KI

Werkzeug, nicht Wundermittel.

Künstliche Intelligenz war 2023 das Buzzword, 2024 der Hype-Cycle, 2025 die Ernüchterung und 2026 das, was sie immer hätte sein sollen: ein Werkzeug, mit klar umrissenem Aufgabenbereich, kontrollierbarem Output, kalkulierbaren Kosten.

Für ein Schweizer KMU bedeutet das praktisch: Es gibt heute eine Reihe von Anwendungsfällen, in denen KI als Bestandteil eines WordPress-Setups echten Hebel bringt: Content-Pipelines, Triage, Klassifizierung, Übersetzung mit Locale-Bewusstsein. Es gibt aber auch viele Fälle, in denen KI nichts beiträgt ausser höheren Hosting-Kosten.

Wir bauen seit 2024 eigene WordPress-Plugins, die Sprachmodelle über deren Schnittstelle ansprechen. Auf rundum.dog laufen sie im Produktivbetrieb. Was wir empfehlen, läuft bei uns selbst. Für unsere eigene Arbeit nutzen wir zusätzlich Hermes, unser lokales Multiagenten-System. Es verteilt die Arbeit an verschiedene Modelle. Vertrauliche Daten sehen dabei nur lokale Modelle auf unseren Rechnern.

Drei grosse, mehrere kleine. Wir wählen nach Aufgabe.

Am liebsten arbeiten wir mit den Modellen von Anthropic, meistens mit Claude Sonnet. Sie liefern in unserer Erfahrung verlässlich strukturierte Outputs, und die sind in WordPress-Integrationen der entscheidende Punkt. Bei unserer eigenen Arbeit verteilt Hermes die Aufgaben: Vertrauliches an lokale Modelle, anderes an Cloud-Modelle. Im Kundenprojekt wählen wir das Modell nach Aufgabe, Kosten und Datenschutz und begründen die Wahl.

Wer JSON aus Prosa parsen muss, hat ein Problem.

Das wichtigste technische Detail in der KI-Integration ist die Frage: liefert das Modell strukturierte Outputs, oder Free-Text, den wir nachträglich parsen müssen?

Free-Text-Pattern (Anti-Pattern):

Prompt: "Schreibe mir einen JSON mit Titel, Tags und Zusammenfassung."

Output: "Hier ist Ihr JSON:
{
  "titel": "...",
  "tags": ["a", "b"]
  "summary": "..."  // ← oh, ein Komma fehlt
}
Hoffe das hilft!"

Das funktioniert in 90 % der Fälle, scheitert in 10 %, und wenn es scheitert, verlieren wir Daten oder müssen retry-Logik bauen, die selbst wieder Geld kostet.

Tool-Use-Pattern (was wir bauen):

tools: [{
  name: "publish_article",
  input_schema: {
    type: "object",
    required: ["title", "tags", "summary"],
    properties: {
      title:   { type: "string", maxLength: 80 },
      tags:    { type: "array", items: { type: "string" } },
      summary: { type: "string", maxLength: 280 }
    }
  }
}]

Modell ruft das Tool auf, mit schema-validem JSON.
Wir validieren gegen das Schema, persistieren, fertig.

Tool-Use ist nicht optional, sobald strukturierte Outputs gefordert sind. Wer Free-Text-Prompts mit Hoffnung auf JSON sieht, sieht eine Implementation, die früher oder später wackelt.

Drei Klassen, in denen sich der Einsatz lohnt.

1 · Triage und Klassifizierung

Eingehende Inhalte vor-sortieren. Beispiele: Notfall-Triage in einer Tierarzt-Praxis («Notfall jetzt», «Notfall heute», «kann warten»), User-Beiträge auf Plattformen nach Themen sortieren (rundum.dog), Anfragen nach Dringlichkeit klassifizieren. Maschine sortiert, Mensch entscheidet. Keine Diagnose, keine endgültige Auswertung.

2 · Content-Pipelines

Mehrstufige Generierung von strukturierten Inhalten. Auf rundum.dog läuft eine Pipeline, die aus Keyword-Sets Pillar-Page-Drafts erzeugt, mit Schema-Markup-Vorschlägen, FAQ-Block-Vorschlägen, Quellen-Hinweisen. Die Redaktion entscheidet, was publiziert wird. Die Pipeline spart die ersten 60 % Zeit.

• Pillar-Page-Generator mit Tool-Use-Schema
• Übersetzungs-Pipeline mit Locale-Awareness (DE-CH, DE-AT, DE-DE)
• FAQ-Extraktion aus bestehenden Texten
• Zusammenfassungen für lange Beiträge
• Schema-Markup-Drift-Detection (welche Pages haben das falsche Schema)

3 · Assistierte Redaktion

Im WordPress-Backend: Vorschläge, Strukturierung, Faktencheck-Hinweise. Beispiel: Bei einem neuen Beitrag bekommt die Redaktion automatisch einen Strukturvorschlag, eine SEO-Beurteilung, Hinweise auf mögliche Quellen. Kein Autopilot.

Vier Pattern, die im Markt häufig sind und uns nicht überzeugen.

• Chat-Widgets unten rechts ohne Aufgabe. Ein generischer «Hi, wie kann ich helfen?»-Bot ohne klar definierten Triage-Pfad verbrennt Token und enttäuscht die Nutzenden. Wenn ein Bot, dann mit definierter Aufgabe und Eskalations-Pfad.
• KI-generierte SEO-Texte als Massenware. Funktioniert kurzfristig, scheitert beim nächsten Google-Core-Update. KI als Vorschlags-Tool ja, KI als Autopilot-Publikation nein.
• «KI-getrieben» als Marketing-Label ohne Substanz. Wir beschreiben, was die KI tatsächlich tut (Triage, Klassifizierung, Strukturierung), nicht was sie marketing-mässig sein soll.
• Auto-Publikation ohne menschliche Freigabe. Was bei uns via KI generiert wird, geht nicht ohne menschliche Bestätigung live. Punkt.

KI-Kosten bleiben planbar, wenn man sie begrenzt.

Was ein einzelner Aufruf kostet, hängt vom Modell und von der Länge von Eingabe und Ausgabe ab. Die monatlichen API-Kosten hängen zusätzlich davon ab, wie oft die KI zum Einsatz kommt, zum Beispiel bei Triage oder Content-Pipeline. Eine Schätzung für deinen Fall bekommst du im KI-Website-Check.

Was wir standardmässig einrichten:

• Cost-Cap pro Lauf: eine harte Obergrenze, die nicht überschritten wird, auch wenn das Modell mehr Token verbraucht als geschätzt
• Pricing-Snapshot mit Modell-Resolution: Modelle ändern Preise und Versionen; wir resolven nach canonical-YYYYMMDD, damit Reportings stabil bleiben
• Monatliches Reporting: Du siehst, was die KI tatsächlich kostet, nicht nur was die Anbieter-Rechnung sagt
• Rate-Limit-Resilience: Action-Scheduler-Queue, retry mit exponentialem Backoff, kein «Plugin hängt»-Verhalten bei API-Spitzen

Was teuer wird: Bild-Generation, lange Kontext-Fenster (200k+ Tokens), Multi-Modal-Aufrufe. Für die meisten KMU-Anwendungen sind das keine Standard-Anforderungen. Wir besprechen sie im Erstgespräch separat.

Kein Anbieter ist von sich aus sicher. Wir prüfen jeden Use-Case.

Bei vielen kostenpflichtigen API-Angeboten gilt: keine Trainingsnutzung der Eingaben. Das ist ein wichtiger Unterschied zu Gratis-Chat-Produkten, wo Eingaben zu Trainingsmaterial werden können. Die Bedingungen ändern sich, darum lesen wir sie pro Projekt nach.

Was wir in jedem Mandat prüfen:

• Welche Daten gehen an die API? Pre-Call-Validator filtert, was nicht raus darf.
• Wo liegen die Server? Je nach Anbieter in den USA oder in Europa. Wo das nicht reicht, besprechen wir Alternativen.
• Was wird im Audit-Log gespeichert? Wir loggen Aufrufe zur Kosten-Kontrolle, mit anonymisierten Inputs.
• Datenschutzerklärung klar und vollständig: welcher Service, welche Daten, welche Verarbeitung, welche Aufbewahrung.
• Auftragsverarbeitungsvertrag (AVV / DPA) mit dem Anbieter abgeschlossen, falls nötig. Bei B2B-Kunden ist das oft Pflicht.

Unser Grundsatz: keine Profilbildung der Besuchenden. Was wir empfehlen, setzen wir auf rundum.dog selbst um: anonymisierte Analytics, keine personalisierten Profile, klare Opt-Out-Pfade.

Was wir oft gefragt werden und ehrlich beantworten.

Brauche ich KI auf meiner Webseite?

In den meisten Fällen: nein, nicht zwingend. KI lohnt sich, wenn es eine wiederkehrende strukturierte Aufgabe gibt, die heute manuell zu lange dauert (Triage, Sortierung, Extraktion). Wer eine 5-Seiten-Webseite ohne wiederkehrende Inhaltsproduktion hat, braucht keine KI-Integration.

Welches Modell empfehlt ihr?

Meistens setzen wir Claude Sonnet von Anthropic ein. Für Massenarbeit wie Sortieren reicht oft ein kleineres, günstigeres Modell. Bei unserer eigenen Arbeit gehen vertrauliche Daten an ein lokales Modell, so verteilt Hermes die Arbeit. Im Kundenprojekt legen wir die Wahl gemeinsam fest.

Was kostet ein KI-Plugin pro Monat?

Der Einstieg ist der KI-Website-Check für CHF 1’200 fix. Die Umsetzung kostet ab CHF 2’400, die laufende KI-Betreuung ab CHF 190 im Monat, alles exkl. MWST. Dazu kommen die API-Kosten des Anbieters. Die hängen vom Volumen ab, eine Obergrenze legen wir vorher fest.

Ist das DSGVO-konform?

Bei korrekter Umsetzung ja. Dazu gehören ein Auftragsverarbeitungsvertrag mit dem Anbieter, keine Trainingsnutzung der Daten und ein geklärter Serverstandort. Wir richten das in jedem Mandat ein.

Kann ich das Modell nutzen, das ich schon habe?

Ja. Wenn du bereits ChatGPT, Claude oder ein anderes Modell einsetzt, bauen wir darauf auf. Wichtig ist, dass es strukturierte Outputs verlässlich liefert. Das testen wir, bevor wir bauen.

Was passiert, wenn die KI ausfällt?

Action-Scheduler-Queue mit retry-Logik. Wenn der Anbieter Probleme hat, hängt die WordPress-Site nicht. Die Aufgaben warten. Beim nächsten erfolgreichen API-Call werden sie nachgeholt.

Werkstatt-Eintrag: /werkstatt/ki-integration/

Diese Pillar-Page erklärt das Was. Wer wissen will, wie wir KI-Integration als Plugin in WordPress umsetzen (Architektur, Pre-Call-Validator, Action-Scheduler-Queue, SSE-Streaming), findet das im Werkstatt-Eintrag.

→ Zum Werkstatt-Eintrag · → Direkt zum Kontakt