Du verantwortest 50 Filialen. Jede soll wöchentlich einen lokalen Social-Media-Post bekommen. Das sind 50 Posts pro Woche. 200 pro Monat. Dein Content-Team hat keine Kapazität für 200 individuelle Posts. Also passiert eine von zwei Sachen: Entweder bekommt jede Filiale denselben generischen Post. Oder es passiert gar nichts.
Beides ist schlecht. Generischer Content performt 60% schlechter als lokalisierter Content — das zeigen Daten von SOCi aus 2025. Und gar kein Content ist der sicherste Weg in die Unsichtbarkeit.
Die Lösung: Ein strukturierter KI-Workflow der beides liefert — Geschwindigkeit und lokale Relevanz. Hier ist der exakte Prozess.
Phase 1: Vorbereitung (30 Minuten)
Bevor du die KI anwirfst, brauchst du drei Dinge:
1. Die Standort-Datei
Erstelle eine CSV-Datei oder ein Spreadsheet mit allen relevanten lokalen Daten. Pro Standort:
- Stadt und Stadtteil
- Adresse
- Besonderheiten (z.B. "größte Filiale in der Region", "neu eröffnet", "mit Kinderspielecke")
- Lokale Keywords (z.B. "Zeil" für Frankfurt, "Kö" für Düsseldorf)
- Aktuelle lokale Events oder Feiertage
- Top-Produkte oder Services die an diesem Standort besonders gefragt sind
Das klingt nach Arbeit — ist es auch. Aber du machst es einmal und aktualisierst dann quartalsweise. Diese Datei ist dein Content-Gold.
2. Das Master-Prompt
Hier ist der Prompt der funktioniert. Ja, du kannst ihn kopieren:
Du bist ein lokaler Social-Media-Experte für [Markenname]. Erstelle einen [Plattform]-Post für die Filiale in [Stadt], [Stadtteil]. Der Post soll [Thema] behandeln. Tonalität: freundlich, lokal, direkt. Vermeide generische Phrasen. Nutze wenn möglich einen lokalen Bezug (Event, Wahrzeichen, Stadtteil-Eigenheit). Maximale Länge: [Zeichenzahl]. Füge 3-5 relevante Hashtags hinzu, davon mindestens 2 lokale.
Dieser Prompt allein bringt nichts. Er wird gut durch die Standort-Daten die du ihm fütterst.
3. Die Qualitäts-Checkliste
Definiere vorab drei Kriterien für die Qualitätskontrolle:
- Lokalitätstest: Würde jemand aus dem Stadtteil erkennen dass der Post "von hier" ist?
- Markentest: Passt der Ton zur Marke? Klingt es nach deinem Unternehmen?
- Aktionstest: Gibt es einen klaren Call-to-Action?
Phase 2: Generierung (60 Minuten)
Jetzt wird es konkret. Der Workflow in fünf Schritten:
Schritt 1: Master-Post erstellen (10 Min)
Erstelle mit Claude oder ChatGPT einen perfekten Post für einen Standort. Das ist dein Referenz-Post. Iteriere so lange bis er sitzt — Tonalität, Länge, Struktur, Call-to-Action. Dieser Post ist dein Template.
Schritt 2: Lokalisierungs-Prompt bauen (5 Min)
Jetzt sagst du der KI: "Hier ist ein Referenz-Post [Post einfügen]. Erstelle eine lokalisierte Version für die Filiale in [Stadt/Stadtteil]. Nutze diese lokalen Daten: [Daten aus der Standort-Datei]. Behalte Struktur und Tonalität bei, aber mache den Post lokal relevant."
Schritt 3: Batch-Generierung (30 Min)
Hier passiert die Skalierung. Zwei Optionen:
Option A: Manuell — Du kopierst den Lokalisierungs-Prompt und passt die Stadt/Stadtteil-Variable für jeden Standort an. Bei 50 Standorten dauert das etwa 30 Minuten.
Option B: Automatisiert — Du nutzt die API von OpenAI oder Anthropic mit einem einfachen Script das die Standort-Datei durchläuft und für jeden Standort automatisch einen Post generiert. Dauert 5 Minuten Setup (einmalig) und dann 2 Minuten pro Durchlauf.
Für den Anfang empfehle ich Option A. Du lernst dabei wie die KI auf verschiedene Standort-Daten reagiert und kannst den Prompt iterativ verbessern. Wenn der Prozess stabil ist, automatisiere mit Option B.
Schritt 4: Varianten erzeugen (10 Min)
Nicht jeder Post soll gleich klingen, nur weil er vom gleichen Template kommt. Bitte die KI um 2-3 strukturelle Varianten: Mal mit einer Frage anfangen, mal mit einer Zahl, mal mit einer lokalen Anekdote. So vermeidest du den "Copy-Paste-Effekt" bei dem aufmerksame Kunden merken, dass alle Filialen den gleichen Post in leicht veränderter Form posten.
Schritt 5: Google Posts nicht vergessen (5 Min)
Google Posts sind der unterschätzte Kanal für GEO-Sichtbarkeit. Erstelle für jeden Standort einen Google Post — kürzer als Social Media (max 300 Zeichen effektiv), mit klarem CTA und wenn möglich einem Angebot. Die KI kann Social-Media-Posts automatisch in Google-Post-Format kürzen.
Phase 3: Qualitätskontrolle (30 Minuten)
Das ist der Schritt den die meisten überspringen — und dann wundern sie sich über peinliche Fehler.
Automatische Qualitätskontrolle
Nutze eine zweite KI-Instanz als "Qualitäts-Agent". Der Prompt:
Prüfe diesen Social-Media-Post auf: 1) Faktische Korrektheit (stimmen Öffnungszeiten, Adressen, Angebote?), 2) Brand-Compliance (passt die Tonalität zu [Markenrichtlinien]?), 3) Lokale Relevanz (ist der lokale Bezug echt oder aufgesetzt?), 4) Grammatik und Rechtschreibung. Markiere Probleme und schlage Korrekturen vor.
Menschliche Stichproben
Prüfe mindestens 20% der Posts manuell. Besonders:
- Die Posts für Standorte in Städten die du kennst — stimmt der lokale Bezug?
- Die Posts für Standorte mit Besonderheiten — sind die Besonderheiten richtig eingebaut?
- Die Posts mit Zahlen oder Angeboten — stimmen die Fakten?
Ergebnis: Was du nach 2 Stunden hast
Nach diesem Workflow hast du:
- 50 individualisierte Social-Media-Posts mit lokalem Bezug
- 50 Google Posts für deine Business Profile
- Ein Template-System das du nächste Woche in 45 Minuten wiederholen kannst
- Eine Standort-Datei die mit jedem Durchlauf besser wird
Der erste Durchlauf dauert 2 Stunden. Der zweite dauert 90 Minuten. Ab dem dritten bist du bei 60 Minuten. Der Grund: Dein Template wird besser, deine Standort-Daten werden vollständiger und du weißt welche Prompts funktionieren.
Häufige Fehler — und wie du sie vermeidest
Fehler 1: Zu wenig lokale Daten. "Besuche uns in München!" ist kein lokaler Post. "Noch bis Freitag: Frühlings-Special in unserer Filiale am Marienplatz — direkt neben dem Glockenspiel" ist einer. Je mehr lokale Daten du der KI gibst, desto besser der Output.
Fehler 2: Kein Referenz-Post. Wenn du der KI nur sagst "Schreib einen Post", bekommst du generischen Output. Der Referenz-Post ist entscheidend — er definiert Qualität, Struktur und Ton.
Fehler 3: Qualitätskontrolle überspringen. KI halluziniert. Das gilt auch für lokalen Content. Ein Post der eine Veranstaltung erwähnt die nicht existiert, schadet mehr als kein Post. Prüfe immer.
Fehler 4: Alle Posts gleichzeitig veröffentlichen. Wenn 50 Filialen am Montag um 9:00 Uhr den strukturell gleichen Post veröffentlichen, fällt das auf. Verteile die Veröffentlichung über die Woche und variiere die Uhrzeiten.
Der Workflow funktioniert. Aber er funktioniert nur wenn du die Grundlagen ernst nimmst: echte lokale Daten, saubere Profile und eine Content-Strategie die weiß, was jeder Standort braucht. Die KI ist das Werkzeug. Die Strategie bleibt deine Aufgabe. Und wenn du noch keinen Plan hast wie deine Filialen in KI-Empfehlungen auftauchen, fang dort an.
50 Posts. 2 Stunden. Kein generischer Einheitsbrei. Das ist kein Versprechen — das ist ein Workflow. Probier ihn aus.
Quellen
- SOCi — Localized Content Performance Report 2025: Lokalisierter Content performt 60% besser als generischer Content.
- Content Marketing Institute — Local Content Strategy: Best Practices für Multi-Location Content.
- Google — Google Business Profil Posts erstellen: Offizielle Dokumentation zu Google Posts.