Wie erstellen Sie Ihren ersten AirOps-Workflow?

Kurze Antwort: AirOps ist eine AI-Content-Plattform, mit der Sie automatisierte Workflows für SEO und Content-Produktion ohne Programmierung erstellen. Dieser Leitfaden führt Sie durch Ihren ersten Workflow, von der leeren Arbeitsfläche bis zum funktionierenden Ergebnis, und behandelt Schritte, Agents, Modelle und das Mapping Ihrer Ergebnisse.

Der Einstieg in AirOps wirkt anfangs überwältigend. Die Oberfläche ist flexibel, die Begriffe sind neu, und die Dokumentation setzt voraus, dass Sie bereits wissen, wozu ein Workflow dient.

Dieser Leitfaden tut das nicht. Er beginnt bei null und führt Sie Schritt für Schritt durch den Aufbau eines echten, funktionierenden AirOps-Workflows. Am Ende wissen Sie, wie Inputs und Outputs funktionieren, wie Sie ein Modell auswählen, wie Sie einen Agent-Schritt hinzufügen und wie Sie Ihre Ergebnisse so zuordnen, dass sie tatsächlich nutzbar sind.

Was ist AirOps, und warum ist es für Content-Teams wichtig?

AirOps ist eine AI-Workflow-Plattform, die speziell für Content- und SEO-Teams entwickelt wurde. Statt ChatGPT jeweils nur eine Anfrage zu stellen, können Sie mit AirOps wiederholbare, strukturierte Workflows aufbauen, die AI-Aufgaben im großen Maßstab und konsistent ausführen, mit Ihrer Markenstimme und Ihrer Content-Logik als festem Bestandteil.

Ein Workflow in AirOps ist eine Abfolge von Schritten. Jeder Schritt nimmt einen Input entgegen, führt eine Aufgabe aus (meist ein AI-Modell oder eine Datenabfrage) und gibt einen Output an den nächsten Schritt weiter. Sie können Workflows für Keyword-Recherche, Content-Briefings, Artikelentwürfe, interne Verlinkung und mehr erstellen.

Warum das wichtig ist: Manuelles Prompting mit AI skaliert nicht. AirOps macht aus einem einmaligen Prompt einen wiederholbaren Prozess, den Ihr ganzes Team nutzen kann.

Bevor Sie starten: Drei Konzepte, die Sie verstehen sollten

1. Inputs

Ein Input ist die variable Information, die Sie bei jeder Ausführung in einen Workflow eingeben. Stellen Sie es sich wie ein Formularfeld vor. Sie könnten zum Beispiel einen Input namens keyword oder target_urlanlegen. Bei jeder Ausführung des Workflows füllen Sie dieses Feld aus, und der Workflow verwendet den Wert durchgängig.

2. Steps

Steps sind die Bausteine eines Workflows. Jeder Step erledigt genau eine Aufgabe: ein AI-Modell aufrufen, eine Suche ausführen, Text umwandeln oder Daten weitergeben. Die Steps laufen nacheinander ab, und jeder kann auf den Output jedes vorherigen Steps zugreifen.

3. Outputs

Ein Output ist das, was ein Step erzeugt. Sie vergeben einen Namen und können ihn in späteren Steps über eine Variable wie {{step_name.output}}verwenden. Ein sauberes Output-Mapping macht einen Workflow erst wirklich nützlich, statt ihn zur Blackbox zu machen.

So erstellen Sie Ihren ersten AirOps-Workflow: Schritt für Schritt

In dieser Anleitung bauen Sie einen einfachen Keyword Content Brief Generator. Sie geben ein Keyword ein, und der Workflow liefert ein strukturiertes Content-Briefing. Er ist einfach genug, um in 30 Minuten fertig zu werden, und praxisnah genug, um sofort eingesetzt zu werden.

Schritt 1: Neuen Workflow erstellen

1. Melden Sie sich bei AirOps an und gehen Sie in der linken Seitenleiste zu Workflows
2. Klicken Sie auf New Workflow
3. Vergeben Sie einen Namen: „Content Brief Generator“
4. Klicken Sie auf Create

Sie sehen jetzt eine leere Arbeitsfläche mit einem Start-Knoten auf der linken Seite.

Schritt 2: Input-Variable hinzufügen

1. Klicken Sie auf den Knoten Start
2. Wählen Sie Add Input
3. Benennen Sie den Input keyword (Kleinbuchstaben, keine Leerzeichen)
4. Setzen Sie den Typ auf Text
5. Fügen Sie eine Beschreibung hinzu: „Das Ziel-Keyword für dieses Content-Briefing“

Dieser Input steht nun jedem Step im Workflow zur Verfügung als {{keyword}}.

Schritt 3: Ersten LLM-Step hinzufügen

1. Klicken Sie auf die Schaltfläche +, um nach Start einen neuen Step hinzuzufügen
2. Wählen Sie im Menü der Step-Typen LLM
3. Benennen Sie den Step brief_generator

Konfigurieren Sie ihn nun:

Modellauswahl: AirOps bietet Zugriff auf mehrere Modelle, darunter GPT-4o, Claude 3.5 Sonnet und Gemini. Für Content-Briefings liefert Claude 3.5 Sonnet bei strukturierten, langen Texten gute Ergebnisse. Wählen Sie es im Modell-Dropdown aus.

Schreiben Sie Ihren Prompt:

You are an expert SEO content strategist.

Create a detailed content brief for the following keyword: {{keyword}}

Include:
- Recommended H1
- Search intent summary (2-3 sentences)
- 5 suggested H2 headings
- 3 competitor angles to address
- Recommended word count
- Key entities and terms to include

Format the output as structured text with clear labels for each section.

1. Klicken Sie auf Save Step

Schritt 4: Output benennen und zuordnen

Klicken Sie nach dem Speichern auf den Step und suchen Sie das Feld Output Benennen Sie es content_brief.

Damit können spätere Steps (oder Ihr finaler Export) auf {{brief_generator.content_brief}} zugreifen, um dieses Ergebnis weiterzuverwenden.

Tipp zum Output-Mapping: Benennen Sie Outputs immer danach, was sie enthalten, nicht danach, welcher Step sie erzeugt hat. content_brief ist nützlicher als step_2_output wenn Sie später komplexere Workflows aufbauen.

Schritt 5: Agent-Step hinzufügen (optional, aber leistungsstark)

Ein Agent-Step unterscheidet sich von einem normalen LLM-Step. Statt einem festen Prompt zu folgen, kann ein Agent Entscheidungen treffen, Tools nutzen und Teilaufgaben ausführen, um ein Ziel zu erreichen.

So fügen Sie einen hinzu:

1. Klicken Sie nach Ihrem LLM-Step auf +
2. Wählen Sie im Menü der Step-Typen Agent
3. Benennen Sie ihn serp_researcher

Konfigurieren Sie den Agent:

• Goal: „Recherchiere die fünf bestplatzierten Seiten für {{keyword}} und fasse die wichtigsten Themen zusammen, die sie abdecken“
• Tools: Aktivieren Sie im Tools-Bereich Web Search
• Output-Name: serp_summary

Der Agent durchsucht aktuelle Suchergebnisse und liefert eine strukturierte Zusammenfassung. Sie können dann {{serp_researcher.serp_summary}} in Ihrem Briefing-Prompt verwenden, um ihn auf echte SERP-Daten zu stützen.

Wann Agent, wann LLM-Step: Verwenden Sie einen LLM-Step, wenn Sie genau wissen, was Sie wollen, und einen präzisen Prompt schreiben können. Verwenden Sie einen Agent, wenn die Aufgabe das Sammeln von Informationen, Entscheidungen oder variable Inputs erfordert.

Schritt 6: Steps verbinden und testen

1. Stellen Sie sicher, dass Ihre Steps der Reihe nach verbunden sind: Start → brief_generator → serp_researcher (oder in der Reihenfolge, die zu Ihrer Logik passt)
2. Klicken Sie oben rechts auf Run Test
3. Geben Sie ein Test-Keyword ein, zum Beispiel: „AI workflow automation for content teams“
4. Klicken Sie auf Führen Sie

Beobachten Sie in Echtzeit, wie jeder Step ausgeführt wird. Grün bedeutet, dass er erfolgreich war. Wenn ein Step fehlschlägt, klicken Sie darauf, um das Fehlerprotokoll zu sehen.

Schritt 7: Output prüfen und exportieren

Sobald der Workflow erfolgreich durchläuft:

1. Klicken Sie auf den letzten Step, um seinen Output zu sehen
2. Prüfen Sie, ob das Content-Briefing korrekt strukturiert ist
3. Im Output Panel auf der rechten Seite sehen Sie alle benannten Outputs jedes Steps

Sie können die Ergebnisse in ein Google Sheet exportieren, direkt kopieren oder AirOps über den Integrationsbereich mit Ihrem CMS verbinden.

Das richtige Modell für Ihren Workflow wählen

Die Modellwahl beeinflusst Qualität, Geschwindigkeit und Kosten. Hier ein praktischer Leitfaden für Einsteiger:

Sie können das Modell pro Step wechseln. Ein einzelner Workflow kann also in verschiedenen Phasen unterschiedliche Modelle nutzen, je nachdem, was der jeweilige Step braucht.

Häufige Fehler von Einsteigern in AirOps

Outputs nicht eindeutig benennen. Wenn Sie die Standardnamen beibehalten, wird der spätere Bezug darauf unübersichtlich. Benennen Sie jeden Output, bevor Sie zum nächsten Step übergehen.

Einen riesigen Prompt schreiben. Ein einzelner Step, der fünf Dinge auf einmal erledigen soll, liefert uneinheitliche Ergebnisse. Teilen Sie komplexe Aufgaben in mehrere Steps auf, jeder mit einer klaren Aufgabe.

Den Testlauf überspringen. Testen Sie immer mit einem echten Input, bevor Sie einen Workflow mit Ihrem Team teilen. Sonderfälle bringen Prompts auf eine Weise aus dem Takt, die erst beim Ausführen sichtbar wird.

Einen Agent einsetzen, obwohl ein LLM-Step genügt. Agents sind langsamer und verbrauchen mehr Credits. Wenn Sie genau wissen, welchen Output Sie brauchen, ist ein gut geschriebener LLM-Prompt schneller und günstiger.

Was können Sie nach Ihrem ersten Workflow aufbauen?

Sobald Sie die Grundlagen beherrschen, können AirOps-Workflows deutlich komplexere Content-Prozesse abbilden:

• Content-Briefing-Pipelines, die SERP-Daten abrufen, Wettbewerber analysieren und ein fertiges Briefing zum Losschreiben ausgeben
• Programmatic-SEO-Workflows, die aus einem Dateninput Hunderte von Standort- oder Kategorieseiten erzeugen
• Assistenten für die interne Verlinkung, die Ihre bestehenden Inhalte scannen und Links für neue Artikel vorschlagen, oft als Teil eines umfassenderen B2B SaaS Content Marketing-Workflows
• Brand-Voice-Checker, die Entwürfe vor der Veröffentlichung anhand eines Styleguides prüfen
• Workflows zur Optimierung für AI-Suche, die bestehende Inhalte so umformatieren, dass Tools wie ChatGPT und Perplexity sie zitieren, was für Teams, die sich mit GEO- und AEO-Unterstützung befassen, zunehmend relevant ist

Bei SaaS Hackers nutzen wir AirOps-Workflows als Teil eines umfassenderen AI-Content-Systems. Die Plattform entfaltet ihren größten Nutzen, wenn Workflows miteinander verbunden sind und der Output des einen zum Input des nächsten wird. Für Teams, die diese größere Engine aufbauen, steht sie oft neben SEO-Spezialisten, SEO-Agenturen oder einer umfassenderen Digitalstrategie.

FAQs

Was ist AirOps und wofür wird es verwendet?
AirOps ist eine AI-Workflow-Plattform für Content- und SEO-Teams. Sie ermöglicht mehrstufige, automatisierte Workflows, die AI-Aufgaben im großen Maßstab ausführen, darunter Content-Briefings, Artikelentwürfe, Keyword-Recherche und interne Verlinkung. Sie ist mit mehreren AI-Modellen verbunden und kann über Agent-Steps aktuelle Daten aus dem Web abrufen.

Ist AirOps für Einsteiger ohne Programmierkenntnisse geeignet?
Ja. AirOps verwendet einen visuellen No-Code-Workflow-Builder. Sie fügen Schritte hinzu, schreiben Prompts und verbinden Ausgaben, ohne Code zu schreiben. Die Lernkurve liegt im Verständnis der Workflow-Logik und im Schreiben von Prompts, nicht in der technischen Einrichtung.

Wie lange dauert es, den ersten Workflow in AirOps zu erstellen?
Ein einfacher Workflow mit einem oder zwei LLM-Schritten ist beim ersten Mal in etwa 20 bis 30 Minuten erstellt und getestet. Komplexere Workflows mit Agent-Schritten, Verzweigungslogik oder externen Integrationen dauern länger, in der Regel einige Stunden.

Was ist der Unterschied zwischen einem LLM-Schritt und einem Agent-Schritt in AirOps?
Ein LLM-Schritt führt einen festen Prompt mit einem Modell aus und liefert eine Ausgabe. Ein Agent-Schritt kann Tools nutzen (etwa die Websuche), Entscheidungen treffen und mehrstufige Teilaufgaben abschließen, um ein Ziel zu erreichen. Nutzen Sie LLM-Schritte für vorhersehbare, strukturierte Aufgaben. Setzen Sie Agent-Schritte ein, wenn der Workflow Informationen dynamisch sammeln oder bewerten muss.

Was kostet AirOps für Einsteiger?
Die Preise von AirOps beginnen bei 200 $ pro Monat für Team-Tarife. Es gibt keinen dauerhaft kostenlosen Tarif, auch wenn AirOps zeitweise Testzugänge angeboten hat. Für Teams, die Content in großem Umfang produzieren, rechnet sich der Preis in der Regel durch den geringeren manuellen Produktionsaufwand bei Autoren und Strategen.