Wir bauten eine KI-Wissensdatenbank an einem Nachmittag

Montag Nachmittag. Jozo wollte ein Newsfeed auf unserer Website. Nicht ein Blog—wir haben schon einen. Eine kurierte Sammlung von KI-Inhalten. Videos, Talks, Interviews. Das Zeug, das unser Team tatsächlich schaut, um aktuell zu bleiben.

"Können wir das bis Ende des Tages haben?"

Zwei Stunden später: 11 Stücke Inhalt. Funktionsfähige Empfehlungen. Live auf der Website.

Hier ist, was wirklich passierte.

Die Herausforderung: Information Overload

Jede Woche, dutzende wichtiger KI-Videos drop. Stanford Vorlesungen. Gründer Interviews. Technische Deep-Dives. Industrie Analyse.

Unser Team schaute sie individuell. Teilte Links in Slack. Verlor den Überblick über das, was wir abgedeckt hatten.

Das Problem war nicht, Inhalt zu finden. Es war, es zu organisieren.

Wir brauchten einen zentralen Ort, wo:

• Kurierter KI-Inhalt permanent lebt
• Jedes Stück hat Kontext (warum es zählt, Schlüssel Takeaways)
• Verwandter Inhalt oberflächlich automatisch
• Jeder im Team kann entdecken, was er verpasste

Traditionelle Lösungen bedeuteten Wochen der Planung. Content Management Systeme. Editorial Workflows. Scheduling Tools.

Wir hatten keine Wochen. Wir hatten einen Nachmittag.

Die Lösung: KI-Unterstützte Schnell-Entwicklung

Statt eine Content-Plattform zu bauen, bauten wir eine Wissensdatenbank.

Der Ansatz war einfach: Beginne mit einem Video. Mache es funktionieren. Dann skaliere.

Was wir bauten

1. Kurierter Feed bei /ai/ — Eine chronologische Liste von KI-Inhalten, die wir empfehlen
2. Reicher Kontext — Jedes Video hat eine "Perspective" Sektion erklärend, warum es zählt und Schlüssel Takeaways
3. Intelligente Empfehlungen — Verwandte Artikel tauchen auf basierend auf echte Inhalts-Ähnlichkeit, nicht nur Tags
4. Transparentes Matching — Benutzer sehen warum Artikel verwandt sind ("87% match" vs "52% match")

Wie wir das taten

Claude handhabte die schwere Heberei:

• Transkript-Extraktion — Hole den vollständigen Text von jedem YouTube Video
• Perspective Generierung — Analysiere das Transkript und schreibe echte Erkenntnisse
• Parallele Verarbeitung — Füge mehrere Videos gleichzeitig mit KI Subagents hinzu
• Empfehlungs-Engine — Berechne Inhalts-Ähnlichkeit und oberflächlich verwandte Stücke

Keine Code-Umschreibung. Keine neuen Frameworks. Nur KI, die die Lücken füllt.

Das Erlebnis: Was es eigentlich war

Das erste Video nahm ungefähr 15 Minuten. Stanford CS230 über KI-Agenten. Wir zogen das Transkript, generierten eine Perspective, fügten es zum Feed hinzu.

Dann trafen wir auf unser erstes echtes Problem: das Video würde nicht embed. Stanford deaktivierte externes Embedding.

Statt zu geben auf, bauten wir ein Fallback. Embed-deaktivierte Videos zeigen eine Miniaturansicht mit einer "Watch on YouTube" Overlay. Benutzer wissen genau, worauf sie klicken.

Problem in 5 Minuten gelöst.

Skalierung auf

Sobald das Pattern funktionierte, fügten wir Videos parallel hinzu. Jozo hielt YouTube Links fallen:

• Demis Hassabis Interview mit Axios
• Jensen Huang auf KI Infrastruktur
• Peter Diamandis, GPT 5.2 aufschlüsselnd
• Yann LeCun auf World Models
• Boris Cherny über das Bauen von Claude Code
• Rio Lou auf Designern, die Coder werden

Sechs KI-Agenten gleichzeitig. Jeder:

1. Transkript abrufen
2. Perspective generieren
3. Eintrag erstellen

Ergebnis: 6 Videos in der Zeit verarbeitet, die 1 manuell nehmen würde.

Der Transparenz-Insight

Halb durch, fragte Jozo über die "Verwandte Artikel" Sektion.

"Warum tauchen diese Artikel auf? Was ist die Verbindung?"

Standardpraxis würde die Algorithmus verstecken. Einfach Empfehlungen zeigen und den Benutzer vertrauen, klicken zu lassen.

Wir taten das Gegenteil. Wir fügten Match Prozentsätze hinzu.

• 87% match — Höchst verwandte Themen
• 52% match — Verbunden, trotzdem relevant
• 34% match — Tangential, könnte interessant sein

Benutzer sehen warum wir etwas empfehlen. Keine Black Box. Kein Geheimnis-Algorithmus.

Stellt sich heraus, Transparenz baut Vertrauen auf. Sogar wenn das Matching nicht perfekt ist.

Was wir versendeten

By End of Day, das Newsfeed war live bei teamday.ai/ai.

11 kuratierte Videos abdeckend:

• Stanford courses auf Transformers und Agenten
• Gründer Interviews (Hassabis, Huang, Brin)
• Industrie Analyse (GPT 5.2 breakdown, KI competition)
• Technische Debatten (LeCun vs DeepMind auf Verständnis)
• Karriere Erkenntnisse (Claude Code creator, Cursor's design lead)

Jedes Video enthält:

• KI-generierte Perspective auf, warum es zählt
• Schlüssel Takeaways für Schnellstarten
• Channel Links zur Entdeckung mehr
• Verwandter Inhalt mit transparentem Matching

Null redaktioneller Workflow. Hinzufügen neuen Inhalts bedeutet das Erstellen einer markdown Datei. Das ist es.

Schlüssel Takeaways

1. Beginne mit einem, dann skaliere

Baue die Plattform nicht zuerst. Mache ein Stück Inhalt perfekt arbeiten. Das Pattern wird klar. Skalierung ist der leichte Teil.

2. Lass KI die Lücken füllen

Wir lernten nicht Video-Editing oder bauten Empfehlungs-Engines. Wir nutzten KI zum Handeln, was wir nicht schnell selbst tun konnten. Das Ergebnis war besser als wenn wir es manuell getan hätten.

3. Transparenz schlägt Geheimnis

Match-Prozentsätze zeigen zu gefährlich. Was ist, wenn Benutzer niedrig-Matches in Frage stellen? Stellt sich heraus, sie schätzen, zu wissen warum Inhalt empfohlen wird. Vertrauen kommt von Ehrlichkeit, nicht Politur.

4. Parallele Arbeit ändert alles

Eine Person, die Videos sequenziell hinzufügt = langsam. Mehrere KI-Agenten, parallel arbeitend = schnell. Das selbe Prinzip gilt zu jeder wiederholten Wissens-Arbeit.

5. Gut genug versenden, perfekt nicht

Das Newsfeed ist nicht perfekt. Einige Perspectives könnten tiefer sein. Einige Matches könnten enger sein. Aber es ist live. Es ist nützlich. Es wird verwendet.

Fertig schlägt perfekt.

Was kommt als nächstes

Die Wissensdatenbank ist live und wächst. Wir fügen neuen Inhalt wöchentlich hinzu—talks, Interviews, Research Breakdowns.

Willst du das sehen? Überprüfe den KI Newsfeed

Etwas Ähnliches bauen? Das Pattern funktioniert für jeden kuratierten Inhalt:

• Industrie News Feeds
• Research-Bibliotheken
• Trainings-Ressourcen
• Konkurrenz Intelligence

Das Schlüssel Insight: KI schreibt nicht einfach Inhalt. Es organisiert, verbindet und oberflächlich es.

Das ist die Zukunft der Wissens-Arbeit.

P.S. — Wir fügten ein anderes Video während der Session hinzu: Rio Lou von Cursor sprechend über die Verwandlung Designer in Coder. Sein Hauptpunkt? KI füllt die Implementierungs-Lücken, damit Menschen auf das konzentrieren können, das sie gut sind. Genau was wir beim Bauen diesen Newsfeed erlebten.