Agentic Content Ops — AI-Workflow-System für miran.at
Internes AI-Workflow-Projekt für mehrsprachige Content-Operations: strukturierte Inhalte, Lokalisierungsfluss und konsistente Ausspielung über Profil, Leistungen, Blog, Projekte und Landing Pages.
Über das Projekt
Dieses Projekt definiert und operationalisiert einen strukturierten Content-Workflow für miran.at. Ziel ist es, manuelle Wiederholung in der mehrsprachigen Publikation zu reduzieren und die Konsistenz auf business-kritischen Seiten zu erhöhen.
Statt jede Seite als isolierten Copy-Task zu behandeln, nutzt das System gemeinsame Datenmodelle, Translation Keys und klare Grenzen zwischen redaktionellen Inhalten und code-getriebenen Flächen.
Problem
Vor der Workflow-Härtung drifteten zentrale Positionierung und Service-Botschaften zwischen Seiten, Sprachen und Bereichen. AI-Claims waren vorhanden, aber Belege und Seitenhierarchie waren uneinheitlich.
Ansatz
Ich habe ein AI-first Content-Operations-Modell mit drei Ebenen umgesetzt:
- Kanonische Identity-Ebene für Rolle, Angebot und Positionierung
- Strukturierte Profil-/Service-Datenebene für Wiederverwendung in Routen und Komponenten
- Lokalisierte Editorial-Ebene für sprachspezifische Seiten, Posts und Landing Pages
Messbare Ergebnisse
- 3 aktive Locales im selben Content-Modell: DE, EN, HR
- 76 Editorial-Content-Dateien in strukturierten Collections (Blog, Projekte, Landing)
- 6 Service-Säulen auf dedizierte lokalisierte Service-Routen gemappt
- 186 Tools-Katalogeinträge als code-getriebene Flächen außerhalb der CMS-Grenze
Warum das relevant ist
Das System schafft eine skalierbare Basis für AI-gestützte Publikation und schnellere Iteration. Neue Inhalte lassen sich ergänzen, ohne die Message-Konsistenz zwischen Profil, Leistungen und SEO-Seiten zu verlieren.
Nächste Iteration
Als nächster Schritt folgen outcome-orientierte AI-Case-Studies mit expliziten Baseline- und Post-Launch-Metriken in den Bereichen Support, internes Wissen und Content-Operations.