Kurz gesagt: Jeden Freitag um 14 Uhr erscheint auf meinem YouTube-Kanal ein Video mit den wichtigsten Shopware-News der Woche, dazu ein Blogartikel und Beiträge auf LinkedIn und Facebook. Fast alles davon läuft automatisch: Ein Skript sammelt die Fakten aus GitHub, eine lokale KI bewertet und schreibt, ein KI-Avatar spricht das Video. Ich gebe nur noch frei. Links, Versionsnummern und Daten setzt dabei immer das Skript, nie die KI.
Was dabei herauskommt
Pro Woche entstehen:
- ein Video für YouTube mit Kapiteln
- der deutsche Blogartikel mit eingebettetem Video in der Kategorie Shopware-News
- eine englische Textfassung
- je ein Beitrag auf LinkedIn und Facebook
Dazu gibt es eigene Videos zu neuen Shopware-Versionen, zum Beispiel zu Shopware 6.7.15.1. Kritische Sicherheitsmeldungen schickt mir das System sofort per Telegram, ganz ohne KI, nur mit Fakten und Links.
Die Quellen: nur das, was Shopware selbst veröffentlicht
Damit nichts Spekulatives in die Videos kommt, nutzt das Wochenvideo ausschließlich öffentliche Daten, die Shopware auf GitHub selbst pflegt:
- neue Versionen der Woche
- Sicherheitsmeldungen der Woche
- von Shopware bestätigte Fehler mit hoher oder kritischer Priorität
- in der Woche behobene Fehler
- ein Blick nach vorn: was für die nächste Version schon fertig ist
Bei den Release-Videos kommen die Release Notes, das Changelog und der deutschsprachige Release-Artikel von Shopware dazu. Bei kleineren Versionen wartet das System bis zu 72 Stunden, ob diese Quellen noch erscheinen.
Was die KI macht
Die Texte schreibt Gemma 4 31B, ein Sprachmodell von Google, das lokal auf meinem KI-Server läuft. Es hat zwei Aufgaben:
- Bewerten: Jede Meldung wird danach eingestuft, ob sie für Shopbetreiber wichtig ist. Nur relevante Themen kommen ins Video.
- Schreiben: Aus den relevanten Themen entstehen Artikel und Sprechertext mit Kapiteln, verständlich für Händler, nicht für Entwickler.
Warum gerade dieses Modell? In meinen Tests hat das kleinere Gemma 4 26B bei der Faktenprüfung Widersprüche übersehen, das 31B nicht. Mehr dazu in meinem Test lokaler KI-Modelle. ChatGPT dient nur als Ausweichlösung, falls der lokale Server nicht erreichbar ist.
Was die KI bewusst nicht macht
- Links, Quellentitel, Zeitmarken und Kontaktdaten setzt das Skript. Sprachmodelle verstümmeln Links und erfinden Daten, das habe ich bei meinem Agenten Hermes gelernt.
- Ob und womit ein Fehler behoben ist, ermittelt ebenfalls das Skript aus den GitHub-Daten: ausgeliefert mit welcher Version, schon gemergt für die nächste Version oder behoben in einer Erweiterung.
- Die Ansprache prüft eine feste Regel: immer „du“, kein Fachjargon für Entwickler. Findet sie „Sie“ oder Code-Begriffe, wird der Text neu erzeugt.
Video mit KI-Avatar
Gesprochen wird das Video von meinem digitalen Zwilling bei HeyGen, einem Dienst für KI-Avatare, mit meiner geklonten Stimme vor einem Studiohintergrund. Das Skript lädt den fertigen Sprechertext hoch, wartet auf das Video und ergänzt danach Bauchbinde, Vorschaubild und Kapitelmarken.
Eine einzige Freigabe
Das fertige Video landet als Entwurf in Postiz, meiner selbst gehosteten Software zur Social-Media-Planung. Ich schaue es mir an und gebe es frei, auf Wunsch auch per Telegram vom Handy. Das ist der einzige Schritt, den ich von Hand mache.
Diesen Ablauf biete ich auch als Dienstleistung an: Ich erstelle Social-Media-Posts für dein Unternehmen und plane freigegebene Beiträge über Postiz zur Veröffentlichung ein. Du kannst auch vorhandene Inhalte einplanen lassen. Themen, Kanäle, Umfang und Termine stimmen wir vorher ab. Social-Media-Unterstützung anfragen.
Danach läuft der Rest von selbst:
- YouTube veröffentlicht das Video zum geplanten Zeitpunkt, beim Wochenvideo freitags um 14 Uhr.
- Sobald die Video-URL bekannt ist, gehen die Beiträge auf LinkedIn und Facebook raus.
- Der Blogartikel wird in das Repository meiner Website geschrieben. Eine automatische Prüfung kontrolliert ihn und lädt ihn hoch.
Für die Freigabe per Telegram hatte ich zuerst eine Anweisung für den Agenten geschrieben. Das Sprachmodell hat sie aber ignoriert und eine ganz andere Frage beantwortet. Jetzt ist die Freigabe ein fester Befehl, der direkt ein Skript startet. Auch hier gilt: Was zuverlässig sein muss, macht kein Sprachmodell.
Was schiefging und was ich daraus gelernt habe
- Versionsnummern verwechselt. Ein früher KI-Entwurf schrieb, ein Fehler sei in einer bestimmten Version behoben. Tatsächlich war das die betroffene Version. Seitdem prüft das Skript den Status selbst, und ich gleiche Versionsnummern mit den Release Notes ab.
- Ungenauigkeiten im Video. Im ersten Wochenvideo waren drei Stellen ungenau. Den Artikel und die Social-Media-Texte habe ich korrigiert, das Video blieb. Ein Text ist schnell korrigiert, ein neues Video nicht.
- Alles archivieren. Zu jedem Video liegen Quellen, Bewertungen, Artikel und Skript im Archiv auf meiner NAS. So lässt sich später jede Aussage nachvollziehen.
Häufige Fragen
Wie viel Zeit kostet mich ein Video noch?
Im Normalfall nur das Anschauen und Freigeben. Wenn mir eine Aussage nicht gefällt, korrigiere ich den Text und lasse das Video neu erzeugen.
Warum nicht alles komplett automatisch?
Weil ein Video mit meinem Gesicht und meiner Stimme nicht ohne meinen Blick online gehen soll. Die Freigabe ist bewusst der einzige manuelle Schritt.
Funktioniert das auch für andere Themen?
Ja, wenn es verlässliche, strukturierte Quellen gibt. Für Shopware sind das die GitHub-Daten, für einen Onlineshop könnten es Produktneuheiten oder Lagerdaten sein.
Alle Videos findest du auf meinem YouTube-Kanal @shopwarefreelancer.