Brucker Blatt: automatisierte Lokalnachrichten

Das Brucker Blatt ist ein Lokalnachrichten-Portal für den Landkreis Fürstenfeldbruck und mein eigenes Praxislabor für automatisierte Redaktion, von der Datenquelle bis zur Veröffentlichung. Das System sammelt Meldungen aus den Quellen der Region, bereitet sie auf, schreibt daraus Artikel, erzeugt Bilder dazu, setzt die SEO-Daten und stellt alles über die WordPress-Schnittstellen online. Interessant ist dabei weniger der einzelne Artikel als der Ablauf dahinter, an dem ich verschiedene Text- und Bildmodelle ausprobiere. Seit Februar 2025 sind so über 500 Artikel erschienen. Wie diese Technik in drei Stufen gewachsen ist, von n8n-Workflows über eine eigene KI-Pipeline bis zu einem Agenten, der heute den Betrieb steuert, zeigt diese Seite. Das Portal ist live unter brucker-blatt.de.

Geschrieben werden die Artikel von drei KI-Redakteuren mit eigenen Autoren-Profilen: Josef Wagner, Leon Nowak und Ulrike Poschel. Alle drei sind öffentlich als KI gekennzeichnet. Jede Autorenseite sagt klar, dass hier eine KI schreibt. Transparenz ist bei automatisiertem Content keine Kür, sondern Grundbedingung.

Drei Stufen, ein Prinzip: weniger Handarbeit pro Artikel

Entwicklungsstufe 1: das Fundament aus 19 n8n-Workflows

Gestartet ist das Brucker Blatt Anfang 2025 mit n8n: zehn Workflows für die Datenbeschaffung (je Quelle einer, von der Stadt Fürstenfeldbruck bis zum Polizeipräsidium Oberbayern Nord), acht Workflows für die Artikel-Erstellung und ein Workflow für die SEO-Anreicherung vor der Veröffentlichung.

Das System lief zuverlässig. Genau dafür ist n8n stark: klar definierte Prozesse, die sich selten ändern, laufen stabil und vorhersehbar. Beim Menschen blieben drei Aufgaben: Artikel gegenlesen, Bilder mit KI erstellen und einfügen, Veröffentlichung planen.

Gerade die Bilder waren in dieser Phase Handarbeit und Experimentierfeld zugleich. Während für die Texte über die Workflows durchgehend OpenAI und Claude liefen, habe ich bei den Bildern rund zehn verschiedene Modelle samt Prompt-Varianten durchprobiert, um herauszufinden, was für Lokalnachrichten taugt.

Eine Eigenheit zeigte sich beim Beobachten der Quellen: Ein Teil der Meldungen kam über RSS-Feeds, ein anderer direkt aus dem Nachrichtenbereich der jeweiligen Webseite. Änderte eine Quelle ihren Aufbau, musste der zugehörige Workflow nachgezogen werden. Genau das ist die Kehrseite der Starrheit: klar definierte Abläufe laufen stabil, passen sich aber nicht von selbst an, wenn sich an der Quelle etwas verändert.

Entwicklungsstufe 2: eine eigene KI-Pipeline, vom Agenten erstellt

Der Wendepunkt kam nicht, weil n8n versagt hätte, sondern weil mit OpenClaw, einem Open-Source-KI-Agenten, eine neue Klasse von Werkzeugen verfügbar wurde. Ich habe es schlicht ausprobiert: Was passiert, wenn man dem Agenten die bestehenden n8n-Workflows als Vorlage gibt? Das Ergebnis: Der Agent nutzte die 19 Workflows als Blueprint und baute daraus eine individuelle Python-Pipeline, maßgeschneidert auf die Quellen und Abläufe des Portals und beliebig erweiterbar. Die bestehende Automatisierung war nicht verloren, sie wurde zur Spezifikation für die nächste Stufe.

Die Pipeline lief in sechs Stufen:

• Ingest: 21 Quellen wurden alle vier Stunden abgefragt und dedupliziert
• Generieren: die KI schrieb Artikel aus den Quellmeldungen, eingeordnet nach Ort und Thema
• Publizieren: WordPress-Entwürfe wurden automatisch angelegt, zugeordnet zum passenden KI-Redakteur
• Bebildern: zu jedem Artikel entstand ein generiertes Bild, automatisch WebP-optimiert
• Anreichern: Meta-Titel und Meta-Beschreibung wurden per SEO-Schnittstelle gesetzt
• Rotieren & Melden: ältere Artikel rotierten aus der Rubrik „Aktuelles“, eine Telegram-Zusammenfassung informierte über jeden Lauf

Dazu kam ein Pressetext-Workflow, der real genutzt wird: Vereine und lokale Institutionen reichen eine Pressemeldung samt Bild ein, die Pipeline übernimmt Umschreibung, Bebilderung und Veröffentlichung.

Für mich blieben nur noch zwei Handgriffe: gegenlesen und terminieren. Bilder, SEO, Kategorien, alles lief automatisch.

Entwicklungsstufe 3: der Hermes Agent übernimmt den Betrieb

OpenClaw hatte die Pipeline aufgebaut, lief im Dauerbetrieb aber nicht zuverlässig genug. Ein Grund: OpenClaw legt sein Gedächtnis in stetig wachsenden Dateien ab, und je voller die wurden, desto öfter brach ein Lauf ab. Heute läuft das Brucker Blatt deshalb auf dem Hermes Agent von Nous Research, einem eigenständigen Open-Source-Agenten mit robusterem Betrieb. Entscheidend dabei: Die eigentliche Arbeit macht weiterhin die deterministische Python-Pipeline. Hermes ist die Betriebsschicht darüber.

Hermes übernimmt das Drumherum: Es steuert die Läufe zeitlich, erkennt über einen Watchdog hängengebliebene Läufe und meldet sie, ruft die Sprachmodelle in isolierten Einzelaufrufen auf (aktuell gpt-5.5 über Codex) und hält das Projektwissen in kuratierten Bausteinen vor. Den Status sehe ich in einer Telegram-Gruppe: was erschienen ist, was aus „Aktuelles“ rotiert, ob ein Lauf klemmt. Dort kann ich dem Agenten auch direkt Fragen stellen.

Hermes könnte grundsätzlich selbst dazulernen, eigene Fähigkeiten aufbauen und sein Gedächtnis pflegen. Beim Brucker Blatt nutze ich das bewusst nicht: Die Artikel entstehen über kontrollierte Einzelaufrufe, nicht über eine sich selbst umschreibende Black Box, und ins dauerhafte Gedächtnis kommt nur, was ich selbst freigebe. Autonom läuft inzwischen die Terminierung: Ein Redaktionsplaner verteilt die fertigen Entwürfe selbst über den Tag, nach festen Regeln (Tagfenster, Mindestabstand, Tageslimit).

Damit ist der Betrieb weitgehend autonom. Eine Endkontrolle behalte ich mir vor, inzwischen als Stichprobe, nicht mehr bei jedem einzelnen Artikel. Beim Brucker Blatt teste ich genau das: wie weit Autonomie im echten Betrieb trägt. In Unternehmen ist die Antwort eine andere, da gehört der prüfende Blick fest in den Prozess. Das ist keine Schwäche der Technik, sondern Teil eines sauberen Setups.

Was hier für Lokalnachrichten läuft, lässt sich genauso auf viele Bereiche im Unternehmen übertragen: dieselbe Mechanik, andere Inhalte, etwa Produkttexte, Blog-Artikel oder Dokumentation. Wenn Sie das für Ihren Fall durchdenken möchten, sprechen Sie mich an.

Agent oder n8n-Workflow: was ist wann das richtige Werkzeug?

Das eine schließt das andere nicht aus: Beim Brucker Blatt hatten beide Ansätze ihre Phase, und beide haben produktiv geliefert. Die ehrliche Antwort ist eine Abwägung zwischen Zuverlässigkeit und Freiheitsgrad, pro Prozess und nicht pauschal. Wie ich dabei vorgehe, zeigt die Seite KI-Automatisierung.