So entsteht jede Ausgabe

Ein Python-Script (ai_news_agent.py) durchsucht 22 Quellen nach KI-Nachrichten der letzten 24 Stunden. Dabei kommen zwei Strategien zum Einsatz:

Quellen mit grünem Indikator liefern strukturierte RSS-Feeds. Quellen mit gelbem Indikator werden per Web-Scraping erfasst — sie liefern oft kein Veröffentlichungsdatum, das dann im nächsten Schritt nachrecherchiert wird.

Jede Quelle wird mit einem zweistufigen Fetch-Mechanismus abgerufen:

Der Fallback über curl umgeht häufige Probleme mit Bot-Detection und Rate-Limiting. Jeder Artikel wird auf sein Veröffentlichungsdatum geprüft — nur Artikel der letzten 24 Stunden werden aufgenommen.

Manche Quellen — insbesondere Meta AI und Anthropic — liefern auf ihren Übersichtsseiten kein Veröffentlichungsdatum. Diese Artikel werden mit published: null markiert.

Für jeden dieser Artikel wird parallel ein KI-Agent gestartet, der per Web-Suche das tatsächliche Veröffentlichungsdatum recherchiert. Artikel, die älter als 24 Stunden sind, werden herausgefiltert.

• Agents suchen nach Artikeltitel + Quelle + Datum
• Ergebnis: verifiziertes Datum oder Ausschluss des Artikels
• Verhindert, dass alte Artikel als neu erscheinen

Dieselbe Nachricht taucht oft in mehreren Quellen auf. Die Pipeline entfernt Duplikate auf zwei Ebenen:

• URL-Normalisierung — identische Links werden zusammengeführt
• Titel-Matching — gleiche Headlines über Quellen hinweg
• Themen-Tracking — eine Datei (published-topics.md) protokolliert alle publizierten Themen. Exakt dasselbe Ereignis wird nicht wiederholt, aber neue Entwicklungen zu einem bekannten Thema werden aufgenommen und auf die frühere Berichterstattung verlinkt

Die verbleibenden Artikel werden nach Veröffentlichungsdatum sortiert. Typisch bleiben aus ~400 Rohartikeln (davon ~394 arXiv-Papers) rund 10–15 redaktionelle Artikel übrig.

Für die 8–10 wichtigsten Artikel startet eine tiefgehende Recherche-Phase. Parallel laufende Agents verifizieren und erweitern jeden Artikel:

• Kernaussagen werden aus mindestens 2 unabhängigen Quellen verifiziert
• Hintergrundrecherche: Wer sind die Akteure? Was führte dazu? Was sind die Auswirkungen?
• Jeder Artikel erhält einen ausführlichen Analyse-Abschnitt (3–5 Absätze)
• Nicht bestätigte Informationen werden als solche markiert

Die Recherche nutzt Web-Suche und den Zugriff auf Originalquellen, um über die Meldung hinaus Kontext und Einordnung zu liefern.

Täglich werden 2 aktuelle YouTube-Tutorials zum Thema KI recherchiert und in die Rubrik „Aus der Werkstatt" aufgenommen.

• Nur technische Inhalte: Coding, Training, Fine-Tuning, Architektur, Agents
• Kein Hype-Content, keine Bild-Generierung, kein Prompt-Engineering
• Nur Creator mit relevanter Reichweite (ab ~10.000 Subscriber)
• Nur Videos vom selben Tag

Jede Ausgabe enthält eine ausführliche Reportage (800–1.500 Wörter) zu einem aktuellen KI-Thema — mit eigener Seite und Teaser in der Edition.

• Themen aus einer redaktionellen Wunschliste (reportage-themen.md)
• Falls leer: Thema wird passend zur Nachrichtenlage gewählt
• Gründliche Recherche aus mindestens 5–8 Quellen
• Fokus auf aktuelle Entwicklungen (2025/2026), nicht historische Rückblicke

Die recherchierten Artikel, die Reportage und die YouTube-Empfehlungen werden zu einer Magazin-Ausgabe zusammengestellt — als selbstständige HTML-Datei mit eingebettetem CSS, ohne externe Abhängigkeiten.

• Professionelles Editorial-Design mit Inhaltsverzeichnis
• Jeder Artikel: Headline, Teaser, Hintergrund-Analyse, Quellenangaben
• Kategorisierung: Politik, Industrie, Technologie, Forschung, Community
• Reportage-Teaser mit Link auf die eigene Reportage-Seite (editions/reportagen/)
• „Aus der Werkstatt"-Sektion mit YouTube-Tutorial-Empfehlungen
• Responsive — funktioniert auf Desktop und Mobilgeräten

Die fertige Edition wird als editions/YYYY-MM-DD.html gespeichert, die Reportage als editions/reportagen/YYYY-MM-DD.html, und alles zusammen mit der aktualisierten Homepage auf GitHub Pages publiziert. Abschließend wird published-topics.md aktualisiert.