Youtube Videos durch KI zusammenfassen lassen | Mehr Inspiration & Produktivität im Business

Die Erstellung hochwertiger Inhalte für YouTube oder Blogs beginnt selten auf einem weißen Blatt Papier. Meist geht ihr eine zeitintensive Recherche voraus: Was machen die Wettbewerber? Welche Themen trenden in meiner Nische? Wie kann ich bestehende Konzepte neu interpretieren? In einem aktuellen Video des Kanals Digitales Unternehmertum wird ein effizienter Workflow vorgestellt, der diesen Prozess radikal verkürzt. Gezeigt wird, wie man mithilfe spezifischer KI-Tools ganze YouTube-Kanäle in wenigen Minuten analysiert, ohne stundenlanges Videomaterial sichten zu müssen.

Inhalt

Die Herausforderung der manuellen Recherche

Wer sich inspirieren lassen möchte oder eine umfassende Themenrecherche plant, steht oft vor der Fleißaufgabe, Dutzende Videos anzuklicken, querzuschauen und Notizen zu machen. Das Video setzt genau hier an und präsentiert eine Lösung, die zwei Tools kombiniert: Die Chrome-Extension „Grabbit“ und Googles Notizbuch-KI „NotebookLM“. Das Ziel ist es, Inspiration für den eigenen Content zu gewinnen – sei es durch die Analyse eigener Playlists für redaktionelle Begleitartikel oder durch den „Deep Dive“ in fremde Kanäle, um Content-Lücken und erfolgreiche Formate zu identifizieren.

Schritt 1: Massenhafte Datenerfassung mit „Grabbit“

Der Workflow beginnt mit der technischen Hürde, die URLs der gewünschten Videos überhaupt erst einmal greifbar zu machen. Das manuelle Kopieren einzelner Links ist bei einer großen Anzahl an Videos ineffizient. Hier kommt die Browser-Erweiterung „Grabbit“ zum Einsatz. Im Video wird demonstriert, wie dieses Tool konfiguriert wird, um durch eine einfache Tastenkombination – das Halten der Optionstaste gepaart mit einem Linksklick – mehrere Video-Thumbnails auf der YouTube-Übersichtsseite zu markieren.

Der Clou dabei ist die Stapelverarbeitung: Der Nutzer zieht quasi einen Rahmen über die gewünschten Videos, woraufhin das Tool alle darin enthaltenen URLs automatisch extrahiert und gesammelt in die Zwischenablage kopiert. Im Praxisbeispiel wählt der Vorführende willkürlich den Kanal „Paperless Life“ aus – einen Kanal rund um das papierlose Büro, den er selbst noch nie gesehen hat – und kopiert in Sekundenschnelle knapp 40 Video-Links. Dies bildet die Rohdatenbasis für die folgende KI-Analyse.

Schritt 2: Die Analyse-Power von Google NotebookLM

Sobald die Links gesichert sind, wechselt der Workflow zu Google NotebookLM. Dieses Tool unterscheidet sich von klassischen Chatbots dadurch, dass der Nutzer eigene Quellen hochladen kann, auf deren Basis die KI antwortet. Nach dem Anlegen eines neuen Notizbuchs werden die zuvor kopierten YouTube-Links als Quellen importiert.

Das Beeindruckende an diesem Schritt ist die Verarbeitungstiefe: NotebookLM liest nicht nur die Videotitel, sondern greift auf die Transkripte der Videos zu. Unmittelbar nach dem Import generiert das System eine automatische Zusammenfassung des gesamten Quellenmaterials. Im Video wird gezeigt, wie die KI sofort erkennt, dass es sich bei den importierten Videos um Anleitungen zur digitalen Organisation, spezifisch für Apps wie GoodNotes auf iPads und Tablets, handelt. Damit hat der Nutzer bereits den ersten Überblick gewonnen, ohne auch nur eine Sekunde Videomaterial abgespielt zu haben.

Schritt 3: Interaktives „Sezieren“ der Inhalte

Der eigentliche Mehrwert entsteht jedoch erst durch die Interaktion mit den Daten. Der Nutzer kann nun spezifische Prompts (Befehle) eingeben, um die Informationen zu filtern und zu strukturieren. Im Video wird beispielsweise der Befehl erteilt, eine komplette Zusammenfassung aller Videos zu erstellen und diese in thematische Abschnitte zu gliedern. Die KI durchsucht daraufhin die Transkripte nach Mustern und liefert Kategorien wie „Grundlagen der digitalen Planung“, „Funktionen und Hacks“ oder „Vergleich von Notizen-Apps“.

Ein entscheidender Vorteil von NotebookLM ist dabei die Transparenz: Die KI liefert zu ihren Aussagen stets Zitat-Quellen. Klickt man darauf, sieht man genau, aus welchem Video die Information stammt. Dies ermöglicht eine Validierung der Ergebnisse. Der Workflow erlaubt es, die Tiefe der Analyse variabel zu gestalten – von groben Themenübersichten bis hin zu detaillierten Funktionsbeschreibungen einzelner Apps, die in den Videos besprochen wurden.

Schritt 4: Veredelung durch ChatGPT

Gegen Ende des Videos wird ein interessanter „Pro-Tipp“ geteilt, der die Grenzen von NotebookLM adressiert. Zwar ist das Google-Tool exzellent in der Analyse großer Datenmengen, doch die formatierte Ausgabe lässt mitunter zu wünschen übrig. Um eine wirklich knackige, weiterverarbeitbare Liste zu erhalten, kopiert der Content-Creator den rohen Text-Output aus NotebookLM und fügt ihn in ChatGPT ein.

Mit der Aufforderung, den Text in eine strukturierte Bullet-Point-Liste zu verwandeln, wird das Ergebnis final poliert. ChatGPT fungiert hier als Lektor, der die inhaltlichen Erkenntnisse von NotebookLM in eine übersichtliche Form bringt. So entsteht am Ende eine präzise Liste mit Themen-Clustern wie „GoodNotes spezifische Features“ oder „Samsung Notes Integrationen“, die direkt als Basis für den eigenen Redaktionsplan dienen kann.

Fazit: Produktivität durch intelligente Tool-Kombination

Das Video zeigt eindrucksvoll, dass man das Rad bei der Content-Erstellung nicht neu erfinden muss. Durch die intelligente Verknüpfung von Datenerfassung (Grabbit), inhaltlicher Analyse (NotebookLM) und struktureller Aufbereitung (ChatGPT) lässt sich der Zeitaufwand für die Recherche massiv reduzieren. Dieser Ansatz ermöglicht es Creatorn, fundierte Entscheidungen über ihre Themenwahl zu treffen und schnell zu verstehen, was in ihrer Nische funktioniert, ohne sich im endlosen Konsum von Videos zu verlieren.