🤖 KI & Automatisierung

Meine Experimente mit KI-Agenten, Docker und automatisierten Workflows

Was passiert, wenn eine Betriebswirtin anfängt, KI-Agenten auf einem eigenen Server zu betreiben? Genau das. Dieser Artikel erzählt ehrlich von meinen Experimenten – was funktioniert hat, was nicht, und was ich dabei gelernt habe.

01

OpenClaw – Mein erster autonomer KI-Agent

Der erste Schritt war der mutigste: Ein KI-Agent, der nicht nur antwortet – sondern selbst denkt, plant und handelt. OpenClaw ist ein autonomes Agenten-Framework, das ich auf meinem eigenen Server in einem Docker-Container betreibe.

Das Besondere daran: Der Agent läuft komplett lokal – kein OpenAI-API-Key, keine monatlichen Kosten. Als Gehirn dient Qwen 2.5 (1.5B), ein Open-Source-Sprachmodell, bereitgestellt über Ollama. Klein, schnell, und überraschend fähig.

Tech-Stack

Docker Ollama Qwen 2.5 1.5B Python Linux

OpenClaw hat eine eigene Persönlichkeit – definiert in einer SOUL.md-Datei. Verhaltensregeln in AGENTS.md, ein Gedächtnis in täglichen Log-Dateien und eine SQLite-Datenbank. Es ist wie ein Mini-Betriebssystem für einen KI-Assistenten.

Was mich am meisten fasziniert hat: Der Agent entscheidet selbst, wann er handelt und wann er fragt. Interne Aktionen (lesen, analysieren, planen) führt er eigenständig aus. Externe Aktionen (E-Mails senden, Posts veröffentlichen) – da wartet er auf meine Bestätigung. Das ist verantwortungsvolle KI.

💡 Was ich gelernt habe: Docker ist kein Hexenwerk. Nach dem dritten Mal docker-compose up fühlt es sich ganz normal an. Das Schwierigste war nicht die Technik – sondern zu verstehen, wie ein Agent denken soll.
02

n8n + Instagram – Automatisierte Reels mit KI

Das zweite große Experiment: Kann ich meinen Instagram-Content automatisieren? Ideen generieren lassen, Scripts schreiben lassen, und ich bestätige nur noch per Telegram-Knopfdruck?

Die Antwort: Ja – und es funktioniert mit einem beeindruckenden KI-Stack, der komplett kostenlos ist.

⏰
Schedule
Jeden Tag automatisch
→
🧠
Qwen 2.5
Ideen generieren
→
📱
Telegram
Vorschlag an mich
→
âś…
Meine Bestätigung
Ja / Nein
→
✨
Gemini Flash
Script schreiben
→
🎬
Instagram Reel
Veröffentlichen

Tech-Stack

n8n Qwen 2.5 Gemini Flash Telegram Bot Instagram Graph API MongoDB Docker

Wie es funktioniert

Der Workflow besteht aus zwei n8n-Pipelines:

  1. Ideen-Pipeline: Läuft nach Zeitplan. Qwen 2.5 generiert täglich frische Content-Ideen rund um Digitalisierung, KI und Lernen. Die Idee landet direkt als Telegram-Nachricht bei mir.
  2. Bestätigungs-Pipeline: Ich drücke in Telegram auf „Ja" – und Gemini Flash schreibt daraus ein vollständiges Reel-Script. Das fertige Script wird in MongoDB gespeichert und für die Veröffentlichung auf Instagram vorbereitet.
💡 Was ich gelernt habe: n8n ist visuelles Programmieren auf einem anderen Level. Wenn du verstehst, wie Daten zwischen Nodes fließen, öffnet sich eine komplett neue Welt der Automatisierung. Und das Beste: Du brauchst kein teures OpenAI-Abo – Open-Source-Modelle sind erstaunlich gut.

Was noch kommt

Der nächste Schritt ist die automatische Video-Generierung mit Veo 3 (Google AI Studio). Das Ziel: Vom Knopfdruck bis zum fertigen Reel – vollautomatisch. Ein Traum? Vielleicht. Ein erreichbares Ziel? Definitiv.

Mein Fazit

KI ist kein Zaubertrick – es ist ein Werkzeug. Und wie jedes gute Werkzeug muss man lernen, es richtig einzusetzen. Meine Experimente haben mir gezeigt: Man braucht kein Informatikstudium, um KI produktiv einzusetzen. Man braucht Neugier, Geduld und die Bereitschaft, Fehler zu machen.

Ich mache weiter. Denn jedes Scheitern war ein Lernmoment – und jeder Erfolg hat mich noch hungriger gemacht.

Austauschen? Schreib mir!