System-Boost

Kategorie: Workflows

  • Automatisierte Blogbeiträge aus Medien-Workflows: Von Asset → KI → WordPress-Entwurf

    Automatisierte Blogbeiträge aus Medien-Workflows: Von Asset → KI → WordPress-Entwurf

    Beim Kunden erweitern wir den bestehenden Medien-Workflow (Airtable → Nextcloud) um eine KI-gestützte Erstellung von Blogbeiträgen. Bilder werden automatisch analysiert, ein sauber strukturierter Beitrag (HTML, SEO-Titel, Auszug, Tags) generiert und als Entwurf in WordPress angelegt – inklusive Featured Image. Die Redaktion prüft nur noch, ergänzt ggf. Details und veröffentlicht.

    Ausgangslage & Ziel

    Der Kunde sammelt Social-Media-Assets (Text, Fotos, Tags) bereits zentral. Was fehlte: schnell aus verwertbaren Assets einen fundierten Blogentwurf zu erzeugen – mit konsistenter Struktur, SEO-Basics und Medieneinbindung – ohne jedes Mal bei Null zu starten.

    Ziel: Aus vorhandenen Inhalten automatisch einen WordPress-Draft erzeugen, der redaktionell nur noch finalisiert wird.

    So funktioniert der erweiterte Workflow

    1) Picking & Vorbereitung

    • Airtable liefert „bereit“-markierte Einträge (Status „Ready“).
    • Ein Code-Knoten normalisiert Titel, sammelt Text + Tags + Assets und erzeugt einen sauberen Ablagepfad (Datum_Titel_ID).

    2) Nextcloud-Ablage

    • Es wird automatisch ein Projektordner erstellt (Nextcloud).
    • Assets (Foto/Video) werden heruntergeladen und in den Ordner geladen.
    • Eine info.txt dokumentiert Ort, Text, Tags – für Nachvollziehbarkeit.

    3) Medien → WordPress

    • Falls ein Bild vorhanden ist (JPEG/PNG), wird es vorab von der Quelle geladen und via WordPress-API als Media Attachment hochgeladen.
    • Die ID des Uploads wird später als Featured Image gesetzt.

    4) KI-Analyse des Bildes

    • Ein Vision-Modell analysiert nur das gelieferte Bild (keine Fremdquellen) und erzeugt eine sachliche Beschreibung (keine Phantasiewerte).

    5) KI-Autor (Blog-JSON)

    • Ein LLM-Chain-Knoten erstellt aus Bildbeschreibung + ursprünglichem Text + Hashtags einen strukturierten Blog-Entwurf (JSON mit Feldern wie title, slug, seo, excerpt, tags, content_html).
    • Der Text ist referenzartig in Wir-Form (Projekt/Referenz), mit Abschnitten wie:
      Ausgangssituation & Ziel, Unsere Umsetzung, Vorteile, Technische Eckpunkte, Projekt-Steckbrief, CTA.
    • SEO-Basics (Titel 50–60 Zeichen, Meta-Beschreibung 140–160) und interne Links (z. B. /leistungen/…) werden integriert – ohne Keyword-Spam.

    6) WordPress-Draft anlegen

    • Über die WP-REST-API wird ein Beitrag als „draft“ erstellt (Autor, Kategorie, Slug, HTML-Inhalt).
    • Danach wird via API die Featured-Media-ID gesetzt – das Bild erscheint als Artikel-Teaser.

    7) Status-Rückmeldung

    • Der Ursprungsdatensatz wird markiert (z. B. „Nextcloud = Ja“), damit nichts doppelt verarbeitet wird.

    Datenschutz & Governance

    • Keine Fremdquellen: Die KI nutzt nur die gelieferten Assets + Felder.
    • Entwurf statt Autopublish: Redaktionelle Kontrolle bleibt beim Team.
    • EU-Hosting möglich, klare Zugriffsrechte und Protokollierung.
    • Transparenz: info.txt sichert Kontext & Nachvollziehbarkeit pro Beitrag.

    Konkrete Vorteile für den Kunden

    • Zeitgewinn: Aus Rohmaterial wird in Minuten ein vollständiger Draft.
    • Konsistenz: Einheitliche Struktur, sauberer HTML-Aufbau, SEO-Grundlagen automatisch.
    • Medien korrekt eingebunden: Featured Image, Alt-Texte/Caption-Vorschläge, saubere Dateinamen.
    • Weniger Fehlerquellen: Automatisierte Pfade, Status-Flags, klare Logs.
    • Skalierbar: Funktioniert für wiederkehrende Formate (Baustellen-Update, Referenz, Produkt-Notiz).

    Technische Eckpunkte (Auszug)

    • Trigger: alle 10 Minuten; filtert auf Status „Ready“ und „nicht verarbeitet“.
    • Storage: Nextcloud-Ordner je Beitrag; info.txt mit Metadaten.
    • Media Pipeline: HTTP-Download → WP Media Upload → Rückgabe media_id.
    • Content-Engine: Vision-Analyse → LLM-Chain → valide JSON-Antwort mit content_html.
    • WordPress-API: POST /wp/v2/posts (draft), anschließend PATCH mit featured_media.
    • Fail-safes: MIME-Check (nur Bildformate), Timeouts, klare Fehlerpfade (kein Autopublish).

    Typische Redaktionelle Checks (1–3 Minuten)

    • Titel leicht zuspitzen, Excerpt finalisieren.
    • Interne Links prüfen (passen die Zielseiten?).
    • Zwei, drei Wörter im „Technische Eckpunkte“-Block verfeinern.
    • Veröffentlichen.

    Fazit

    Die Erweiterung macht aus vorhandenen Medien in einem Rutsch einen sauberen Blogentwurf – mit Bild, Struktur und SEO-Grundlagen. Das Team fokussiert sich auf Qualität & Freigabe, der Rest läuft reproduzierbar im Hintergrund. Ergebnis: mehr Inhalte, weniger Aufwand, konsistent im Markenstil.

  • Kontaktformular-Pipeline mit n8n: Mautic → Datenbereinigung → Airtable

    Kontaktformular-Pipeline mit n8n: Mautic → Datenbereinigung → Airtable

    Kurzfassung: Ein Webhook nimmt Mautic-Formularsendungen entgegen, bereinigt Felder (z. B. Anrede & Newsletter-Opt-in) und legt die Datensätze standardisiert in Airtable an. So landen Leads sauber strukturiert im CRM-Backlog – inklusive Status „Todo“ für die weitere Bearbeitung.

    Ausgangslage & Ziel

    Formulare liefern oft uneinheitliche Werte (z. B. „geehrter Herr“, „w“, „1/0“). Ziel war eine robuste, nachvollziehbare Lead-Erfassung, die:

    • Eingaben vereinheitlicht (Anrede, Newsletter),
    • Dubletten vermeidet (saubere Felder & Mapping),
    • Leads direkt in Airtable bereitstellt – bereit für Follow-ups.

    Funktionsweise (End-to-End)

    1. Webhook aus Mautic
      Das Formular sendet per POST an n8n (Header-Auth). Der Node „From Mautic+“ nimmt die Felder entgegen (Vorname, Nachname, Firma, Adresse, Nachricht, Newsletter etc.).
    2. Datenbereinigung (Code-Node „Umschreiben“)
      • Entfernt Zero-Width-/Sonderzeichen & Mehrfach-Spaces.
      • Anrede-Normalisierung → Mann | Frau | Divers (erkennt Varianten wie „geehrter Herr“, „m/w/d“).
      • Newsletter-Opt-in → Ja | Nein (akzeptiert 1/0, true/false, on/off, ja/nein, yes/no).
    3. Airtable-Create
      • Mapping auf Felder wie Vorname, Nachname, Firma, Straße, PLZ, Stadt, Telefon, E-Mail, Nachricht, Anrede, Newsletter.
      • Status = „Todo“ für den Start im Sales-/Support-Prozess.

    Vorteile

    • Konsistente Datenqualität: Einheitliche Anrede & Opt-in-Werte, weniger Nacharbeit.
    • Schnelle Übergabe: Leads landen direkt in Airtable (Listen, Kanban, Automationen).
    • Nachvollziehbar: Bereinigungslogik in n8n klar dokumentiert & versionierbar.
    • DSGVO-freundlich: Minimalprinzip, klare Transportwege, kein unnötiges Speichern.

    Best Practices & Erweiterungen

    • Double-Opt-In über Mautic automatisieren und in Airtable spiegeln.
    • Duplikat-Check (E-Mail/Telefon) vor Anlage.
    • Benachrichtigungen (E-Mail/Slack/Teams) bei neuen „Todo“-Leads.
    • Validierung (z. B. PLZ-Muster, Pflichtfelder) im n8n-Flow.
    • Datenhaltung EU-basiert und Rollenrechte in Airtable prüfen.

    Fazit

    Mit n8n als Orchestrator wird aus einem einfachen Kontaktformular eine verlässliche Lead-Pipeline: sauber bereinigt, korrekt klassifiziert und sofort bearbeitbar im Team-Workflow.

  • WhatsApp-Assistent mit n8n: Multimodale Kundenkommunikation (Text, Bild, Stimme)

    WhatsApp-Assistent mit n8n: Multimodale Kundenkommunikation (Text, Bild, Stimme)

    Kurzfassung: Für einen Kunden haben wir einen WhatsApp-Assistenten umgesetzt, der Text, Sprachnachrichten, Bilder und Dokumente verarbeitet. Der Bot nutzt n8n als Orchestrierung, Azure OpenAI für die Antwortlogik, on-prem STT/OCR für Sprache & Dokumente sowie Twilio für die Zustellung. Sessions werden pro Kontakt gespeichert, Antworten sind präzise, auditierbar und mobilfreundlich.

    Ausgangslage & Ziel

    Kundenanfragen kommen heute über verschiedene Formate – kurze Texte, Sprachnachrichten, Fotos von Dokumenten. Ziel war ein robuster, datenschutzfreundlicher Kommunikationsfluss, der alles automatisch versteht, sinnvoll beantwortet und bei Bedarf Termine direkt anlegt.

    Funktionsweise (End-to-End)

    1. Eingang über WhatsApp/SMS (Twilio)
      Der Webhook nimmt eingehende Nachrichten entgegen und erkennt den Nachrichtentyp: Text, Audio, Bild, Dokument.
    2. Intelligente Vorverarbeitung
      • Text: wird direkt in den Agent übergeben.
      • Audio: Speech-to-Text via on-prem STT (lokaler Endpunkt).
      • Bild/Dokument: OCR via on-prem Service (lokaler Endpunkt).
      • Kleine Robustheit: automatische Korrektur von MIME-Types bei Audio, damit alles sauber verarbeitet wird.
    3. Gedächtnis (Session Memory)
      Pro WhatsApp-Kontakt wird ein kurzer Kontextverlauf gespeichert (Session-Key), damit Rückfragen natürlich wirken (z. B. Nachname, gewünschte Uhrzeit).
    4. AI-Agent (Tools-first)
      Ein klarer System-Prompt steuert den Stil:
      • präzise, mobilfreundlich, ohne Spekulation
      • kann Dateien analysieren, Bilder beschreiben, Sprachinhalte transkribieren
      • erkennt, wenn Angaben fehlen, und fragt gezielt nach
      • hält Privacy-Regeln ein (keine Speicherung sensibler Daten)
    5. Optionale Terminvergabe
      Der Agent ruft freigegebene HTTP-Tools auf:
      • Mitarbeiter & Services anzeigen
      • Kalenderdaten prüfen
      • Termin anlegen (Start/Ende, Mitarbeiter, Service)
    6. Antwort & Ausgabe
      • Standard: Textantwort zurück an WhatsApp
      • Optional: Text-to-Speech (on-prem TTS) → Voice-Reply
      • Fallback-Message, wenn ein Dateityp nicht unterstützt wird

    Datenschutz & Compliance

    • DSGVO-freundlich: Verarbeitung bevorzugt EU-basiert; Sprache/OCR laufen auf eigenen Endpunkten.
    • Transparenz: Kein unkontrolliertes Speichern sensibler Inhalte; klare Fehler- und Limit-Hinweise.
    • Minimalprinzip: Nur notwendige Metadaten; kein Teilen zwischen Sessions.

    Nutzen für das Team

    • Schnellere Antworten – unabhängig vom Format der Anfrage
    • Weniger Rückfragen – strukturierte Nachfragen nur bei fehlenden Pflichtangaben
    • Weniger Tool-Hopping – Terminvergabe direkt im Chat
    • Skalierbar – weitere Dienste (z. B. FAQs, Bestellstatus) lassen sich per Tool anbinden

    Technischer Überblick (ausgewählte Bausteine)

    • n8n als Orchestrator (Routing, Typ-Erkennung, Sessions, Fehlerbehandlung)
    • Azure OpenAI (Chat-Modell) mit klaren Antwortregeln
    • On-prem STT/OCR/TTS für Sprache, Bilder, Dokumente
    • Twilio für WhatsApp/SMS-Ein- und Ausgang
    • Robustheit: MIME-Fix für Audio, Fallback-SMS, strukturierte JSON-Outputs

    Ergebnis

    Der Assistant beantwortet multimodale Anfragen zuverlässig, reduziert die Bearbeitungszeit und ermöglicht self-service Terminbuchung – ohne Medienbrüche und mit compliance-gerechter Verarbeitung.

  • Industrie-Chatbot mit n8n: Tool-Orchestrierung statt Halluzinationen

    Industrie-Chatbot mit n8n: Tool-Orchestrierung statt Halluzinationen

    Kurzfassung: Für einen Industrie-Kunden haben wir einen Chatbot implementiert, der Nutzerfragen nicht „aus dem Kopf“ beantwortet, sondern gezielt angebundene Tools nutzt: Artikel-Lookup, Datenblattabruf und Wissenszugriff – alles protokolliert, reproduzierbar und DSGVO-konform. Der Bot läuft auf n8n mit OpenAI-kompatibler Webhook-Schnittstelle und Azure OpenAI (EU-Kontext), inklusive Sessionspeicher und Intent-Routing.

    Ausgangslage & Ziel

    Technische Anfragen zu Industrieartikeln sind komplex: Artikelnummern variieren, Nachfolger existieren, und Spezifikationen müssen belastbar sein. Ziel war ein robuster Chat-Workflow, der:

    • Nutzerfragen annimmt (OpenAI-API-kompatibel),
    • Intent & Parameter (z. B. Artikelnummer, Hersteller) sauber extrahiert,
    • hersteller-spezifische Datenquellen bzw. freigegebene Crawler/Workflows ansteuert,
    • nur belegbare Informationen zurückgibt – mit Quellen aus den Tools.

    Architektur im Überblick

    • Webhook (POST /v1/chat/completions): OpenAI-kompatible Endpoint-Struktur für einfache Integration.
    • Pre-Processing („Vereinfachen“): Extrahiert Session-Key, letzte Usernachricht, Metadaten (IP/User-Agent optional).
    • Intent-Router („Qualifikation“): Klassifiziert Anfrage (z. B. article_lookup, free_text_search, knowledge_db_query) und liefert ein valide geparstes JSON.
    • Memory (Session): Buffer Window Memory per Session-Key für zusammenhängende Dialoge.
    • Orchestrator-Agent: Strenge Tools-first-Policy: Erst passende Workflows aufrufen (z. B. Artikel-Lookup, PDF-Abruf, Parser, Specs-Extraktion), dann antworten.
    • Tool-Workflows:
      • Hersteller-spezifische Pull-Workflows (nur wenn freigegeben).
      • Fallback-Crawler für generische Abfragen.
    • Compliance & Determinismus: Keine freien Vermutungen, nur toolbasierte Ergebnisse mit Quellen.
    • Response-Formatter: Konvertiert die Ausgabe in ein OpenAI-API-konformes Chat-Completion-Objekt.

    Wichtiger Hinweis: Es werden keine vertraulichen/geschützten Inhalte offengelegt. Der Beitrag enthält keine Details zu konkreten Scraping-Zielen oder proprietären Endpunkten.

    Funktionsweise Schritt für Schritt

    1. Request entgegennehmen: Client postet Chat-Nachrichten an den Webhook (OpenAI-Format).
    2. Session & Frage extrahieren: Session-Key, letzte Userfrage, gewünschtes Modell.
    3. Intent-Erkennung: Parser liefert rein JSON-basiert: Intent, Sprache, erkannte Artikelnummer/Hersteller, Confidence.
    4. Tool-Planung: Orchestrator wählt das zuständige Workflow-Tool (z. B. Hersteller-Lookup → Datenblatt → Parser → Specs).
    5. Ausführung & Validierung: Ergebnisse werden auf Vollständigkeit geprüft (z. B. Spannung, Strom, Abmessungen, IP-Schutzklasse).
    6. Antwort bauen: Knapp, sachlich, mit Quellen (nur aus Tool-Outputs).
    7. Rückgabe: OpenAI-kompatibles JSON (choices, message, usage).

    Warum dieser Ansatz?

    • Verlässlich statt generativ unscharf: Der Bot „weiß“ nichts – er verwaltet Wissen und zitiert nur Tool-Ergebnisse.
    • Auditierbar: Jeder Schritt ist in n8n nachvollziehbar (Logs, Status).
    • Skalierbar: Neue Hersteller/Datenquellen werden als Tool-Workflow ergänzt.
    • EU & DSGVO: Betrieb mit Azure OpenAI (EU-Konfiguration) und klaren Zugriffs-/Compliance-Regeln.

    Sicherheits- & Compliance-Prinzipien

    • Tools-first, Knowledge-last: Keine Freitexterfindungen.
    • Quellenpflicht: Nur verlinkte/benannte Tool-Outputs.
    • Minimal-Rückfragen: Nur wenn essenzielle Parameter fehlen (z. B. Hersteller, MLFB).
    • Keine Secrets/IDs im Output, keine personenbezogenen Daten ohne Freigabe.
    • EU-Hosting präferiert, Logs & Rechtekonzepte inklusive.

    Nutzen für Fachabteilungen

    • Schnellere Antworten auf wiederkehrende Technikfragen.
    • Weniger Rückfragen durch saubere Parametrisierung und Nachfolger-Hinweise.
    • Wissensentlastung im Support: Der Bot übernimmt Erstklärung & Spezifikats-Auszug.
    • Konsistente Qualität dank deterministischer Pipelines.

    Erweiterungen (Roadmap)

    • Streaming-Antworten am Webhook für Live-Token-Output.
    • Mehrsprachigkeit mit Terminologie-Glossar.
    • RAG auf freigegebenen internen Dokumenten (rollenbasiert).
    • Telemetry & Monitoring (Fehlerraten, Tool-Latenzen, Antwortqualität).
    • Admin-Konsole zum Verwalten von Tools, Limits, Session-Policies.

    Fazit

    Mit n8n als Orchestrierungs-Layer und Azure OpenAI als Modell-Backend entsteht ein verlässlicher Industrie-Chatbot, der nur belegbare Informationen aus angebundenen Hersteller-/Wissens-Workflows liefert. Das reduziert Fehlantworten, schafft Vertrauen und spart Support-Zeit – DSGVO-konform und erweiterbar.

  • Medien-Workflow automatisieren mit n8n, Nextcloud & Airtable (DSGVO-konform)

    Medien-Workflow automatisieren mit n8n, Nextcloud & Airtable (DSGVO-konform)

    Kurzfassung: Dieser Workflow automatisiert die Ablage von Social-Media-Assets: Inhalte werden aus Airtable gelesen, in Nextcloud strukturiert abgelegt, Metadaten als info.txt gespeichert und der Datensatz anschließend markiert. Das Ganze läuft mit n8n, ist DSGVO-konform und eignet sich perfekt für KMU, die wiederkehrende Medienprozesse standardisieren möchten.

    Ausgangslage & Ziel

    Viele Teams verteilen Bilder, Videos und Texte über E-Mail, Chat oder lokale Ordner. Ergebnis: Duplikate, Versionschaos und Zeitverlust.
    Ziel: Ein zentraler, reproduzierbarer Prozess, der Social-Media-Assets automatisch herunterlädt, sauber benennt, in einer EU-gehosteten Nextcloud ablegt und im Quellsystem den Status aktualisiert.

    Kern-Keywords: n8n Automatisierung, Nextcloud Hosting, Airtable Integration, DSGVO, Medien-Workflow, Docker

    Architektur im Überblick

    • Airtable dient als Content-Quelle (Titel, Text, Tags, Medienlinks, Status).
    • n8n orchestriert den Prozess (Zeitplan, Logik, Downloads, Uploads).
    • Nextcloud ist die zentrale, DSGVO-konforme Ablage (EU-Hosting).
    • Docker ermöglicht ein schlankes, wartbares Hosting-Setup.

    Der Workflow Schritt für Schritt

    1. Trigger (Zeitplan): Ein Schedule Trigger prüft in regelmäßigen Abständen (z. B. minütlich), ob neue Inhalte bereitstehen.
    2. Suche in Airtable: Mit filterByFormula werden Datensätze mit Status Ready gefunden, die noch nicht in Nextcloud liegen.
    3. Vorbereitung (Code-Node):
      • Aus Datum, Titel und ID wird ein sprechender Ordnername generiert, z. B. 2025-09-10_Titel_12345.
      • Medien-Assets (Fotos/Videos) werden aus den Feldern gesammelt.
      • Metadaten wie Text und Tags werden übernommen.
    4. Ordner anlegen (Nextcloud): Der Workflow erstellt den Zielordner in Nextcloud – ohne führenden Slash, damit die Pfade konsistent bleiben.
    5. Assets verarbeiten:
      • Split/Loop: Jedes Asset wird einzeln heruntergeladen (HTTP Request) und in den Ordner hochgeladen.
      • Dadurch sind auch große Uploads robust und nachvollziehbar.
    6. info.txt erzeugen:
      • Eine info.txt fasst Ort (Pfad), Text und Tags zusammen.
      • Sie wird als Datei konvertiert und ebenfalls in den Ordner hochgeladen.
    7. Airtable-Update: Nach erfolgreicher Ablage setzt n8n im Datensatz das Feld Nextcloud = Ja. So ist jeder Schritt auditierbar und doppelte Verarbeitung wird vermieden.

    Warum das funktioniert

    • Standardisierte Benennung: Datum_Titel_ID sorgt für Ordnung und schnelle Suche.
    • Nachvollziehbarkeit: Die info.txt dokumentiert Kontext & Tags direkt am Speicherort.
    • Zuverlässigkeit: Batch-Verarbeitung und Timeouts verhindern Abbrüche bei großen Dateien.
    • Datenschutz: Nextcloud in der EU und klare Zugriffsrechte unterstützen DSGVO-Konformität.

    Vorteile für KMU

    • Zeitersparnis: Keine manuelle Dateiablage, kein Copy-&-Paste.
    • Weniger Fehler: Automatische Status-Updates in Airtable.
    • Transparenz: Jede Veröffentlichung hat einen eindeutigen Ordner mit Metadaten.
    • Skalierbar: Neue Kanäle/Teams integrieren, ohne Abläufe zu ändern.

    Erweiterungen (Best Practices)

    • Monitoring & Alerts: Fehlerbenachrichtigungen per E-Mail oder Slack/Teams.
    • Bild-/Videopipeline: Optionale Konvertierung/Komprimierung vor Upload.
    • Versionierung: Sperr- und Freigabe-Workflows (QA → On Air).
    • Rechte & Rollen: Rollenkonzepte in Nextcloud, 2FA, Offsite-Backups.
    • Publishing-Schritt: Anbindung an Mautic/Shop/CRM oder Social-Scheduling.

    Fazit

    Mit n8n, Airtable und Nextcloud entsteht ein robuster Medien-Workflow, der Ordnung schafft, Zeit spart und Datenschutzanforderungen erfüllt. Ideal für Teams, die regelmäßig Content produzieren und eine saubere, skalierbare Ablage benötigen.

WordPress Appliance - Powered by TurnKey Linux