Der Agent beginnt damit, deinen gesamten Content-Baum zu lesen – jede Fallstudie, jede Service-Beschreibung, jedes Kundenergebnis und jedes operative Detail, das du veröffentlicht hast. Dieses Korpus wird zur einzigen Quelle der Wahrheit für alles, was er generiert, bearbeitet oder markiert. Neue Seiten werden aus deinen echten Quellenn zusammengestellt, nicht erfunden. Massenbearbeitungen werden gegen dein tatsächliches Content-Model validiert. Tonfall-Sweeps werden an deiner bestehenden Stimme kalibriert, nicht an einem generischen Style Guide.
Das ist es, was einen Content-Management-Agenten von einem generischen KI-Schreibwerkzeug unterscheidet: Die Verankerung liegt in deinen Daten.
Bei einer Aufgabe kann der Agent:
Alles mit menschlicher Prüfung, bevor etwas live geht.
Der Agent funktioniert mit jedem System, in dem Content als strukturierte Daten zugänglich ist: git-basierte Repos (Decap, Hugo, Eleventy, Astro), Headless CMSs (Contentful, Strapi, Sanity, Storyblok, Prismic) und traditionelle Plattformen (WordPress via REST API, Webflow via CMS API).
Seiten schnell und konsistent bearbeiten. „Aktualisiere den Buchungslink auf jeder Seite." „Benenne einen Partnernamen auf jeder Seite um." „Ersetze eine veraltete Referenz überall." „Prüfe jede Meta-Beschreibung auf den alten Unternehmens-Claim." Statt jede Datei einzeln zu öffnen, liest der Agent deinen gesamten Content-Baum, wendet die Änderung überall an, validiert gegen dein Content-Model-Schema und präsentiert einen Diff zur Prüfung. Typische Durchläufe decken 30–60 Dateien in einem einzigen Pass ab. Als wir eine Partner-Integration auf unserer eigenen Website umbenannt haben, fand der Agent 23 Vorkommen in 18 Dateien – inklusive Fließtext, Alt-Texten und Meta-Beschreibungen – und präsentierte sie als prüfbaren Diff in unter zehn Minuten.
Content-Gap-Analyse und -Generierung. Der Agent durchsucht deinen bestehenden Content, bewertet die Wettbewerbslandschaft und berücksichtigt Suchnachfrage-Daten, um zu finden, was fehlt. Nicht nur Seitenkombinationen – echte Lücken. Ein KI-Weiterbildungsanbieter entdeckt, dass niemand in seinem Markt einen Leitfaden zu „Wie man den ROI von KI-Qualifizierung misst" geschrieben hat. Ein Logistikunternehmen findet, dass keiner der Wettbewerber erklärt, wie sie saisonale Volumenspitzen oder Fahrermangel-Szenarien abfangen – genau die operativen Fragen, die Kund:innen vor der Anbieterwahl googlen. Die Gap-Analyse funktioniert, indem sie deinen bestehenden Content gegen eine Matrix aus Themen, Branchen und Intent-Typen mappt. Der Generierungsschritt geht weiter: Für jede identifizierte Lücke sucht der Agent in deinem bestehenden Content nach relevanten Quellen – ein Kundenergebnis, das zu dieser Branche passt, eine Fallstudie, die diese Frage beantwortet, ein operativer Fakt, den du bereits dokumentiert hast. Der entstehende Entwurf wird aus diesem gefundenen Material zusammengestellt – nicht aus den Trainingsdaten des LLM erfunden.
Stakeholder-Feedback strukturiert verarbeiten. Dutzende Review-Kommentare von mehreren Stakeholdern über viele Seiten. In einem kürzlichen Review-Sprint kamen 47 Kommentare von drei Reviewer:innen über 12 Seiten an. Der Agent clusterte sie nach Thema (Tonfall: 18 Kommentare, sachliche Korrekturen: 14, strukturelle Änderungen: 15), identifizierte zwei direkte Widersprüche zwischen den Reviewer:innen, wendete 41 nicht-konfliktäre Änderungen automatisch an und markierte 6 Konflikte zur menschlichen Entscheidung. Was normalerweise zwei Tage Copy-Paste und E-Mail-Ketten braucht, wurde eine 90-minütige Review-Session mit vollständigem Audit-Trail. Der Agent liest Review-Kommentare aus unserem Review-Tool, Spreadsheets oder Klartext – wo auch immer das Feedback landet.
Tonfall. „Konvertiere alle Seiten von formeller auf informelle Ansprache." „Mache jede Überschrift kürzer und ergebnisorientiert." „Ersetze steife Direktübersetzungen durch natürliche Formulierungen." Der Agent liest jede Seite, identifiziert Instanzen des alten Musters, generiert einen kontextuell passenden Ersatz und wendet ihn an. Das ist kein Suchen-und-Ersetzen – der Agent handhabt Grammatik, Konjugation und Register-Änderungen, die eine Regex kaputt machen würde. Als wir 60+ deutsche Seiten von formeller (Sie) auf informelle (du) Ansprache konvertiert haben, hat der Agent jede Verbkonjugation, jedes Possessiv und jeden Konditionalsatz in einem einzigen Pass abgehandelt. Die menschliche Prüfung am nächsten Morgen fand bei mehreren hundert angewendeten Änderungen weniger als ein Dutzend Fälle, die manuell nachgebessert werden mussten.
Mehrsprachiger Content in Minuten. Hunderte Seiten in einer neuen Sprache aus deinen Originalen entwerfen – in Minuten, nicht Wochen. Der Agent übersetzt nicht nur – er passt Tonfall und Formalitätsgrad an, behält technische Begriffe in der Ausgangssprache wo angemessen und markiert Konstruktionen, die in der Zielsprache nicht funktionieren. Als wir unsere eigene Website um einen deutschen Bereich erweitert haben, hat der Agent über Nacht Erstentwürfe für Dutzende von Seiten erstellt. Die menschliche Prüfung fand weniger als 10% der Absätze, die Anpassungen brauchten; der Rest war produktionsreif. Gesamter Prüfaufwand: ein Arbeitstag.
SEO und Metadaten seitenweit prüfen. Der Agent prüft deine gesamte Website auf Meta-Titel über 60 Zeichen, Meta-Beschreibungen ohne Ziel-Keywords, og:image-Felder mit falschem Bild, fehlende oder nicht übereinstimmende hreflang-Tags zwischen Sprachversionen und Canonical-URLs, die Aufmerksamkeit brauchen. Auf einer mehrsprachigen Website mit 200 Seiten dauert dieser Sweep Minuten und liefert eine priorisierte Liste von Korrekturen – die Art von technischem SEO-Audit, die ein Berater eine Woche kompilieren würde, und die so zu einem Routine-Teil jedes Content-Release-Zyklus wird.
Bulk-Edits
Content-Generierung
Qualitätsmanagement
Jede Ausgabe – ob neue Seite, seitenweite Bearbeitung oder Tonfall-Sweep – durchläuft dieselbe Sequenz, bevor ein Mensch sie zu Gesicht bekommt.
1. Lesen. Der Agent liest deinen vollständigen Content-Baum: jede veröffentlichte Seite, jede Fallstudie, jede Service-Beschreibung. Das wird zur einzigen Quelle der Wahrheit für die gesamte Session. Nichts wird generiert ohne diesen Verankerungs-Schritt.
2. Mappen. Bei seitenweiten Bearbeitungen mappt der Agent jedes Vorkommen des Zielmusters im Content-Baum. Bei der Gap-Analyse mappt er deine bestehende Abdeckung gegen die Themenmatrix, um zu finden, was fehlt. Bei Tonfall-Sweeps identifiziert er jede Instanz des alten Register-Musters.
3. Quellen. Für jede neue Seite oder jeden generierten Abschnitt ruft der Agent die relevantesten Quellen aus deinem bestehenden Content ab: das Kundenergebnis, das zu dieser Branche passt, die Fallstudie, die diese Frage beantwortet, den operativen Fakt, den du bereits dokumentiert hast. Neuer Content wird aus diesem abgerufenen Material zusammengestellt – nicht aus den Trainingsdaten des LLM generiert.
4. Generieren. Der Agent produziert die Bearbeitung, den Entwurf oder den Ersatz. Da er von deinem gequellten Material ausgeht, spiegelt die Ausgabe deine spezifische Expertise, deine echten Kundenbeispiele und deine tatsächliche Stimme wider – keine generische Annäherung daran.
5. Validieren. Die Ausgabe wird gegen dein Content-Model-Schema geprüft: Pflichtfelder vorhanden, Bildreferenzen gültig, Frontmatter-Struktur korrekt, interne Links auflösend.
6. Diff und Prüfung. Jede Änderung wird als Diff präsentiert. Nichts wird committed, bis ein Mensch es freigegeben hat.
Der Agent funktioniert mit jedem System, in dem Content als strukturierte Daten zugänglich ist. Die Integrationstiefe variiert je nach Plattform, aber das Kernmuster – lesen, planen, diff, prüfen, schreiben – gilt für alle.
Git-basierte Content-Repositories – Decap CMS, Netlify CMS, Hugo, Jekyll, Eleventy, Astro Content Collections. Content liegt als Markdown- oder MDX-Dateien in einem Git-Repository. Der Agent liest und schreibt Dateien direkt, Diffs sind native Git-Diffs und der Review-Workflow ist ein Pull Request. Das ist die Architektur, die wir auf unserer eigenen Website betreiben.
Headless CMS mit Management-API – Contentful, Strapi, Sanity, Storyblok, Prismic, DatoCMS. Der Agent liest Content über die API der Plattform, wendet Änderungen programmatisch an und nutzt den eigenen Draft/Publish-Workflow des CMS als Review-Schritt. Vollständiger Zugriff auf Content-Struktur, Felder und Beziehungen.
WordPress – via REST API (verfügbar ab WordPress 4.7) und WP-CLI für server-seitige Operationen. Der Agent liest Beiträge, Seiten, Custom Post Types und Custom Fields und schreibt Updates via API. Funktioniert mit Advanced Custom Fields, WooCommerce-Produkttexten und mehrsprachigen Plugins (WPML, Polylang). Page-Builder-Content – Gutenberg-Blöcke, Elementor, Divi – ist als serialisiertes Block-Format zugänglich, lesbar und editierbar, jedoch mit mehr struktureller Komplexität als flache Felder.
Webflow – via Webflow CMS API. Der Agent liest und schreibt Collection Items: Blog-Beiträge, Fallstudien, Teammitglieder, jede CMS-verwaltete Collection. Statischer Content, der direkt im Webflow Designer erstellt wurde, ist nicht programmatisch zugänglich – der Agent fokussiert sich auf CMS-Collections. Für die meisten Webflow-Websites ist das genau der richtige Scope: der wiederholende, hochvolumige Content in CMS-Collections ist genau dort, wo programmatisches Management den größten Mehrwert bringt.
Shopify – Produktbeschreibungen, Metafelder, Collection-Texte und Blog-Content via Admin API. Relevant für große Kataloge, bei denen konsistenter Produkttext, Tonfall und SEO-Metadaten über Tausende von SKUs die Herausforderung sind.
Enterprise CMSs – Adobe Experience Manager, Sitecore, Magnolia, Drupal. Zugänglich via jeweiliger Management-APIs. Die Integrationskomplexität ist höher, aber das zugrundeliegende Muster ist dasselbe.
Dutzende Seiten in Tagen
Branchen-, Standort-, Service-Seiten, Fallstudien und Leitfäden – entworfen, validiert und bereit zur Prüfung
Review-Feedback effizient verarbeiten
Stakeholder-Kommentare triagiert, geclustert und programmatisch angewendet mit Konflikterkennung
Mehrsprachig in Minuten
Englisch + Deutsch parallel gepflegt, mit register-bewusster Übersetzung und menschlicher Prüfung
1. Mit deinem CMS verbinden
2. Aufgabe definieren
3. Prüfen und ausliefern
Wir haben diesen Agenten zuerst für uns selbst gebaut, weil wir ihn gebraucht haben. Eine mehrsprachige Website mit 200+ Seiten in mehreren Sprachen zu verwalten, die von mehreren Mitwirkenden aktualisiert und von mehreren Stakeholdern geprüft wird, lässt sich manuell nicht in dem Tempo bewältigen, das eine wachsende Content-Operation verlangt. Also haben wir den Agenten gebaut, auf unserer eigenen Website deployt und nutzen ihn täglich.
Was ein Content-Sprint auf unserer eigenen Website aussieht:
In einem kürzlichen 4-tägigen Content-Sprint auf n3xtcoder.org hat der Agent:
Gesamter menschlicher Prüfaufwand für all das: unter einer Woche, für Arbeit, die manuell Monate gedauert hätte. Das Ergebnis ist nachprüfbar – es liegt in der Git-Historie dieses Repositories.
160+ KI-Projekte seit 2019. Content-Management-Agent in Produktion auf unserer eigenen Website. Funktioniert mit Decap, Contentful, Strapi, Sanity, WordPress, Webflow und jedem System, in dem Content als strukturierte Daten zugänglich ist.
Der Agent ersetzt kein redaktionelles Urteilsvermögen. Der Agent entwirft, bearbeitet und wendet es auf Hunderte Seiten an, aber ein Mensch prüft und gibt jede Änderung frei, bevor sie live geht. Der Wert liegt in der Geschwindigkeit und Konsistenz, nicht darin, Menschen aus dem Prozess zu entfernen.
Qualität hängt von der Qualität deines Quellmaterials ab. Der Agent generiert neue Seiten, indem er deine vorhandenen Fallstudien, Quellen und Service-Beschreibungen abruft und rekombiniert. Wenn dein Quellmaterial dünn, vage oder inkonsistent ist, wird der generierte Content das widerspiegeln. Die Pipeline verstärkt, was bereits vorhanden ist – sie kompensiert nicht, was fehlt. Die stärksten Ergebnisse kommen von Websites mit reichhaltigem, spezifischem, gut dokumentiertem bestehendem Content.
Tonfall-Konvertierung ist beim ersten Durchgang nicht perfekt. Die Konvertierung von formeller zu informeller Ansprache erfordert z.B. das Verständnis, ob ein Pronomen die lesende Person oder eine dritte Partei meint. Der Agent liegt bei 90%+; menschliche Prüfung fängt den Rest auf.
Webflow-Designer-Content ist nicht programmatisch zugänglich. Die Webflow CMS API deckt Collection Items ab – Blog-Beiträge, Fallstudien, jeden wiederkehrenden Content-Typ. Statischer Content, der direkt im Webflow Designer erstellt wurde, kann nicht via API gelesen oder geschrieben werden. Wer Content auf einer Webflow-Website effizient verwalten will, sollte ihn in CMS-Collections ablegen – nicht in designer-gesperrten Bereichen.
WordPress-Page-Builder-Content erhöht die Komplexität. Gutenberg-Blöcke, Elementor-Widgets und ähnlicher Page-Builder-Content wird als serialisiertes JSON statt als flache Textfelder gespeichert. Der Agent kann diesen Content lesen und editieren, aber es erfordert das Parsen der Block-Struktur. Für Websites mit Standard-Post-Feldern und ACF ist das keine Einschränkung.
Wie unterscheidet sich das von ChatGPT oder einem Tool wie Jasper?
Mit welchem CMS funktioniert das?
Funktioniert es mit WordPress?
Funktioniert es mit Webflow?
Wie schnell kann der Agent neue Seiten generieren?
Wird unser Content an einen externen KI-Anbieter gesendet?
Wie funktioniert der Review-Schritt genau?
Was passiert, wenn Reviewer:innen sich widersprechen?
Verarbeitet der Agent auch Bilder und Medien?
Was ist mit SEO?
Erzähl uns von deinem CMS, deinem Content-Volumen und der Aufgabe, die du automatisieren willst. Wir antworten mit einem Vorschlag und einem Termin, meist innerhalb eines Werktags.
Simon Stegemann
Co-Founder and CEO
