Wie produziert ihr Content in eurer Marke, in jedem Kanal, ohne dass die Kosten mitwachsen?
Eine Produktionsmaschine, die nach eurer Marke klingt und aussieht, und die euch gehört. Für Marketing-Organisationen, deren Bedarf an Inhalten sich vervielfacht hat, während die Herstellung dieselbe geblieben ist.
Sieben Bausteine für euer AI Content Studio.
Jeder löst ein Problem für sich. Zusammen ergeben sie den Weg: klären, was sich lohnt, bauen, was fehlt, und betreiben, was läuft.

Design
AI Content Discovery
Problem
Rechnet sich AI in eurer Content-Produktion? Und wo zuerst? Zahlen statt Meinungen, bevor ihr Budget bindet.
Lösung
Wir rechnen eure Content-Produktion durch, vorher und nachher, und sagen euch, wo sich der Einstieg zuerst lohnt. Was wir erheben, trägt jeden weiteren Baustein.
- Business Case, vorher und nachher gerechnet
- Anwendungsfälle in der Reihenfolge, in der sich der Einstieg lohnt
- Zielbild für 12 bis 18 Monate und die Automatisierungsgrenze, schriftlich
ca. 1 bis 3 Wochen
Rechnet sich AI in eurer Content-Produktion? Und wo zuerst? Zahlen statt Meinungen, bevor ihr Budget bindet.
Build
GenAI Brand Foundation
Problem
Wie bringt ihr eure Marke so in die AI, dass sie nach euch klingt und aussieht, nicht nach Stock? Und gehört euch, was entsteht?
Lösung
Wir übersetzen eure Marke in maschinenlesbare Form: Tonalität, Wording, Terminologie, Bildwelt, Design System. Damit kann jedes Modell arbeiten.
- Tonalität, Wording und Terminologie als maschinenlesbare Regeln
- Bildwelt und Design System in derselben Form
- Die Markenregeln als euer Eigentum, unabhängig vom Modell
ca. 6 Wochen
Wie bringt ihr eure Marke so in die AI, dass sie nach euch klingt und aussieht, nicht nach Stock? Und gehört euch, was entsteht?
Content Engine Engineering
Problem
Einzelne gute AI-Ergebnisse habt ihr. Aber keine Serie, die jeden Tag in Markenqualität liefert.
Lösung
Wir bauen die Produktionsstrecke vom Briefing bis zum freigegebenen Asset, für Text und Bild, mit Qualitäts-Gates an jeder Übergabe.
- Produktionsstrecke für Text und Bild
- Format- und Kanalvarianten: ein Asset, alle vereinbarten Ausspielungen
- Pipelines, Prompts, Konfigurationen und Dokumentation in eurem Besitz
ca. 6 Wochen
Einzelne gute AI-Ergebnisse habt ihr. Aber keine Serie, die jeden Tag in Markenqualität liefert.
Content Supply Chain Orchestration
Problem
Ihr produziert mit AI ein Vielfaches und veröffentlicht immer noch von Hand. Wie kommen Inhalte automatisch in CMS, PIM und DAM?
Lösung
Wir schließen die Maschine an eure Publishing-Landschaft an und bauen den Freigabe-Workflow in eurem eigenen System. Kein Systemwechsel, kein neues CMS.
- Konnektoren in CMS, PIM und DAM, dokumentiert und übergeben
- Freigabe-Workflow mit Rollen, Vier-Augen-Prinzip und Rückweisung
- Auswertung: Durchsatz, Fehlerquote, Zeit bis zur Veröffentlichung
ca. 8 bis 12 Wochen
Ihr produziert mit AI ein Vielfaches und veröffentlicht immer noch von Hand. Wie kommen Inhalte automatisch in CMS, PIM und DAM?
Brand Compliance Framework
Problem
Wie stellt ihr sicher, dass erzeugte Inhalte zu eurer Marke, euren Richtlinien und geltendem Recht passen?
Lösung
Wir bauen die Qualitäts-Gates, gegen die jedes Asset läuft, bevor es freigegeben wird: Markenkriterien und Rechtskonformität.
- Qualitäts-Gates für Marke und Recht
- Rechtekette je Asset, nachvollziehbar
- Kennzeichnung AI-erzeugter Inhalte, eingebaut statt nachgerüstet
ca. 7 bis 8 Wochen
Wie stellt ihr sicher, dass erzeugte Inhalte zu eurer Marke, euren Richtlinien und geltendem Recht passen?
Team Enablement & Editorial Ops
Problem
Die Maschine steht. Kann euer Team sie allein fahren, oder hängt ihr bei jeder Frage wieder an der Agentur?
Lösung
Wir befähigen euer Team an eurem eigenen System, nicht an einem Schulungsbeispiel, und übergeben erst, wenn es allein läuft.
- Prompt- und Vorlagenbibliothek für wiederkehrende Aufgaben
- Rollenmodell für Redaktion, Kreation und Freigabe
- Betriebs-Playbook und Schulungsnachweise für die AI-Kompetenzpflicht
ca. 3 bis 4 Wochen
Die Maschine steht. Kann euer Team sie allein fahren, oder hängt ihr bei jeder Frage wieder an der Agentur?
Operate
Studio Operations
Problem
Die Maschine gehört euch. Wer hält sie aktuell, wenn sich die Modelle alle paar Monate ändern? Und woran seht ihr, dass sie sich rechnet?
Lösung
Wir halten eure Maschine auf dem Stand der Modelle und Werkzeuge, berichten monatlich über Betrieb und Kosten und weisen alle 3 Monate nach, was sie euch bringt.
- Bericht jeden Monat zu Betrieb und Kosten
- Freigegebener Stand eurer Modelle und Werkzeuge
- Alle 3 Monate der Nachweis gegen den Ausgangswert
laufend
Die Maschine gehört euch. Wer hält sie aktuell, wenn sich die Modelle alle paar Monate ändern? Und woran seht ihr, dass sie sich rechnet?
Wir bauen keine Texte. Wir bauen die Produktion.
Content für große Marken war jahrelang unser Kerngeschäft; wir wissen, was Markenqualität ist und woran sie im Alltag scheitert. Jetzt bauen wir die Maschine dafür: Eine Text-Engine läuft seit 2025 bei einem Mobilfunkanbieter, unsere eigene Website entsteht ohne CMS, Agenten schreiben aus dem Wissen der Firma, Menschen geben frei. Und was wir bauen, läuft in eurem CMS und bleibt bei euch.
Modelle vom Markt, die Maschine von uns.
- Modelle
- Text- und Bildmodelle vom Markt, ausgewählt nach Kosten, Datenschutz und AI Act, austauschbar
- Anschluss
- CMS, PIM und DAM, die ihr habt; zuletzt Storyblok, Contentful, Payload und Sanity
- Prüfen
- Qualitäts-Gates gegen feste Kriterien; Kennzeichnung AI-erzeugter Inhalte nach AI Act
- Bauen
- Eigenentwicklung mit TypeScript und Node.js; Claude Code
Rechnet es sich? Das klären wir in 3 Wochen.
Die AI Content Discovery endet mit einem gerechneten Business Case und einer Reihenfolge. Auch dann, wenn das Ergebnis heißt: noch nicht.
Erzähl uns, woran du arbeitest.

Julien Khanal, Senior Experience Designer
Julien Khanal auf LinkedIn (öffnet in einem neuen Tab)
Markus Breitbach, Senior Experience Designer
Markus Breitbach auf LinkedIn (öffnet in einem neuen Tab)
Mirko Jünger, Senior Projektmanager
Mirko Jünger auf LinkedIn (öffnet in einem neuen Tab)
Patrick Laß, Senior Software Developer
Patrick Laß auf LinkedIn (öffnet in einem neuen Tab)