Wie führen Sie die Massenerstellung von Content mit Make.com und OpenAI durch?

Kurzantwort: Sie können die Massenerstellung von Content mit Make.com und OpenAI umsetzen, indem Sie ein Szenario aufbauen, das eine Datenquelle durchläuft, für jede Zeile das OpenAI-Modul aufruft und Rate Limits über integrierte Fehlerbehandlungen und Sleep-Module abfängt. Dieser Ansatz ersetzt die manuelle Arbeit von Prompt zu Prompt durch eine wiederholbare, automatisierte Pipeline, die pro Durchlauf auf Hunderte von Ergebnissen skaliert.

Content mit OpenAI zu erstellen ist unkompliziert, solange Sie ein oder zwei Texte schreiben. Es stößt schnell an Grenzen, wenn Sie in einer einzigen Sitzung 50 Produktbeschreibungen, 200 E-Mail-Varianten oder einen ganzen Monat an Social Posts brauchen. Prompts per Copy-and-paste sind kein Workflow. Sie sind ein Engpass.

Make.com löst dieses Problem, indem es als Orchestrierungsebene zwischen Ihren Daten und der API von OpenAI fungiert. Sie definieren die Logik einmal, verbinden sie mit Ihrer Datenquelle und lassen sie laufen. Dieser Leitfaden zeigt Schritt für Schritt, wie Sie diese Pipeline aufbauen, einschließlich des Umgangs mit den Rate-Limit-Fehlern, an denen die meisten beim ersten Mal scheitern.

Was Sie vor dem Start brauchen

• Ein Make.com-Konto (jeder kostenpflichtige Tarif für Szenarien mit mehr als 1.000 Operationen pro Monat)
• Ein OpenAI-API-Schlüssel mit ausreichendem Guthaben
• Eine Datenquelle mit Ihren Eingaben (am häufigsten sind Google Sheets, Airtable oder eine CSV-Datei)
• Eine klare Prompt-Vorlage mit einer oder mehreren dynamischen Variablen

Wenn Ihre Datenquelle ein Google Sheet ist, strukturieren Sie es so, dass jede Zeile einem Content-Auftrag entspricht. Spalte A könnte ein Produktname sein, Spalte B eine Kurzbeschreibung und Spalte C die Zielgruppe. Ihr Make-Szenario liest jede Zeile aus und fügt diese Werte in Ihren Prompt ein.

So verbinden Sie Make.com mit OpenAI für die Massenerstellung von Content

Schritt 1: Neues Szenario erstellen und ein Datenquellen-Modul hinzufügen

Öffnen Sie Make.com und erstellen Sie ein neues Szenario. Fügen Sie das Trigger-Modul hinzu, das zu Ihrer Datenquelle passt:

• Google Sheets: Verwenden Sie „Search Rows“, um alle Zeilen aus Ihrem Eingabe-Sheet abzurufen
• Airtable: Verwenden Sie „Search Records“ mit einem Filter für Zeilen, die noch nicht verarbeitet wurden
• HTTP-Modul: Verwenden Sie dieses, wenn Sie Daten aus einer eigenen Datenbank oder API beziehen

Stellen Sie das Modul so ein, dass es alle Zeilen statt nur einer einzelnen zurückgibt. Make leitet jede Zeile als eigenes Bundle durch den Rest des Szenarios.

Schritt 2: Iterator-Modul hinzufügen

Fügen Sie nach Ihrem Datenquellen-Modul einen Iterator hinzu. Er teilt Ihr Array aus Zeilen in einzelne Elemente auf, sodass jedes separat durch das OpenAI-Modul läuft. Ohne diesen Schritt versucht Make, den gesamten Datensatz in einem einzigen Aufruf an OpenAI zu senden. Das liefert ein einziges Ergebnis statt eines pro Zeile.

Verbinden Sie den Output des Iterators mit dem nächsten Modul in Ihrer Kette.

Schritt 3: OpenAI-(ChatGPT-)Modul hinzufügen

Fügen Sie das Modul OpenAI (ChatGPT) hinzu und wählen Sie je nach verwendetem Modell „Create a Completion“ oder „Create a Chat Completion“. GPT-4o und GPT-3.5-turbo nutzen beide Chat Completions.

Schreiben Sie im Prompt-Feld Ihre Vorlage und ordnen Sie die dynamischen Variablen aus dem Iterator zu:

Write a 150-word product description for {{1.product_name}}.
Target audience: {{1.target_audience}}.
Tone: {{1.tone}}.
Include one specific benefit and one clear call to action.

Die Verweise in doppelten Klammern übernehmen automatisch die passenden Spaltenwerte aus jeder Zeile.

Legen Sie Modell, Max Tokens und Temperature fest. Für konsistente Batch-Ergebnisse halten Sie die Temperature zwischen 0,3 und 0,7. Höhere Werte sorgen für mehr Variation, was bei Social-Texten nützlich ist, bei strukturierten Produktbeschreibungen aber weniger. Wenn Sie SEO-getriebene Assets in großem Umfang erstellen, lohnt sich außerdem ein Blick auf die Vorgehensweisen einer B2B SaaS Content-Marketing-Agentur, um Briefings und Ergebnisqualität zu standardisieren.

Schritt 4: Ergebnis in die Datenquelle zurückschreiben

Fügen Sie nach dem OpenAI-Modul ein Modul hinzu, das das Ergebnis in Ihr Sheet oder Ihre Datenbank zurückschreibt. Verwenden Sie bei Google Sheets „Update a Row“ und ordnen Sie den generierten Content Ihrer Ausgabespalte zu. Verwenden Sie bei Airtable „Update a Record“.

Ordnen Sie das Antwortfeld von OpenAI (meist choices[0].message.content) der richtigen Zelle zu. Fügen Sie außerdem eine Spalte mit Zeitstempel hinzu, damit Sie nachverfolgen können, wann jede Zeile verarbeitet wurde.

So gehen Sie in Make.com mit den Rate Limits von OpenAI um

Rate Limits sind die häufigste Fehlerquelle bei Szenarien zur Massenerstellung von Content. OpenAI begrenzt sowohl die Anfragen pro Minute (RPM) als auch die Tokens pro Minute (TPM). Wenn Ihr Szenario Anfragen schneller sendet, als Ihre Stufe erlaubt, erhalten Sie 429-Fehler und das Szenario bricht mitten im Durchlauf ab.

Sleep-Modul zwischen den Anfragen einfügen

Die einfachste Lösung ist ein Sleep-Modul direkt nach dem OpenAI-Modul und vor dem Ausgabemodul. Stellen Sie eine Pause von 1 bis 3 Sekunden zwischen den einzelnen Durchläufen ein. Das verringert den Durchsatz, hält Sie aber bei den meisten OpenAI-Stufen sicher innerhalb der üblichen Rate Limits.

Zur Orientierung: Die kostenlose Stufe von OpenAI erlaubt 3 RPM bei GPT-4o. Tier 1 (nach 5 $ Ausgaben) erlaubt 500 RPM. Auf Tier 1 bietet eine Pause von 1 Sekunde einen komfortablen Puffer. In der kostenlosen Stufe stellen Sie die Pause auf 20 Sekunden ein.

Integrierte Fehlerbehandlung von Make für 429-Fehler nutzen

Fügen Sie Ihrem OpenAI-Modul eine Fehlerbehandlung hinzu, um 429-Antworten abzufangen, ohne das ganze Szenario abstürzen zu lassen:

1. Klicken Sie mit der rechten Maustaste auf das OpenAI-Modul
2. Wählen Sie „Add error handler“
3. Wählen Sie „Resume“ als Handler-Typ
4. Fügen Sie innerhalb der Fehlerbehandlung ein weiteres Sleep-Modul mit 60 Sekunden hinzu
5. Leiten Sie den Ablauf zurück zum OpenAI-Modul, um dieselbe Anfrage erneut zu senden

So entsteht eine automatische Wiederholungsschleife. Wenn OpenAI einen Rate-Limit-Fehler zurückgibt, wartet Make 60 Sekunden und versucht es erneut, statt den gesamten Durchlauf abzubrechen und Ihren Fortschritt zu verlieren.

Große Batches in kleinere Durchläufe aufteilen

Wenn Sie mehr als 200 Zeilen auf einmal verarbeiten, teilen Sie den Auftrag auf. Nutzen Sie einen Filter im Datenquellen-Modul, um in einem Szenario-Durchlauf die Zeilen 1 bis 100 abzurufen und im nächsten die Zeilen 101 bis 200. Das lässt sich automatisieren, indem Sie in einem Make Data Store einen Zähler speichern, der nach jedem Durchlauf hochgezählt wird.

So strukturieren Sie Ihre Prompt-Vorlage für konsistente Batch-Ergebnisse

Die Qualität des Prompts ist im großen Maßstab wichtiger, weil Sie nicht jedes Ergebnis einzeln prüfen können, bevor das nächste entsteht. Ein vager Prompt, der einmal akzeptable Ergebnisse liefert, erzeugt über 100 Zeilen hinweg extrem uneinheitliche Ergebnisse.

Klare Vorgaben für das Ergebnis machen:

Write exactly 3 bullet points. Each bullet must be under 20 words.
Do not include an introduction or conclusion. Start directly with the first bullet.

Formatanforderungen festlegen:

Return only the finished copy. Do not include explanations, labels, or commentary.

Rollenvorgabe nutzen, um den Ton zu verankern:

You are a direct-response copywriter for a B2B SaaS brand.
Write in second person. Avoid jargon.

Wenn Sie Ihren Prompt vor dem vollständigen Batch an 5 bis 10 repräsentativen Zeilen testen, sparen Sie sich viel Nacharbeit. Wenn das Ergebnis Pipeline-Generierung, einheitliche Botschaften oder Kampagnensegmentierung unterstützen soll, kann außerdem ein Vergleich mit der Art und Weise hilfreich sein, wie spezialisierte B2B SaaS Digital-Marketing-Agenturen wiederholbare Content-Systeme operativ umsetzen.

So verfolgen und verwalten Sie Batch-Ergebnisse in Make.com

Statusspalte in der Datenquelle verwenden

Fügen Sie Ihrem Eingabe-Sheet eine Spalte „Status“ mit Werten wie „Pending“, „Processing“ und „Done“ hinzu. Aktualisieren Sie sie zu Beginn und am Ende des Wegs jeder Zeile durch das Szenario. So können Sie beim nächsten Durchlauf nach unverarbeiteten Zeilen filtern und vermeiden doppelte Arbeit, falls das Szenario mittendrin abbricht.

Ergebnisse in einem separaten Sheet oder einer separaten Tabelle speichern

Schreiben Sie den generierten Content in eine eigene Ausgabetabelle, statt Ihre Eingabedaten zu überschreiben. So bleiben Ihre Quelldaten sauber, und Sie haben eine vollständige Dokumentation jedes erzeugten Inhalts, einschließlich Zeitstempel und der Eingabewerte, aus denen er entstanden ist.

Fehler in einem separaten Sheet protokollieren

Fügen Sie Ihrer Fehlerbehandlung einen zweiten Ausgabepfad hinzu, der fehlgeschlagene Zeilen in ein Fehlerprotokoll-Sheet schreibt. Erfassen Sie die Zeilen-ID, die Fehlermeldung und den Zeitstempel. Nach jedem Durchlauf können Sie fehlgeschlagene Zeilen gezielt erneut verarbeiten, ohne die erfolgreichen anzufassen.

Was ist der Unterschied zwischen der Massenverarbeitung mit Make.com und der Batch API von OpenAI?

Die Batch API von OpenAI ist ein eigenständiges Produkt für Entwickler, die große Mengen an Anfragen über direkte API-Aufrufe einreichen und die Ergebnisse asynchron abrufen möchten, oft zu 50 % geringeren Kosten. Sie ist für Engineering-Teams gedacht, die direkt mit JSON-Dateien und API-Endpunkten arbeiten.

Der Ansatz von Make.com ist ein anderer. Er bietet eine visuelle No-Code-Oberfläche, mit der Sie dieselbe Logik für die Massenverarbeitung aufbauen, ohne API-Aufrufe manuell zu schreiben. Sie erhalten Statusanzeigen in Echtzeit, native Fehlerbehandlung und die direkte Anbindung an Tools wie Google Sheets, Airtable, Slack und Notion im selben Workflow. Für Marketing-Teams, Content-Ops-Manager und SaaS-Gründer, die Content-Produktion ohne Abhängigkeit von der Entwicklung automatisieren möchten, ist Make.com der schnellere Weg zu einer funktionierenden Pipeline.

Die beiden Ansätze schließen sich nicht gegenseitig aus. Wenn Sie Content in sehr großem Umfang erstellen (zehntausende Zeilen), können Sie mit Make einen Batch-API-Job von OpenAI auslösen und nach Abschluss die Ergebnisse abfragen. Das ist ein fortgeschritteneres Muster, das sich lohnt, sobald Ihre Basis-Pipeline zuverlässig läuft.

FAQs

F: Wie viele Zeilen kann Make.com in einem einzelnen Szenariodurchlauf mit OpenAI verarbeiten?
A: Make.com setzt keine feste Obergrenze für die Anzahl der Iterationen pro Szenariodurchlauf, aber das Operationslimit Ihres Tarifs gilt weiterhin. Jeder OpenAI-Aufruf zählt als eine Operation. Im Core-Tarif von Make (10.000 Operationen pro Monat) würde ein einzelner Batch mit 500 Zeilen 5 % Ihres Monatskontingents verbrauchen. Berücksichtigen Sie das bei der Tarifwahl, bevor Sie regelmäßig große Batches ausführen.

F: Was passiert, wenn mein Make-Szenario mitten in einem Bulk-Content-Durchlauf fehlschlägt?
A: Make protokolliert die Fehlerstelle, und im Ausführungsverlauf können Sie nachvollziehen, welche Bundles abgeschlossen wurden. Wenn Ihre Datenquelle eine Statusspalte enthält, werden beim nächsten Durchlauf nur Zeilen übersprungen, die mit „Done“ markiert sind. Ohne Statusspalte riskieren Sie, bereits verarbeitete Zeilen erneut zu bearbeiten und Duplikate zu erzeugen. Bauen Sie deshalb immer ein Status-Tracking in Bulk-Szenarien ein, bevor Sie sie in großem Umfang ausführen.

F: Ist Make.com mit OpenAI günstiger als die direkte Nutzung der Batch API von OpenAI?
A: Die Batch API von OpenAI bietet 50 % niedrigere Token-Kosten als die Standardpreise der API und ist daher bei sehr hohen Volumina günstiger. Make.com berechnet zusätzlich zu den Standard-API-Preisen von OpenAI eigene Operationskosten. Bei Durchläufen mit unter einigen hundert Zeilen pro Woche ist der Make-Ansatz meist wirtschaftlicher, wenn man den Zeitgewinn bei Einrichtung und Wartung einrechnet. Bei zehntausenden Zeilen pro Monat lohnt es sich, einen hybriden Ansatz zu prüfen (Make startet Batch-API-Jobs).

F: Kann ich mit Make.com und OpenAIs DALL-E neben Texten auch Bilder in großen Mengen erzeugen?
A: Ja. Das OpenAI-Modul von Make enthält die Aktion „Create an Image“, die DALL-E aufruft. Sie können im selben Szenario einen Text-Completion-Aufruf und einen Bilderzeugungsaufruf verketten und die Textausgabe als Bild-Prompt verwenden. Jede Bilderzeugung zählt als eigene Operation und als eigener API-Aufruf. Berücksichtigen Sie beides bei Ihren Berechnungen zu Rate Limits und Kosten.

F: Eignet sich dieser Ansatz auch für SaaS-Teams ohne technische Kenntnisse?
A: Make.com ist genau für diesen Anwendungsfall gemacht. Sie müssen keinen Code schreiben, um eine funktionierende Bulk-Content-Pipeline aufzubauen. Die Module für Google Sheets, OpenAI und die Fehlerbehandlung lassen sich alle per Klick einrichten. SaaS-Teams, die auch die Suchsichtbarkeit der erzeugten Inhalte im Blick haben, sollten sich eventuell mit spezialisierten SEO-Agenturen für B2B SaaS vergleichen. Der beste Einstieg bleibt jedoch ein Testbatch mit 10 Zeilen, um Ihren Prompt und das Ausgabeformat zu prüfen, bevor Sie auf den gesamten Datensatz skalieren.