Kostenlose Anleitung

Wie du ein Expertenbuch in ein Content-System verwandelst.

Das Reel zeigt die Kurzversion. Hier bekommst du den Nachbau: erst die Logik auf Meta-Ebene, dann die konkrete technische Umsetzung mit NotebookLM, optionaler CLI-Steuerung und einem eigenen Markdown-System.

Das Prinzip

QuelleNotebookLM

FragenFrameworks

BlueprintContent-Gate

Content-GateSkripte & Reviews

Merksatz

Lies nicht nur, was Experten sagen. Bau ihre Denkweise in dein System ein.

Was hier wirklich passiert

NotebookLM liest nicht für dich. Es macht eine Quelle befragbar.

Der Hebel entsteht erst danach: Du nimmst die Antworten aus dem Notebook, verdichtest sie in ein Framework und baust daraus ein Gate, das deine Content-Produktion prüft.

Manueller Weg

Du nutzt NotebookLM im Browser, kopierst gute Antworten in Markdown-Dateien und nutzt diese Dateien als Briefing- und Review-Vorlage.

Agentischer Weg

Ein Agent nutzt eine Notebook-Registry, fragt das richtige Notebook per CLI ab und schreibt die Extraktion in dein System.

PersonalOS-Logik

In meinem Setup gibt es einen Notebook-Advisor-Skill. Der wählt passende Expert-Notebooks aus, stellt fokussierte Fragen und behandelt Antworten als Expertensparring, nicht als Wahrheit.

ContentOS-Logik

Das extrahierte Wissen landet nicht als lose Notiz, sondern als Blueprint, Framework und Review-Gate im Content-Prozess.

Tool-Stack

Du brauchst weniger, als es technisch wirkt.

Realistisch brauchst du NotebookLM, den Link zum notebooklm-py Repo und einen Agenten wie Codex oder Claude Code. Den Rest lässt du den Agenten herausfinden und umsetzen.

NotebookLM

Hier lädst du Buch, PDF, Video, Artikel oder Notizen hinein und machst die Quelle befragbar.

NotebookLM öffnen

notebooklm-py Repo

Diesen Link gibst du dem Agenten als technische Referenz. Er kann daraus ableiten, wie NotebookLM gesteuert wird.

Repo öffnen

Codex

Der Agent, dem du dein Ziel beschreibst. Er kann Repo, Dateien und Setup-Schritte für dich umsetzen.

Codex ansehen

Claude Code

Alternative zu Codex. Du beschreibst den gewünschten Workflow, Claude Code setzt ihn in deinem Projekt um.

Claude Code ansehen

Agent-Briefing

Sag dem Agenten, was du bauen willst. Nicht, welche Pakete er installieren soll.

Wenn ein Login, eine Installation oder eine lokale Verbindung nötig ist, führt dich der Agent dadurch. Du musst nur das Ziel, dein Notebook und den technischen Referenz-Link mitgeben.

Prompt für Codex oder Claude Code

Ich will aus einem NotebookLM-Notebook ein Content-System bauen.

Nutze dieses Repo als technische Referenz:
https://github.com/teng-lin/notebooklm-py

Mein Ziel:
- mein NotebookLM-Notebook befragbar machen
- die wichtigsten Frameworks aus den Quellen extrahieren
- daraus einen internen Blueprint schreiben
- daraus ein Content-Gate für Skripte, Artikel und Reviews bauen
- das Gate in meinen Content-Prozess einbauen

Führe mich durch alles, was ich manuell bestätigen muss.

Der einzige Punkt, den ein Agent nicht für dich entscheiden sollte: Zugriff auf dein Google-Konto bestätigst du selbst. Alles Technische darunter ist Agentenarbeit.

Der Ablauf im Detail

So wird aus einer Quelle ein wiederholbarer Content-Prozess.

Quelle bewusst auswählen

Nimm nicht irgendeinen Tool-Post. Nimm eine Quelle, die deine Arbeit wirklich verbessern soll.

Buch, Kurs, Experteninterview, Call-Transkript, Research-Report oder lange Videoquelle
Gute Testfrage: Soll dieses Wissen später echte Skripte, Artikel oder Entscheidungen verbessern?
Bei geschützten Büchern: nur privat analysieren, nicht lange Passagen öffentlich kopieren

Quelle in NotebookLM laden

NotebookLM ist die Analyse-Workbench. Dort wird die Quelle befragbar, aber sie ist noch kein System.

Notebook sauber benennen, zum Beispiel `Eugene Schwartz Marketing Advisor`
Quellenliste prüfen, damit du weißt, worauf die Antworten basieren
Nicht mit `fass mir das zusammen` starten, sondern mit einer klaren Rolle

Notebook wie einen Experten befragen

Du fragst nicht nach Notizen. Du gibst dem Notebook eine Aufgabe: Frameworks extrahieren, Fehler erkennen, Gates bauen.

Content-Rolle: bessere Hooks, Skripte, Artikel und Reviews
Offer-Rolle: Positionierung, Nutzenversprechen und Mechanismus
Reviewer-Rolle: blinde Flecken in deinem aktuellen Content

Antworten in einen Blueprint verdichten

Der Blueprint ist die interne Langfassung. Er hält Modelle, Diagnosefragen, Beispiele und Grenzen fest.

Welche Modelle sind wichtig?
Welche Fehler sollen nie wieder passieren?
Wie wird das auf Content, Produkt, Offer und Funnel angewendet?

Aus dem Blueprint ein Content-Gate bauen

Der Blueprint ist zu groß für den Alltag. Das Gate ist die kurze Prüflogik für jedes neue Content Piece.

Welches bestehende Verlangen trifft das Piece?
Welche Awareness-Stufe hat die Person?
Was ist der Mechanismus?
Welcher Proof macht es glaubwürdig?
Welche CTA passt psychologisch?

Gate in Produktion und Review einbauen

Erst hier entsteht der Hebel. Das Wissen taucht nicht nur in einer Notiz auf, sondern im Prozess.

Briefing füllt das Gate vor der Produktion aus
Producer nutzt das Gate beim Schreiben
Review prüft das fertige Piece gegen dieselben Kriterien

An einem echten Piece testen

Der erste Test ist kein abstraktes Dokument. Der erste Test ist ein echtes Skript, Artikel oder Reel.

Topic anlegen
Brief mit Gate ausfüllen
Skript produzieren
Hook, Mechanismus, Proof und CTA prüfen

Lernen zurück ins System schreiben

Nach der Veröffentlichung wird aus Performance und Feedback wieder neues Systemwissen.

Was hat beim Hook funktioniert?
Welche Fragen kamen in Kommentaren oder DMs?
Welche Gate-Frage muss beim nächsten Mal schärfer werden?

NotebookLM Prompts

Stell keine breite Frage. Gib dem Notebook eine Rolle.

Der Unterschied liegt nicht darin, dass NotebookLM eine Quelle lesen kann. Der Unterschied liegt darin, welche Entscheidung du aus der Quelle extrahieren willst.

Du bist Content-Strategist. Extrahiere alle Frameworks aus dieser Quelle, die helfen, bessere Hooks, Skripte, Artikel und Reviews zu schreiben.
Du bist Offer-Strategist. Welche Prinzipien aus dieser Quelle helfen, ein Angebot klarer zu positionieren?
Du bist Reviewer. Welche blinden Flecken würde diese Quelle in meinem aktuellen Content-Prozess sehen?
Welche Prüffragen sollte ein Agent stellen, bevor ein Content Piece produziert oder freigegeben wird?
Verdichte die wichtigsten Prinzipien in ein operatives Gate, das ich gegen jedes neue Content Piece prüfen kann.

Agenten-Variante

So sieht die Logik in meinem PersonalOS aus.

Ich habe nicht für jedes Notebook einen neuen Assistenten. Stattdessen gibt es eine Registry: Welche Expert-Notebooks existieren, wofür sie zuständig sind und wohin Ergebnisse geschrieben werden dürfen.

Beispiel für eine Notebook-Registry

notebook_key: eugene-schwartz-marketing
notebook_id: <deine-notebook-id>
role: Marketing-Advisor für Content, Offer und Funnel
use_when: Hooks, Skripte, Artikel, Positionierung, Content-Review
persist_to:
  - frameworks/eugene-schwartz-blueprint.md
  - frameworks/eugene-schwartz-content-gate.md
  - templates/content-brief.md

Ohne PersonalOS nachbauen

Du brauchst nicht mein System. Du brauchst diese fünf Dateien.

Ein einfaches Markdown-Repo reicht für den Start. Wichtig ist nur, dass die Dateien später wirklich in deinem Content-Prozess benutzt werden.

`notebooks.md` — Liste deiner Expert-Notebooks, Rollen und Links
`frameworks/<quelle>-blueprint.md` — lange Extraktion aus der Quelle
`frameworks/<quelle>-content-gate.md` — kurze Prüflogik für Content Pieces
`templates/content-brief.md` — Briefing-Vorlage mit Gate-Fragen
`reviews/content-review.md` — Review-Vorlage, die das fertige Piece gegen das Gate prüft

Das Ergebnis

Aus Wissen wird erst ein Hebel, wenn es im Prozess auftaucht.

Ein gutes Buch in NotebookLM ist nur der Anfang. Der Hebel entsteht, wenn die extrahierten Prinzipien in deinen Briefs, Templates, Agenten und Reviews wieder auftauchen. Dann schreibt KI nicht einfach mehr Output. Sie arbeitet mit besseren Regeln.

Weiterführende Wege