Assistent oder Agent: Dieselbe Content-Maschine auf drei Arten bauen
OpenAI
Anthropic
Google/DeepMind
HeyGen
Der Autor verbrachte drei Monate damit, eine KI-Content-Maschine für einen Telegram-Kanal zu bauen, zunächst manuell mit ChatGPT, dann mit n8n und schließlich als Python-Agent über Claude Code. Der Python-Ansatz erwies sich als am kompaktesten und vorhersehbarsten und ersetzte innerhalb eines Tages eine gescheiterte SaaS-Abhängigkeit. Der Artikel beschreibt die Architektur, reale Zeitmessungen und eine Checkliste für die Wahl zwischen Assistenten und Agenten.
Anatoly Klavdienko, verantwortlich für die Entwicklung von KI-Agenten bei AlpinaGPT und Alpina Digital, automatisierte die Produktion von 5-10 kurzen Videos pro Woche für einen KI-/Tech-Telegram-Kanal. Zunächst nutzte er ChatGPT als Chat-Assistenten, was etwa 4 Stunden pro Woche für 10 Videos erforderte, aber manuelles Kopieren und Zusammenstellen beinhaltete. Dann baute er einen n8n-Workflow, verbrachte vier Tage mit Einrichtung und Fehlerbehebung, fand aber den visuellen Editor für Iterationen mühsam, da es an Versionierung und ordnungsgemäßem Debugging mangelte. Schließlich exportierte er den n8n-Workflow als JSON, fütterte ihn an Claude Code und erhielt an einem Abend eine funktionierende Python-Pipeline. Der endgültige Agent besteht aus 2074 Zeilen Produktionscode in 19 Dateien, mit drei Pipelines: D (Quellen aus 12 RSS-Feeds über GPT-4o), C (Generierung über HeyGen mit 11 Look-IDs, Whisper und FFmpeg-Nachbearbeitung) sowie A (Veröffentlichung auf YouTube, TikTok und Instagram Reels). Die tatsächlichen Zeitangaben aus pipeline.log zeigen, dass die Quellenbeschaffung etwa 80-84 Sekunden dauert, die Generierung 6-8 Minuten. Als die SubMagic-API am 20. April 2026 ausfiel, ersetzte der Autor sie innerhalb eines Tages durch einen eigenen Nachbearbeitungsdienst. Er kommt zu dem Schluss, dass Code-Agenten heute wirtschaftlicher sind als visuelle Builder, da sie bessere Kontrolle und Debugging-Möglichkeiten bieten.
Quelle: Habr — хаб ИИ —
Original