KI-Zusammenfassung von Nachrichten, Feeds & Benachrichtigungen für einen Kanal oder ein Postfach

IT-Verantwortliche und kleine Teams erhalten pro Woche Dutzende Herstellerhinweise, Newsletter, Lieferantenmitteilungen und Systemmails, und die meisten davon sind unwichtig. Ein zeitgesteuerter Ablauf sammelt sie, lässt ein Sprachmodell Duplikate entfernen und den Rest zusammenfassen und veröffentlicht eine einzige Zusammenfassung dort, wo das Team ohnehin arbeitet. Typischer Nutzen: 20 bis 60 Minuten Lesezeit pro Person und Woche werden durch einen Fünf-Minuten-Überblick ersetzt, bei weniger übersehenen Sicherheitshinweisen.

Problem & Nutzen

• Heute: Menschen abonnieren Newsletter und RSS-Feeds, ein gemeinsames Postfach sammelt Lieferantenmitteilungen, Monitoring-Werkzeuge versenden Warnungen per Mail. Niemand liest alles; wichtige Einträge (ein Patch für die eingesetzte Firewall, eine Preisänderung beim Lieferanten, ein ablaufendes Zertifikat) gehen unter oder fallen zu spät auf.
• KI-Nutzen: Ein LLM filtert nach Relevanz für Ihren eigenen Kontext („wir betreiben Microsoft 365, DATEV, eine Fortinet-Firewall"), fasst Duplikate zusammen und schreibt zwei Zeilen pro Eintrag mit dem Link zum Original. Der Ablauf selbst ist klassische Automatisierung; der KI-Schritt liest und verdichtet nur.
• Ehrlicher Nutzen: Keine verlässliche unabhängige Studie beziffert die eingesparte Zeit für genau dieses Muster. Messen Sie Ihre eigene Ausgangslage (Minuten pro Woche für die Sichtung) vor und nach einem Pilot.
• Abgrenzung: Dies ist ein Hilfsmittel auf Teamebene. Professionelles Medien-Monitoring ist LANG-018, Programme zur Wettbewerbsbeobachtung sind LANG-017, regulatorische Früherkennung ist LANG-020.

Varianten

• IT-Sicherheits-Zusammenfassung: BSI-/CERT-Bund-Hinweise und Sicherheitsmeldungen von Herstellern, gefiltert nach Ihrem Software-Bestand.
• Mitteilungen von Lieferanten und Kunden: ein gemeinsames Postfach wie lieferanten@, verdichtet zu einer wöchentlichen Liste von Änderungen (Preise, Lieferbedingungen, Produktauslauf).
• Branchen- und Behördennachrichten: Neuigkeiten von Branchenverbänden, Steuer- und Zollbehörden für die Geschäftsleitung.
• Zusammenfassung von Systembenachrichtigungen: Hunderte „Backup erfolgreich"-Mails werden auf „3 Fehler, 1 Warnung" reduziert.
• Private Nutzung: ein Morgenüberblick aus Lieblings-Feeds, zusammengefasst von einem lokalen Modell in LM Studio oder Ollama.

So funktioniert es

1. Zeitplan (täglich 07:30 / wöchentlich montags)
2. Sammeln (RSS lesen, IMAP-/Graph-Postfach, API des Monitoring-Tools)
3. Bereinigen (HTML/Fußzeilen entfernen, bereits gesehene Einträge verwerfen, Länge begrenzen)
4. LLM-Schritt (Relevanz gegenüber Kontext-Prompt, Deduplizierung, 2-Zeilen-Zusammenfassung, Kategorie)
5. Formatieren (Adaptive Card, Markdown, HTML-Mail)
6. Posten in Teams-/Slack-/Mattermost-Kanal oder Mail senden
7. Feedback (Daumen hoch/runter oder Antwort zur Feinabstimmung des Prompts)

• Zentrale KI-Komponente: ein Prompt mit einer kurzen „Kontextkarte" (eingesetzte Systeme, zu ignorierende Themen) und einem strikten Ausgabeformat (JSON oder Markdown-Liste). Für die Zusammenfassung genügt ein kleines Modell mit 3-8 Mrd. Parametern; die Relevanzeinstufung funktioniert mit der Kontextkarte besser als mit einem größeren Modell.
• Mensch-in-der-Schleife (Human-in-the-Loop): Die Zusammenfassung dient nur der Information. Niemand sollte allein aufgrund der Zusammenfassung patchen, zahlen oder kündigen - der Link zum Original ist in jedem Eintrag Pflicht. Im ersten Monat prüft eine benannte verantwortliche Person wöchentlich die Qualität.
• Prompt Injection: Feeds und Mails sind nicht vertrauenswürdiger Text. Der Ablauf darf dem LLM keine Werkzeuge, Zugangsdaten oder die Möglichkeit zu handeln geben; die Ausgabe wird nur als reiner Text veröffentlicht (GUIDE-013).

Datenaufbereitung

Welche Daten: eine Liste von Feed-URLs, das Postfach oder der Ordner mit den Mitteilungen und eine einseitige Kontextkarte, die Ihre Systeme und Interessen beschreibt.

Wo sie liegen: öffentliche RSS-/Atom-Feeds, ein gemeinsames Postfach in Microsoft 365 oder Google Workspace, Monitoring- oder Ticket-Werkzeuge mit E-Mail- oder API-Ausgabe, Newsletter in persönlichen Postfächern.

Typische Lücken: Newsletter landen in persönlichen Postfächern, Mitteilungen kommen als langes HTML mit Tracking-Links, derselbe Hinweis erscheint aus drei Quellen, und niemand hat einen aktuellen Software-Bestand, um die Relevanz zu beurteilen.

Aufbereitungsschritte: 1. Ein gemeinsames Postfach oder eine Mail-Regel einrichten und die Abonnenten bitten, es für Newsletter und Lieferantenmitteilungen zu verwenden (ein halber Tag, plus die Bitte an Lieferanten, die Adresse zu ändern). 2. Die Kontextkarte schreiben: Systeme, Versionen, Themen, Ausschlüsse (1-2 Stunden mit der IT; eine vorhandene Asset-Liste wiederverwenden, siehe PREP-001). 3. Zum Start 5-15 Quellen wählen, nicht 100. 4. Einen Speicher für „bereits gesehene Einträge" ergänzen (n8n-Datentabelle, SharePoint-Liste oder Excel-Datei), damit Einträge nie doppelt zusammengefasst werden. 5. Festlegen, was an ein externes Modell gesendet werden darf: öffentliche Feeds ja, interne Warnungen mit Hostnamen oder Kundennamen nur an in der EU gehostete oder lokale Modelle (PREP-024).

Werkzeuge: n8n, Power Automate, gemeinsames Postfach, Excel oder SharePoint-Liste. Grober Aufwandsanteil: unter 20 Prozent des Gesamtaufwands; siehe GUIDE-003.

Umsetzungswege

Welcher Weg für wen

• KMU - Weg C: n8n läuft auf einem kleinen Server oder einer vorhandenen VM, kann auch AUTO-007, AUTO-008, AUTO-010 und AUTO-016 bedienen (Baukasten-Effekt), und ein kleines lokales Modell hält den Text interner Warnungen im Haus. Wenn Sie vollständig in Microsoft 365 arbeiten und nur eine Nachrichten-Zusammenfassung wollen, ist Weg A eine gute Alternative.
• Großunternehmen - Weg A: eine Standardfunktion; Power Automate mit KI-Aktionen, Copilot in Teams oder Slack AI sind bereits lizenziert und über eine bestehende Plattform geregelt.
• Entwickler - Weg C: wenige Zeilen Python oder ein n8n-Workflow mit Ollama; volle Kontrolle über Prompts, Quellen und Protokollierung.
• Privat - Weg C: lokale Apps (Ollama, LM Studio) mit einem Feed-Reader wie Miniflux oder FreshRSS; keine Daten verlassen das Gerät.

Weg A — Kaufen (Standardsoftware)

• Microsoft 365: Power Automate (Cloud-Ablauf mit RSS-Konnektor, AI-Builder-Aktion „Create text with GPT" oder Copilot Studio), Veröffentlichung über die Teams-App Workflows; Copilot in Outlook und Teams kann auch Threads und Kanäle zusammenfassen (AUTO-002, AUTO-004). Die alten Webhooks der Office-365-Konnektoren in Teams wurden eingestellt (endgültige Abschaltung laut Berichten im Mai 2026; prüfen Sie den Microsoft 365 Developer Blog), bauen Sie neue Abläufe daher auf Workflows.
• Google Workspace: Gemini-Zusammenfassungen in Gmail und Google Chat; Apps Script für zeitgesteuerte Zusammenfassungen.
• Spezialisierte Werkzeuge: Feedly (KI-Feeds), Slack-AI-Kanalzusammenfassungen, Zapier oder Make mit einem KI-Schritt. Zapier hat seinen Sitz in den USA; Make und n8n Cloud bieten EU-Rechenzentren - prüfen Sie AVV und Region.
• Wählen Sie A, wenn: Sie die Lizenzen bereits bezahlen, die Quellen öffentlich sind und kein interner Warnungstext in den Prompt gelangt.

Weg B — Auf Cloud-KI-Diensten aufbauen

• Modelle: Mistral (EU-Anbieter), Azure OpenAI oder Modelle von Anthropic und Google mit EU-Regionen, über n8n oder ein kleines Skript. Die Kosten pro Zusammenfassung liegen typischerweise im Cent-Bereich; prüfen Sie die aktuellen Preislisten.
• Wählen Sie B, wenn: Sie bessere Zusammenfassungen langer deutschsprachiger Dokumente brauchen, als ein kleines lokales Modell liefert, und der Inhalt nicht sensibel ist.

Weg C — Selbst betreiben (Open Source) (für KMU empfohlen)

• Orchestrierung: n8n selbst betrieben (Knoten RSS Read und RSS Feed Trigger, IMAP, HTTP, Teams/Slack/Mattermost) [1]. Beachten Sie, dass der Knoten RSS Read einen Feed pro Eintrag liest; durchlaufen Sie Ihre Feed-Liste daher in einer Schleife [1]. Alternativen: Node-RED, Huginn, Apache Airflow für Entwickler.
• Modell: Ollama mit einem kleinen Instruktionsmodell (zum Beispiel Qwen3 oder Llama 3.x im Bereich 3-8B, Mistral Small, wenn eine GPU verfügbar ist). Ein 4-8B-Modell läuft auf einem CPU-Server oder Laptop (HW1), langsam, aber ausreichend für einen nächtlichen Stapellauf; eine GPU mit 16-24 GB (HW2) ist komfortabel.
• Feed-Reader: FreshRSS oder Miniflux als Sammler mit API.
• Betriebsaufwand: 1-2 Tage Einrichtung, danach etwa 1 Stunde pro Monat für Updates und die Prüfung fehlgeschlagener Läufe.

Weg D — Eigenes Training

Lohnt sich nicht. Bessere Prompts und eine Kontextkarte lösen Relevanzprobleme; Feintuning zahlt sich nur bei dedizierten Medien-Monitoring-Produkten aus (LANG-018).

Stand der Technik (2026)

• Die Zusammenfassung kurzer Texte ist eine gelöste Standardaufgabe; selbst kleine Open-Weight-Modelle erzeugen brauchbare zweizeilige Zusammenfassungen auf Englisch und Deutsch.
• Grenzen: Kleine Modelle übersehen feine Relevanzunterschiede („diese CVE betrifft nur Version 7.2, Sie betreiben 7.4"), erfinden unter Umständen Details, wenn der Feed-Text abgeschnitten ist, und lassen sich durch feindseligen Text in einem Feed-Eintrag steuern. Die Duplikaterkennung über Quellen hinweg ist unvollkommen.
• Bewährte Praxis: Behalten Sie bei jeder Zusammenfassung den Originaltitel und den Link bei, begrenzen Sie die Eingabelänge, verlangen Sie „nicht angegeben" statt Raten, und führen Sie eine Liste kritischer Quellen (z. B. das BSI und Ihr Firewall-Hersteller), die immer ungefiltert weitergeleitet werden.
• Plattformtrend: Anbieter ergänzen laufend eingebaute Zusammenfassungen (Teams, Slack, Gmail), was die reine Nachrichten-Zusammenfassung zur Standardfunktion macht; der Wert eines eigenen Ablaufs liegt in Ihrer Kontextkarte und Ihren internen Quellen.

Gemeinsame Bausteine & Kombinationen

• Gleicher Stack (workflow-automation + llm-small): AUTO-007 Ablage von Anhängen, AUTO-008 Formular-Eingaben, AUTO-010 wöchentliche Statusmeldungen, AUTO-016 Änderungsmeldungen für Websites und Dokumente; eine n8n-Instanz und ein Ollama-Server bedienen alle.
• Naheliegende Kombinationen: AUTO-004 (Chat-Nachholen) für Menschen, dieser Anwendungsfall für Maschinen und externe Quellen; AUTO-002 für Threads; eine Eskalation in ein Ticket, wenn die Markierung „Handlungsbedarf" erscheint.
• Ausbaupfad: Wächst die Zusammenfassung zu einem echten Monitoring-Programm, wechseln Sie zu LANG-017, LANG-018 oder LANG-020.

Aufwand, Kosten & Kennzahlen

• Weg A: 2-4 Stunden für einen ersten Ablauf, wenn Lizenzen vorhanden sind; die Kosten sind meist Lizenzplätze, die Sie ohnehin bezahlen.
• Weg B: 1-2 Tage inkl. Tests; die API-Kosten sind klein im Vergleich zu den eingesparten Stunden.
• Weg C: 1-2 Tage plus 1 Stunde pro Monat; die Serverkosten können auf vorhandener Hardware bei null liegen.
• Kennzahlen: Minuten pro Woche für die Sichtung (vorher/nachher), Anteil der als nützlich bewerteten Einträge, übersehene kritische Mitteilungen (Ziel: null), Kosten pro Zusammenfassung, Anzahl fehlgeschlagener Läufe.

Menschen & Veränderung

Einbinden: die IT-Leitung oder Abteilungsleitung als Verantwortliche, die wenigen Endnutzer, die die Zusammenfassung erhalten, die IT für Server und Postfach sowie die Datenschutzbeauftragte bzw. den Datenschutzbeauftragten, wenn Postfächer oder Tickets mit personenbezogenen Daten gelesen werden (GUIDE-005). Die Geschäftsleitung muss nur die Werkzeugliste im Rahmen der KI-Richtlinie des Unternehmens freigeben (GUIDE-007).

Betriebsrat: in der Regel nein. Eine Zusammenfassung externer Feeds und Systemwarnungen bewertet kein Mitarbeiterverhalten. Relevant wird es (§ 87 Abs. 1 Nr. 6 BetrVG, § 90 Abs. 1 Nr. 3), sobald die Quelle Chat- oder Mail-Inhalte von Beschäftigten ist oder berichtet wird, wer welches Ticket bearbeitet hat; informieren Sie in diesem Fall den Betriebsrat frühzeitig und schließen Sie individuelle Leistungsdaten aus (GUIDE-004). Öffentliche Stellen beteiligen den Personalrat.

KI-Kompetenz: Art. 4 KI-Verordnung (AI Act) verlangt Maßnahmen zur Förderung der KI-Kompetenz der Beschäftigten; hier genügt eine 30-minütige Einweisung unter dem Motto „die Zusammenfassung kann falsch sein, prüfen Sie den Link" (GUIDE-006).

Kommunikation und Pilot: Beginnen Sie vier Wochen lang mit einem Team von 3-10 Personen und 5-10 Quellen, sammeln Sie Daumen hoch/runter und benennen Sie einen KI-Fürsprecher, der den Prompt abstimmt (GUIDE-008, GUIDE-009). Typische Bedenken sind „übersehe ich etwas?" (Antwort: kritische Quellen bleiben ungefiltert) und Informationsüberflutung durch einen weiteren Kanal (Antwort: eine Zusammenfassung ersetzt die anderen, also die Quellen abbestellen).

Menschen behalten die Kontrolle: Die Zusammenfassung informiert; Entscheidungen und Handlungen bleiben bei benannten Personen.

Risiken, Regulierung & Compliance

• KI-Verordnung (AI Act): minimales Risiko; keine Anwendung nach Anhang III. Die Transparenzpflicht nach Art. 50 gilt für Chatbots und synthetische Inhalte; eine eindeutig gekennzeichnete interne Zusammenfassung („KI-generiert") ist gute Praxis (GUIDE-014).
• DSGVO: Öffentliche Feeds enthalten keine personenbezogenen Daten; Postfächer, Tickets und Lieferantenmails enthalten oft Namen und E-Mail-Adressen. Schließen Sie mit jedem externen Auftragsverarbeiter einen AVV (Art. 28 DSGVO), bevorzugen Sie EU-Regionen oder lokale Modelle und dokumentieren Sie den Zweck. Eine DSFA ist für eine Feed-Zusammenfassung normalerweise nicht nötig (GUIDE-005).
• Sicherheit: Behandeln Sie Feed-Text als nicht vertrauenswürdig (Prompt Injection), speichern Sie API-Schlüssel im Zugangsdatenspeicher des Workflow-Werkzeugs, geben Sie dem Ablauf nur Lesezugriff auf das Postfach (GUIDE-013).
• Urheberrecht: Fassen Sie zusammen und verlinken Sie; veröffentlichen Sie keine vollständigen Artikel in Kanälen oder Newslettern.
• Zuverlässigkeit: Feeds verschwinden oder ändern ihr Format; lassen Sie bei leeren Zusammenfassungen alarmieren, damit Stille nicht mit „es ist nichts passiert" verwechselt wird (GUIDE-011).

Erste Schritte

1. Die 5-10 Mitteilungsquellen auflisten, die Ihr Team die meiste Zeit kosten, und für die per Mail eingehenden ein gemeinsames Postfach einrichten.
2. Eine halbseitige Kontextkarte schreiben (Systeme, Versionen, Ignorierliste).
3. Den Ablauf in Ihrem vorhandenen Werkzeug bauen: Power Automate oder n8n mit RSS, Postfach, einem LLM-Schritt und einer Veröffentlichung in Teams oder Mattermost [1][2].
4. Vier Wochen neben dem normalen Lesen laufen lassen; das Team um Daumen hoch/runter bitten und Übersehenes wöchentlich auswerten.
5. Die Quellen abbestellen, die die Zusammenfassung nun abdeckt, dann AUTO-016 oder AUTO-010 auf derselben Plattform ergänzen.

Quellen

1. n8n documentation - RSS Read node - https://docs.n8n.io/integrations/builtin/core-nodes/n8n-nodes-base.rssfeedread
2. Microsoft Learn - Create an incoming webhook (Teams Workflows) - https://learn.microsoft.com/en-us/microsoftteams/platform/webhooks-and-connectors/how-to/add-incoming-webhook
3. Microsoft 365 Developer Blog - Retirement of Office 365 connectors within Microsoft Teams - https://devblogs.microsoft.com/microsoft365dev/retirement-of-office-365-connectors-within-microsoft-teams/
4. Regulation (EU) 2024/1689 (AI Act) - https://eur-lex.europa.eu/eli/reg/2024/1689/oj
5. Ollama - https://ollama.com