Bilder sortieren, Newsletter schreiben – beides KI-gepimpt
Zwei Use Cases aus Hendriks Praxis: Eine KI-gestützte Bilddatenbank, die über ein Google Apps Script Fotos automatisch analysiert und kategorisiert – und die E-Mail-Bibel, eine wachsende Wissensbasis aus Top-Newslettern, die als Grundlage für einen KI-Agenten dient.
Externer Inhalt blockiert
Der Podcast-Player wird von Podigee bereitgestellt. Bitte akzeptiere externe Inhalte in den Cookie-Einstellungen, um den Player zu laden.
Das nimmst du mit
- Mit einem Google Apps Script und der Claude Haiku API lassen sich Bilder in Google Drive vollautomatisch analysieren, mit Metadaten versehen und kategorisiert ablegen – für ca. 2 Cent pro Bild.
- KI hilft nicht nur beim Endprodukt, sondern auch bei der Frage, welcher technische Weg überhaupt der richtige ist – Claude hat die Apps-Script-Lösung vorgeschlagen statt eines externen Automatisierungstools.
- Die E-Mail-Bibel: Herausragende Newsletter per Gmail-Label taggen, per Zapier automatisch von Claude analysieren lassen und als wachsendes Google Doc sammeln – inklusive Frameworks, Verkaufspsychologie und Adaptions-Ideen.
- Das analysierte Google Doc dient als Wissensbasis für einen KI-Agenten, der aus Rohentwürfen fundierte Newsletter-Texte macht – mit Begründung, warum der Text so aufgebaut ist.
- Beide Use Cases zeigen dasselbe Prinzip: KI nicht blind einsetzen, sondern gezielt in bestehende Prozesse integrieren, wo sie echten Mehrwert liefert.
Use Case 1: KI-gestützte Bilddatenbank mit Google Apps Script
Das Problem: Fotos überall, Überblick nirgends
Bei Kernkompetenz Pferd war die Bildersammlung ein klassischer Fall von „gewachsenem Chaos": Fotos in verschiedenen Google-Drive-Ordnern, auf privaten Konten, lokal auf Laptops, auf alten PCs. Bilder, die regelmäßig für Website und Social Media gebraucht wurden – aber nie auffindbar waren, wenn man sie brauchte.
Die Lösung: Ein Inbox-Ordner mit KI-Automatisierung
Die Idee ist simpel: Ein zentraler Google-Drive-Ordner namens „Inbox". Jeder im Team kann dort Bilder oder ganze Ordner reinwerfen. Die Magie passiert danach automatisch.
Ein Google Apps Script überwacht den Inbox-Ordner. Sobald ein Bild landet, passiert Folgendes:
- KI-Analyse: Das Bild wird per API an Claude Haiku geschickt
- Metadaten-Generierung: Die KI erstellt eine Beschreibung, einen Alt-Text und passende Labels (Thema, Situation, sichtbare Elemente)
- Ablage: Das Bild wird automatisch in einen strukturierten Unterordner verschoben
- Dokumentation: Alle Ergebnisse landen in einem durchsuchbaren Google Sheet
Das Ergebnis: Eine wachsende, durchsuchbare Bilddatenbank. Nach Labels filtern, nach Beschreibungen suchen, in Sekunden das richtige Bild finden.
Der KI-Aspekt: Nicht nur das Ergebnis, auch der Weg
Das Spannende: Hendrik wusste vorher gar nicht, dass Google Apps Scripts existieren. Der ursprüngliche Plan war ein klassischer Automatisierungs-Workflow über Make oder n8n – mit externem Trigger, API-Call und Rückschreiben.
Claude hat die bessere Lösung vorgeschlagen: Alles direkt im Apps Script erledigen, nur den API-Key hinterlegen – keine externen Tools, keine zusätzlichen Plattformen. Den kompletten Code hat Claude mitgeschrieben.
Der Kostenfaktor
Mit Claude Haiku als Analyse-Modell kostet die Kategorisierung ca. 2 Cent pro Bild. Für den Anwendungsfall absolut ausreichend – und die Datenbank wächst organisch mit, wann immer jemand im Team neue Bilder findet.
Die Vision: Content Repurposing
Perspektivisch ist die Bilddatenbank die Grundlage für automatisiertes Content Repurposing: Die KI schreibt einen Newsletter aus einem Blogartikel, sucht sich selbstständig ein passendes Foto aus der Datenbank und baut es ein – ohne manuellen Aufwand.
Use Case 2: Die E-Mail-Bibel – Wissensbasis für bessere Newsletter
Der Hintergrund
Veronika und Hendrik machen seit fast zehn Jahren Online-Business und haben in dieser Zeit eine fünfstellige Summe in Weiterbildung zu Copywriting und Verkaufspsychologie investiert. Das Ergebnis: Ein geschultes Auge für gute E-Mails.
Das Problem war nur – bisher blieb es beim „Boah, tolle E-Mail" und 26 Sekunden später war sie vergessen.
Das System: Vom Gmail-Label zur KI-Analyse
Schritt 1: Taggen. Herausragende E-Mails aus Newslettern bekommen in Gmail das Label „E-Mail-Bibel".
Schritt 2: Automatisieren. Ein Zapier-Workflow erkennt das Label, holt die E-Mail (Betreff + Text) und schickt sie über die API an Claude – mit einem anderthalb Seiten langen Prompt, der genau vorgibt, wie und worauf die E-Mail analysiert werden soll.
Schritt 3: Dokumentieren. Die Analyse (3–5 Seiten pro E-Mail) wird automatisch an ein wachsendes Google Doc angehängt. Inhalt der Analyse:
- Absicht der E-Mail
- Verwendetes Framework
- Eingesetzte verkaufspsychologische Methoden
- Position im Funnel
- Adaptionsmöglichkeiten für eigene Zwecke
Der KI-Agent: Der „E-Mail-Gott"
Das wachsende Google Doc ist die Wissensbasis für einen KI-Agenten. Sein Job: Rohentwürfe zu richtig guten E-Mails verarbeiten – basierend auf den gesammelten Beispielen, Analysen und Frameworks aus der E-Mail-Bibel.
Das Ergebnis ist nicht nur ein besserer Newsletter-Text, sondern kommt mit Begründung: Warum ist der Text so aufgebaut? Welches Framework steckt dahinter?
Doppelter Nutzen: Lernen und Produzieren
Das Feedback aus dem KI Business Club hat gezeigt: Allein das Lesen der Analysen hat einen enormen Lerneffekt. Wer sich mit Aufbau, Frameworks und Verkaufspsychologie gut geschriebener E-Mails beschäftigt, lernt dabei automatisch mit – auch ohne jahrelange Erfahrung.
Kopf einschalten, dann KI einsetzen
Beide Use Cases haben denselben Kern: KI sinnvoll in bestehende Prozesse integrieren. Nicht blind ein Tool nutzen, weil es gerade gehypt wird, sondern schauen, wo KI im eigenen Alltag wirklich Sinn macht.
Ausführliche Tutorials zu beiden Use Cases – inklusive der verwendeten Prompts – gibt es im KI Business Club.