Case Study:
TikTok Autopilot
Vollautonome Headless Data- & AI-Pipeline
Von der Daten-Beschaffung bis zum Upload: Ein autonomes MLOps-System, das ohne manuelle Eingriffe täglich Videos generiert, schneidet und hochlädt.
4
Kanäle in Produktion
12+
Videos / Tag
3
Plattformen
0 h
Manuelle Arbeit
Architektur
Die Architektur
Die Pipeline besteht aus sechs vollautomatisierten Stufen, orchestriert durch einen zentralen Scheduler. Als Quelle dienen je nach Kanal gescrapte TikTok-Videos (Playwright) oder kuratierte, faktengeprüfte Recherche-Datenbanken, die ein autonomer KI-Agent nachts selbstständig nachfüllt.
Source
Scrape / Research-DB
Extract
Whisper + OCR + CC
Build
Gemini TTS + FFmpeg
Overlay
HeyGen HyperFrames
Mix
Background Music
Upload
TikTok, IG & YT
Orchestrierung
Deep Dives
Deep Dives & Herausforderungen
1. Resilientes Error Handling (TTS Defekte)
Text-to-Speech Modelle wie Gemini halluzinieren gelegentlich (verschlucken Satzteile oder interpretieren Ziffern falsch). Ich habe ein eigenes Quality Gate (Bag-of-Words & Similarity) gebaut, das das finale Audio zurücktranskribiert (Whisper) und gegen das Original-Skript abgleicht. Fehler werden erkannt und eine Neusynthese getriggert.
2. Headless Automation (Consent Walls)
Der Upload erfolgt headless via Playwright. Größtes Problem: Unberechenbare UI-Blocker wie die 'Meta Consent Wall' bei Instagram oder in-App Dialoge ('Automatische Inhaltsprüfungen'). Die Pipeline erkennt diese Blocker per DOM-Inspektion und klickt sie autonom durch, um die Upload-Quote bei 100% zu halten.
3. Hybrid Visuals (Code-to-Video)
Für den 'Finance'-Kanal reichen statische Videos nicht aus. Ich nutze HeyGen HyperFrames (HTML/CSS/GSAP), um datengetriebene Charts und Overlays per Code zu generieren. FFmpeg montiert diese dynamischen Overlays framengenau über Hintergrund-Videos (Grok Imagine).
4. Autonomer Research-Agent (Self-Refueling)
Zwei Kanäle beziehen ihre Inhalte nicht aus Scraping, sondern aus faktengeprüften Recherche-Datenbanken. Damit diese nie leerlaufen, füllt ein nächtlicher Task sie autonom nach: Ein Gate prüft den Füllstand, ein headless laufender KI-Agent recherchiert neue Fälle und Themen im Internet, ein Validator prüft Struktur und Fakten. Das System beschafft sich seinen Rohstoff selbst.
5. Datengetriebenes Brand-Management
Als einer der Kanäle bei ~2k Reichweite stagnierte, zeigte die Analyse: Brand-Drift, nicht Qualität. Die Nische wurde datenbasiert verbreitert und ein wöchentlicher, automatischer Brand-Check etabliert, der Ausreißer, Follower-Wachstum und Skip-Quote gegen die Baseline prüft — das Verdikt kommt per Telegram.
Unter der Haube
Engineering Details
Selbstkorrigierendes TTS-Quality-Gate
Jedes Voiceover wird per Whisper zurücktranskribiert und über Bag-of-Words- und Similarity-Scoring gegen das Originalskript verifiziert. Fällt der Score durch, triggert die Pipeline autonom eine Neusynthese — defekte Audios erreichen nie den Schnitt.
API-Key-Orchestrierung
16 rotierende Gemini-Keys im Round-Robin mit erzwungenem Mindestabstand von 0,7 s pro Request. Rate-Limits werden nicht abgefangen, sondern by design nie erreicht.
Code-to-Video-Rendering
Datengetriebene Finanz-Charts entstehen als HTML/CSS/GSAP-Animationen (HeyGen HyperFrames) und werden von FFmpeg framegenau über KI-generierte Hintergrundvideos (Grok Imagine) komponiert.
DOM-basierte Blocker-Erkennung
Consent Walls und In-App-Dialoge werden zur Laufzeit per DOM-Inspektion erkannt und autonom weggeklickt — Upload-Quote 100 %, ohne menschlichen Eingriff.
Slot-basiertes Publishing
Fertige Videos landen in einer Upload-Queue mit kanalspezifischen Slots. Der Scheduler fährt Generate- und Upload-Zyklen pro Kanal getrennt — z. B. 07:00 Generate, 09/15/21 Upload.
Cost Engineering
Aggressives Caching von Zwischenartefakten und zentrales Rate-Limit-Management drücken die operativen Kosten auf unter 0,05 € für 3 Videos pro Tag.
CC-first-Extraktion
Statt jeden Kandidaten 1–3 Minuten auf CPU zu transkribieren, holt die Pipeline zuerst TikToks eigenen Untertitel-Track (~1 s, ohne Video-Download). Whisper und OCR sind nur noch Fallback; ein Caption-Vor-Gate verwirft Off-Topic-Kandidaten, bevor überhaupt transkribiert wird.
Instagram-Caption-Injection
Instagram übernimmt Composer-Text stillschweigend nicht in den Publish-Request. Der Uploader injiziert die Caption deshalb per Request-Interception direkt in den Submit-Payload — verifiziert gegen die Live-og:description, nie gegen das DOM, abgesichert durch einen täglichen automatischen Gegencheck.
Cross-Platform-Publishing
YouTube Shorts werden einen Tag im Voraus über die YouTube Data API geplant, Instagram Reels laufen über geteilte bzw. kanaleigene Konten in alternierenden Tages-Slots — orchestriert vom selben Scheduler wie TikTok.
Ergebnis
Business Impact
Das System läuft produktiv auf 4 Kanälen. Es spart pro Woche über 40 Stunden manuelle Arbeit und skaliert beliebig. Durch das intelligente Caching und die API-Rate-Limit-Verwaltung betragen die operativen Kosten für 3 Videos pro Tag weniger als 0,05 €.
Live in Produktion
Tech Stack