+ Featured · Multi-Agent-System
AI Redaktion
Ein vollautomatisches Multi-Agent-System zur Skalierung hochwertiger Inhalte. Von der Recherche bis zum optimierten Text – koordiniert durch spezialisierte KI-Agenten.
Ein Konfigurationsknoten lädt alle markenspezifischen Parameter: Tonalität, Zielgruppe, CTA-Texte, Trust-Builder, Compliance-Regeln und YMYL-Kategorien. So arbeitet dasselbe System für B2B und B2C Websites – ohne Code-Änderung, nur durch Auswahl beim Start.
Parallel laufen mehrere Datenquellen: Tavily durchsucht das Web nach aktuellen Suchergebnissen. Jina Reader scrapt die Volltexte der stärksten Mitbewerber-Seiten. Die eigene Vektordatenbank liefert bereits produzierte Inhalte und verhindert Keyword-Kannibalisierung. Ein Cluster-Finder sucht interne Verlinkungsmöglichkeiten. Optional kann ein PDF mit Produktdaten hochgeladen werden. Alle Quellen werden zu einem Quellenkorpus zusammengeführt.
Zwei unabhängige Autoren-Modelle schreiben parallel – ohne voneinander zu wissen. Writer A (Content Architekt) denkt SEO-first: Struktur, Snippet-Eignung, ToFu/MoFu/BoFu. Writer B (Senior Redakteur) denkt Leser-first: Verständlichkeit, Nutzwert, Tonalität. Ein dritter Consensus-Editor vergleicht beide Texte. Übereinstimmungen gelten als gesichert, Widersprüche werden mit [PRÜFEN: …] markiert.
Ein Fact Scanner identifiziert prüfungswürdige Behauptungen im Consens-Text. Parallel laufen ein Deep Fact Check (gegen Recherche-Korpus + frische Websuche) und ein Quick Fact Check. Markierte Diskrepanzen aus dem Consensus-Schritt werden vom PRUEFEN-Resolver aufgelöst, der beide Quellen abwägt und eine begründete Entscheidung trifft.
Zwei Prüfebenen laufen sequenziell. Erstens GEO & SEO: Struktur, Direct-Answer-Snippet, H1/H2-Hierarchie, interne Links, Tabellenformat für KI-Übernahmen. Zweitens Compliance & YMYL: markenspezifische Verbote (z. B. keine Pflanzenschutz-Dosierungen), irreführende Preisangaben, rechtlich riskante Superlative, fehlende Haftungsausschlüsse. Schlägt eine Prüfung an, korrigiert das System automatisch, bevor es weitergeht. Ein System-Audit-Knoten prüft darüber hinaus auf Prompt-Injection-Versuche in der Nutzereingabe.
Der Final Polisher überarbeitet den Text für mobile Lesbarkeit: Scannbarkeit, Absatzlängen, visuelle Rhythmisierung. Inhaltlich ist nichts erlaubt zu ändern. Parallel generiert ein Sprachknoten stilistische Feinheiten und setzt die Sprach- und Stilregeln der jeweiligen Brand durch. Das fertige Dokument wird anschließend ins Gedächtnis (Vektordatenbank) gespeichert – für künftige Cluster-Verlinkungen.
Der fertige Artikel wird um weitere Ausgaben ergänzt – je nach Konfiguration beim Start (Social, Newsletter, Briefing für generative Bild-KI, ...). Eine direkte Anbindung an ein CMS wäre möglich.
Was das System ausgibt
Websitetext (Hauptformat)
Vollständiger, SEO- und GEO-optimierter Artikel mit korrekter H1/H2-Struktur, internen Links, Direct-Answer-Snippet und eingebetteten CTAs.
JSON-LD Schema-Markup
Valider schema.org-Code im @graph-Format für Rich Snippets in der Google-Suche – automatisch aus dem Artikelinhalt generiert.
Social-Media-Posts
Kanalspezifische Texte für LinkedIn (fachlich), Facebook/Instagram (emotional, mit Emojis) und Newsletter (klickstarker Teaser) – optional.
Bild-Briefing für Bild-KI
Strukturierte Prompts für generative Bild-KI – mit Motiv, Stimmung, Licht und Ausschlüssen. Verhindert generisches „AI-Look"-Material – optional.
URL-Slug & Cluster-Metadaten
Automatisch generierter CMS-Slug aus dem H1-Titel sowie strukturierte Cluster-Metadaten für die interne Verlinkung innerhalb des Content-Clusters.
Welche Modelle welche Aufgaben übernehmen
| Gemini 3.1 Pro | Recherche & Wettbewerbsanalyse, Deep Fact Check, Auflösung von Textwidersprüchen (PRUEFEN-Resolver) |
| Claude Sonnet | Writer A (Content-Architekt, SEO-first), Consensus Editor (neutraler Dritter zwischen A und B) |
| Mistral Large | Writer B (Leser-first), Compliance- & YMYL-Prüfung (zwei parallele Instanzen) |
| Mistral Medium | GEO & SEO-Prüfung, Faktenchecks (Schnellprüfung), interne Link-Formatierung |
| Mistral Small | Sprachpolish, Final Polisher (UX/Mobile), Link-Formatierung |
| Gemini Flash | Tech SEO (JSON-LD), Bild-Briefing, Social-Media-Posts, Fact Scanner |
Technischer Hintergrund
Plattform
Dify im Workflow-Modus. 76 Knoten, davon 22 LLM-Knoten, 12 Code-Knoten, 8 bedingte Verzweigungen und 3 Knowledge-Retrieval-Knoten.
Wissensarchitektur
RAG-Vektordatenbank (Qdrant) speichert jeden produzierten Artikel. Cluster-Finder durchsucht Datenbank und eigene Domain parallel für interne Verlinkung.
Datenquellen
Tavily (Web & Site-Suche), Jina Reader (Volltext-Scraping), Vektordatenbank, PDF-Upload, manuelle Redakteureingaben als Expertenwissen.
Skalierbarkeit
Brands werden per Konfigurationsknoten geladen. Neue Websites, Tonalitäten und Compliance-Regeln lassen sich ohne Workflow-Änderung hinzufügen.
Sicherheit
System-Audit-Knoten prüft alle Nutzereingaben auf Prompt-Injection-Versuche in der Nutzereingabe.
Content-Typen
Cluster-Seiten, Pillar Pages und Kategoriebeschreibungen mit jeweils eigenem Strukturprofil. Saison-Parameter steuert redaktionelle Schwerpunkte.