Die grösste Reibung nach einem Website-Launch entsteht selten beim Design oder bei der Technologie – sie entsteht danach, im Alltag. Ein neuer Blogpost, ein neues Referenzprojekt, ein aktualisierter Teameintrag: Jemand öffnet das CMS, sucht das richtige Modell, füllt Felder aus, prüft Referenzen, veröffentlicht. Bei uns läuft dieser Schritt inzwischen ganz anders ab.
Ein Link und ein paar Zeilen
Wir arbeiten neu mit einer eigenen Agenten-Infrastruktur, die auf dem Model Context Protocol (MCP) basiert. Über die Gridonic Engine – unsere interne Orchestrierungsschicht – und DatoMCP oder StatamicMCP, lassen sich neue Inhalte nicht mehr nur über das klassische CMS-Interface anlegen, sondern per Konversation – also so wie wir heute mit den AI Tool interagieren. Ich tippe "Leg ein neues Projekt an, mach es wie das hier /projekt-x und publishe». Der Agent erkennt Content-Modell, Struktur und Referenzlogik des Vorbilds – und erstellt den neuen Record samt Textinhalten und Bildmaterial, sauber verknüpft mit den richtigen Kategorien, Autoren oder verwandten Projekten.
Das klingt simpel, verändert aber etwas Grundsätzliches: Die Redaktion von Webseiten wird um ein Vielfaches einfacher und schneller. Zudem muss ich nicht das ganze Projekt kennen, was mit was verknüpft ist und wo welches Bild liegt. Der Agent kennt das Projekt perfekt und übernimmt diese Tasks.
Warum das funktioniert – und warum es kein Zufall ist
MCP standardisiert, wie AI-Modelle mit echten, lebenden Systemen sprechen – nicht nur mit Text, sondern mit APIs, Datenbanken, CMS-Strukturen. Das ist dieselbe Idee, die wir bereits in «KI im Web-Development-Workflow» beschrieben haben: AI beschleunigt die Ausführung, während Architektur, Content-Modellierung und Qualitätssicherung in menschlicher Verantwortung bleiben.
Möglich wird das nur, weil das Fundament stimmt. In «Warum wir bei Gridonic auf DatoCMS setzen» haben wir erklärt, weshalb wir auf ein strukturiertes, API-first Headless-CMS setzen: klare Content-Modelle, saubere Referenzen zwischen Einträgen, verlässliche Mehrsprachigkeit. Genau diese Struktur ist die Voraussetzung dafür, dass ein Agent überhaupt zuverlässig "versteht", was ein neuer Eintrag "wie dieser" bedeutet. Ohne durchdachtes Modell im Hintergrund bleibt jede AI-Automatisierung Stückwerk – mit einem sauberen Datenmodell wird sie zum echten Effizienzgewinn.
Auch unser Blick auf Design Systems und component-driven Design zahlt hier ein: Je konsistenter Komponenten, Tokens und Content-Strukturen aufgebaut sind, desto zuverlässiger können AI-Systeme daraus neue, korrekte Instanzen ableiten – ob im UI oder im CMS.
Eigene Medizin, selbst verschrieben
Diese Arbeitsweise ist kein Konzept, das wir nur empfehlen – wir setzen sie selbst täglich ein. Statt einer einzigen grossen AI, die alles gleichzeitig können soll, delegieren wir Aufgaben an spezialisierte Agenten mit klarer Zuständigkeit. Ein Agent prüft neue und bestehende Inhalte gezielt auf SEO-Struktur und Auffindbarkeit. Ein anderer übernimmt Lektorat – er liest Texte auf Rechtschreibung, Grammatik und Stil, bevor ein Beitrag live geht. Ein dritter beobachtet laufend die Performance einer Website und schlägt konkrete Optimierungen vor, von Bildgrössen bis Ladezeiten. Jeder Agent arbeitet in seinem Fachgebiet, mit klarer Verantwortung – ähnlich wie ein gutes Team aus Spezialistinnen statt einer Person, die alles notdürftig abdeckt. Das reduziert Fehler, hält Zuständigkeiten klar und macht das System nachvollziehbar statt undurchsichtig.
Was das für unsere Kunden bedeutet
Für Redaktionsteams heisst das weniger Einarbeitungszeit ins CMS, weniger Klickpfade, weniger Fehlerquellen bei wiederkehrenden Content-Typen – Teamprofile, Case Studies, Blogposts, Produktseiten. Gleichzeitig bleibt die inhaltliche und strukturelle Kontrolle dort, wo sie hingehört: bei Menschen, die Freigaben erteilen und Qualität sichern. Das deckt sich mit dem, was wir in «Das Agent-Ready Web» bereits für die Aussenwirkung von Websites beschrieben haben: Strukturierte, klar modellierte Inhalte sind nicht nur für Redaktionsteams leichter zu pflegen, sondern auch für AI-Agenten – ob intern beim Publizieren oder extern beim Lesen durch ChatGPT, Gemini oder Claude – zuverlässig lesbar.
Design, Technologie und jetzt auch operative AI-Workflows sind bei uns kein Nebeneinander, sondern ein System, das aufeinander aufbaut. Wer eine Website will, die nicht nur gut aussieht, sondern auch im Alltag leicht zu betreiben ist, sollten diese drei Ebenen von Anfang an zusammen verstehen. Unsere Gridonic Engine ist LLM-agnostisch, d.h. sie funktioniert mit allen Modellen.