Warum ich meine IG-Bilder nicht mehr KI-generiere

TL;DR

• Bis vor Kurzem ließ ich Instagram-Bilder komplett von einem Bildmodell generieren, inklusive Überschrift und Call-to-Action direkt im Bild, und der Text war regelmäßig kaputt.
• FeedFoundry rendert den sichtbaren Post-Text heute deterministisch aus Templates, kein KI-generierter Text mehr in Marken-Bildern.
• KI kommt nur noch für optionale Hintergründe zum Einsatz, und jedes Ergebnis läuft vorher durch einen Vision-Judge, der Bilder mit Text ablehnt.
• BuilderBob entscheidet Inhalt und Qualität selbst, veröffentlicht selbst über die Meta Graph API und ruft FeedFoundry nur für das fertige Bild ab.
• Der Loop schließt sich über echte Reach-, Saves- und Like-Zahlen, die zurück in die Planung fließen, nicht über geschätzte Kennzahlen.

Warum ich aufgehört habe, IG-Bilder KI zu generieren

Ich habe eine Weile lang Instagram-Grafiken komplett von einem Bildmodell generieren lassen. Prompt rein, Bild raus, inklusive Überschrift und Call-to-Action direkt im Bild. Das ging so lange gut, wie niemand genau hinsah.

Text in generierten Bildern ist ein bekanntes Problem, aber ich habe es erst richtig verstanden, als ich anfing, Marken-Posts systematisch zu prüfen. Buchstaben, die halb existieren. Wörter, die im Bild anders aussehen als im Prompt. Zeilen, die mitten im Satz abbrechen. Bei einem Einzelbild fällt das vielleicht niemandem auf. Bei einem Feed, der wöchentlich mehrere Marken bedient, wird daraus ein Muster, und ein Muster ist ein Vertrauensproblem.

Ein Marken-Post mit kaputtem Text sagt etwas über die Sorgfalt dahinter, ob ich das wollte oder nicht. Und weil ich mehrere Marken parallel betreue, ist die Fehlerfläche nicht ein Bild. Es sind alle Bilder, jede Woche, für jede Marke.

Ich habe eine Weile versucht, das Problem mit besseren Prompts zu lösen. Mehr Kontext, engere Formatvorgaben, mehrere Varianten generieren und die beste per Hand auswählen. Das hat die Trefferquote leicht verbessert, aber nie zuverlässig genug gemacht, um es unbeaufsichtigt laufen zu lassen. Am Ende habe ich trotzdem jedes Bild manuell gegengelesen, bevor es rausging, und genau diese manuelle Kontrolle wollte ich eigentlich durch Automatisierung loswerden, nicht behalten.

Also habe ich die Frage umgedreht: Wenn KI-generierter Text unzuverlässig ist, warum lasse ich die KI überhaupt Text schreiben?

FeedFoundrys Antwort: Text aus Templates, KI nur für den Hintergrund

FeedFoundry ist das Werkzeug, mit dem ich diese Entscheidung technisch umgesetzt habe. Es ist eine Multi-Marken-Instagram-Content-Engine für meine eigenen Marken, darunter @gotzendorfer.at.

Der zentrale Designwechsel: Der sichtbare Post-Text wird nicht mehr generiert, sondern gerendert. FeedFoundry nimmt Titel, Zahlen und Call-to-Action aus einer strukturierten Quelle und setzt sie über Templates in ein festes Layout, technisch über Satori und @vercel/og. Das Ergebnis ist deterministisch: Derselbe Input erzeugt immer denselben Text, an derselben Stelle, in derselben Schrift. Kein Halluzinieren, weil an dieser Stelle nichts generiert wird.

KI kommt trotzdem noch vor, aber nur noch für einen einzigen, eng begrenzten Job: den optionalen Hintergrund hinter dem Template. Und selbst dort läuft jedes Ergebnis durch eine zweite Instanz, bevor es überhaupt ins Rennen kommt: einen Vision-Judge. Der Judge bekommt das generierte Hintergrundbild und eine einzige Frage: Enthält dieses Bild Text? Wenn ja, wird es verworfen, unabhängig davon, wie gut der Rest aussieht.

Das ist die Stelle, an der die alte Unsicherheit sauber eingehegt ist. Ein Hintergrund ohne Text kann optisch daneben liegen, das ist ein Geschmacksurteil und keine Vertrauensfrage. Ein Hintergrund mit halb kaputtem Text war früher das eigentliche Risiko, und genau dieser Fall ist jetzt strukturell ausgeschlossen, weil der Judge ihn nie durchlässt. Die KI darf also weiterhin kreativ sein, aber nur in dem Bereich, in dem eine Fehlentscheidung höchstens Geschmackssache ist, nie in dem Bereich, in dem sie Vertrauen kostet.

Das ist ein bewusster Tausch. Ich verzichte auf die Flexibilität, dass die KI komplett freie Kompositionen entwirft, und bekomme dafür Marken-Bilder, deren Text ich nicht mehr gegenlesen muss, weil er nie kaputt sein kann.

Die genaue Arbeitsteilung: Bob entscheidet, Bob postet, Bob ruft nur das Bild ab

An dieser Stelle lohnt sich Präzision, weil leicht der Eindruck entsteht, FeedFoundry und BuilderBob wären eine durchgehende Pipeline. Sind sie nicht.

BuilderBob ist mein Plattform-Agent, der unter anderem die Instagram-Präsenz von @gotzendorfer.at betreut. Er entscheidet, was gepostet wird, prüft es gegen ein Brand-Voice-Gate und veröffentlicht selbst über die Meta Graph API, unter seiner eigenen Autorisierung, nicht über einen Umweg. Die inhaltliche Entscheidung und die Qualitätskontrolle liegen komplett bei Bob.

FeedFoundry hat in diesem Ablauf genau eine Aufgabe: Wenn Bob ein fertiges, on-brand gerendertes Bild braucht, ruft er FeedFoundrys öffentlichen Render-Endpunkt /api/og auf und bekommt das Bild zurück. Das war's. FeedFoundry entscheidet nichts über Inhalt, Timing oder Ton, und Bob delegiert nichts über das Bild-Rendering hinaus.

Der Unterschied ist mehr als Semantik. Eine Pipeline suggeriert einen durchgehenden, orchestrierten Prozess von der Idee bis zur Veröffentlichung, bei dem ein Schritt automatisch in den nächsten fließt. Hier gibt es zwei unabhängige Systeme mit einer einzigen, klar definierten Schnittstelle dazwischen: ein Bild-Request und ein Bild-Response. Bob bleibt für alles andere zuständig, einschließlich der Entscheidung, das Bild überhaupt anzufordern.

Der geschlossene Lern-Loop: echtes Engagement fließt zurück

Der Teil, der FeedFoundry für mich interessant macht, ist nicht das Rendering selbst, sondern das, was danach passiert. Nachdem ein Post live ist, sammelt der Loop echte Engagement-Metriken über die Instagram-Präsenz, konkret Reichweite, Saves und Likes. Keine Schätzwerte, keine Proxy-Kennzahlen, sondern das, was Instagram tatsächlich zurückmeldet.

Diese Zahlen fließen zurück in die Content-Planung. Ein Template, ein Themenwinkel oder eine Formulierung, die bei echten Nutzerinnen und Nutzern gut ankommt, bekommt mehr Gewicht in der nächsten Planungsrunde. Was durchfällt, wird seltener wiederholt. Der Loop schließt sich also nicht bei der Veröffentlichung, sondern erst, wenn das reale Ergebnis wieder in die nächste Entscheidung einfließt.

Konkret heißt das: Die Planungsrunde für die kommende Woche ist keine leere Seite, sondern beginnt mit dem, was in der Vorwoche tatsächlich funktioniert hat. Kein Ratespiel, welches Format als Nächstes drankommt, sondern eine Priorisierung, die auf echten Zahlen aus dem eigenen Feed basiert statt auf einer generischen Best-Practice-Liste von irgendwo.

Das ist ein anderer Anspruch als "KI generiert Content". Es ist ein System, das misst, was tatsächlich funktioniert, und diese Messung ernst nimmt, statt auf Bauchgefühl oder Ästhetik-Vorlieben zu vertrauen.

Warum getrennte Zuständigkeiten robuster sind als eine Monster-Pipeline

Ich hätte FeedFoundry und BuilderBob auch als einen einzigen, durchgehenden Agenten bauen können, der von der Idee bis zur Veröffentlichung alles selbst macht. Ich habe mich bewusst dagegen entschieden.

Getrennte Zuständigkeiten mit einer schmalen Schnittstelle sind einfacher zu debuggen. Wenn ein Bild falsch aussieht, weiß ich sofort, ob das Problem im Rendering liegt, bei FeedFoundry, oder in der Entscheidung, was gepostet werden soll, bei Bob. Bei einer verschmolzenen Pipeline müsste ich durch den gesamten Ablauf, um den Fehler zu lokalisieren.

Es macht die Systeme auch unabhängig voneinander weiterentwickelbar. Ich kann an FeedFoundrys Rendering arbeiten, ohne Bobs Entscheidungslogik anzufassen, und umgekehrt. Und es begrenzt den Schaden, wenn etwas schiefgeht. Ein Fehler im Rendering produziert höchstens ein falsches Bild, kein falsches Posting-Verhalten, weil Bob die Entscheidung trifft, ob überhaupt gepostet wird.

Die zwei Systeme heute nicht zu einer engeren Pipeline zu verschmelzen ist deshalb keine fehlende Integration, sondern eine bewusste Grenze.

Was sich für mich im Alltag konkret geändert hat

Der spürbarste Unterschied ist, dass ich Marken-Bilder nicht mehr gegenlese, bevor sie rausgehen. Früher gehörte das Prüfen von Text im Bild fest zu jeder Veröffentlichung, egal wie klein der Post war. Heute entfällt dieser Schritt komplett, weil der Text nicht mehr aus einem Modell kommt, sondern aus derselben Quelle wie die restlichen Inhalte einer Marke, gerendert statt geraten.

Das schafft Zeit für die Fragen, die tatsächlich Aufmerksamkeit brauchen: welches Thema als Nächstes drankommt, wie ein Angebot am besten formuliert ist, ob eine Formulierung zur Marke passt. Fragen, bei denen mein Urteil etwas beiträgt, statt Fragen, bei denen ich nur ein Modell korrigiere.

Der Tech-Stack, ehrlich benannt

Damit hier nichts vage bleibt: FeedFoundry läuft auf Next.js mit Supabase als Datenschicht, gehostet auf Vercel. Das Rendering nutzt @vercel/og, aufgesetzt auf Satori, für das template-basierte Bild-Layout. Die Veröffentlichung läuft über die Meta Graph API. Kein weiteres verstecktes KI-Modell im Rendering-Pfad, außer dem beschriebenen optionalen Hintergrund-Schritt mit dem Vision-Judge davor.

Das ist kein exotischer Stack. Der Punkt ist nicht die Technologie, sondern wie die Verantwortlichkeiten darin verteilt sind: deterministisches Rendering für alles, was garantiert richtig sein muss, KI mit einer Prüfinstanz für alles, was optional ist und Varianz verträgt.

Fazit

Ich generiere meine IG-Bilder nicht mehr komplett mit KI, weil kaputter Text in Marken-Content ein Vertrauensproblem ist, keine Kleinigkeit. Die Lösung war nicht, die KI wegzulassen, sondern ihr die richtige, begrenzte Aufgabe zu geben: optionale Hintergründe, geprüft von einem Vision-Judge, während Text deterministisch aus Templates kommt.

Die genaue Arbeitsteilung zwischen BuilderBob und FeedFoundry ist mir wichtig zu betonen, weil sie das Gegenteil einer Monster-Pipeline ist. Bob entscheidet, prüft und veröffentlicht. FeedFoundry rendert ein Bild, wenn es gefragt wird, sonst nichts. Und der Loop, der aus echtem Reach, echten Saves und echten Likes lernt, macht daraus etwas, das über die Zeit besser wird, nicht nur mehr wird.