängig. Die Anpassung erfolgt in Phase 5:

Kürze auf 4096 Zeichen
Starker Hook (erste Zeile = Entscheidung über Weiterlesen)
Inline-Links
Emojis sparsam

Blog/Website

Längere Formate (800-2000 Wörter)
SEO-Optimierung (Keywords, Meta-Description)
Interne Verlinkung zu Glossar und Guides
Strukturierte Überschriften (H2, H3)

Persönliche Perspektive
"Ich habe..."-Format
150-300 Wörter
Call-to-Action für Engagement

Zusammenfassung

Phase 1 (Questions): Verstehe, was du sagen willst — Context Engineering
Phase 2 (Research): Sammle echte Daten mit Exa MCP
Phase 3 (Draft): Schreibe mit Stil und Substanz
Phase 4 (Deaify): Eliminiere KI-Muster mit 4 Kritikern
Phase 5 (Deploy): Queue und veröffentliche
Die Pipeline als Skill automatisiert den gesamten Prozess
Parallelisierung mit der Task API halbiert die Dauer

Der Schlüssel ist Disziplin: Überspringe keine Phase. Die Qualität des Outputs ist direkt proportional zur Qualität des Prozesses.

Als Nächstes tauchen wir tief in Phase 4 ein: KI-Slop bekämpfen — Der 4-Kritiker-Zyklus.