Wie ich ein agentisches System gebaut habe, das täglich 200 Newsletter auswertet

Hallo, ich bin Medien-Innovationsjournalistin Ulrike Langer und Du liest meinen wöchentlichen Newsletter über KI in den Medien. Diese Ausgabe ist etwas anders als sonst: Ich mache meinen Newsletter-Workflow zur Fallstudie – darum haben mich viele von Euch schon länger gebeten. Kurz gesagt: Jeden Tag landen 170 bis 230 Newsletter in meinem Postfach. Natürlich kann ich die nicht alle lesen (etwa ein Dutzend Lieblings-Newsletter lese ich aber immer von vorne bis hinten). Ich habe mit verschiedenen fertigen Tools zum Zusammenfassen von Postfächern experimentiert, doch keines hat verlässlich getan, was ich wollte: in riesigen Informationsströmen die Perlen finden, die für mein Themengebiet und meinen Arbeitsalltag am wertvollsten sind, und daraus ein tägliches Briefing machen.

Seit Januar arbeite ich deshalb an meinem eigenen System. Die technischen Anfangsprobleme sind alle gelöst. Aber – bis gestern – hat mir mein eigenes System kein verlässliches tägliches Briefing verschafft, obwohl es monatelang fehlerfrei lief.

Das schwächste Glied war immer ich.

In dieser Ausgabe geht es darum, was ich aus dem Scheitern gelernt habe, was es darüber verrät, wo Automatisierung in Redaktionen bricht – fast nie dort, wo es Pitch-Decks behaupten –, und wie ich die gesamte Pipeline an einem einzigen Tag neu gebaut habe, ohne eine Zeile Code zu schreiben. Premium-Abonnentinnen und -Abonnenten finden am Ende das komplette Kit: jeden Schritt, meine redaktionellen Regeln als Vorlage und den täglichen Prompt, der jetzt meine Morgenroutine steuert.

Version 1, die ich im Januar gebaut habe, war ein lokales Python-Skript auf meinem MacBook. Es lief um 6 Uhr morgens, legte eine Word-Datei auf meinem Desktop ab und setzte voraus, dass mein Laptop wach, zu Hause und nicht frisch aktualisiert war. Googles Zugangsdaten liefen alle sieben Tage stillschweigend ab, bis ich die Einstellung fand, die das verhinderte. Ein macOS-Upgrade legte das Skript lautlos lahm; gemerkt habe ich das erst Tage später. Ich hatte also ein System, konnte mich aber nicht darauf verlassen.

Seit Juni durchsucht ein Cloud-Skript jeden Tag mein Postfach, erkennt jeden Newsletter an seinen Mail-Headern und schickt mir eine Übersicht per E-Mail – an einem normalen Werktag mit 170 bis 230 Newslettern. Das Skript überstand ein Betriebssystem-Upgrade, ablaufende Zugangsdaten und eine Abschaltfrist der Plattform. Technisch gesehen ist es das Zuverlässigste, das ich je per Vibe-Coding gebaut habe.

Seit April verbringe ich allerdings mehr Tage auf Reisen als zu Hause (diese Zeilen schreibe ich gerade in einem Airbnb in Brooklyn). Vorgestern habe ich nachgeschaut, wann ich zuletzt einen dieser Newsletter-Berichte geöffnet hatte. Vor zwei Wochen. Jede tägliche Übersicht seit dem 10. September lag ungelesen in einem Postfach mit 73.000 ungelesenen Emails.

Genau da liegt die Schwachstelle: Die Automatisierung des Sammelns hat meinen Engpass nicht beseitigt. Sie hat ihn nur verlagert – vom Zusammentragen der Informationen an die Übergabestelle zwischen Maschinen-Output und menschlicher Aufmerksamkeit. Die Übersicht verlangte weiterhin, dass ich sie öffne, 200 Einträge bewerte und entscheide, was für welches Medium relevant ist – jeden Tag, fortlaufend. Das Urteilen war von Anfang an der entscheidende Teil, und ausgerechnet den Teil hatte ich nicht automatisiert.

Diese Erkenntnis war teuer erkauft. Version 2 verlagerte im Juni alles in die Cloud. Dieser Schritt löste alle technischen Probleme, und das System lief absolut zuverlässig. An meinem Workflow änderte sich trotzdem fast nichts, denn Zuverlässigkeit war nie das eigentliche Problem. (In meinem Gmail-Postfach gibt es ein noch älteres Indiz: Newsletter-Ordner, die ich vor Jahren zum manuellen Sortieren angelegt habe. Darin liegen insgesamt drei E-Mails – dann habe ich aufgegeben.)

Seit Juni habe ich mehrmals zwei oder drei Wochen lang wertvolle Fundstücke verpasst, weil ich die Briefings nicht mehr geöffnet habe. Zu viele Reisen durch zu viele Zeitzonen. Zu viele dringendere Aufgaben, als täglich 30 Minuten lang Newsletter-Inhalte zu filtern und strategisch auszuwerten. Genau daran ist das System gescheitert. Die 30 Minuten pro Tag, die es mir immer noch abverlangte, hatte ich schlicht nicht – und der Rückstau wuchs weiter.

Der jüngste Umbau hat mich ein paar Stunden Arbeit gekostet – gestern, in einem Airbnb in Brooklyn, zwischen anderen Aufgaben. Dies ist mein neues System. Was jetzt fehlt, ist Code. Ich habe nicht einzige Zeile Code eingeben müssen

Das Herzstück meines neuen Systems ist eine Sichtungs-Doktrin – eine Seite in schlichtem Englisch, die mein redaktionelles Urteil als dauerhafte Richtlinie festhält. Welche Absender ich immer öffne: Digiday, Press Gazette, WAN-IFRA, Nieman Lab, Journalism UK, die Newsletter von Simon Owens und Dan Oshinsky und rund zwei Dutzend weitere in beiden Sprachen. Welche nie: Lokalnachrichten, politische Kommentare, jegliche Werbung. Bei welchen die Betreffzeile entscheidet. Was als Story für den Newsletter zählt, was als Themenvorschlag für Kress Pro taugt und was nur Hintergrund ist, den ich kennen sollte. Jede redaktionelle Regel, die ich früher 200-mal am Tag von Hand angewendet habe, steht jetzt ein einziges Mal als Doktrin im System.

Mein KI-Assistent Claude setzt diese Doktrin jeden Morgen als geplante Aufgabe um: Er öffnet den täglichen Index des Scanners, wählt 10 bis 15 Einträge aus, holt deren Volltext aus meinem Postfach und erstellt ein Briefing – jeder Eintrag mit dem, was passiert ist, warum es für mein Themengebiet wichtig ist - und einen Handlungsvorschlag. Das Briefing wartet als datierter Chat auf mich. Mein Anteil dauert jetzt nur noch zehn Minuten: jeden Eintrag freigeben, verwerfen oder umleiten. Freigegebene Themen landen automatisch in meiner Ideen-Datenbank in Notion. (Ich bin kein großer Fan der Notion-Oberfläche, deshalb überlasse ich Claude das Ablegen, Abrufen und Organisieren.)

Und weil ich inzwischen bewiesen habe, dass ich die unzuverlässigste Komponente dieses Systems bin, gibt es eine Regel für meine Abwesenheit: Vorschläge, um die ich mich nicht innerhalb von 48 Stunden kümmere, legt das System automatisch ab – entsprechend markiert, damit ich die Entscheidungen der Maschine von meinen eigenen unterscheiden kann.

Gleich der erste Tag hat das Design bestätigt. Unter den zehn Einträgen des ersten Briefings waren neu entsiegelte Dokumente aus dem Verfahren der New York Times gegen OpenAI, in denen Microsoft-Mitarbeiter die Trainingsdaten-Praktiken intern schärfer beschreiben, als es die meisten Medienunternehmen öffentlich wagen – und das neue Erkennungs-Tool der Financial Times, das in weniger als acht Stunden 1,23 Millionen Zugriffe von einem einzigen Probeabo für ein Pfund protokolliert hat. 155 Einträge hat Claude übersprungen. Das Briefing zu lesen hat vier Minuten gedauert.

Kommt dir diese Architektur bekannt vor? Das sollte sie. In meinem Bericht über die KI-Einführung bei Reuters von der ONA-Konferenz im April habe ich den Federal Register Bot von Andy Sullivan vorgestellt, dem stellvertretenden Politikchef der Nachrichtenagentur: Der Bot prüft dreimal täglich rund 200 Regulierungseinträge, filtert sie nach Ressort und schickt jeden Morgen einen Überblick an 25 bis 30 Journalisten. 

Sullivans hart erarbeitete Faustregel – ein Prototyp dauert Stunden, ein verlässliches Tool Monate – deckt sich exakt mit meinen acht Monaten. Was ich gebaut habe, ist die Solo-Version von Sullivans Bot, mit einem Unterschied, den die KI-Weiterentwicklung seitdem möglich gemacht haben: Die Filterlogik steckt nicht mehr in Code, den jemand justieren muss. Sie steckt in Sprache, die sich einfach umschreiben lässt.

Noch etwas Wichtiges musste sich ändern, seit Claude automatisiert auf mein Postfach zugreift: Die Newsletter, die ich abonniere, landen jetzt nicht mehr in meinem persönlichen Posteingang. Ein einziger Mailfilter leitet sie alle in einen eigenen Bereich mit eigenem Label – und nur diesen Bereich liest die KI. Meine Korrespondenz und sensible Daten bleiben außerhalb der Reichweite des Systems.

Meine zwei ungelesenen Wochen sind sicherlich keine persönliche Marotte. Sie sind das typische Fehlermuster von Automatisierung in Redaktionen – meist versteckt im Dashboard eines Kollegen. Jonathan Leff, Global Editor für Newsroom-KI bei Reuters, hat das Problem in der ONA-Session klar benannt: Ein Tool, das von Journalisten eine Verhaltensänderung verlangt, nutzen nur die wenigen, die gern Neues ausprobieren. Ein Tool, das in bestehende Workflows eingebettet ist, nutzen alle.

Mein Scanner verlangte ein Verhalten – Datei öffnen, Sichtung erledigen –, das ich nachweislich nicht durchgehalten habe. Das neue System erledigt jetzt vorab die Arbeit, die sonst mein Urteil erfordert hätte, und verlangt von mir nur noch zehn Minuten Entscheidungen – an dem Ort (Claude-Chat), an dem mein Arbeitstag ohnehin beginnt. Und wenn ich selbst das zwischendurch nicht schaffe, türmt sich kein stetig wachsender Rückstau mehr auf.

Das war die Entstehungsgeschichte. Das funktionierende neue Setup steht hinter der Paywall. Du kannst es in jedem der großen KI-Ökosysteme nachbauen, denn es geht um das Muster, nicht um den Anbieter. Ich habe meines mit Claude gebaut; laut der Dokumentation von Anthropic laufen geplante Aufgaben in jedem kostenpflichtigen Tarif – mit einer Einschränkung: Ich nutze seit November 2025 den höchsten Tarif für Privatkunden (Max für 200 Dollar im Monat) und kann deshalb nicht aus eigener Erfahrung sagen, ob die Nutzungslimits des Einstiegstarifs einen täglichen Durchlauf zusätzlich zur normalen Arbeit verkraften.

ChatGPT bietet in seinen kostenpflichtigen Tarifen die gleichen Bausteine: geplante Aufgaben, die seit einem Update Mitte 2026 auch auf verbundene Apps wie Gmail zugreifen können. Die geplanten Aktionen von Gemini sind am engsten mit Gmail verzahnt – in den kostenpflichtigen KI-Tarifen von Google, begrenzt auf zehn aktive geplante Aufgaben, mit einem Google Doc oder Sheet anstelle der Story-Datenbank.

Der Scanner läuft weiterhin jeden Tag. Das Briefing auch. Der Unterschied: Das System wartet nicht mehr darauf, dass ich besser bin, als ich bin – und der Teil, der die redaktionelle Arbeit erledigt, ist eine Seite Prosa, die ich bei einer Tasse Kaffee umschreiben kann. Wie ich das Schritt für Schritt umgesetzt habe, folgt unten.