ai2go

Was ist ai2go?

ai2go ist mein persönliches Experimentierfeld für moderne KI-Technologien. Im Mittelpunkt steht nicht das „Was" der Inhalte, sondern das „Wie" – wie können KI-Agenten, Large Language Models und automatisierte Content-Pipelines eingesetzt werden, um Informationen zu recherchieren, aufzubereiten und multimedial zu präsentieren?

Von der automatisierten Themenrecherche über KI-generierte Texte und Bilder bis hin zu synthetisierten Podcast-Audios werden hier die praktischen Möglichkeiten und Grenzen aktueller AI-Systeme getestet. Die behandelten Themen aus Politik, Finanzen, Technologie und Gesellschaft dienen dabei als vielfältiges Testmaterial für diese Experimente.

Die Technologie

Die Plattform kombiniert modernste KI-Technologien in einem modularen Ansatz. Das Herzstück bildet ein LangChain-basierter AI-Agent, der Google's Gemini-Modell als Sprachverständnis nutzt. Dieser Agent orchestriert komplexe Workflows: von Web-Recherchen über Content-Analyse bis zur strukturierten Aufbereitung als Markdown-Reports.

Die technische Umsetzung erfolgt mit Next.js als Frontend-Framework, das eine moderne, reaktive Benutzeroberfläche ermöglicht. Für die Content-Generierung kommen verschiedene spezialisierte Tools zum Einsatz: Text-to-Speech (TTS) für Podcast-Audio, Image-Generierung für visuelle Inhalte und DuckDuckGo-Integration für aktuelle Web-Recherchen.

Dabei wird bewusst zwischen agentic AI (für Aufgaben, die Reasoning und Entscheidungsfindung erfordern) und funktionaler Programmierung (für deterministische, rechenintensive Tasks) unterschieden. Dieser hybride Ansatz gewährleistet Modularität, Erweiterbarkeit und Effizienz.

Integration & Automatisierung

Über die reine Content-Generierung hinaus werden auch Schnittstellen zu externen Werkzeugen und Plattformen getestet. Mit Make.com (ehemals Integromat) werden automatisierte Workflows erstellt, die verschiedene Services miteinander verbinden – von der automatischen Veröffentlichung auf Instagram bis zur Integration mit anderen Social-Media-Kanälen und Cloud-Services.

Ein besonderes Highlight ist die Integration von n8n, einer selbst-gehosteten Open-Source-Workflow-Automatisierungsplattform. Auf dieser Website läuft ein produktiver n8n-Server, der einen AI-gestützten Chatbot für die Smart Home Community bereitstellt. Der Chatbot kombiniert Google Gemini 2.5 Flash mit direktem Datenbankzugriff auf eine MariaDB-Instanz, die täglich durch einen automatisierten Crawler mit Community-Daten aktualisiert wird. Nutzer können natürlichsprachige Fragen stellen, und der AI-Agent generiert automatisch SQL-Queries, führt sie aus und liefert kontextbezogene Antworten – eine praktische Demonstration von agentic AI mit Tool-Integration in einem Produktiv-Environment.

Diese No-Code/Low-Code-Automatisierungen ergänzen die KI-basierten Prozesse und ermöglichen eine durchgängige, automatisierte Pipeline von der Ideenfindung über Datensammlung und -analyse bis zur Veröffentlichung auf verschiedenen Plattformen.

Entwicklungsumgebung: Visual Studio Code & GitHub Copilot

Die gesamte Entwicklung erfolgt in Visual Studio Code mit Unterstützung von GitHub Copilot. Dieser KI-basierte Coding-Assistent revolutioniert die Softwareentwicklung durch verschiedene spezialisierte Modi: Ask für Fragen zur Codebasis, Plan für strukturierte Projektplanung und Agent für komplexe, mehrstufige Entwicklungsaufgaben.

Der Agent-Modus ist besonders leistungsfähig: Er kann eigenständig mehrere Dateien analysieren, Code-Änderungen über das gesamte Projekt hinweg koordinieren und dabei Best Practices berücksichtigen. Von der Implementierung neuer Features über Refactoring bis hin zum Debugging komplexer Probleme – der Agent agiert als erfahrener Entwicklungspartner, der den Kontext des gesamten Projekts versteht. Diese KI-gestützte Entwicklung beschleunigt nicht nur den Workflow, sondern ermöglicht auch qualitativ hochwertigeren Code durch kontinuierliche Vorschläge und automatische Code-Reviews.

UI/UX Design mit v0 by Vercel

Für die Gestaltung der Benutzeroberfläche kommt v0 by Vercel zum Einsatz – eine KI-gestützte Design-Plattform, die natürliche Sprache in funktionsfähige React-Komponenten übersetzt. Statt mühsam HTML und CSS zu schreiben, beschreibt man einfach das gewünschte Design in Worten: "Erstelle eine Blog-Karte mit Bild, Titel, Zusammenfassung und Lesezeit-Anzeige" – und v0 generiert sofort professionellen, modernen Code basierend auf Tailwind CSS und shadcn/ui.

Die generierten Komponenten sind nicht nur optisch ansprechend, sondern auch responsive, accessible und folgen modernen Best Practices. Iterative Verfeinerungen erfolgen durch einfache Textanweisungen: "Mache die Karte breiter auf Mobile" oder "Füge einen Hover-Effekt hinzu". Diese AI-gestützte Design-Entwicklung senkt die Einstiegshürde für ansprechendes UI-Design erheblich und ermöglicht schnelles Prototyping und Iteration. Das Ergebnis ist eine moderne, benutzerfreundliche Oberfläche, die ohne tiefgreifende Frontend-Kenntnisse realisiert werden kann.

Bright: Browser-Automatisierung & Web-Scraping

Für die automatisierte Web-Recherche und Datenextraktion nutzt ai2go Bright Data's Browser-Automatisierung. Diese Technologie ermöglicht es, programmatisch mit Webseiten zu interagieren, als wäre ein echter Nutzer am Werk. Im Gegensatz zu einfachen HTTP-Requests kann Bright JavaScript-gerenderte Inhalte verarbeiten, mit dynamischen Single-Page-Applications interagieren und komplexe Navigationsschritte ausführen.

Die Plattform bietet verschiedene spezialisierte Funktionen: Web Scraper APIs für strukturierte Datenextraktion von E-Commerce-Seiten, Social Media und Suchmaschinen; Proxy-Netzwerke für geografisch verteilte Zugriffe und Vermeidung von Rate-Limiting; sowie CAPTCHA-Solving für den Zugriff auf geschützte Inhalte. Besonders wertvoll ist die Residential Proxy Funktion, die echte IP-Adressen nutzt und so als regulärer Nutzer erscheint – essentiell für ethisches Web-Scraping im Rahmen der robots.txt-Richtlinien.

Für ai2go bedeutet dies: Aktuelle Nachrichtenartikel können automatisch gesammelt, Marktdaten für Finanzanalysen extrahiert und Social-Media-Trends erfasst werden – alles als Grundlage für die KI-gestützte Content-Generierung. Die Kombination aus Browser-Automatisierung und AI-Verarbeitung schafft eine leistungsfähige Pipeline für datengetriebenen, aktuellen Content.

Im Fokus steht der Prozess: Wie gut funktionieren diese Tools heute? Wo liegen ihre Stärken und Schwächen? Feedback und Austausch zu diesen spannenden Entwicklungen sind herzlich willkommen!