Von 0 auf 124 Seiten: Wie wir ai-automation-hub.ch gebaut haben

Definition: Was ist der AI Automation Hub?

ai-automation-hub.ch ist das grösste deutschsprachige Wissensportal für AI Automation — aufgebaut nach den Prinzipien der Topical Authority nach Koray Tuğberk GÜBÜR. Mit 124 Seiten, über 260'000 Wörtern und einer durchdachten Topical Map demonstriert das Projekt, wie modernes Semantic SEO in der Praxis funktioniert.

Dieses Case Study dokumentiert den gesamten Aufbauprozess: Von der initialen Planung über die Content-Erstellung bis hin zu den technischen Entscheidungen, die das Fundament bilden. Als AI Architect habe ich dieses Projekt konzipiert und umgesetzt, um die Methodik zu validieren, die ich für Kunden empfehle.

Der Hub ist nicht nur ein Wissensspeicher — er ist ein lebender Beweis dafür, dass systematischer Topical Authority Aufbau funktioniert. Jede Seite folgt dem DCI-Prinzip (Definition → Context → Information) und ist Teil eines semantischen Netzwerks, das Suchmaschinen und KI-Systeme gleichermassen verstehen.

Context: Warum wir den Hub gebaut haben

Im Kontext des Schweizer Marktes für AI-Dienstleistungen fehlte ein umfassendes, deutschsprachiges Portal, das AI Automation systematisch und tiefgründig behandelt. Bestehende Ressourcen waren entweder oberflächlich, auf Englisch oder rein produktorientiert.

Die strategische Ausgangslage

Unser Ziel war es, Topical Authority nach Gübür in einem Nischenthema aufzubauen — nicht durch hunderte dünner Seiten, sondern durch eine strukturierte, semantisch vernetzte Content-Architektur. Die zentrale Frage lautete: Können wir mit einer einzelnen Website die Autorität für das gesamte Themenfeld "AI Automation" im deutschsprachigen Raum aufbauen?

Die Antwort: Ja, aber nur mit einer rigorosen Methodik.

Marktanalyse und Positionierung

Vor dem Start haben wir den deutschsprachigen Markt analysiert:

• •Wettbewerber: Meist produktorientierte Seiten ohne systematische Themenabdeckung
• •Content-Lücken: Keine umfassende Ressource für AI Automation auf Deutsch
• •Suchvolumen: Stark wachsend, besonders für KMU-spezifische Queries
• •Monetarisierung: Direkte Verbindung zu Beratungsdienstleistungen möglich

Diese Analyse hat die Struktur unserer Topical Map massgeblich beeinflusst: Wir haben uns bewusst auf den deutschsprachigen Markt konzentriert und den Content für Schweizer KMU optimiert.

Information: Die Topical Map im Detail

Die 5 Pillars

Basierend auf den 5 Säulen der Topical Map haben wir folgende Pillar-Struktur definiert:

Gesamtumfang: 124 Seiten mit über 260'000 Wörtern

Core vs. Outer Section nach Gübür

Die Content-Verteilung folgt der Gübür-Methodik:

Core Section (60-70% des Aufwands):

• •Pillar Pages mit 3'000-5'000 Wörtern
• •Cluster Pages mit 1'500-2'500 Wörtern
• •Direkt monetarisierbare Inhalte (z.B. "AI Automation für KMU")
• •Conversion-fokussierte Seiten mit klaren CTAs

Outer Section (30-40% des Aufwands):

• •Erklärungsseiten (z.B. "Was ist ein AI Agent?")
• •Vergleichsseiten (z.B. "Die besten AI-Tools im Vergleich")
• •Trust-building Inhalte für E-E-A-T-Signale
• •Informationsseiten für Topical Coverage

Hierarchie: Pillar → Cluster → Supporting → Outer

Jeder Pillar folgt einer klaren Hierarchie:

1. Pillar Page: Umfassende Übersicht des Themenfelds

2. Cluster Pages: Detaillierte Behandlung der Hauptthemen

3. Supporting Pages: Spezifische Subthemen und Fragen

4. Outer Pages: Breite Abdeckung für Topical Coverage

Das Content-System

Semantic Content Briefs mit EAV-Triples

Jeder Content-Brief wurde nach einem standardisierten System erstellt:

1. Entity definieren: Welche zentrale Entität behandelt die Seite?

2. Attribute zuordnen: Welche Attribute werden abgedeckt?

3. Value festlegen: Welchen Wert liefert die Seite?

4. Triples formulieren: Mindestens 5 EAV-Triples pro Seite

Dieses System hat die Konsistenz über 124 Seiten sichergestellt und ermöglicht es, semantische Beziehungen systematisch abzubilden.

Content-Erstellung mit KI-Unterstützung

Der Content wurde in einem hybriden Prozess erstellt:

• •Strategische Planung: Manuell durch den AI Architect
• •Content-Drafting: KI-gestützt mit Claude und GPT-4
• •Qualitätssicherung: Manuelle Review und Faktencheck
• •SEO-Optimierung: Automatisiert durch eigene Tools
• •Schema.org Markup: Automatisch generiert durch das CMS

Dieser Ansatz hat die Produktionsgeschwindigkeit um den Faktor 5 erhöht, ohne die Qualität zu kompromittieren.

DCI-Struktur (Definition → Context → Information)

Jede Seite folgt dem gleichen Aufbau:

Definition (25% der Token): Was ist das Thema? Klare, präzise Definition mit der zentralen Entität als Ausgangspunkt. Context (25% der Token): Warum ist es wichtig? Einordnung in den grösseren Zusammenhang, Verbindung zu verwandten Themen. Information (50% der Token): Wie funktioniert es? Detaillierte, praktische Informationen mit Beispielen, Tabellen und Anleitungen.

Technische Architektur

Next.js 15 Static Export

Die technische Grundlage bildet Next.js 15 mit Static Export:

• •Build Time: Alle 124 Seiten werden statisch generiert
• •Hosting: Netlify mit globalem CDN
• •Performance: Lighthouse 100/100 auf allen Seiten
• •SEO: Automatische Sitemap, Robots.txt, Canonical Tags

Warum Static Export?

Die Entscheidung für Static Export basiert auf der Cost-of-Retrieval-Optimierung:

• •Null Server-Rendering: Minimale Serverlast
• •CDN-First: Inhalte werden vom nächsten Edge-Server ausgeliefert
• •Maximales Caching: Seiten ändern sich selten, können aggressiv gecacht werden
• •Kein JavaScript für Content: HTML-First, JS nur für Interaktivität

Automatische Schema.org Generierung

Jede Seite erhält automatisch ein Schema.org @graph mit:

• •Article oder WebPage Schema
• •BreadcrumbList Schema
• •FAQPage Schema (wenn FAQs vorhanden)
• •Organization und Person Schema
• •Speakable Specification für Voice Search

Ergebnisse

Quantitative Ergebnisse

Nach dem Launch konnten wir folgende Metriken verzeichnen:

Qualitative Ergebnisse

• •Topical Coverage: Vollständige Abdeckung des Themenfelds "AI Automation" auf Deutsch
• •E-E-A-T Signale: Starke Expertise-Signale durch Tiefe und Konsistenz
• •Semantisches Netzwerk: Über 500 interne Links mit semantischen Ankertexten
• •KI-Kompatibilität: Optimiert für AI Overviews, Perplexity und ChatGPT

Interaktive Tools

Drei interaktive Tools wurden integriert:

1. AI Readiness Check: Selbstbewertung für KMU

2. ROI-Rechner: Berechnung des AI-Automation-ROI

3. Tool-Vergleich: Interaktiver Vergleich von AI-Plattformen

Learnings: Was wir anders machen würden

1. Content-Reihenfolge optimieren

Wir haben alle Pillar Pages zuerst erstellt und dann die Cluster Pages. Rückblickend wäre es besser gewesen, jeweils einen kompletten Pillar (Pillar + alle Cluster) fertigzustellen, bevor der nächste begonnen wird.

2. Interne Verlinkung von Anfang an planen

Die interne Verlinkung wurde teilweise nachträglich hinzugefügt. Besser: Jeden Link bereits im Content Brief definieren.

3. Schema.org Validierung automatisieren

Wir haben die Schema.org Validierung erst spät automatisiert. Empfehlung: Von Tag 1 in die Build-Pipeline integrieren.

4. Analytics-Integration priorisieren

Das Tracking wurde erst nach dem Launch vollständig implementiert. Für die nächsten Projekte: Analytics-Konzept vor dem ersten Content-Stück.

5. Content-Updates einplanen

260'000 Wörter aktuell zu halten erfordert ein systematisches Update-Konzept. Wir haben jetzt einen monatlichen Review-Prozess implementiert.

Fazit

Der Aufbau von ai-automation-hub.ch hat gezeigt, dass Topical Authority kein theoretisches Konzept ist, sondern in der Praxis funktioniert. Die Kombination aus systematischer Topical Map, konsistenter DCI-Struktur und technischer Exzellenz ermöglicht es, in einem kompetitiven Themenfeld Autorität aufzubauen.

Kernbotschaft: Topical Authority ist kein Sprint, sondern ein Marathon — aber mit der richtigen Methodik gewinnt man ihn systematisch.