Die Bestandsaufnahme der Seite war vollständig. Zumindest schien es so. Bei der Überarbeitung einer Produktseite für einen internationalen Industriekunden hatte unser KI-gestützter Workflow jedes Element der Live-Seite erfasst, bewertet und in das Content-Deliverable übernommen. Mit einer Ausnahme: ein Abschnitt mit anstehenden Messeterminen. Im Browser war er für jede Besucherin sichtbar. In keinem der automatisch erstellten Seiteninventare tauchte er auf.
Solche Fälle haben uns in den vergangenen Monaten begleitet, seit wir unsere Briefing- und Content-Prozesse mit Claude systematisch automatisiert haben. Konkret geht es um zwei Stufen: das SEO-Briefing mit Live-Seiten-Audit, Keyword- und FAQ-Recherche, SERP-Analyse und Verlinkungsplan sowie das Content-Deliverable, das dieses Briefing Element für Element in konkrete Texte übersetzt. Beide Stufen enden in einem Dokument mit festem Aufbau, das an Kunden und Redaktionen geht.
Die verbreitete Darstellung von KI im Content Marketing lautet: Kontextdatei hochladen, Beispiele beilegen, Ergebnis abholen. Unsere Erfahrung ist eine andere. Die Qualität entsteht nicht durch das Hochladen, sondern durch die Regeln, nach denen das System arbeitet, und durch die Prüfung dessen, was es liefert. KI ersetzt die Expertise also nicht. Sie verlagert sie: weg von der wiederholten Ausführung, hin zur Gestaltung und Kontrolle des Prozesses.
Dieser Artikel beschreibt, welche Regeln das bei uns sind, welche Fehler zu ihnen geführt haben und was wir weiterhin bewusst selbst entscheiden.
Jedes SEO-Briefing und jedes Content-Deliverable beginnt bei uns mit dem Abruf der Live-Seite. Das ist kein optionaler Teil des Prompts, sondern ein fester erster Schritt im Workflow. Vorhandene Briefings, Sitemaps oder frühere Dokumente beschreiben einen Stand, der längst veraltet sein kann. Verlässlich ist nur die Seite, wie sie heute ausgeliefert wird.
Wie gut dieser Abruf funktioniert, hängt vom Aufbau der Website ab. Bei Seiten, die ihre Inhalte vollständig serverseitig ausliefern, erfasst ein einfacher Textabruf alles Relevante. Bei Seiten, die Inhalte erst im Browser nachladen, fehlen im Abruf ganze Abschnitte. Das hat auch eine Sichtbarkeitsdimension: Aktuell führen keine der gängigen KI-Crawler JavaScript aus. Serverseitiges Rendering gehört deshalb zu den Prüfpunkten unserer GEO-Beratung.
Der eingangs beschriebene Messe-Teaser hatte eine andere Ursache als JavaScript. Das Extraktionswerkzeug las ausschließlich den <main>-Bereich der Seite aus. Das ist bei vielen Tools üblich, um Navigation und Footer herauszufiltern. Der Teaser war jedoch eine globale Komponente, die zentral im CMS gepflegt und außerhalb dieses Bereichs ausgegeben wird. Für jeden Abruf, der sich auf <main> beschränkt, existierte er schlicht nicht.
Das Problematische daran: Das Modell meldet eine solche Lücke nicht. Es arbeitet mit dem, was es erhält, und liefert ein in sich stimmiges, aber unvollständiges Inventar. Unsere Regel lautet seitdem: Jede Bestandsaufnahme besteht aus zwei Teilen, der Textextraktion und einer visuellen Prüfung der gesamten Seite im Browser. Erst wenn beide übereinstimmen, gilt das Inventar als vollständig.
Eine zweite Regel ergänzt die erste. Wenn das Briefing ein Element erwähnt, das im Abruf nicht auftaucht, darf der Workflow es nicht stillschweigend übergehen. Stattdessen landet es als offener Punkt im Dokument, mit dem Hinweis, dass eine manuelle Prüfung nötig ist. So wird aus einer technischen Einschränkung eine zu klärende Frage statt eines unbemerkten Fehlers.
Die häufigste Schwachstelle bei KI-gestützten Überarbeitungen ist nicht falscher Text, sondern fehlender. Ein Sprachmodell, das eine Seite „verbessern“ soll, lässt Inhalte weg, fasst Abschnitte zusammen oder verschiebt Aussagen, ohne das zu kennzeichnen. Deshalb vergibt unser Workflow für jedes Element der Seite einen expliziten Status:
Der Nutzen liegt in der Vollständigkeit: Kein Element der Live-Seite kann verschwinden, ohne dass es im Dokument als ENTFERNEN auftaucht. Ändert sich die Reihenfolge der Seite grundlegend, stellt das Dokument der Tabelle außerdem eine Übersicht voran, welcher Abschnitt von wo nach wo wandert. Leserinnen und Leser sollen die neue Struktur auf einen Blick erfassen, nicht erst beim Durcharbeiten der Tabelle.
Wenn ein bestehender Text gekürzt wird, prüft der Workflow, ob jede ursprüngliche Aussage an anderer Stelle der Seite erhalten bleibt. Diese Prüfung wird dokumentiert. Hinzu kommt ein Abgleich über die gesamte Seite: Behandeln zwei Abschnitte dieselbe Aussage, oder beantwortet eine Zwischenüberschrift in Frageform dieselbe Frage wie ein FAQ-Eintrag, wird das markiert und aufgelöst. Jedes Thema erscheint auf einer Seite nur einmal.
Ein gutes Deliverable garantiert keine gute Umsetzung. Das zeigte ein Abgleich, den wir nach der Veröffentlichung einer überarbeiteten Seite durchgeführt haben. Der empfohlene primäre Call-to-Action war nicht umgesetzt worden. Gleichzeitig waren Elemente hinzugekommen, die im Briefing nicht vorgesehen waren.
Seitdem ist der Abgleich nach dem Go-live ein fester Bestandteil des Prozesses. Er prüft drei Dinge: welche Vorgaben nicht umgesetzt wurden, was ohne Vorgabe hinzugekommen ist und wo die Umsetzung vom Briefing abweicht. Weil das Dokument für jedes Element alten und neuen Stand festhält, lässt sich dieser Abgleich systematisch statt stichprobenartig durchführen.
Ein KI-Workflow ist nur so gut wie die Korrekturen, die in ihn zurückfließen. Der wichtigste Unterschied zwischen einmaligem Prompting und einem belastbaren Prozess liegt darin, wo eine Korrektur landet.
Jede Anmerkung aus einem Review beantworten wir mit zwei Fragen: Was ändert sich in diesem Dokument, und welche Regel verhindert, dass derselbe Fehler beim nächsten Mal wieder auftritt? Die zweite Antwort wird Teil des Workflows. Einige Regeln, die auf diesem Weg entstanden sind:
So sammelt der Skill über die Zeit das Urteilsvermögen des Teams. Er wird nicht dadurch besser, dass das Modell sich verbessert, sondern dadurch, dass wir unsere Anforderungen präziser formulieren.
Kundenanforderungen ändern sich, und ein Workflow muss das abbilden können, ohne neu gebaut zu werden. Wir trennen deshalb konsequent: Markenkontext, Tonalität, die Komponentenbibliothek des CMS und die Regeln für einzelne Seitentypen liegen jeweils in eigenen Referenzdateien. Die Skripte, die daraus das fertige Dokument erzeugen, enthalten keine inhaltlichen Annahmen, sondern verarbeiten nur Daten.
Wie sich das auszahlt, zeigte eine Strukturänderung bei einem Kunden: Downloads wurden in die Produktseite integriert, Produktvarianten wanderten auf eigene Unterseiten. Angepasst werden mussten nur die Referenzdateien zu den Seitentypen. Die Skripte blieben unverändert. Gleichzeitig sorgt die feste Vorlage dafür, dass jedes Dokument denselben Aufbau hat. Pflichtfelder, die nicht befüllt werden konnten, erscheinen automatisch in der Liste offener Punkte.
Briefing und Textentwurf richten sich an Texter, Redaktion und Kunden, die den Workflow dahinter nicht kennen. Die KI neigt jedoch dazu, ihre Arbeitsweise im Dokument zu kommentieren, etwa mit kurzen Anmerkungen neben einzelnen Abschnitten, die auf interne Regeln oder Statusbegriffe verweisen und für Außenstehende nicht verständlich sind. Im Dokument bleiben deshalb nur Hinweise, die der empfangenden Person beim nächsten Arbeitsschritt helfen, klar vom Seitentext getrennt: Statt „Gemäß Regel zu Bildabschnitten als inhaltliche Lücke gewertet“ steht dort „Dieser Abschnitt enthält bisher nur ein Bild. Bitte zwei bis drei Sätze ergänzen, die erklären, was das Bild zeigt.“
Begonnen haben wir mit Claude Projects. Ein Project bündelt einen Systemprompt mit Wissensdateien: Kontextdokument, Styleguide, Markenleitfaden, URL-Liste und Beispiel-Briefings. Für den Start ist das ideal, denn der gesamte Kundenkontext liegt an einem Ort.
Mit wachsenden Workflows zeigten sich die Grenzen. Der Systemprompt entwickelte sich zu einem umfangreichen Regelwerk. Das Ausgabeformat ließ sich nur mit eigenem Code zuverlässig reproduzieren. Und dieselbe Prozesslogik existierte für jeden Kunden ein weiteres Mal. Skills lösen diese Punkte: Sie bündeln Anweisungen, Referenzdateien und Skripte in einem Paket, das Claude lädt, sobald eine Anfrage dazu passt. Eine Korrektur wird an einer Stelle vorgenommen und gilt für jeden folgenden Durchlauf.
Projects haben damit nicht ausgedient. Wir nutzen beides, mit einer klaren Aufteilung: Projects enthalten, was wir über einen Kunden wissen. Skills enthalten, wie wir arbeiten.
Ein Workflow ist reif für die Überführung in einen Skill, wenn mehrere dieser Bedingungen zutreffen:
Im Project bleibt, was explorativ ist, was sich inhaltlich noch stark verändert oder was als einmalige Analyse vom Gesprächsverlauf lebt, zum Beispiel ein Redaktionsplan.
Prozesse so zu verankern, dass sie im ganzen Team funktionieren, ist dieselbe Aufgabe, die wir auch in der Beratung zu SEO-Prozessen und Change Management für Kunden übernehmen.
Der erste Punkt der Liste ist bei uns noch nicht vollständig umgesetzt. Ein Teil der veränderlichen Daten liegt weiterhin direkt in Skills und Projects. Das Ziel ist eine gemeinsame Datenquelle, aus der die Skills zur Laufzeit lesen, statt mit Kopien zu arbeiten, die gepflegt werden müssen. Wir beschreiben diesen Punkt bewusst als offene Aufgabe: Auch ein automatisierter Prozess ist nie abgeschlossen.
Automatisierung bedeutet bei uns nicht, dass niemand mehr entscheidet. Einige Schritte haben wir gezielt von der Automatisierung ausgenommen, weil sie Urteilsvermögen, Branchenwissen oder Kundenkenntnis erfordern:
Diese Aufteilung ist keine Übergangslösung, bis die Technik weit genug ist. Sie folgt aus der Frage, wo Fehler am teuersten sind. Ein falsch gewählter Wettbewerber oder eine falsch eingeschätzte Suchintention verzerrt das gesamte Briefing, und alle folgenden Schritte übernehmen diesen Fehler.
Der Einsatz von KI im Content Marketing hat unsere Arbeit verändert, aber anders als oft dargestellt. Das Ergebnis sind Briefings und Deliverables, die bei jedem Durchlauf denselben Aufbau haben, weniger übersehene Elemente und eine Dokumentation, die sich nach dem Go-live überprüfen lässt. Die Arbeit ist nicht weniger geworden. Sie hat sich verlagert: in die Formulierung von Regeln, in die Prüfung der Ergebnisse und in die Content-Strategie, für die nun mehr Zeit bleibt.
Wer einen ähnlichen Prozess aufbauen möchte, sollte mit einem einzigen, gut verstandenen Workflow beginnen, jede Korrektur als Regel festhalten und von Anfang an klären, welche Entscheidungen beim Menschen bleiben. Die Werkzeuge entwickeln sich schnell. Die Prinzipien dahinter bleiben stabil.
Wenn Sie Ihre Redaktion auf die Zusammenarbeit mit KI vorbereiten möchten, bietet unser Redaktionsworkshop zu SEO und Content dafür einen praxisnahen Einstieg. Für Fragen zu Ihrem konkreten Setup können Sie gern Kontakt mit uns aufnehmen.
Nein, sofern die Inhalte hilfreich sind. Google hat in seiner Stellungnahme zu KI-generierten Inhalten klargestellt, dass die Qualität eines Inhalts entscheidet, nicht die Art seiner Entstehung. Maßstab bleiben Expertise, Erfahrung, Autorität und Vertrauenswürdigkeit (E-E-A-T). Inhalte, die vorrangig zur Manipulation von Rankings erstellt werden, gelten dagegen als Spam, unabhängig davon, ob ein Mensch oder eine KI sie verfasst hat.
Die Grundlage ist Claude. Über Schnittstellen (MCPs) greift der Workflow auf SEO-Tools wie Ahrefs, SISTRIX und Screaming Frog zu, etwa für Suchvolumen, FAQ-Recherche und Crawling-Daten. Für die visuelle Prüfung von Live-Seiten kommt eine Browser-Integration zum Einsatz. Die fertigen Dokumente erzeugt ein Skript in einem festen Format.
Nicht zwingend. Die Skripte, die unsere Dokumente erzeugen, haben wir gemeinsam mit Claude entwickelt. Hilfreich ist jedoch ein Grundverständnis dafür, wie Dateien, Vorlagen und Daten zusammenspielen. Ohne dieses Verständnis lassen sich Fehler schwer eingrenzen, und die Trennung von Regeln und Daten gelingt selten auf Anhieb.
Wir verwenden Cookies, um Inhalte und Anzeigen zu personalisieren, Funktionen für soziale Medien anbieten zu können und die Zugriffe auf unsere Website zu analysieren. Außerdem geben wir Informationen zu Ihrer Verwendung unserer Website an unsere Partner für soziale Medien, Werbung und Analysen weiter. Unsere Partner führen diese Informationen möglicherweise mit weiteren Daten zusammen, die Sie ihnen bereitgestellt haben oder die sie im Rahmen Ihrer Nutzung der Dienste gesammelt haben. Mit einem Klick auf die Schaltfläche „Alle Cookies zulassen“ erklären Sie sich damit einverstanden. Die Einwilligung kann jederzeit mit Wirkung für die Zukunft widerrufen oder geändert werden. In unserer Datenschutzerklärung informieren wir ausführlich über die Art und den Umfang der Datenverarbeitung.