Automation mit n8n - Telegram zu E-Mail | Blog

Willkommen zurück! Die manuelle Recherche und das Verfassen von Inhalten können oft zeitaufwendig und mühsam sein. Besonders bei komplexen Themen, die eine tiefgehende Recherche erfordern, kann der Prozess schnell überwältigend werden. Doch was, wenn ein Großteil dieser Arbeit automatisiert werden könnte? In diesem Artikel zeige ich, wie ihr mithilfe von n8n und mehrstufigen KI-Agenten einen vollständigen Workflow zur Inhaltserstellung aufbaut – von der ersten Idee, die per Telegram-Nachricht eingeht, bis hin zum fertigen Artikel, der per E-Mail verschickt wird.

Überblick des automatisierten Workflows

Der Workflow beginnt mit einer einfachen Telegram-Nachricht, in der das Thema des gewünschten Artikels angegeben wird. Diese Nachricht löst eine Reihe von Schritten aus, die von verschiedenen KI-Agenten übernommen werden. Zuerst wird eine Grundstruktur des Artikels erstellt, dann folgt die detaillierte Planung der einzelnen Abschnitte. Anschließend übernimmt ein Recherche-Agent die Aufgabe, relevante Informationen zu sammeln, bevor ein Editor-Agent den finalen Text verfasst. Das Ergebnis wird schließlich per E-Mail zugestellt.

Schritt-für-Schritt-Durchführung

Im Folgenden findet ihr nun die einzelnen Schritte etwas detaillierter erklärt. Wenn man so genauer darüber nachdenkt ist es schon sehr beeindruckend, was mit den verwendeten Werkzeugen mittlerweile alles erreicht werden kann.

Schritt 1: Auslösen des Workflows per Telegram

Der gesamte Prozess beginnt mit einer einfachen Nachricht in Telegram. Ein eingerichteter Telegram-Bot, der mit n8n verbunden ist, empfängt eure Nachricht. Diese Nachricht enthält das gewünschte Thema des Artikels, zum Beispiel: „Neueste Entwicklungen im Bereich erneuerbarer Energien.“ Sobald die Nachricht eingeht, wird sie von n8n erfasst und an die nächste Stufe des Workflows weitergeleitet. Dieser Schritt ist der Ausgangspunkt für die gesamte Automatisierung und stellt sicher, dass ich den Prozess bequem und ohne technische Hürden starten kann. Nach jedem der hier genannten Schritte bekomme ich den Zwischenstand erneut über Telegram geschickt.

Schritt 2: Erstellung der Artikelstruktur

Nachdem das Thema erfasst wurde, übernimmt der erste KI-Agent, der sogenannte Outline-Agent, die Aufgabe, eine grundlegende Struktur für den Artikel zu erarbeiten. Er kann dazu auf Internet-Recherchen mittels PerplexityAI zugreifen. Dieser Agent nutzt außerdem ChatGPT 4o mini von OpenAI, um basierend auf dem eingegebenen Thema eine Gliederung zu generieren. Die Gliederung umfasst typischerweise eine Einleitung, mehrere Hauptabschnitte und ein Fazit. Zum Beispiel könnte die Struktur für das Thema „erneuerbare Energien“ so aussehen:

Einleitung – Bedeutung erneuerbarer Energien
Abschnitt 1 – Solarenergie
Abschnitt 2 – Windenergie
Abschnitt 3 – Herausforderungen und Lösungen
Fazit – Zukunftsperspektiven

Diese Struktur dient als Gerüst für den weiteren Workflow und stellt sicher, dass der Artikel logisch und übersichtlich aufgebaut ist.

Schritt 3: Detaillierte Planung der Abschnitte

Im nächsten Schritt wird die grobe Struktur in eine detaillierte Planung umgewandelt. Hier kommt der Planungs-Agent ins Spiel. Dieser Agent nimmt die Gliederung des Outline-Agenten und zerlegt sie in kleinere, konkrete Aufgaben. Zum Beispiel könnte er für den Abschnitt über Solarenergie festlegen, dass dieser eine Definition von Solarenergie, aktuelle Technologietrends und ein Fallbeispiel enthalten soll. Diese Planung wird in einem strukturierten Format wie JSON weitergegeben, sodass sie leicht von den nachfolgenden Agenten verarbeitet werden kann. Der Planungs-Agent sorgt dafür, dass jeder Abschnitt des Artikels klar definiert ist und alle notwendigen Informationen abgedeckt werden. Das Ergebnis dieses Agenten ist dabei eine Liste abzuarbeitender Recherchen. Für jeden einzelnen Punkt wird anschließend Schritt 4 durchlaufen.

Schritt 4: Tiefgehende Recherche mit PerplexityAI

Sobald die detaillierte Planung vorliegt, beginnt die eigentliche Recherche. Hier kommt der Recherche-Agent zum Einsatz, der auf PerplexityAI basiert. Dieser Agent durchsucht das Internet nach relevanten Informationen für jeden geplanten Abschnitt. Zum Beispiel könnte er für den Abschnitt über Windenergie nach aktuellen Studien, Statistiken zur Effizienz von Windkraftanlagen und Zitaten von Experten suchen. Die gesammelten Daten werden dann in einem strukturierten Format gespeichert und an den nächsten Agenten weitergeleitet. Dieser Schritt ist besonders wichtig, da er sicherstellt, dass der Artikel auf fundierten und aktuellen Informationen basiert. PerplexityAI hat dabei einen weiteren wichtigen Vorteil. Wer sich schon Mal mit dem Thema Halluzinationen von künstlicher Intelligenz befasst hat, weiß, wie wichtig es ist, bestimmte Aussagen auch verifizieren zu können. PerplexityAI liefert deshalb zu jedem gefundenen Punkt auch die Quelle in Form von Links zu der jeweiligen Webseite. Im finalen Stand des Artikels wird dazu am Ende auch eine komplette Liste aller verwendeten Quellen erstellt.

Schritt 5: Verfassen des Artikels durch den Editor-Agenten

Nachdem alle notwendigen Informationen gesammelt wurden, übernimmt der Editor-Agent die Aufgabe, den Artikel zu verfassen. Dieser Agent kombiniert die gesammelten Daten zu einem flüssigen und gut strukturierten Text. Er verwendet dazu wiederum das ChatGPT 4o mini Modell von OpenAI. Er achtet dabei darauf, dass der Artikel einen klaren roten Faden hat, die richtige Tonlage trifft und SEO-optimiert ist. Zum Beispiel könnte er die Informationen über Solarenergie und Windenergie in einem zusammenhängenden Text darstellen, der sowohl informativ als auch ansprechend geschrieben ist. Der fertige Entwurf wird dann an den letzten Schritt des Workflows weitergegeben.

Schritt 6: Versand des Artikels per E-Mail

Zum Abschluss wird der fertige Artikel per E-Mail an den Nutzer gesendet. Hier kommt n8n erneut ins Spiel, um den E-Mail-Versand zu konfigurieren. Der Artikel kann entweder im Textformat oder als HTML-Nachricht verschickt werden. Dieser Schritt stellt sicher, dass ich den fertigen Artikel bequem und direkt in mein Postfach erhalte. Das ist durchaus nötig, da der fertige Artikel sehr lang werden kann, und es per Telegram nicht wirklich brauchbar wäre, weder fürs Lesen, noch für etwaige Weiterverarbeitung zu Blog-Artikeln oder um es an weitere Interessenten weiterzuleiten.

Durch diese Schritt-für-Schritt-Durchführung wird der gesamte Prozess der Recherche und Inhaltserstellung nahtlos automatisiert. Jeder Schritt baut auf dem vorherigen auf und sorgt dafür, dass der finale Artikel nicht nur schnell, sondern auch qualitativ hochwertig ist. In der Regel erhalte ich bereits nach 5 bis maximal 10 Minuten die fertige Recherche in mein Postfach.

Technische Umsetzung

Um diesen Workflow zu realisieren, sind einige technische Voraussetzungen notwendig. Zunächst benötigt ihr eine laufende Instanz von n8n, die entweder in der Cloud oder selbst gehostet betrieben werden kann. Darüber hinaus sind API-Schlüssel für die verwendeten Dienste wie OpenAI, PerplexityAI, Telegram und den E-Mail-Anbieter erforderlich. Die Konfiguration der einzelnen Schritte in n8n erfordert etwas Einarbeitung, ist aber dank der benutzerfreundlichen Oberfläche gut zu bewältigen.

Herausforderungen und Lösungen

Bei der Automatisierung solcher Workflows gibt es einige Herausforderungen. Zum Beispiel kann die Datenformatierung zwischen den einzelnen KI-Agenten Probleme bereiten. Hier ist es wichtig, klare Schnittstellen zu definieren und die Ausgaben der Agenten in einem einheitlichen Format wie JSON zu halten. Auch API-Limits, insbesondere bei der Nutzung von PerplexityAI, können den Prozess verlangsamen. Hier helfen Rate-Limits und eine sorgfältige Planung der Anfragen. Schließlich ist die Qualität der KI-Ausgaben stark von der Formulierung der Prompts abhängig. Eine gute Prompt-Engineering-Strategie ist daher unerlässlich. An der Stelle sei gesagt, dass ich nicht den kompletten Ablauf selbst erfunden habe. Ich habe dabei auf eine Vorlage durch einen Youtuber zurückgegriffen, der auch einen entsprechenden Udemy Kurs veröffentlich hat. Ich darf euch daher den vollständigen Ablauf auch nicht zur Verfügung stellen. Hier zur Orientierung trotzdem das Ergebnis in n8n:

n8n Recherche-Automatisierung

Vorteile der Automatisierung

Die Automatisierung des Recherche- und Schreibprozesses bietet zahlreiche Vorteile. Der offensichtlichste ist die Zeitersparnis. Was früher Stunden oder sogar Tage gedauert hat, kann nun in wenigen Minuten erledigt werden. Darüber hinaus sorgt die Automatisierung für eine höhere Konsistenz in der Qualität der Inhalte. Und schließlich ist der Workflow skalierbar, sodass er problemlos auf mehrere Anfragen gleichzeitig angewendet werden kann.

Kosten

Vielleicht fragt sich jetzt der Ein oder Andere, was kostet mich der ganze Spaß? Da kann ich euch beruhigen, eine einzige Recherche kostet ca. 0,10 € bis 0,20 €. Und das obwohl ich für die Recherche mittlerweile auf das Sonar Pro Modell von PerplexityAI setze. Es liefert einfach bessere Ergebnisse und ist die paar Cent mehr auf jeden Fall wert.

Man kann sowohl bei PerplexityAI als auch bei OpenAI einstellen, dass bei Unterschreitung eines gewissen Betrags automatisch wieder um 5 € aufgefüllt wird. Ich habe mittlerweile an die 30 Themen recherchieren lassen und bisher hat PerplexityAI ein einziges Mal aufgefüllt, bei OpenAI bin ich erst bei etwas über einem Euro gelandet.

Wichtig war mir, dass ich nichts bezahle, wenn ich nichts nutze. Alles was ich hier vorgestellt habe, kommt ohne monatliche Fixkosten aus. Ihr zahlt lediglich die tatsächlich benötigten API-Aufrufe des jeweiligen Anbieters.

Da sich einige Anbieter auf dem Gebiet im Wettstreit befinden, werden die Kosten künftig sicherlich noch weiter Fallen. Außerdem wird die Qualität sicherlich zunehmen mit jeder Generation der verwendeten Modelle.

Mögliche Erweiterungen

Der beschriebene Workflow ist bereits sehr leistungsfähig, aber es gibt noch viele Möglichkeiten zur Erweiterung. Zum Beispiel könnte man eine menschliche Überprüfung in den Prozess integrieren, indem der fertige Artikel zunächst an einen Slack-Kanal gesendet wird, bevor er per E-Mail verschickt wird. Auch die Unterstützung mehrerer Sprachen wäre eine interessante Erweiterung, sodass der Artikel am Ende in mehrere Sprachen übersetzt wird, bevor er per Mail verschickt wird.

Fazit

Die Automatisierung von Recherche und Inhaltserstellung durch n8n und KI-Agenten ist ein mächtiges Werkzeug, das nicht nur Zeit spart, sondern auch die Qualität und Konsistenz der Inhalte verbessert. Mit den richtigen Tools und einer gut durchdachten Workflow-Struktur lässt sich der gesamte Prozess von der Idee bis zum fertigen Artikel nahtlos automatisieren. Probiert es am besten selber aus, wenn euch das Thema interessiert.

Für alle, die diesen Workflow selbst ausprobieren möchten, findet ihr hier einige nützliche Links:

Nun will ich euch aber nicht mehr länger aufhalten. Wir lesen uns das nächste Mal auf Next Direction!

P.S. bei der Erstellung dieses Artikels hat mich übrigens DeepSeek V3 unterstützt. Das spart sehr viel Zeit bei der Ausformulierung und so kann ich euch weiterhin häufig neue Artikel zur Verfügung stellen.