RSS-zu-Social-Automation ist ein Workflow, bei dem neue Beiträge aus RSS-Feeds automatisch per KI zusammengefasst und als plattformgerechte Social-Media-Posts aufbereitet und veröffentlicht werden.
Rubrik: GenAI & Content Creation · Unterrubrik: KI-Workflow & Automatisierung · Niveau: Einsteiger Synonyme / Auch bekannt als: RSS-KI-Pipeline, Content-Curation-Automation, Automated Social Publishing
Was ist ein RSS → KI → Social Workflow?
RSS (Really Simple Syndication) ist ein standardisiertes XML-Format, mit dem Websites neue Inhalte maschinenlesbar bereitstellen. Fast alle Nachrichtenportale, Blogs, Podcasts und Fachmedien bieten RSS-Feeds an. Kombiniert man RSS mit einem KI-Sprachmodell und einer Social-Media-Automatisierung, entsteht ein vollständiger Content-Curation-Workflow: Relevante externe Inhalte werden automatisch aufgegriffen, KI-aufbereitet und auf den eigenen Kanälen geteilt.
Dieser Workflow ist besonders für Medienunternehmen, Branchenportale, Thought-Leader-Accounts und Fachredaktionen relevant, die regelmäßig kuratierte Inhalte posten möchten, ohne jeden Beitrag manuell zu bearbeiten.
Erklärung
Schritt 1: RSS-Feed als Trigger
Ein RSS-Feed liefert neue Artikel als XML-Datenstruktur. Jeder Eintrag enthält typischerweise:
<title>: Artikelüberschrift<description>oder<summary>: Kurzzusammenfassung oder Anteaser<link>: URL zum Vollartikel<pubDate>: Veröffentlichungsdatum<author>: Verfasser (nicht immer vorhanden)
Automation-Plattformen wie Make.com Grundlagen oder n8n Workflow-Automatisierung haben native RSS-Reader-Module, die regelmäßig (alle 15–60 Minuten) neue Einträge prüfen und den Workflow starten.
Schritt 2: Artikel-Inhalt abrufen (optional, aber empfohlen)
Die meisten RSS-Feeds liefern nur einen Teaser, nicht den Volltext. Für eine hochwertige KI-Zusammenfassung empfiehlt sich, den vollständigen Artikel per HTTP-Request abzurufen und den Text zu extrahieren (HTML-Parsing). Tools dafür: Diffbot API, Mercury Parser API oder ein Custom-Scraper.
Für einfache Workflows genügt auch die <description> des RSS-Feeds als Input.
Schritt 3: KI-Zusammenfassung und Caption generieren
Der Artikeltext wird mit einem sorgfältig formulierten Prompt an ein Sprachmodell gesendet. Ein bewährter Prompt-Aufbau:
``` Du bist Social-Media-Redakteur für [Kanalname]. Schreibe einen LinkedIn-Post auf Basis dieses Artikels:
TITEL: {{title}} QUELLE: {{link}} INHALT: {{content}}
Anforderungen:
- Max. 220 Wörter
- Deutsch, professioneller Ton
- Mit Hook-Sentence beginnen
- 3 relevante Hashtags am Ende
- Link zur Originalquelle einbauen
```
Je nach Zielplattform werden unterschiedliche Prompts benötigt: Twitter/X (max. 280 Zeichen), LinkedIn (bis 3.000 Zeichen), Instagram (emotional, mit Call-to-Action).
Schritt 4: Filter und Qualitätsprüfung
Nicht jeder RSS-Artikel ist relevant. Ein Filter-Schritt prüft z. B.:
- Kategorie/Tag des Artikels
- Schlüsselwörter in Titel oder Beschreibung
- Datum (nur Artikel der letzten 24 Stunden)
- Blacklist von Themen oder Quellen
In Make.com oder n8n wird dies per IF/Filter-Node umgesetzt.
Schritt 5: Post-Scheduling oder direkte Veröffentlichung
Der fertige Post wird entweder direkt veröffentlicht (wenn der Workflow vollautomatisch laufen soll) oder als Entwurf in einem Social-Media-Scheduling-Tool gespeichert (empfohlen für Qualitätssicherung):
- Buffer: Einfaches API, gute Unterstützung für LinkedIn, Twitter/X, Instagram
- Later: Fokus auf visuelle Plattformen (Instagram, Pinterest)
- SocialBee: Mehr Optionen für Kategorisierung und Recycling
- Hootsuite: Enterprise-Lösung mit breiten Integrationen
Schritt 6: Benachrichtigung und Logging
Nach jeder Pipeline-Ausführung empfiehlt sich eine Slack- oder E-Mail-Benachrichtigung mit dem generierten Post-Entwurf und einem Approve/Reject-Link. So bleibt der Mensch im Kreislauf, ohne jeden Schritt manuell anstoßen zu müssen.
Beispiele
Branchenmedium: Ein Fachmagazin für Medienwirtschaft abonniert 20 RSS-Feeds von internationalen Branchenportalen. Die Pipeline fasst täglich 5–10 relevante Artikel automatisch zusammen und erstellt LinkedIn-Posts auf Deutsch. Ein Redakteur erhält eine Übersicht und freigt Posts per Klick frei.
Thought Leader Account: Eine Medienberaterin nutzt einen RSS-KI-Workflow für ihren LinkedIn-Kanal. Täglich werden 2–3 relevante Artikel aufgegriffen und in 150-Wort-Posts umgewandelt, die ihr Standpunkt durch einen manuell hinzugefügten Kommentarsatz bekommt.
Lokales Newsportal: Nachrichten aus dem Landkreis (10 lokale Quellen per RSS) werden automatisch für Twitter/X und Facebook aufbereitet und als Entwürfe in Hootsuite gespeichert.
In der Praxis
Minimaler Workflow mit Make.com (kostenloser Plan reicht für Tests):
- Neues Szenario erstellen → RSS-Feed-Modul als Trigger → eigene RSS-URL eingeben (z. B.
https://rss.spiegel.de/spiegel/thema/kuenstliche_intelligenz) - HTTP-Modul → Volltext des Artikels laden (optional)
- OpenAI-Modul → Prompt mit Variablen ({{title}}, {{description}}) konfigurieren
- Filter-Modul → Nur Artikel der letzten 24 Stunden weiterverarbeiten
- Buffer- oder Slack-Modul → Post-Entwurf speichern oder Benachrichtigung senden
- Szenario aktivieren → Zeitplan: alle 60 Minuten
Dieser Workflow ist in 1–2 Stunden aufgesetzt und läuft dann vollständig automatisch.
Vergleich & Abgrenzung
| Ansatz | Aufwand | Qualität | Automatisierungsgrad |
|---|---|---|---|
| Manuell kuratieren | Hoch | Sehr hoch | 0 % |
| RSS → Buffer (ohne KI) | Gering | Mittel (Rohtext) | 70 % |
| RSS → KI → Social (mit Review) | Mittel | Hoch | 85 % |
| RSS → KI → Auto-Post (ohne Review) | Gering | Mittel | 100 % |
Der Workflow ohne Human-in-the-Loop ist für Accounts mit Reputationsrisiko nicht empfohlen.
Häufige Fragen (FAQ)
Welche RSS-Feeds eignen sich am besten? Qualitativ hochwertige Fachmedien mit gutem Volltext-RSS: Heise Online, Der Spiegel, t3n, Meedia, Horizont, Nieman Lab (englisch), Poynter (englisch). Für KI-Themen: The Verge (AI), MIT Technology Review.
Kann ich mehrere RSS-Feeds kombinieren? Ja. In Make.com oder n8n können mehrere RSS-Trigger in einem Szenario verarbeitet werden. Alternativ kann ein Feed-Aggregator-Dienst (Feedly, Inoreader) die Feeds vorbündeln und per API oder Webhook weitergeben.
Was tue ich, wenn der KI-Output nicht zur Marke passt? Der Prompt muss verfeinert werden. Spezifische Anweisungen zu Ton, Länge und Verboten ("Vermeide Superlative", "Nutze Sie-Form", "Immer Quellenangabe einbauen") verbessern die Konsistenz erheblich. Mehrere Test-Iterationen sind normal.
Ist die automatische Veröffentlichung rechtlich problematisch? Beim Teilen fremder Inhalte (auch zusammengefasst) gelten Urheber- und Zitatrecht. Ein Link zur Originalquelle und eine kurze eigene Einordnung sind rechtlich sicherer als die reine KI-Zusammenfassung ohne Quellenangabe. Im Zweifel juristischen Rat einholen.
Verwandte Einträge
- KI-Content-Pipeline
- Make.com Grundlagen
- n8n Workflow-Automatisierung
- KI für Social Media
- Qualitätssicherung bei KI-Inhalten
- Human-in-the-Loop
Weiterführend
- Buffer: The Complete Guide to RSS Feeds and Social Media, Buffer Blog, 2023
- Doctorow, Cory: How RSS Still Matters in 2024, Pluralistic, 2024
- OpenAI Cookbook: Summarization with ChatGPT, GitHub, 2023
- Moritz, Stefan: Social Media Automatisierung: Chancen und Risiken, Medienwirtschaft Journal, 2022
