Parker AI: von einer Idee zur KI-Plattform

Wer viel Budget in Werbung steckt, hatte zwei schlechte Optionen. Agenturen, die Tage für neue Ideen brauchten. Oder KI-Tools, die generische Texte schrieben, ohne Bezug zu dem, was am Markt gerade läuft.

Parkers Wette war einfach. Einsammeln, was Marken und Creator gerade auf TikTok, Instagram, Facebook und Reddit posten. Dazu die eigenen Meta-Zahlen der Marke. Und Agenten daraus Hooks, Skripte und komplette Creative Briefs machen lassen.

Zuerst die Leitungen. Ich habe Ingestion-Worker aufgesetzt, die jede Plattform abholen, alles in ein Schema normieren und in Postgres und Qdrant ablegen. Fehler werden mit Backoff wiederholt und landen in einer Dead-Letter-Queue zur Prüfung, statt still Daten zu verlieren.

Dann das Wiederfinden. Vektoren für Ähnlichkeit, Postgres für Fakten und Filter. Chunking abgestimmt auf lange Social Posts und Ad Copy. Re-Ranking, das auf die Frage achtet. Die meisten schlechten KI-Antworten entstehen hier, nicht im Modell, also bekam diese Schicht viel Sorgfalt.

Dann die Agenten. Mastra steuert die Ideenfindung: Hooks, Angles, Skripte und Briefs, gespeichert in einer Ideen-Bank, die Teams wiederverwenden. Jeder Tool-Call ist typisiert und über Langfuse nachvollzogen. Alles mit Wirkung, zum Beispiel eine Kunden-Mail, wartet auf die Freigabe eines Menschen.

Und die Oberfläche. Strategen leben in Slack, also liefert Parker dort. Alerts, Wochen-Reports und Ad-Digests landen in Slack, ein Next.js-Dashboard deckt die tiefere Arbeit ab.

Heute trägt Parker die Kreativ-Strategie von Marken mit bis zu 2 Mio Dollar Meta Spend im Monat. Der Ideen-Durchlauf ging von Tagen auf Minuten. Pipelines, Agenten-Schienen und das Eval-Setup, die ich gebaut habe, sind die Basis, auf der der Rest des Teams aufbaut.