Wie wir mit Claude Code einen Instagram-Agenten gebaut haben — und was er diese Woche getan hat

Jede Woche verbringen Teams stundenlang damit, manuell durch Hashtags zu scrollen, Kommentare zu schreiben und Posting-Zeiten zu optimieren. Social Media ist ein Vollzeitjob — oder er wird automatisiert. Wir haben uns für Letzteres entschieden. Dieser Post zeigt exakt wie.

Was ist Claude Code?

Claude Code ist Anthropics offizielles CLI-Tool für Entwickler. Du öffnest ein Terminal, schreibst einen Prompt — und Claude Code schreibt Code, führt ihn aus, liest Fehler, korrigiert sich selbst und geht in die nächste Iteration. Kein IDE-Plugin, kein Copy-Paste zwischen Chatfenster und Editor.

Der entscheidende Unterschied zu einem normalen LLM-Chat: Claude Code hat Zugriff auf dein Dateisystem, kann Befehle ausführen und arbeitet in einem Agenten-Loop. Du beschreibst das Ziel, nicht jeden einzelnen Schritt. Das macht es zum idealen Werkzeug für den Aufbau von Automatisierungsinfrastruktur.

Architektur des Agenten

Der Agent besteht aus drei Teilen: einem CLAUDE.md-Systemkontext, einem Python-Worker und einem systemd-Service der alles am Laufen hält. Hier ist die Grundidee:

CLAUDE.md ist die Steuerdatei. Claude Code liest sie beim Start jeder Session automatisch. Dort definieren wir Ziele, Regeln und Grenzen des Agenten — kein Kommentar-Spam, keine generischen Texte, Account-Schutz vor Shadow-Bans.

# Instagram Agent — SpockyMagicAI (@spocky_magic_ai)

## Ziel
Organisches Wachstum im KI/Tech-Nisch. Echte Interaktion, kein Spam.

## Regeln
- Max 30 Likes/Stunde — Instagram Rate-Limits respektieren
- Kommentare: Mindestens 8 Wörter, kontextbezogen auf Post-Inhalt
- Keine generischen Kommentare wie "Toller Post!"
- Posting-Zeit: 08:00, 12:00, 19:00 Uhr (höchste Engagement-Fenster)

## Verboten
- Keine Follow/Unfollow-Loops
- Kein Hashtag-Stuffing (max 8 pro Post)
- Keine Bots in den eigenen Kommentaren ansprechen

Der Python-Worker übernimmt die eigentliche Arbeit. Er verwendet die Instagram Graph API für Content-Publishing und Playwright für Engagement-Tasks, die die API nicht abdeckt.

import requests
import os

def publish_instagram_post(image_url: str, caption: str) -> dict:
    """Post image to Instagram via Graph API."""
    token = os.environ["IG_ACCESS_TOKEN"]
    account_id = os.environ["IG_ACCOUNT_ID"]
    base = f"https://graph.facebook.com/v21.0/{account_id}"

    # Step 1: Create media container
    container = requests.post(
        f"{base}/media",
        data={
            "image_url": image_url,
            "caption": caption,
            "access_token": token,
        }
    ).json()

    if "id" not in container:
        raise RuntimeError(f"Container creation failed: {container}")

    # Step 2: Publish
    result = requests.post(
        f"{base}/media_publish",
        data={
            "creation_id": container["id"],
            "access_token": token,
        }
    ).json()

    if "id" not in result:
        raise RuntimeError(f"Publish failed: {result}")

    return {"post_id": result["id"], "status": "published"}

Den gesamten Service starten wir mit systemd. Der Agent läuft damit permanent auf unserem Netcup-VPS — nach einem Reboot startet er automatisch neu, und wenn er abstürzt, wird er nach 10 Sekunden neu gestartet.

[Unit]
Description=Instagram Agent (@spocky_magic_ai)
After=network.target

[Service]
Type=simple
User=claude
WorkingDirectory=/home/claude/agents/instagram
EnvironmentFile=/home/claude/agents/instagram/.env
ExecStart=/usr/bin/python3 agent_loop.py
Restart=always
RestartSec=10
StandardOutput=journal
StandardError=journal

[Install]
WantedBy=multi-user.target

Echte Ergebnisse nach 36 Tagen

Unser Instagram-Account @spocky_magic_ai hatte am Tag 1 null Follower. Kein Seed-Publikum, keine Cross-Promotion, kein bezahltes Wachstum. Nur der Agent.

Nach 36 Tagen autonomem Betrieb stehen wir bei über 290 Followern. Wichtiger als die Zahl ist die Qualität: Die Follower kommen aus dem KI- und Tech-Bereich — exakt die Zielgruppe, die für unser Angebot relevant ist. Die Engagement-Rate liegt konsistent über dem Nischen-Durchschnitt.

Gleichzeitig laufen auf demselben VPS 3 weitere Agents für andere Aufgaben: Content-Recherche, Analyse eingehender Kommentare und ein Monitoring-Agent der auf Anomalien achtet. Insgesamt 4 autonome Prozesse, eine Maschine, monatliche Serverkosten unter 15 Euro.

Was der Agent jeden Tag tut

1. Hashtag-Exploration: Scannt täglich 15–20 Ziel-Hashtags auf neue, hochwertige Posts aus dem KI-Bereich. Filtert nach Engagement-Rate, Account-Größe und Content-Relevanz.
2. Engagement: Liked und kommentiert auf relevante Posts — kontextbezogen, nicht generisch. Claude Code generiert Kommentare basierend auf dem tatsächlichen Post-Inhalt.
3. Content-Generierung: Dreimal täglich erstellt der Agent einen Post-Entwurf: Bildprompt für die Generierung, Caption mit maximal 8 Hashtags, optimierter Posting-Zeitpunkt.
4. Publishing via Graph API: Genehmigter Content wird direkt über die Instagram Graph API veröffentlicht — kein manuelles Eingreifen nötig.
5. Logging und Selbst-Check: Jede Aktion wird geloggt. Wenn die Fehlerrate steigt oder Rate-Limits erreicht werden, pausiert der Agent automatisch und schreibt einen Alert.

Wie wir ihn gebaut haben: der 30-Minuten-Ansatz

Das Besondere an Claude Code ist, dass du in kurzen, fokussierten Sessions produktiv bist. Wir haben nicht eine Woche lang gebaut — wir haben in Etappen von 30 Minuten gearbeitet:

• Session 1: Instagram Graph API-Verbindung aufbauen, ersten Post senden
• Session 2: Hashtag-Scraper schreiben, Ergebnisse in SQLite cachen
• Session 3: Engagement-Loop mit Rate-Limiting bauen
• Session 4: CLAUDE.md-Regeln definieren, Claude in den Loop integrieren
• Session 5: systemd-Service aufsetzen, Monitoring einrichten

In jeder Session sagten wir Claude Code was das Ziel ist. Claude Code schlug vor, schrieb Code, testete ihn, fand Fehler, korrigierte sie. Wir haben meistens zugeschaut und gelegentlich die Richtung korrigiert.

Was wir gelernt haben

Was kommt als nächstes

Der aktuelle Agent postet und engaged. Die nächste Iteration wird Inbound-Kommentare lesen und beantworten — echte Konversationen, nicht nur Broadcast. Dazu bauen wir gerade einen zweiten Agenten der Mentions und DM-Anfragen routet.

Das Ziel ist eine vollständige Social-Media-Infrastruktur die ohne manuellen Eingriff läuft. Nicht weil wir faul sind — sondern weil die Zeit die dabei frei wird in Produkt und Strategie fließt, wo sie mehr bewirkt.

Wenn du selbst anfangen willst, solche Agenten zu bauen: Unser Claude Code Mastery Kurs deckt genau das ab — von der ersten API-Verbindung bis zum laufenden Produktivsystem auf einem VPS.