Projekt auf einen Blick
🎯
Ziel
Automatisierte Erfolgsmessung statt manueller Auswertung.
👥
Zielgruppe
Eigene Social-Media-Kanäle, KI-gestützt betrieben.
🛠️
Technologien
n8n, Meta Graph API, Postgres, OpenAI.
✅
Status
Läuft täglich, produktiv im Einsatz.
Die Ausgangslage
Eine strukturierte Erfolgsmessung fehlte bisher, obwohl mehrere meiner Social-Media-Kanäle bereits KI-gestützt und automatisiert laufen (siehe „Social Media & KI"). Statt gelegentlich in die Meta Business Suite zu schauen, sollte ein Bot täglich Kennzahlen sammeln und daraus regelmäßig einen Bericht mit klaren Empfehlungen liefern.
Die Herausforderung
Instagram und Facebook liefern unterschiedliche Kennzahlen und definieren manche Metriken unterschiedlich. Nicht alle Werte stehen auf beiden Plattformen gleichermaßen zur Verfügung. Eine gemeinsame Scoring-Formel hätte dadurch zu Verzerrungen geführt oder hätte wichtige Informationen unberücksichtigt gelassen.
Zusätzlich brauchten die drei Datentypen (Verlaufsdaten, Post-Metriken, Kommentare) jeweils eine andere Speicherlogik. Eine einzige Tabellenform für alles hätte entweder Duplikate oder Datenverlust bedeutet.
Die Lösung
Drei getrennte Postgres-Tabellentypen decken die drei Datenarten ab. Ergänzend dazu gibt es zwei getrennte Scoring-Ranglisten: Instagram wird stärker reichweitenbasiert bewertet, Facebook engagementbasiert. Ein Collector-Workflow sammelt täglich die Kennzahlen, ein Report-Workflow generiert daraus wöchentlich und monatlich mithilfe von KI Berichte mit konkreten Empfehlungen.
Die Umsetzung
Architektur: Drei Workflows
Der Bot besteht aus drei getrennten n8n-Workflows, die unterschiedlich oft laufen:
01
Collector: täglich
Holt Insights von der Meta Graph API für Instagram und Facebook und schreibt sie strukturiert in Postgres.
02
Report: wöchentlich & monatlich
Berechnet Scores aus den gesammelten Daten und lässt eine KI daraus Top-/Flop-Analyse, Content-Empfehlungen und Reel-Ideen generieren.
03
DB-Setup: einmalig
Legt die Tabellenstruktur in Postgres an, danach bleibt der Workflow inaktiv.
Datenmodell
Drei Tabellentypen mit unterschiedlichem Zweck, plus eine bewusst getrennte Scoring-Logik für beide Plattformen:
📈
Zeitreihen-Tabelle
Ein Datensatz pro Tag und Plattform: zeigt die Entwicklung der Account-Insights über die Zeit.
🔄
Upsert-Tabelle
Posts und Post-Metriken, kein Zeitverlauf, gemeinsam für Instagram und Facebook, ein Datensatz pro Post.
💬
Append-only-Tabelle
Kommentare werden fortlaufend ergänzt, Dedupe läuft über eine eindeutige ID.
⚖️
Getrennte Scoring-Logik
Unterschiedliche Plattformmetriken erfordern getrennte Scores für Instagram und Facebook.
Tools & Technik
Vier Bausteine, die zusammen den kompletten Ablauf von Datensammlung bis KI-Bericht abdecken:
Ergebnis & Mehrwert
✦ Kurz gesagt
Automatisierte Erfolgsmessung statt Bauchgefühl
Der Bot läuft seit Mai 2026 täglich und wertet ~20-40 Posts/Monat aus. Ergebnis ist ein wöchentlicher/monatlicher Bericht mit Top-/Flop-Posts, konkreten Reel-Ideen und einer Einschätzung, wie Reichweite und Community-Engagement zueinander stehen, automatisiert statt manuell zusammengetragen.
Erkenntnisse
Eine Erkenntnis aus diesem Projekt: Zwei getrennte Ranglisten sind aussagekräftiger als eine erzwungene gemeinsame Kennzahl, auch wenn der Impuls, eine gemeinsame Metrik für beide Plattformen zu bauen, zunächst groß war.
Mir ist außerdem klar geworden, wie wichtig die Wahl der richtigen Speicherlogik pro Datentyp ist: Zeitreihe, Upsert und Append-only lösen jeweils ein anderes Problem. Eine einzige Tabellenform für alles hätte entweder Duplikate verursacht oder wichtige Verlaufsdaten verloren.
Verwandte Projekte
Mehr zu den KI-gestützten Kanälen dahinter gibt es im Artikel Social Media & KI.
Häufige Fragen
Was ist der Social Media Insights Bot?Ein n8n-Automatisierungsprojekt, das Instagram- und Facebook-Insights täglich sammelt und daraus wöchentlich sowie monatlich KI-generierte Berichte mit Top-/Flop-Analysen, Content-Empfehlungen und Reel-Ideen erstellt.
Wie oft läuft der Bot und seit wann ist er im Einsatz?Der Collector-Workflow läuft täglich, der Report-Workflow wöchentlich und monatlich. Produktiv im Einsatz seit Mai 2026, wertet dabei etwa 20 bis 40 Posts pro Monat aus.
Warum gibt es getrennte Scoring-Ranglisten für Instagram und Facebook?Weil beide Plattformen unterschiedliche Kennzahlen liefern und manche Metriken unterschiedlich definieren: eine gemeinsame Scoring-Formel hätte zu Verzerrungen geführt. Instagram wird stärker reichweitenbasiert bewertet, Facebook engagementbasiert.
Welche Technologien stecken hinter dem Bot?n8n zur Orchestrierung, die Meta Graph API als Datenquelle für Instagram und Facebook, Postgres zur Speicherung sowie OpenAI zur Auswertung und Erstellung der Berichte.
Wie ist das Datenmodell aufgebaut?Drei getrennte Postgres-Tabellentypen: eine Zeitreihen-Tabelle für Account-Insights über die Zeit, eine Upsert-Tabelle für Post-Metriken und eine Append-only-Tabelle für Kommentare; jeder Datentyp braucht eine andere Speicherlogik.
Social Media Insights Bot
Ersetzt die manuelle Auswertung von Social-Media-Kennzahlen. Ein täglicher Collector sammelt Instagram- und Facebook-Insights, ein KI-Bericht liefert wöchentlich und monatlich Top-/Flop-Analysen, Content-Empfehlungen und Reel-Ideen.
Projekt auf einen Blick
Die Ausgangslage
Eine strukturierte Erfolgsmessung fehlte bisher, obwohl mehrere meiner Social-Media-Kanäle bereits KI-gestützt und automatisiert laufen (siehe „Social Media & KI"). Statt gelegentlich in die Meta Business Suite zu schauen, sollte ein Bot täglich Kennzahlen sammeln und daraus regelmäßig einen Bericht mit klaren Empfehlungen liefern.
Die Herausforderung
Instagram und Facebook liefern unterschiedliche Kennzahlen und definieren manche Metriken unterschiedlich. Nicht alle Werte stehen auf beiden Plattformen gleichermaßen zur Verfügung. Eine gemeinsame Scoring-Formel hätte dadurch zu Verzerrungen geführt oder hätte wichtige Informationen unberücksichtigt gelassen.
Zusätzlich brauchten die drei Datentypen (Verlaufsdaten, Post-Metriken, Kommentare) jeweils eine andere Speicherlogik. Eine einzige Tabellenform für alles hätte entweder Duplikate oder Datenverlust bedeutet.
Die Lösung
Drei getrennte Postgres-Tabellentypen decken die drei Datenarten ab. Ergänzend dazu gibt es zwei getrennte Scoring-Ranglisten: Instagram wird stärker reichweitenbasiert bewertet, Facebook engagementbasiert. Ein Collector-Workflow sammelt täglich die Kennzahlen, ein Report-Workflow generiert daraus wöchentlich und monatlich mithilfe von KI Berichte mit konkreten Empfehlungen.
Die Umsetzung
Architektur: Drei Workflows
Der Bot besteht aus drei getrennten n8n-Workflows, die unterschiedlich oft laufen:
Datenmodell
Drei Tabellentypen mit unterschiedlichem Zweck, plus eine bewusst getrennte Scoring-Logik für beide Plattformen:
Tools & Technik
Vier Bausteine, die zusammen den kompletten Ablauf von Datensammlung bis KI-Bericht abdecken:
Ergebnis & Mehrwert
Der Bot läuft seit Mai 2026 täglich und wertet ~20-40 Posts/Monat aus. Ergebnis ist ein wöchentlicher/monatlicher Bericht mit Top-/Flop-Posts, konkreten Reel-Ideen und einer Einschätzung, wie Reichweite und Community-Engagement zueinander stehen, automatisiert statt manuell zusammengetragen.
Erkenntnisse
Eine Erkenntnis aus diesem Projekt: Zwei getrennte Ranglisten sind aussagekräftiger als eine erzwungene gemeinsame Kennzahl, auch wenn der Impuls, eine gemeinsame Metrik für beide Plattformen zu bauen, zunächst groß war.
Mir ist außerdem klar geworden, wie wichtig die Wahl der richtigen Speicherlogik pro Datentyp ist: Zeitreihe, Upsert und Append-only lösen jeweils ein anderes Problem. Eine einzige Tabellenform für alles hätte entweder Duplikate verursacht oder wichtige Verlaufsdaten verloren.
Verwandte Projekte
Mehr zu den KI-gestützten Kanälen dahinter gibt es im Artikel Social Media & KI.
Häufige Fragen
Ein n8n-Automatisierungsprojekt, das Instagram- und Facebook-Insights täglich sammelt und daraus wöchentlich sowie monatlich KI-generierte Berichte mit Top-/Flop-Analysen, Content-Empfehlungen und Reel-Ideen erstellt.
Der Collector-Workflow läuft täglich, der Report-Workflow wöchentlich und monatlich. Produktiv im Einsatz seit Mai 2026, wertet dabei etwa 20 bis 40 Posts pro Monat aus.
Weil beide Plattformen unterschiedliche Kennzahlen liefern und manche Metriken unterschiedlich definieren: eine gemeinsame Scoring-Formel hätte zu Verzerrungen geführt. Instagram wird stärker reichweitenbasiert bewertet, Facebook engagementbasiert.
n8n zur Orchestrierung, die Meta Graph API als Datenquelle für Instagram und Facebook, Postgres zur Speicherung sowie OpenAI zur Auswertung und Erstellung der Berichte.
Drei getrennte Postgres-Tabellentypen: eine Zeitreihen-Tabelle für Account-Insights über die Zeit, eine Upsert-Tabelle für Post-Metriken und eine Append-only-Tabelle für Kommentare; jeder Datentyp braucht eine andere Speicherlogik.