Wenn Ihr Backend mitdenkt
KI als Werkzeugkasten direkt im TYPO3-Backend — Alt-Texte, Übersetzungen, Meta-Description, Textvorschläge.
Redakteure verbringen viel Zeit mit Aufgaben, die sich wiederholen und nicht zur eigentlichen Inhaltsarbeit gehören. Jedes Bild braucht einen Alt-Text. Jede Übersetzung will angestoßen werden. Jede neue Seite braucht eine handgeschriebene Meta-Description. Das ist nicht „Content erstellen“, das ist Pflege. KI nimmt diese Pflege ab, ohne dass Ihre Redakteure das Backend verlassen.
Vier Anwendungen direkt im TYPO3-Backend
Alt-Texte aus Bildern — BFSG-konform und konsistent
Sobald ein Bild ins TYPO3-Backend hochgeladen wird, schreibt eine Vision-API einen beschreibenden Alt-Text. Redakteure prüfen, übernehmen oder ändern. Das deckt die BFSG-Pflicht für Bild-Alternativtexte ab, ohne dass jeder Redakteur den WCAG-Leitfaden auswendig können muss. Bei einer Site mit mehreren hundert Bildern in der Pflege ist das die erste Anwendung, die sich nach wenigen Wochen rechnet.
Übersetzungen direkt im Record-Editor
Eine Seite in der zweiten Sprache übersetzen heißt: Sprach-Tab öffnen, KI-Vorschlag erzeugen, prüfen, publishen. Anstatt: Text in DeepL kopieren, übersetzten Text wieder zurück ins Backend, Formatierung wiederherstellen, Links umbiegen. Bei einer Site mit fünf Sprachen ist das ein Faktor, nicht eine Verbesserung.
Meta-Description und Title aus dem Seiteninhalt
Title-Tag und Meta-Description werden aus dem Body-Text generiert — konsistent in Länge, mit den relevanten Keywords. Redakteure müssen sich nicht mehr in 155 Zeichen kürzen. Die KI macht den Vorschlag, der Redakteur entscheidet. Bei neuen Seiten ist die Meta direkt nach der Veröffentlichung da, bei Bestand kann ein Batch-Lauf alles in einem Rutsch nachziehen.
Textvorschläge nach Ihrem Stil
Ein KI-Assistent kennt Ihren Content-Style-Guide — durch System-Prompt-Vorgaben und RAG über Ihre Bestands-Inhalte — und schlägt Bearbeitungen vor: Tonalitäts-Check, redundante Stellen, fehlende Strukturierung. Kein Schreib-Ersatz, sondern Schreib-Hilfe. Der Redakteur bleibt verantwortlich für das, was am Ende veröffentlicht wird.
Live auf dieser Site
Hinter dem Backend dieser Site steht mein eigener TYPO3-MCP-Server. Er beherrscht siebzehn Lifecycle-Aktionen — von der Page-Anlage über Content-Element-Bearbeitung bis zum Skill-Record-Management. Das ist das gleiche Pattern, das ich für Redakteurs-KI-Werkzeuge nutze: ein MCP-Server steht zwischen TYPO3 und dem Sprachmodell, der Redakteur arbeitet wie gewohnt im Backend, die KI rechnet im Hintergrund.
Pflege auch ohne Backend
Nicht jeder Vorgang braucht das TYPO3-Backend. Über einen MCP-Server lässt sich Content direkt aus dem KI-Assistenten pflegen, mit dem ein Redakteur ohnehin arbeitet: „Ergänze auf der Standort-Seite einen Absatz zum neuen Büro" — der Assistent legt die Änderung an, der Redakteur gibt sie frei. Kein Backend-Login, kein Kontextwechsel.
Entscheidend ist, was dabei nicht passiert: Nichts geht ungeprüft live. Jede Änderung läuft über einen TYPO3-Workspace. Der Redakteur sieht den Vorschlag gegen den Live-Stand, prüft ihn und gibt erst dann frei — Freigabe-Schritt statt Direktänderung. Das ist derselbe Review-Mechanismus, den TYPO3 für die Backend-Arbeit kennt, nur von außen angesteuert.
Die Basis dafür ist die offene MCP-Server-Extension für TYPO3, die Lesen und Schreiben im Workspace abdeckt. Den Schritt, der dort fehlt — das gezielte Veröffentlichen einer Änderung —, habe ich selbst ergänzt. So bleibt der Vorgang vom Vorschlag bis zur Freigabe in einem Werkzeug, statt für den letzten Klick doch wieder ins Backend zu wechseln.
DSGVO ist nicht verhandelbar
Drei Optionen, abgestuft nach Vertrauens-Anforderung an die Inhalte:
Private LLMs, On-Premise. Ihr Content verlässt Ihre Infrastruktur nicht. Sinnvoll für regulierte Branchen (Health, Legal, Banking) und für Sites mit personenbezogenen Daten im Content. Höherer Setup-Aufwand, geringere Modell-Vielfalt — dafür volle Datenhoheit.
EU-gehostete Anbieter wie Mistral oder Aleph Alpha. Modell-Qualität gut, Datenhoheit klar, Verträge unter EU-Recht. Der pragmatische Mittelweg für die meisten Mittelständler.
US-Hyperscaler (OpenAI, Anthropic, Google) mit Auftragsverarbeitungsvertrag und harten Budget-Limits. Modell-Qualität spitze, dafür Daten an US-Konzerne. Sinnvoll für nicht-sensible Use-Cases mit klarer Trennung — etwa Alt-Text-Generierung für Marketing-Bilder.
Welche Option zu Ihrer Redaktion passt, hängt davon ab, was Ihre Redakteure ins Backend eingeben. Ich kläre das vor jedem Setup-Start.
Wo ich anfange
Backend-Audit. Ich schaue mir an, welche Redaktions-Tasks am häufigsten wiederholt werden — Alt-Texte, Übersetzungen, Meta-Pflege, Textüberarbeitung — und welche davon mit KI sinnvoll abdeckbar sind. Manche Aufgaben sind so kontextspezifisch, dass KI sie verschlechtert statt verbessert. Das Audit zeigt das.
Pilot mit einem Use-Case. Meistens Alt-Texte, weil der Effekt sofort messbar wird (Anzahl Bilder pro Monat × handgeschriebene Sekunden pro Alt-Text). Sichtbares Ergebnis im Backend, ohne dass die Redaktion sich auf ein neues Werkzeug umstellen muss.
Ausbau, wenn die Redaktion es will. KI im Backend ist ein Werkzeug — wenn Ihre Redakteure es nicht nutzen, hat es keinen Wert. Pilot, Feedback, Entscheidung über Ausbau. Manchmal fällt eine der vier Anwendungen nach dem Pilot raus, weil sie für Ihre Redaktion keinen Sinn macht. Das spart Budget und Komplexität.
Klingt nach Ihrem Projekt?
Sprechen wir 30 Minuten unverbindlich.
Antwort innerhalb 24h — in der Regel deutlich schneller.