Wir sind zwei Physiker, die lieber ein Skript schreiben, als sich selbst vor einer Kamera aufzunehmen. Monatelang fühlte sich diese Vorliebe wie ein Nachteil an. Jeder Marketing-Ratgeber sagte dasselbe: Zeig dein Gesicht, sei authentisch, poste dreimal am Tag, interagiere in den Kommentaren. Nichts davon haben wir gemacht. Wir waren zu beschäftigt damit, NerdSip zu bauen, um Content-Creator zu werden. Dann haben wir das Ganze automatisiert, und es hat alles übertroffen, was wir jemals manuell gemacht hatten.
350.000 Views in zwei Wochen. Null Face-Reveals. Null Stunden Videobearbeitung. Alles lief auf Autopilot, während wir Code schrieben und Bugs fixten.
Das ist das genaue System, das wir gebaut haben, warum es funktioniert und was wir dabei gelernt haben.
Warum uns Marketing Angst gemacht hat
Seien wir ehrlich. Die meisten Entwickler haben keine Angst vor schwierigen Problemen. Wir verbringen gerne ein Wochenende damit, eine Race Condition in einer serverlosen Datenbank zu debuggen. Wir refaktorieren einen kompletten Navigations-Stack, weil sich das State Management leicht falsch anfühlt. Solche Dinge geben uns Energie.
Marketing bewirkt das Gegenteil.
Marketing fühlt sich willkürlich an. Du postest etwas, es bekommt 14 Views. Du postest am nächsten Tag etwas fast Identisches, es bekommt 3.000. Es gibt keinen Stack Trace. Es gibt keinen Debugger. Die Feedback-Schleife ist verrauscht und verzögert, und die Regeln ändern sich jedes Mal, wenn eine Plattform ihren Algorithmus aktualisiert.
Wir haben NerdSip im März 2026 gelauncht. Die App war solide. Die Lernerfahrung war gut. Nutzer, die sie fanden, liebten sie. Das Problem war, dass sie fast niemand fand. Unser App-Store-Listing existierte im Vakuum. Wir hatten eine schöne Landingpage, die ungefähr so viel Traffic erhielt wie ein persönlicher Blog über Sauerteig-Starter.
Wir haben das Offensichtliche versucht. Wir haben Blogposts geschrieben. Wir haben auf Reddit gepostet. Wir haben Cold Emails an Bildungsblogger geschickt. Jeder Versuch erzeugte einen kleinen, temporären Spike, gefolgt von einer Rückkehr zum Ausgangsniveau. Das grundlegende Problem war Skalierung: Als Zwei-Personen-Team konnten wir nicht genug Content produzieren, um auf Plattformen relevant zu sein, die Volumen über alles belohnen.
TikTok war die Plattform, von der wir immer wieder hörten. Kurzform-Video. Massive organische Reichweite. Der Algorithmus belohnt Contentqualität über Follower-Zahl, was theoretisch das Spielfeld für kleine Creator ebnet. Aber jede TikTok-Strategie, die wir lasen, erforderte genau das, was wir nicht tun wollten: uns selbst aufnehmen.
Dann haben wir das Slideshow-Format entdeckt.
Die Slideshow-Erkenntnis, die alles verändert hat
TikTok ist nicht mehr nur eine Videoplattform. Foto-Karusselle, bei denen Nutzer durch eine Reihe von Bildern wischen, sind eines der Formate mit dem höchsten Engagement auf der Plattform geworden. Bildungsinhalte funktionieren besonders gut als Slideshows, weil jedes Wischen eine neue Information liefert. Der Zuschauer hat das Gefühl, mit jedem Frame etwas zu lernen.
Das war die Erkenntnis, die alles für uns entschlüsselt hat. Slideshows brauchen keine Kamera. Sie brauchen kein Gesicht. Sie brauchen Bilder und Text. Beides kann von KI generiert werden.
Wir haben uns angeschaut, was in der Bildungs-Slideshow-Nische bereits funktionierte. Wissenschaftliche Fakten. Psychologie-Insights. „Dinge, die du nicht wusstest über...“-Posts. Die erfolgreichen Accounts teilten alle ein Muster: visuell eindrucksvolle Bilder gepaart mit knappen, neugiergetriebenen Text-Overlays. Sechs bis zehn Slides pro Post. Ein Hook in der Caption. Relevante Hashtags.
Jede einzelne Komponente dieser Formel war automatisierbar.
Die Pipeline bauen: OpenClaw für Strategie
Das erste Problem war Content-Strategie. Über welche Themen sollten wir posten? Welche Captions sollten wir schreiben? Welche Hooks würden jemanden mitten im Scrollen stoppen?
Wir nutzten OpenClaw bereits für Marketing-Research bei NerdSip. Es ist ein KI-Agent, der speziell für Marketing-Workflows konzipiert ist: Wettbewerbsanalyse, Content-Recherche, Zielgruppenanalyse und Content-Generierung. Wir haben ihn auf TikToks Bildungsnische gerichtet und ihn das tun lassen, was er am besten kann.
Das übernimmt OpenClaw in unserer Pipeline:
- Themengenerierung. Wir füttern eine breite Kategorie (Neurowissenschaft, Weltraum, Psychologie, Physik, Biologie) und es generiert 20 bis 30 spezifische Post-Themen pro Batch. Keine generischen Themen. Spezifische, neugierauslösende Blickwinkel. „Warum dein Gehirn Erinnerungen im Schlaf löscht“ statt „Wie Gedächtnis funktioniert“.
- Caption-Erstellung. Jedes Thema bekommt eine TikTok-Caption mit einem Hook in der ersten Zeile, Bildungswert in der Mitte und einem Call to Action am Ende. OpenClaw versteht den Ton der Plattform: konversationell, leicht atemlos, aber in echter Wissenschaft verankert.
- Hashtag-Strategie. Es generiert eine Mischung aus reichweitenstarken und Nischen-Hashtags für jeden Post, kalibriert auf das spezifische Thema, anstatt überall denselben generischen Satz zu verwenden.
- Content-Kalender. Es plant Themen über Kategorien hinweg, um zu vermeiden, drei Neurowissenschafts-Posts hintereinander zu posten. Abwechslung hält das Publikum engagiert und signalisiert TikToks Algorithmus, dass der Account eine Bandbreite an Inhalten abdeckt.
Eine OpenClaw-Sitzung gibt uns zwei Wochen Content. Themen, Captions, Hashtags, Zeitplanung. Alles landet in einer strukturierten JSON-Datei, die den Rest der Pipeline speist.
Die Geheimwaffe: Panorama-KI-Bilder
Das ist der Teil, der Menschen beim Scrollen stoppt.
Wir nutzen Nano Banana 2, Googles Bildgenerierungsmodell, verfügbar über AI Studio (sein vollständiger technischer Name ist Gemini 3.1 Flash Image Preview). Es generiert fotorealistische Bilder aus Textprompts. Gute. Die Art von Bildern, die Menschen innehalten und sagen lassen: „Moment, das ist KI?“
Aber hier ist der Trick. Wir generieren keine Standard-Hochformatbilder für jede Slide. Wir generieren ein einzelnes ultrabreites 4K-Panoramabild im 21:9-Seitenverhältnis. Eine massive, durchgehende Szene.
Dann teilen wir es in sechs gleiche vertikale Streifen.
Jeder Streifen wird eine Slide im TikTok-Karussell. Wenn der Zuschauer wischt, bewegt er sich durch eine einzelne Panoramaszene. Die visuelle Kontinuität ist hypnotisch. Jeder Frame enthüllt den nächsten Teil eines größeren Bildes. Es fühlt sich absichtsvoll und filmisch an auf eine Weise, die sechs zusammenhanglose Bilder niemals könnten.
Warum die Panorama-Technik so gut funktioniert
Es gibt drei Gründe, warum diese Technik Standard-Slideshows übertrifft.
Erstens belohnt sie das Wischen. Jedes Wischen enthüllt einen neuen Abschnitt des Panoramas. Das Gehirn des Zuschauers will das vollständige Bild sehen, also wischt er weiter. TikToks Algorithmus interpretiert dieses Engagement (Verweildauer beim Post, Durchswipe-Rate) als starkes Signal, dass der Content wertvoll ist. Mehr Engagement bedeutet mehr Distribution.
Zweitens sieht es teuer aus. Ein Panoramabild, aufgeteilt in Frames, sieht aus wie ein professionelles Fotografie-Projekt. Es sieht nicht aus wie ein Low-Effort-KI-Post. Der Produktionswert signalisiert Qualität, obwohl das gesamte Bild in unter 30 Sekunden generiert wurde.
Drittens erzeugt es eine Narration. Eine Panoramaszene der Tiefsee, der Marsoberfläche oder des Inneren eines Neurons erzählt eine visuelle Geschichte. Jede Slide ist ein Kapitel. Das Text-Overlay auf jedem Frame liefert den Bildungsinhalt. Die Kombination aus visueller Narration und faktischem Inhalt ist weit engagierender als Text auf einfarbigem Hintergrund.
Die technischen Details
Für alle, die das replizieren wollen, hier der genaue Prozess.
Wir rufen das Nano-Banana-2-Modell über die API von Google AI Studio auf. Der Prompt folgt einem spezifischen Template:
"A photorealistic 4K ultrawide panoramic image (21:9 aspect ratio) depicting [Szenenbeschreibung]. Continuous composition from left to right. Cinematic lighting. Rich detail throughout the entire width. No text overlays. No borders."
Die Szenenbeschreibung kommt vom Thema, das OpenClaw generiert hat. Für einen Post über Tiefsee-Biolumineszenz könnte die Szene sein: „die Abyssalzone des Ozeans, von dunklen, erdrückenden Tiefen links über zunehmend biolumineszente Kreaturen bis zu einem Cluster leuchtender Quallen rechts.“
Das Modell gibt ein einzelnes hochauflösendes Bild zurück. Unser Skript nutzt dann sharp (eine Node.js-Bildverarbeitungsbibliothek), um es in sechs gleiche vertikale Segmente zu schneiden. Jedes Segment wird als separates PNG im Hochformat gespeichert. Wir fügen programmatisch Text-Overlays mit dem Caption-Content von OpenClaw hinzu. Das Endergebnis ist ein Ordner mit sechs nummerierten Bildern, bereit zum Hochladen.
Der gesamte Generierungsprozess für einen Post dauert etwa 45 Sekunden. Die Bildgenerierung ist der Flaschenhals; das Schneiden und die Text-Overlays sind nahezu instantan.
Wie die Zahlen wirklich aussehen
Wir haben am 17. März 2026 angefangen zu posten. Hier sind die echten Zahlen der ersten zwei Wochen.
- Veröffentlichte Posts: 24 (etwa 2 pro Tag, geplant)
- Gesamte Views: 350.000
- Gesamte Likes: 5.000
- Gewonnene Follower: 450 (von null)
- Am besten performender Post: 100.000 Views („Die Erde in 250 Millionen Jahren“)
- Am schlechtesten performender Post: 1.200 Views (ein Quantenphysik-Thema, das wahrscheinlich zu abstrakt war)
Zum Vergleich: Die meisten neuen TikTok-Accounts erreichen im ersten Monat durchschnittlich 200 bis 500 Views pro Post. Wir lagen ab Tag vier konsistent bei über 10.000.
Die wichtigste Kennzahl für uns ist allerdings nicht Views. Es sind App-Installationen. Wir verlinken NerdSip in unserer Bio und erwähnen es in Captions, wo es relevant ist (nicht in jedem Post). In zwei Wochen wurde TikTok unsere zweitgrößte Quelle organischer App-Installationen, hinter der App-Store-Suche.
Was funktioniert hat
Wissenschaftscontent ist TikTok-Gold. Menschen sind wirklich neugierig. Posts über Neurowissenschaft, Weltraum und Humanbiologie haben konsistent alles andere übertroffen. Das Publikum der Plattform ist tendenziell jung, und junge Menschen sind hungrig danach, Dinge zu lernen, die sich bewusstseinserweiternd anfühlen.
Das Panorama-Format ist eine Retention-Maschine. Unsere durchschnittliche Durchswipe-Rate (der Prozentsatz der Zuschauer, die alle sechs Slides durchwischen) liegt bei etwa 68 %. Zum Vergleich: Typische TikTok-Slideshows liegen bei 30 bis 40 %. Die Panorama-Kontinuität hält die Leute am Wischen.
Konsistenz ist wichtiger als Perfektion. Wir posten zweimal am Tag, jeden Tag. Der Algorithmus belohnt Accounts, die regelmäßig posten. Unsere automatisierte Pipeline macht das trivial einfach, weil der Content immer bereit ist.
Hooks sind alles. Die erste Zeile der Caption und die erste Slide bestimmen, ob jemand aufhört zu scrollen. OpenClaw generiert Hooks, die spezifisch und neugiergetrieben sind. „Dein Gehirn löscht jede Nacht Erinnerungen. Hier ist der Grund.“ schlägt „Wie Gedächtnis funktioniert“ jedes einzelne Mal.
Batch-Generierung eliminiert Entscheidungsmüdigkeit. Wir generieren zwei Wochen Content in einer Sitzung. Kein tägliches Scramble, um herauszufinden, was man posten soll. Kein Starren auf einen leeren Bildschirm. Die Pipeline gibt einen Ordner mit postfertigem Content aus, und wir planen ihn ein.
Was nicht funktioniert hat
Nicht alles war ein Erfolg. Hier ist, was gescheitert ist oder unterdurchschnittlich performt hat.
Abstrakte Themen floppen. Quantenphysik, Stringtheorie, abstrakte Mathematik. Diese Themen klingen als Blogpost-Titel faszinierend, sterben aber auf TikTok. Das Publikum will greifbare, nachvollziehbare Wissenschaft. „Warum du dich nicht selbst kitzeln kannst“ übertrifft „Das Messproblem in der Quantenmechanik“ um das Fünfzigfache. Wir haben gelernt, Themen durch einen Nachvollziehbarkeitstest zu filtern, bevor wir Bilder generieren.
Textlastige Slides werden übersprungen. Anfangs haben wir zu viel Text auf jede Slide gepackt. Drei Sätze pro Frame. Das liest auf TikTok niemand. Wir haben auf einen Satz pro Slide gekürzt, manchmal nur eine Phrase. Das Bild trägt die Hauptlast; der Text ist die Pointe.
Manche KI-Bilder sehen offensichtlich nach KI aus. Nano Banana 2 ist hervorragend, aber nicht makellos. Etwa eines von zehn Bildern hat verräterische Artefakte: unmögliche Geometrie, verschwommene Details bei Gesichtern oder Händen, textähnliche Formen, die kein tatsächlicher Text sind. Wir haben einen manuellen Prüfschritt in die Pipeline eingebaut. Jedes Bild bekommt einen 5-Sekunden-Check durch einen Menschen, bevor es in die Upload-Queue kommt. Das ist der einzige Teil des Prozesses, der nicht vollständig automatisiert ist, und wir finden das in Ordnung.
Hashtag-Überflutung schadet. Unser erster Batch nutzte 15+ Hashtags pro Post. Die Performance war mittelmäßig. Als wir auf 5 bis 7 hochgezielte Hashtags reduzierten, stiegen die Views sprunghaft. TikToks Algorithmus scheint exzessive Hashtags als Spam-Signal zu interpretieren.
Posting-Zeiten sind weniger wichtig als gedacht. Wir haben Stunden damit verbracht, optimale Posting-Zeiten zu recherchieren. 19 Uhr EST. Mittagszeit. Sonntagmorgen. In der Praxis wurden unsere best performenden Posts zu zufälligen Zeiten veröffentlicht, weil der Scheduler nicht auf Zeitzonen optimiert. Der Algorithmus spielt guten Content unabhängig davon aus, wann er gepostet wird. Zeitoptimierung ist eine Ablenkung für Accounts unter 100.000 Followern.
Die komplette Pipeline, Schritt für Schritt
Hier ist der vollständige Workflow von Anfang bis Ende.
Schritt 1: Content-Generierung (OpenClaw). Wir geben unsere Zielkategorien und unser Zielgruppenprofil ein. OpenClaw gibt 20 bis 30 Thema-Caption-Hashtag-Bundles in einer JSON-Datei aus. Zeitaufwand: etwa 15 Minuten Prompting plus Review.
Schritt 2: Bildgenerierung (Nano Banana 2). Ein Skript liest die JSON-Datei, konstruiert einen Panoramabild-Prompt für jedes Thema und ruft die AI-Studio-API auf. Jeder Aufruf gibt ein einzelnes ultrabreites 4K-Bild zurück. Zeitaufwand: etwa 30 Sekunden pro Bild, läuft parallel.
Schritt 3: Bildverarbeitung (sharp + Node.js). Ein weiteres Skript nimmt jedes Panoramabild und schneidet es in sechs Hochformat-Segmente. Es fügt Text-Overlays mit dem Caption-Content zu jedem Segment hinzu. Zeitaufwand: nahezu instantan.
Schritt 4: Menschlicher Review. Wir scrollen durch die generierten Slides in einem Vorschau-Ordner. Bilder mit offensichtlichen KI-Artefakten werden markiert. Die markierten werden neu generiert. Zeitaufwand: 5 bis 10 Minuten für einen Batch von 20 Posts.
Schritt 5: Upload und Planung. Wir laden die Bild-Sets auf TikTok hoch und planen sie über die nächsten zwei Wochen. Das ist derzeit noch manuell (TikToks Planungstools sind begrenzt), dauert aber etwa 30 Minuten für einen vollen Batch.
Gesamter Zeitaufwand für zwei Wochen Content: circa 90 Minuten.
Vergleiche das mit dem, was es kosten würde, 24 Content-Stücke manuell zu produzieren. Selbst wenn jeder Post nur 30 Minuten Recherche, Design und Texten erfordern würde, sind das 12 Stunden. Unsere Pipeline komprimiert 12 Stunden auf 90 Minuten und produziert konsistenteren, qualitativ hochwertigeren Output.
Warum das für Indie-Entwickler relevant ist
Hier ist die Sache, die dir niemand sagt, wenn du eine App launchst. Das Produkt zu bauen ist der einfache Teil. Nutzer zu finden ist der schwere Teil.
Die App Stores sind Friedhöfe hervorragender Software, die niemand jemals gefunden hat. Das Discovery-Problem ist brutal, besonders für Indie-Entwickler ohne Marketing-Budget, ohne Publikum, ohne die Art von Persönlichkeit, die sich gut in Social Media übersetzen lässt.
Wir sind keine geborenen Marketer. Wir sind nicht gern vor der Kamera. Wir haben nicht das Gespür für viralen Content, das manchen Creatorn angeboren zu sein scheint. Aber wir können Code schreiben. Und es stellt sich heraus, dass Code schreiben, um Marketing zu lösen, eine legitime Strategie ist.
Die Tools existieren jetzt. Vor einem Jahr wäre diese Pipeline nicht möglich gewesen. KI-Bildgenerierung war nicht gut genug. KI-Content-Strategie-Tools waren nicht spezifisch genug. Die Kombination von OpenClaws Marketing-Intelligence und Nano Banana 2s Bildqualität schafft einen Workflow, der tatsächlich im großen Maßstab funktioniert.
Es geht nicht darum, menschliche Kreativität zu ersetzen. Unsere best performenden Posts erforderten trotzdem menschliches Urteilsvermögen: den richtigen Blickwinkel wählen, den richtigen Hook schreiben, das Bild erkennen, das leicht daneben aussieht. Die KI übernimmt das Volumen und die Ausführung. Die Menschen übernehmen den Geschmack und die Qualitätskontrolle.
Wenn du ein Indie-Entwickler bist, der auf einem guten Produkt ohne Publikum sitzt, ist dieser Ansatz einen Versuch wert. Die Einstiegshürde ist ein Wochenende Scripting. Die Kosten sind im Wesentlichen null (Nano Banana 2 über AI Studio ist für Entwickler kostenlos). Der schlimmste Fall ist, dass du etwas über Content-Marketing lernst. Der beste Fall ist, dass du ein Publikum für das findest, was du gebaut hast.
Was als Nächstes kommt
Wir sind noch nicht fertig mit Iterieren. Hier ist, woran wir gerade arbeiten.
Videogenerierung. Slideshow-Karusselle funktionieren, aber TikTok ist im Kern immer noch eine Videoplattform. Wir experimentieren damit, KI-Videomodelle zu nutzen, um unsere Panoramabilder in Slow-Pan-Videos mit Narration zu verwandeln. Stell dir den Ken-Burns-Effekt vor, aber die gesamte Szene ist KI-generiert. Erste Tests sehen vielversprechend aus.
Automatisierte A/B-Tests. Wir wollen zwei Versionen jedes Posts generieren (verschiedene Hooks, verschiedene Bildstile) und die Daten entscheiden lassen, welcher Ansatz besser funktioniert. Aktuell basiert unser Review-Prozess auf Bauchgefühl. Wir wollen ihn datengetrieben machen.
Cross-Plattform-Expansion. Dieselben Panoramabilder funktionieren auf Instagram Reels und Pinterest. Wir bauen Pipeline-Verzweigungen, die den Content für die Spezifikationen jeder Plattform umformatieren. Eine Generierungsrunde, drei Plattformen.
Engere App-Integration. Unsere TikTok-Posts handeln von Wissenschaftsthemen. NerdSip lehrt Wissenschaftsthemen. Die Verbindung liegt auf der Hand, aber aktuell ist es nur ein Bio-Link. Wir wollen Deep Links erstellen, die einen TikTok-Zuschauer direkt zu einem NerdSip-Kurs über genau das Thema bringen, zu dem er gerade eine Slideshow gesehen hat. Durch sechs Slides über Neuroplastizität wischen, auf den Link tippen, auf einem vollständigen Mikrokurs über Neuroplastizität landen. Das ist der Funnel, den wir bauen.
Das ehrliche Fazit
Wir würden lügen, wenn wir sagten, dass wir erwartet hätten, dass das so gut funktioniert. Unsere Hypothese war bescheiden: TikTok-Posting automatisieren, ein paar Views bekommen, vielleicht ein paar App-Installationen treiben. Die Realität hat unsere Prognosen um eine Größenordnung übertroffen.
350.000 Views sind nach TikTok-Standards nicht viral. Leute mit Ringlichtern und Charisma bekommen das mit einem einzigen Post. Aber für zwei Entwickler, die null Stunden vor einer Kamera verbracht und insgesamt 90 Minuten in Content-Erstellung investiert haben, ist es ein bedeutsames Ergebnis. Es ist der Beweis, dass der Hebel existiert.
Die unbequeme Wahrheit über Marketing als Indie-Entwickler ist, dass du es machen musst. Du kannst nicht einfach ein gutes Produkt bauen und hoffen, dass die Leute es finden. Die App Stores funktionieren nicht so. Suche funktioniert nicht so. Du brauchst Distribution, und Distribution erfordert Content, und Content erfordert entweder Zeit oder Automatisierung.
Wir haben Automatisierung gewählt. Es funktioniert. Wir werden die Pipeline weiter iterieren, die Zahlen ehrlich veröffentlichen und weiterhin teilen, was wir lernen.
Wenn du ein Entwickler bist, der Marketing vermieden hat, weil es sich fremd und unangenehm anfühlt, betrachte dies als deine Erlaubnis, es wie ein Entwickler zu lösen. Schreib das Skript. Automatisiere die Pipeline. Lass die Maschinen das Volumen übernehmen, während du dich um die Vision kümmerst.
Das haben wir gemacht. 350.000 Menschen haben das Ergebnis gesehen.
Volle Transparenz. Wir sind weder mit OpenClaw noch mit Google verbunden. Wir bezahlen diese Tools selbst. Wir teilen das, weil wir uns gewünscht hätten, dass jemand es vor sechs Monaten mit uns geteilt hätte.
Häufig gestellte Fragen
Wie generiert man TikTok-Slideshow-Inhalte mit KI?
Wir nutzen OpenClaw, um Content-Strategie, Captions und Themen zu generieren, dann Nano Banana 2 (Gemini 3.1 Flash Image Preview), um ultrabreite 4K-Panoramabilder zu erstellen. Wir teilen jedes Panorama in 6 Hochformat-Frames auf, die zu einem Slideshow-TikTok-Post werden. Die gesamte Pipeline läuft auf Autopilot.
Was ist die Panorama-zu-Slideshow-Technik für TikTok?
Man generiert ein einzelnes ultrabreites 4K-Bild (21:9) mit einem KI-Bildmodell. Dann schneidet man es in 6 gleiche vertikale Segmente, jeweils im Hochformat. Wenn man sie als Foto-Karussell auf TikTok hochlädt, wischt der Zuschauer durch etwas, das sich wie eine nahtlose visuelle Reise anfühlt. Die Kontinuität zwischen den Frames sorgt dafür, dass die Leute weiterwischen.
Ist es ethisch vertretbar, KI-generierte Inhalte auf TikTok zu verwenden?
Wir glauben ja, solange man transparent damit umgeht. Wir tun nicht so, als hätte ein menschlicher Fotograf diese Bilder aufgenommen. Der Wert liegt in den Bildungsinhalten und der Kuration, nicht darin, KI-Kunst als handgemacht auszugeben. TikToks eigene Richtlinien erlauben KI-generierte Inhalte bei Offenlegung.
Wie viel kostet diese automatisierte TikTok-Pipeline im Betrieb?
Fast nichts. Nano Banana 2 ist über Google AI Studio für Entwickler kostenlos. OpenClaw hat variable Preise für den Content-Strategie-Teil. Die größten Kosten sind der anfängliche Zeitaufwand, um die Pipeline-Skripte zu bauen, was uns etwa zwei Tage gekostet hat.
📚 Weiterlesen
Schau dir an, was wir gebaut haben
NerdSip ist die KI-Lern-App, die wir mit dieser Pipeline vermarkten. Probiere sie kostenlos aus und sieh, worum es in all diesen TikTok-Slideshows geht.
