So betreibst du einen YouTube-Kanal auf Autopilot, ohne eine einzige Zeile zu schneiden

Neulich musste ich feststellen, dass YouTube zu einer riesigen Fließbandproduktion geworden ist, bei der sich die Hälfte des Prozesses automatisieren lässt, ohne die Struktur zu verlieren. Vorlagenbasierte Skripte, vertonte Diashows, Tag-Auswahl basierend auf Trends. Wenn du schon einmal versucht hast, einen Nischenkanal mit kurzen Nachrichtenzusammenfassungen oder Bildungsinhalten zu betreiben, kennst du diese Routine: Thema finden, Text schreiben, Stimme generieren, Bilder im Editor zusammenfügen, Video hochladen, für SEO optimieren.

Ich bin auf das Repository darkzOGx/youtube-automation-agent gestoßen. Der Autor hat eine Pipeline aus mehreren KI-Agenten auf Node.js zusammengestellt, die den gesamten Zyklus abdeckt – von der Themenüberwachung bis zur Veröffentlichung einer fertigen mp4-Datei nach Zeitplan.

Unter der Haube

Das Projekt ist in eine Kette spezialisierter Agenten aufgeteilt. Jeder übernimmt seine eigene isolierte Aufgabe und leitet die Daten an die nächste Stufe weiter.

Der Workflow ist straightforward:

1. Der Content-Strategy-Agent sucht nach Trends und wählt ein Videothema aus.
2. Der Script-Writer verfasst den Text mit Hook, Hauptteil und Call-to-Action.
3. Thumbnail-Designer und SEO-Optimizer bereiten gleichzeitig Cover, Titel, Beschreibung und Tags vor.
4. Der Production-Management-Agent assembliert das Voiceover, generiert Bilder und schneidet das Video mit FFmpeg.
5. Der Publishing-Agent lädt das Video über die Data API auf YouTube hoch und reiht es in die Warteschlange ein.
6. Der Analytics-Agent sammelt View-Statistiken und leitet Metriken an den ersten Agenten zurück, um Themen anzupassen.

graph TD
    A[Content Strategy Agent] --> B[Script Writer Agent]
    B --> C[Thumbnail Designer Agent]
    B --> D[SEO Optimizer Agent]
    C --> E[Production Management Agent]
    D --> E
    E --> F[Publishing & Scheduling Agent]
    F --> G[Analytics & Optimization Agent]
    G -->|feedback loop| A

Freier Modus und Flexibilität mit Providern

Solche All-in-One-Lösungen erfordern normalerweise ein Dutzend kostenpflichtige Abonnements: OpenAI, Midjourney, ElevenLabs. Hier hat der Autor die Unterstützung für die kostenlose Gemini API von Google hinzugefügt. In Version v2.3 können Bildgenerierung und natives Voiceover vollständig über den Gemini-Key abgewickelt werden.

Wenn du andere Modelle benötigst, unterstützt der Service jeden OpenAI-kompatiblen Endpunkt. In der Config kannst du auf OpenRouter, Kimi von Moonshot AI, MiMo von Xiaomi oder GLM von Zhipu AI umschalten. Für Voiceover kannst du ElevenLabs oder Azure Speech anschließen und für die Videogenerierung das Wan-2.7-Modell über Replicate nutzen.

Wenn ein Key fehlt, stürzt die Pipeline nicht mit einem Fehler ab – sie degradiert graceful. Anstelle einer KI-Stimme erstellt sie ein Video mit Hintergrund, und anstelle komplexer Bilder verwendet sie übersichtliche Gradient-Folien.

Schnelles Rendering und weniger Aufwand mit Abhängigkeiten

In frühen Versionen wurden Videos aus Browser-Screenshots mit 30 Frames pro Sekunde zusammengesetzt. Ein kurzes 30-Sekunden-Clip dauerte etwa zehn Minuten zum Rendern. Jetzt erstellt der Renderer einen statischen Frame pro Folie und fügt sie dann in FFmpeg mit sanften Übergängen in ein paar Sekunden zusammen.

Übrigens ist die Installation von System-FFmpeg nicht erforderlich. Das Projekt enthält das ffmpeg-static-Paket, das beim Installieren der Abhängigkeiten eine fertige Binary einbindet. Für diejenigen, die das Projekt auf einem Bare Server ohne Root-Zugriff ausführen, spart das viel Zeit.

Erster Start

Du kannst das System lokal in buchstäblich vier Schritten deployen:

git clone https://github.com/darkzOGx/youtube-automation-agent.git
cd youtube-automation-agent
npm install
npm run walkthrough

Der Befehl npm run walkthrough startet einen interaktiven Setup-Wizard. Er öffnet die notwendigen Seiten im Browser, hilft dir, OAuth-Tokens für die YouTube Data API zu erhalten, und testet die Gültigkeit der eingegebenen Keys direkt im Terminal.

Nach der Konfiguration startet der Server mit:

npm start

Das Dashboard ist unter http://localhost:3456 verfügbar. Der eingebaute Scheduler generiert standardmäßig um 06:00 Uhr Inhalte, prüft alle 15 Minuten die Veröffentlichungswarteschlange und sammelt um 09:00 und 22:00 Uhr Analytics.

Wenn du ein Video außerhalb des Zeitplans generieren musst, gibt es eine REST API:

curl -X POST http://localhost:3456/generate \
  -H "Content-Type: application/json" \
  -d '{"topic": "Обзор новинок JavaScript 2026", "style": "list"}'

Um Produktionsendpunkte zu schützen, kannst du die Variable .env in API_KEY setzen, um Generierung und Veröffentlichung über den Header x-api-key auszulösen.

Architektur und Datenbank

Die gesamte Logik ist in JavaScript für Node.js 18+ geschrieben. Im Inneren läuft ein Express-Server, der die Agenten und API-Routen verwaltet. Eine SQLite-Datenbank wird für die Speicherung der Veröffentlichungswarteschlange, Event-Logs und des generierten Content-Verlaufs verwendet.

Beim Start prüft die Anwendung die Konfiguration und gibt eine Liste der verfügbaren Module aus. Wenn du vergessen hast, Keys für Cover-Generierung oder Voiceover zu setzen, markiert das System das Video als simulated und sendet keinen Placeholder an YouTube. Standardmäßig werden alle neuen Videos mit dem Zugriffsstatus private hochgeladen, damit du die Qualität immer prüfen kannst, bevor du den Zugriff für Zuschauer öffnest.

Für wen ist dieses Projekt geeignet

youtube-automation-agent eignet sich hervorragend für diejenigen, die Nischenkanäle mit Fakten, Tech-News, kurzen Artikelzusammenfassungen oder Zitaten testen möchten. Es ist eine fertige Basis für eigene Experimente: Der Code ist unter der MIT-Lizenz open, und die Agenten sind in einzelne Dateien im Ordner agents/ ausgelagert, sodass das Schreiben eines eigenen Szenarios oder das Modifizieren der Editing-Logik nicht schwierig ist.

Als Nachteil: Erwartet nicht, dass Standardvorlagen ein cinematisches Meisterwerk produzieren. Dies ist ein Fließband für das Format „Folien plus Voiceover". Wenn du komplexes Editing mit Schnitten aus anderen Videos möchtest, musst du eigene Assembly-Module schreiben. Aber als fertiggestelltes Framework für die Automatisierung routinemäßiger Produktion hat sich das Projekt überraschend durchdacht herausgestellt.