Claude als AI Creative Director: So baut man einen Social-Content-Workflow

Claude lässt sich inzwischen so konfigurieren, dass aus einem Rohgedanken mehrere Social-Formate entstehen – etwa Threads, Newsletter, Video-Skripte oder Carousel-Ideen. Der interessante Teil daran ist nicht ein weiterer Prompt-Trick, sondern die Kombination aus Skills, Projekten, Cowork und geplanten Tasks zu einem wiederholbaren Workflow.

Wichtig: Ein „AI Creative Director“ ist kein offizielles Anthropic-Produkt, sondern ein Workflow-Muster. Ein aktuelles Praxisbeispiel von Social Media Examiner zeigt, wie Creatorin Nicky Saunders Sprach-Notizen als Ausgangsmaterial nutzt und Claude daraus Entwürfe für mehrere Kanäle erstellen lässt. Ein zweiter Praxis-Case geht inzwischen noch einen Schritt weiter und behandelt wiederkehrende KI-Workflows als eine Art „AI Employee“. Auch das ist kein offizieller Produktname, sondern eine nützliche Denkweise für wiederholbare Automationen.

1. Brand Voice nicht jedes Mal neu prompten

Der größte Qualitätshebel ist nicht das Modell, sondern der Kontext. Claude unterstützt sogenannte Skills: Ordner mit Anweisungen, Beispielen, Skripten und Ressourcen, die bei passenden Aufgaben dynamisch geladen werden. Anthropic nennt Brand-Guidelines ausdrücklich als typischen Anwendungsfall.

Für Social Content bietet sich deshalb an, zwei getrennte Regeln aufzubauen:

Brand Voice: Tonalität, typische Formulierungen, No-Gos, Beispiele guter Texte.
Plattform-Stil: Unterschiede zwischen LinkedIn-Post, Instagram-Caption, Reel-Skript, Newsletter oder YouTube-Intro.

Das ist sauberer, als jedes Mal einen riesigen Masterprompt einzufügen. Wer zusätzlich Daten oder Social-Tools anbinden will, kann Skills mit MCP und Connectors kombinieren. Wie solche Verbindungen grundsätzlich funktionieren, haben wir bereits in unserem Überblick zu Social-Media-MCP und KI-Assistenten erklärt.

2. Echtes Quellmaterial statt generischer KI-Ideen

Im Praxis-Workflow von Saunders startet die Content-Produktion nicht mit „Gib mir zehn Posts“, sondern mit eigenem Rohmaterial: Voice Journals, Meeting-Transkripten, Interviews oder Notizen.

Das ist strategisch sinnvoll. Ein Modell kann vorhandene Gedanken sehr effizient verdichten, umformatieren und auf mehrere Kanäle übertragen. Wenn aber schon der Input generisch ist, skaliert man vor allem generischen Output.

Gerade auf Plattformen, die stärker gegen massenhaft produzierten Low-Quality-Content vorgehen, wird dieser Unterschied wichtiger. LinkedIn etwa verschärft bereits Maßnahmen gegen Fake Engagement und KI-Slop.

3. Vom Prompt zum wiederholbaren „AI Employee“

Der zweite Social-Media-Examiner-Praxisfall beschreibt einen sinnvollen Zwischenschritt, der in vielen KI-Workflows fehlt: erst den eigenen Prozess dokumentieren, dann automatisieren.

Statt für jede Aufgabe erneut zu prompten, wird zunächst festgehalten, was ein gutes Ergebnis ausmacht, welche Informationen gebraucht werden, welche Beispiele als Referenz dienen und welche Schritte immer wiederkehren. Daraus entsteht eine wiederverwendbare Skill- oder Projektstruktur.

Für Marketingteams kann das zum Beispiel bedeuten:

wiederkehrende Reports nach denselben Regeln zusammenzufassen,
Content-Ideen aus festgelegten Quellen zu recherchieren,
Meeting- oder Video-Transkripte in definierte Social-Formate zu überführen,
Entwürfe automatisch in ein Redaktionssystem zu legen,
oder vorhandene Inhalte regelmäßig gegen Brand- und Qualitätsregeln zu prüfen.

Der zentrale Punkt ist nicht die Bezeichnung „AI Employee“. Relevant ist die Produktisierung eines wiederkehrenden internen Prozesses: aus einem guten Einzelprompt wird ein trainierter, dokumentierter und testbarer Workflow.

Das passt auch zur Entwicklung eigener KI-Integrationen. Wer statt eines einzelnen Skills ein eigenes Backend anbinden möchte, kann ChatGPT inzwischen über MCP-Apps mit strukturierten Tools verbinden. Unser Guide zu ChatGPT-Plugins, MCP, OAuth und eigenen Servern erklärt die Architektur dahinter.

4. Cowork übernimmt die erste Produktionsrunde

Anthropics Cowork kann mehrstufige Aufgaben mit Dateien, Projekten, Skills, Plugins und verbundenen Tools ausführen. Geplante Tasks können auf bezahlten Claude-Plänen wiederkehrend laufen und beispielsweise morgens neues Quellmaterial prüfen und daraus Entwürfe erzeugen.

Ein einfacher Social-Workflow kann so aussehen:

Ein neues Voice Memo oder Meeting-Transkript landet im Projekt.
Claude extrahiert daraus zwei bis vier belastbare Content-Ideen.
Die passenden Brand- und Plattform-Skills werden angewendet.
Cowork erstellt erste Fassungen für die gewünschten Formate.
Ein Mensch wählt aus, korrigiert und entscheidet, was tatsächlich produziert wird.

Anthropic zeigt inzwischen selbst, wie weit solche Marketing-Workflows gehen können. In einem Webinar vom 6. August 2026 beschreibt das eigene Marketing-Ops-Team einen wöchentlichen Metrics-Report, dessen Aufwand von zwei Tagen auf rund zwei Stunden sank. Außerdem demonstriert das Team einen Kampagnen-Intake sowie einen automatisierten Webinar-Workflow über mehrere Systeme hinweg. Das sind Unternehmensangaben und keine unabhängige Produktivitätsstudie – sie zeigen aber, dass der Ansatz längst über einzelne Prompt-Experimente hinausgeht.

5. Nicht direkt automatisch veröffentlichen

Der produktivste Workflow ist nicht zwingend der mit den meisten Automationen. Im Social-Media-Examiner-Beispiel endet der automatische Teil bewusst vor der Veröffentlichung: Die KI schlägt vor und erstellt Entwürfe, der Mensch entscheidet.

Dafür gibt es zwei gute Gründe. Erstens bleibt die redaktionelle Kontrolle erhalten. Zweitens warnt Anthropic selbst davor, geplante Cowork-Tasks mit unnötig sensiblen Daten oder schwer rückgängig zu machenden Aktionen zu verbinden.

Für Social Teams ist deshalb ein Human-in-the-Loop-Modell sinnvoll: Recherche, Zusammenfassung, Varianten und Repurposing lassen sich stark automatisieren; Freigabe, Claims, Markenrisiko und Publishing bleiben kontrolliert.

6. Skills müssen wie kleine Softwareprodukte gepflegt werden

Sobald ein Workflow häufig genutzt wird, reicht es nicht mehr, ihn einmal zu bauen und zu vergessen. Der zweite Praxis-Case empfiehlt ausdrücklich, Skills nach Tests zu überarbeiten, gute und schlechte Outputs zu vergleichen und Änderungen zu dokumentieren.

Für Teams ist das ein wichtiger Governance-Punkt: Ein Skill für Markenkommunikation oder Kundenarbeit sollte einen klaren Zweck, einen Verantwortlichen und einen nachvollziehbaren Stand haben. Sonst entstehen schnell mehrere leicht unterschiedliche Versionen desselben Prozesses.

Das ist weniger spektakulär als „autonome Agenten“, aber im Alltag wahrscheinlich wichtiger. Die Qualität kommt nicht allein vom Modell, sondern von sauberen Standards, guten Beispielen, verlässlichen Datenquellen und regelmäßiger Pflege.

7. Der eigentliche Vorteil ist Repurposing

Der größte wirtschaftliche Hebel liegt meist nicht darin, komplett neue Inhalte aus dem Nichts zu erzeugen. Interessanter ist, vorhandene Ideen systematisch weiterzuverwenden.

Ein gutes Webinar kann zum Beispiel zu einem LinkedIn-Post, drei Short-Video-Hooks, einer Newsletter-Passage und mehreren Carousel-Slides werden. Ein stark performender Social Post kann später wieder als Ausgangspunkt für ein Video-Skript dienen.

Das passt zu einem Markt, in dem Creator und Marken gleichzeitig mehr Content produzieren sollen, während Budgets und Preise stärker hinterfragt werden. Auch im Creator Marketing wächst der Druck, Output und Wirkung sauberer gegeneinander zu rechnen.

Was Marketer daraus mitnehmen sollten

Ein brauchbarer AI-Creative-Director-Workflow besteht weniger aus einem perfekten Prompt als aus fünf Dingen: eigenem Quellmaterial, klaren Brand-Regeln, dokumentierten Prozessen, wiederholbaren Automationen und menschlicher Auswahl.

Wer diese Schichten sauber trennt, kann aus einem Gedanken deutlich mehr verwertbare Formate ziehen und Routinearbeit standardisieren, ohne jeden Post komplett neu aufzubauen. Wer dagegen nur Vollautomatisierung auf maximale Menge optimiert, produziert im Zweifel schneller genau den austauschbaren Content, den Plattformen und Nutzer zunehmend ausblenden.