Ermitteln Sie die Wachstumschancen, die es wert sind, priorisiert zu werden, und zwar anhand der Marktnachfrage, des Wettbewerbsumfelds, der Markenwertversprechen und der Zitationsquellen.
Ein Open-Source-Workflow, mit dem sich aus einem einzigen Podcast in Langform 20–30 durchsuchbare, veröffentlichungsfertige und conversionsoptimierte Video-Assets erstellen lassen.
Entdecken Sie 12,000 Nischenmärkte – keine Anmeldung erforderlich
Wie lässt sich aus einem Podcast ein Bestand von 30 Video-Assets machen, die kontinuierlich Leads generieren?
Vielen Unternehmen fehlt es nicht an Videomaterial.
Podcasts, Livestreams, Webinare, Kundeninterviews, Produktdemonstrationen und Kursaufzeichnungen summieren sich oft zu Dutzenden Stunden Material, das auf Festplatten liegt. Das eigentliche Problem ist, dass diese Inhalte nach ihrer einmaligen Veröffentlichung schnell keinen weiteren Mehrwert mehr generieren.
Teams investieren Geld in Planung, Dreh und Schnitt und erhalten am Ende ein einziges Langformat-Video. Am Tag der Veröffentlichung erzielt es vielleicht einige Aufrufe, aber schon nach wenigen Tagen wird es nicht in weitere Inhalte aufgeteilt, es schafft keine Suchzugänge rund um Kundenfragen und unterstützt weder den Vertrieb noch die Unternehmenswebsite oder die markengestützte Kundengewinnung dauerhaft.
Die Frage war also nie: „Können wir noch ein paar weitere kurze Videos schneiden?“ Die eigentliche Frage lautet: Wie lassen sich die einmaligen Produktionskosten eines Langformat-Videos in eine Sammlung von Content-Assets umwandeln, die langfristig auffindbar und anklickbar sind, verstanden werden und letztlich dazu beitragen können, Kundenbedürfnisse zu erfüllen?
Deshalb haben wir einen Open-Source-Workflow entwickelt: youtube-video-clip-seo-workflow. Es ist kein „Ein-Klick-Videoschnitt-Tool“, sondern eine Produktionspipeline, mit der sich Videoinhalte in langlebige Assets umwandeln lassen.
Projekt-URL: https://github.com/dageno-agents/youtube-video-clip-seo-workflow
Er beginnt nicht mit dem Schneiden des Videos, sondern mit dem Verständnis der Inhalte: Er analysiert, wonach potenzielle Kunden suchen, identifiziert vollständige Gedanken im Langformat-Video, die diese Fragen eigenständig beantworten können, und plant anschließend jeden Clip rund um diese Gedanken. Sobald der Plan bestätigt wurde, kann Codex MCP nutzen, um die tatsächliche Videotimeline in Palmier Pro aufzurufen und die Clips direkt zu erstellen, zu schneiden und zu organisieren. Das Endergebnis ist nicht einfach eine Sammlung von Videodateien, sondern ein vollständiges Publishing-Asset-Paket mit Titeln, Beschreibungen, Thumbnail-Texten, angepinnten Kommentaren und Informationen zur SEO-Optimierung. Vor der Übergabe durchläuft außerdem jedes Content-Element eine Qualitätsprüfung, um sicherzustellen, dass es eigenständig verständlich ist und einen klaren Suchwert hat.
Der vollständige Workflow sieht so aus:
Langformat-Videomaterial → Suchintentionskarte → Clip-Plan mit vollständigen Gedanken → MCP-gesteuerter Schnitt in der tatsächlichen Timeline → YouTube-Publishing-Assets → Google-Video-SEO-Seiten → Performance-Review und nächster Optimierungszyklus
Jeder Schritt in diesem Workflow löst ein anderes Problem:
Sein Kernwert besteht nicht nur darin, die Effizienz beim Videoschnitt zu steigern. Vielmehr geht es darum:
Ein Langformat-Video, das andernfalls nach einer einmaligen Veröffentlichung an Wert verliert, in eine Sammlung von Content-Assets umzuwandeln, die weiterhin gefunden und angesehen werden und zur Kundengewinnung beitragen können.
Eine einzige Aufzeichnung lässt sich in mehrere eigenständige Themen aufteilen, die jeweils eine andere Kundenfrage oder ein anderes Suchbedürfnis abdecken. Zu jedem Video gehören außerdem ein Titel, ein Thumbnail, eine Beschreibung und ein CTA. Es ist nicht mehr nur ein geschnittener Ausschnitt, sondern ein potenzieller Einstiegspunkt zur Lead-Generierung.
Nach der Veröffentlichung lässt sich anhand von Klickrate, Zuschauerbindung, Suchanfragen und Anfragedaten ermitteln, welche Fragen es wirklich wert sind, weiter behandelt zu werden. So wird die nächste Runde der Content-Produktion gezielter.
Einfach gesagt: Früher wurde ein Video einmal veröffentlicht. Jetzt kann eine einzige Aufzeichnung kontinuierlich Inhalte, Traffic und Kunden-Leads generieren.
Die offizielle Version von Palmier Pro erfordert macOS 26 (Tahoe) auf Apple Silicon. Der zentrale Videoeditor und der MCP-Server können kostenlos und ohne Anmeldung verwendet werden; für generative KI-Funktionen sind ein Konto und ein Abonnement erforderlich. Tool-Funktionen, Systemanforderungen und Befehle können sich ändern. Prüfen Sie daher vor einer formellen Bereitstellung erneut die offizielle Dokumentation.
http://127.0.0.1:19789/mcp.Warum sollten Sie mit einem kurzen Testvideo beginnen? Bei der ersten Verbindung müssen vor allem Berechtigungen, Medienerkennung, Timeline-Zugriff und die Exportpipeline überprüft werden – nicht die Qualität der Inhalte. Wer direkt mit offiziellem Kundenmaterial testet, vermischt technische Probleme, Prompt-Probleme und inhaltliche Fragen und erhöht zugleich das Risiko versehentlicher Änderungen.
Codex CLI lässt sich über das offizielle Installationsskript, npm oder Homebrew installieren. Im Folgenden finden Sie eine gängige Installationsmethode mit npm:
npm install -g @openai/codex
codexDie aktuelle Dokumentation von OpenAI empfiehlt, allgemeine persönliche Skills unter $HOME/.agents/skills abzulegen. Das Repository kann direkt in dieses Verzeichnis geklont werden:
mkdir -p ~/.agents/skills
git clone https://github.com/dageno-agents/youtube-video-clip-seo-workflow.git \
~/.agents/skills/youtube-video-clip-seo-workflowCodex erkennt Änderungen an Skills normalerweise automatisch. Verwenden Sie /skills, um die verfügbaren Skills anzuzeigen, oder geben Sie $youtube-video-clip-seo-workflow im Prompt ein, um den Skill direkt aufzurufen. Wenn er nicht angezeigt wird, prüfen Sie zunächst, ob sich SKILL.md direkt im Zielverzeichnis befindet, und starten Sie anschließend Codex neu.
Der häufigste Fehler an dieser Stelle
Fügen Sie keinen weiteren Ordner mit demselben Namen hinzu. Die korrekte Struktur lautet
~/.agents/skills/youtube-video-clip-seo-workflow/SKILL.mdund nicht~/.agents/skills/youtube-video-clip-seo-workflow/youtube-video-clip-seo-workflow/SKILL.md.
Lassen Sie Palmier Pro geöffnet und führen Sie anschließend den folgenden Befehl im Terminal aus:
codex mcp add palmier-pro --url http://127.0.0.1:19789/mcpSobald die Verbindung hergestellt ist, sollten Sie die KI nicht sofort zu umfangreichen Änderungen an der Timeline auffordern. Beginnen Sie mit einer schreibgeschützten Prüfung: Bitten Sie Codex, das aktuelle Projekt, die Medien-Assets, die Timeline-Dauer, vorhandene Untertitel, die Auflösung, die Bildrate und die Informationen zu den Spuren aufzulisten. Fahren Sie erst mit dem Schnitt fort, wenn Codex das aktuelle Projekt korrekt beschreiben kann.
client-project/
├── source/
│ ├── webinar_master.mp4
│ └── webinar_clean.srt
├── brand/
│ ├── brand_rules.md
│ └── forbidden_claims.md
├── keyword_targets.csv
├── output/
└── notes/Erstellen Sie zunächst video_brief.json, um festzulegen, welche Clips sich für die Produktion lohnen, wie sie aufbereitet werden sollen, wo sie veröffentlicht werden und zu welcher Handlung die Zuschauer letztlich angeleitet werden sollen.
{
"target_clip_count": 30,
"platforms": ["youtube"],
"format_mix": {
"shorts": 24,
"standard": 6
},
"audience": "B2B-SaaS-Marketingverantwortliche mit Fokus auf die europäischen und nordamerikanischen Märkte",
"primary_goal": "Buchungen von Produktdemos und E-Mail-Abonnements generieren",
"language": "Englisch",
"primary_keywords": ["AI video workflow", "video repurposing"],
"secondary_keywords": ["YouTube SEO", "webinar clips"],
"brand_terms": ["YourBrand"],
"forbidden_claims": ["garantiertes Ranking", "kostenlos"],
"subtitle_source": "sidecar"
}Als Nächstes soll die KI die Untertitel oder das Transkript des gesamten Videos lesen, verstehen, worum es im Podcast tatsächlich geht, und alle Segmente identifizieren, die sich potenziell als eigenständige Videos eignen.
Mit hochwertigen Untertiteln geht dieser Schritt schneller und präziser. Prüfen Sie zunächst, ob das Video bereits Untertitel enthält, etwa externe SRT- oder VTT-Dateien, eingebettete Untertitelspuren oder ein vom Kunden bereitgestelltes Transkript. Eine Sprache-zu-Text-Transkription ist nur erforderlich, wenn überhaupt kein verwendbarer Text verfügbar ist.
Während der Analyse sollte die KI das Video nicht einfach in mehrere grobe Kapitel unterteilen. Sie sollte gezielt nach Inhalten suchen, die als eigenständige Videos funktionieren könnten, zum Beispiel:
Beispielsweise kann das System zunächst 50–80 mögliche Clips aus einem Podcast identifizieren und anschließend anhand der inhaltlichen Vollständigkeit, des Suchwerts, der Wiederholungen und der Markenrelevanz die endgültigen 20–30 Clips auswählen.
Dieser Ansatz ist zuverlässiger als „zusehen und gleichzeitig schneiden, bis 30 Clips produziert sind“. Zuerst wird der gesamte Inhalt geprüft, bevor eine Auswahl getroffen wird. So werden unvollständige oder wenig wertvolle Segmente nicht allein deshalb in die Produktion aufgenommen, um eine Zielzahl zu erreichen.
Im vorherigen Schritt wurden mögliche Inhalte identifiziert. In diesem Schritt werden die Clips ausgewählt, deren Produktion sich wirklich lohnt, und clip_plan.csv wird erstellt.
Für jeden Eintrag müssen lediglich folgende Angaben festgelegt werden:
Zum Beispiel:
| ID | Zeit | Thema | Suchfrage | Aufhänger zu Beginn | CTA |
|---|---|---|---|---|---|
clip_001 |
08:42–10:06 | Auswahl eines Kanals für die SaaS-Kaltstartphase | Wie sollte ein SaaS-Unternehmen einen Kanal für die Kaltstartphase auswählen? | Frühe Misserfolge liegen oft nicht daran, dass der Kanal zu klein ist | Checkliste zur Kanalanalyse ansehen |
clip_002 |
16:10–17:28 | Warum Content keinen Traffic erzielt | Warum erhält Content keinen organischen Traffic? | Die Veröffentlichungsfrequenz ist nicht das Hauptproblem | Fallstudie zum SEO-Audit lesen |
Klicken Sie auf das Bild, um die Tabelle anzusehen.
Konzentrieren Sie sich bei der Überprüfung auf drei Punkte: Wiederholt sich der Inhalt? Ist er auch außerhalb des ursprünglichen Videos verständlich? Ist der Gedanke vollständig ausgeführt?
Erstellen Sie nicht gleich beim ersten Versuch 30 Clips in einem Durchgang. Wählen Sie zunächst einen meinungsbasierten Clip, einen Tutorial-Clip und einen Produktdemonstrations-Clip aus und lassen Sie Codex diese über MCP in Palmier Pro schneiden.
Achten Sie dabei besonders auf folgende Punkte:
Sobald die Testclips freigegeben wurden, können dieselben Standards auf die übrigen Clips angewendet werden, damit sich Fehler nicht in großem Umfang wiederholen.
Das Problem an diesen Schritten ist, dass technische Dateinamen, Qualitätskennzahlen und kommerzieller Wert vermischt werden. Dadurch fällt es den Lesern schwer, dem roten Faden zu folgen.
Es empfiehlt sich, die Hauptabfolge zu straffen:
Schnitt abschließen → ungeeignete Inhalte aussortieren → Publishing-Assets erstellen → das Übergabepaket organisieren → Daten nutzen, um die nächste Runde zu optimieren.
Sobald die Standards für die Testclips bestätigt wurden, kann Codex sich über MCP mit Palmier Pro verbinden und die übrigen Clips in Chargen anhand der Schnittliste bearbeiten.
Codex findet automatisch das Videomaterial, schneidet Anfang und Ende, bearbeitet Pausen, passt den Bildausschnitt im Quer- und Hochformat an, fügt Untertitel hinzu und exportiert jedes Video einzeln.
Nach dem automatisierten Schnitt ist jedoch weiterhin eine menschliche Prüfung erforderlich. Achten Sie besonders auf drei Punkte:
MCP ermöglicht der KI den Zugriff auf die tatsächliche Videotimeline und die Ausführung von Bearbeitungsschritten. Es garantiert nicht, dass jeder fertige Clip ohne Prüfung direkt veröffentlicht werden kann.
Ein fertig geschnittener Clip ist nicht automatisch veröffentlichungswürdig. Jeder fertige Clip muss eine Qualitätsprüfung bestehen, bei der fünf Fragen beantwortet werden:
Clips, die den Anforderungen nicht entsprechen, sollten entweder überarbeitet oder verworfen werden.
Eine Qualitätsprüfung soll zwischen „Produktion abgeschlossen“ und „tatsächlich veröffentlichungswürdig“ unterscheiden. Statt minderwertige Inhalte in großer Zahl zu veröffentlichen, ist es besser, nur die Clips zu behalten, die Fachkompetenz vermitteln, Aufrufe anziehen und Kundenbedürfnisse adressieren können.
Nachdem ein Clip die Qualitätsprüfung bestanden hat, erstellt der Workflow dafür ein vollständiges Set an Publishing-Assets, darunter:
Für Inhalte mit höherem kommerziellem Wert kann außerdem eine unterstützende Webseite erstellt werden, auf der das Video eingebettet wird, zusätzliche schriftliche Erläuterungen bereitgestellt werden und sich Traffic aus der Google-Suche gewinnen lässt.
Bei diesem Schritt geht es nicht einfach darum, „nebenbei ein paar Zeilen Text zu schreiben“.
Titel und Thumbnail entscheiden darüber, ob Nutzer klicken. Die Beschreibung hilft der Plattform, das Thema des Videos zu verstehen. Der angepinnte Kommentar und der Call-to-Action sollen Aufrufe in Website-Besuche, Abonnements oder Anfragen umwandeln.
Das Endergebnis ist daher nicht nur eine Videodatei, sondern ein Content-Asset-Paket, das sich direkt veröffentlichen und bewerben lässt.
Nach Abschluss des Projekts sollten alle Inhalte in einem übersichtlichen Übergabepaket zusammengestellt werden. Es enthält:
Mit diesem Paket muss der Kunde die Dateien nicht erst neu organisieren und kann leicht nachvollziehen:
Die konkrete Ordnerstruktur kann in einen Anhang verschoben werden, statt sie im Hauptteil des Artikels vollständig darzustellen, wo sie den Lesefluss unterbrechen könnte.
Der Workflow endet nicht mit der Veröffentlichung der Videos.
Im nächsten Schritt sollten mehrere zentrale Kennzahlen überwacht werden:
Diese Daten zeigen Ihnen:
Dadurch hängt die nächste Runde der Content-Produktion nicht mehr vollständig von Erfahrungswerten ab. Sie lässt sich kontinuierlich anhand realer Such-, Aufruf- und Conversion-Daten optimieren.
Damit hat ein Langformat-Video den vollständigen Kreislauf durchlaufen: Inhaltsanalyse, Clipschnitt, Qualitätsfilterung, SEO-Aufbereitung, Kundenübergabe und Performance-Review.
Angenommen, eine Marketingagentur, die Unternehmen bei der internationalen Expansion unterstützt, zeichnet einen 70-minütigen Podcast mit dem Titel „Wie B2B-SaaS-Unternehmen in internationale Märkte eintreten können“ auf.
Traditionell wird meist der vollständige Podcast veröffentlicht und anschließend werden 5–10 kurze Clips mit einprägsamen Zitaten geschnitten.
Mit diesem Workflow ordnet das Team die Inhalte zunächst anhand der Fragen neu, nach denen Kunden suchen, zum Beispiel:
Das sind nicht einfach „zehn Videotitel“, sondern zehn verschiedene Einstiegswege für Kunden. Jeder dieser Wege kann auf den vollständigen Podcast, einen passenden Artikel, eine Fallstudie, eine Produktseite oder eine Anfrageseite verweisen.
Der wertvollste Teil dieses Workflows besteht weder darin, dass „KI Videos automatisch schneiden kann“, noch darin, dass sich „ein Podcast in 30 Clips schneiden lässt“.
Tatsächlich schafft der Workflow eine vollständige Wertschöpfungskette: Zuerst wird verstanden, wonach Kunden suchen. Anschließend werden vollständige Antworten im Langformat-Video identifiziert. Jeder Clip wird um einen eigenständigen Gedanken herum geplant, und MCP setzt diesen Plan in der tatsächlichen Timeline um. Abschließend werden die Videos zusammen mit Titeln, Beschreibungen, Thumbnails, angepinnten Kommentaren, Playlists und Google-Video-SEO-Seiten übergeben.
Das Endergebnis sind nicht 30 Dateien, sondern 30 potenzielle Einstiegspunkte für Kunden.
Sie können in der YouTube-Suche, in Empfehlungsfeeds, in der Google-Suche, auf der Unternehmenswebsite, in Vertriebs-E-Mails, auf Produktseiten, in Fallstudien und in sozialen Medien erscheinen. Eine einzelne Aufzeichnung dient längst nicht mehr nur einer Veröffentlichung. Sie wird zu einer Content-Datenbank, die kontinuierlich in kleinere Inhalte zerlegt, neu kombiniert und optimiert werden kann.
Für Unternehmen, die bereits über umfangreiche Bibliotheken mit Langvideos verfügen, kann das wichtiger sein, als die Produktionsbudgets weiter zu erhöhen: Verwandeln Sie zuerst die bereits produzierten Inhalte in Assets, die tatsächlich gefunden werden und zu Conversions führen können.
Aktualisiert von
Aktualisiert am Oct 12, 2026
Dageno • Oct 12, 2026
Aktualisiert von
Dageno
Dageno is the research and insights team at Dageno AI, publishing industry reports and expert analysis on AI Search Visibility, Generative Engine Optimization (GEO), and AI-powered search discovery.
