Blog-Rewrite – Optimierung vorhandener Beiträge

Blog-Umschreiber – Optimierung vorhandener Beiträge

Schreibt vorhandene Blogbeiträge um und optimiert sie für die doppelte Sichtbarkeit: Google-Suche und KI-Zitierplattformen. Dabei wird die Stimme des Autors bewahrt und gleichzeitig die sechs Säulen der Optimierung angewendet.

Wichtige Referenzen:

• references/quality-scoring.md – 5-Kategorien-Bewertung (Inhalt 30, SEO 25, E-E-A-T 15, Technik 15, KI-Zitierung 15)
• references/eeat-signals.md – Erfahrung, Fachwissen, Autorität, Vertrauensmerkmale
• references/internal-linking.md – Verlinkungsstrategie und Ankertextregeln
• references/visual-media.md – Bildquellen und Diagrammgestaltung

Arbeitsablauf

Phase 1: Prüfung (Nur-Lesen)

1. Blogbeitrag lesen – Format erkennen (MDX, Markdown, HTML)
2. Qualitätscheckliste anhand von references/quality-scoring.md durchführen:
   • Erfundene vs. belegte Statistiken zählen
   • Answer-First-Formatierung prüfen (H2 -> Statistik im ersten Satz?)
   • Bilder und Diagramme zählen (Typenvielfalt?)
   • Absatzlängen messen (gibt es Absätze > 150 Wörter?)
   • Überschriftenhierarchie prüfen (H1 -> H2 -> H3, keine Sprünge?)
   • Nach FAQ-Schema suchen
   • Aktualitätssignale prüfen (lastUpdated, dateModified)
   • Eigenwerbungsgrad bewerten
   • Qualität der zitierten Quellen beurteilen
3. KI-Inhaltserkennungs-Scan:
   • Burstiness-Wert – Satzlängenvariation im gesamten Beitrag messen. Niedrige Varianz (die meisten Sätze innerhalb von 3-5 Wörtern voneinander) ist ein starkes KI-Signal. Berechnung: Standardabweichung der Satzwortanzahl. Zielwert: SD > 6.
   • Bekannte KI-Phrasen erkennen – Auf diese häufig vorkommenden KI-Phrasen prüfen:
     • „in today's digital landscape“, „it's important to note“, „dive into“
     • „game-changer“, „navigate the landscape“, „revolutionize“, „seamlessly“
     • „cutting-edge“, „harness the power of“, „leverage“ (als Verb)
     • „delve“, „crucial“, „elevate“, „foster“, „landscape“ (übermäßig verwendet)
     • „multifaceted“, „robust“, „tapestry“, „embark“
     • Vollständige Liste in agents/blog-writer.md
   • Wortschatzvielfalt – Type-Token-Ratio (TTR) berechnen: einzigartige Wörter / Gesamtwörter. Niedrige TTR (< 0,40) deutet auf KI-generierte, wiederholende Formulierungen hin. Zielwert: TTR > 0,50 für natürliche Prosa.
   • KI-Inhaltsanteil schätzen – Basierend auf Burstiness, Phrasendichte und TTR den prozentualen Anteil des Beitrags schätzen, der sich wie KI-generiert liest (0-100 %). Ausgabe als: „KI-Inhaltsanteil: ~X %“
4. Video-Einbettungsprüfung:
   • Vorhandene YouTube-Einbettungen im Beitrag zählen
   • Bei 0 Einbettungen: „Keine Video-Einbettungen. YouTube hat die stärkste KI-Sichtbarkeitskorrelation (0,737)“ markieren
   • Falls vorhanden: Auf Lazy Loading, aria-labels, noscript-Fallback, VideoObject-Schema prüfen
5. Kannibalisierungsprüfung:
   • Primäres Keyword des Beitrags aus Titel, H1 und erstem Absatz identifizieren
   • Blogverzeichnis nach anderen Beiträgen mit demselben Keyword durchsuchen:
     • Überschriften und Meta-Beschreibungen aller Blogbeiträge durchsuchen
     • Beiträge mit signifikanter Keyword-Überschneidung markieren
   • Bei Kannibalisierung berichten:
     • Welche Beiträge um dasselbe Keyword konkurrieren
     • Empfehlung: zusammenführen (zu einem stärkeren Beitrag kombinieren) oder differenzieren (einen Beitrag auf ein verwandtes, aber eigenständiges Keyword verschieben)
6. Aktuellen Score über 5 Kategorien berechnen:
   • Bewertung über 5 Kategorien (Inhaltsqualität 30, SEO-Optimierung 25, E-E-A-T-Signale 15, Technische Elemente 15, KI-Zitierfähigkeit 15)
   • Gesamt: 0-100
7. Prüfungszusammenfassung mit konkreten Ergebnissen, KI-Erkennungsergebnissen, Videostatus, Kannibalisierungsstatus und Score präsentieren
8. Planmodus starten – Abschnittsweise Optimierungsplan präsentieren

Warten auf Benutzerfreigabe vor dem Fortfahren.

Phase 2: Recherche

1. Kern-Thema des Blogs aus vorhandenem Inhalt identifizieren
2. Ersatz-Statistiken für erfundene/unbelegte Daten finden:
   • Suche: [Thema] Studie 2025 2026 Daten Statistiken
   • Nur Quellen der Stufen 1-3 anvisieren
3. Bilder finden, wenn der Beitrag weniger als 3 enthält:
   • Pixabay: site:pixabay.com [Themen-Keywords]
   • Unsplash: site:unsplash.com [Themen-Keywords]
   • Überprüfen, ob jede URL HTTP 200 zurückgibt
   • Falls nanobanana-mcp konfiguriert ist, KI-Generierung für fehlende/unzureichende Bilder via blog-image anbieten
4. Diagramme planen, wenn der Beitrag weniger als 2 enthält:
   • Daten identifizieren, die sich für eine Visualisierung eignen
   • Unterschiedliche Diagrammtypen auswählen

Phase 3: Diagrammgenerierung (Integriert)

Wenn der Beitrag mehr visuelle Elemente benötigt, das Sub-Skill blog-chart aufrufen:

1. Diagrammtyp nach der Diversitätsregel auswählen (keine wiederholten Typen pro Beitrag)
2. Übergeben: Diagrammtyp, Titel, Datenwerte, Quelle, Plattformformat
3. Das zurückgegebene SVG direkt innerhalb eines <figure>-Wrappers einbetten
4. Ziel: 2-4 Diagramme pro 2.000-Wörter-Beitrag

Siehe references/visual-media.md für die Auswahl des Diagrammtyps und die Gestaltungsregeln.

Phase 4: Inhaltliche Neufassung

Änderungen in dieser Reihenfolge anwenden:

4a. Bewahren, was funktioniert

• Die Stimme des Autors und die einzigartige Perspektive beibehalten
• Ursprüngliche Erkenntnisse und Erfahrungen aus erster Hand erhalten
• Vorhandene Qualitätsbilder und -diagramme behalten
• Interne Links beibehalten

4b. Frontmatter korrigieren

• lastUpdated: „JJJJ-MM-TT“ (heutiges Datum) hinzufügen
• Ursprüngliches date unverändert lassen
• Meta-Beschreibung korrigieren: faktenreich, 150-160 Zeichen, enthält 1 Statistik
• coverImage + coverImageAlt + ogImage hinzufügen, falls nicht vorhanden
  • Pixabay/Unsplash/Pexels nach einem breiten Hero-Bild (1200x630) durchsuchen
  • Oder benutzerdefiniertes SVG-Cover via blog-chart generieren (Text-auf-Verlauf mit Schlüsselstatistik)
  • Oder benutzerdefiniertes KI-Bild via blog-image Sub-Skill generieren (falls nanobanana-mcp konfiguriert)
• Überprüfen, ob Tags/Kategorien angemessen sind

4c. Answer-First-Formatierung anwenden

Jeder H2-Abschnitt MUSS mit einem 40-60 Wörter langen Absatz beginnen, der enthält:

• Mindestens eine konkrete Statistik mit Quellenangabe
• Eine direkte Antwort auf die implizite Frage der Überschrift

4d. Erfundene Statistiken ersetzen

• Nach Mustern suchen: „X % der...“, „X von Y...“, unbelegte Behauptungen
• Durch echte Daten aus Quellen der Stufen 1-3 ersetzen
• Immer Inline-Quellenangabe einfügen: ([Quellenname](url), Jahr)

4e. Überschriften verbessern

• Aussage-Überschriften nach Möglichkeit in Fragen umwandeln (60-70 % Ziel)
• 2-3 Aussage-Überschriften zur Abwechslung behalten
• Sicherstellen, dass das Keyword in 2-3 Überschriften natürlich vorkommt

4f. Absatzlänge korrigieren

• Jeden Absatz > 150 Wörter aufteilen
• Ziel: 40-80 Wörter pro Absatz
• Sicherstellen, dass jeder Absatz mit seinem wichtigsten Satz beginnt

4g. Visuelle Elemente hinzufügen

• Neue Bilder nach H2-Überschriften einbetten, gleichmäßig verteilt
• Diagramme innerhalb relevanter Abschnitte einbetten
• Falls nanobanana-mcp konfiguriert: benutzerdefinierte Bilder für Abschnitte generieren, für die keine guten Stock-Bilder existieren (Sub-Skill blog-image via Task aufrufen)
• Einbettungsformat an die erkannte Plattform anpassen (MDX vs. Markdown vs. HTML)

4h. Video-Einbettungen hinzufügen

Wenn dem Beitrag YouTube-Video-Einbettungen fehlen:

• 2-3 relevante Videos anhand der Qualitätskriterien aus references/video-embeds.md suchen
• Im plattformgerechten Format einbetten (srcdoc Lazy Loading)
• Platzierung: 1 nach der Einleitung, 1-2 in mittleren Artikelabschnitten
• Noscript-Fallback für KI-Crawler einfügen

4i. FAQ hinzufügen/verbessern

• Wenn kein FAQ vorhanden ist, eines hinzufügen (3-5 Fragen)
• Wenn ein FAQ vorhanden ist, sicherstellen, dass die Antworten 40-60 Wörter lang sind und Statistiken enthalten
• FAQ-Schema-Markup passend zur Plattform hinzufügen

4j. Eigenwerbung reduzieren

• Maximal 1 Markenerwähnung (nur im Autorenkontext)
• Muster „Bei [Unternehmen] machen wir...“ entfernen
• Werbliche Abschnitte in lehrreiche Inhalte umwandeln

4k. Zitierkapsel-Injektion

Für jeden H2-Abschnitt eine (oder eine bestehende verbesserte) Zitierkapsel generieren:

• 40-60 Wörter langer, in sich geschlossener Passus pro H2
• Enthält: eine konkrete Behauptung + einen Datenpunkt + Quellenangabe
• Im deklarativen Stil verfasst, sodass ein KI-System ihn direkt extrahieren und zitieren könnte
• Natürlich in den Abschnittstext eingefügt, nicht als separater Hinweis

Beispiel:

Laut einer Gartner-Studie von 2026 konsultieren 58 % der Unternehmenskäufer
inzwischen KI-Assistenten, bevor sie einen Anbieter kontaktieren
([Gartner](https://www.gartner.com), 2026). Diese Verschiebung bedeutet, dass
B2B-Inhalte spezifische Fragen prägnant genug beantworten müssen, damit
KI-Systeme sie extrahieren und in ihren Antworten zitieren können.

Kapseln sind der Kategorie „KI-Zitierfähigkeit“ (15 Punkte) in references/quality-scoring.md zugeordnet.

4l. Anti-KI-Erkennungsmuster

Folgende Transformationen anwenden, um KI-erkennbare Schreibmuster zu reduzieren:

• Gedankenstriche eliminieren – Jeden Gedankenstrich (—) durch ein Komma, einen Bindestrich (-), Doppelpunkt oder Punkt ersetzen. Bei Bedarf Sätze aufteilen. Gedankenstriche sind ein KI-Schreibmerkmal.
• Markierte Phrasen ersetzen – Jede erkannte KI-Phrase (aus dem Scan in Phase 1 Schritt 3) durch eine natürliche Alternative ersetzen. Beispiele:
  • „it's important to note“ -> „worth noting“ oder „keep in mind“
  • „in today's digital landscape“ -> „right now“ oder „in [bestimmtem Jahr]“
  • „leverage“ -> „use“, „apply“, „take advantage of“
  • „delve“ -> „look at“, „explore“, „dig into“
  • „robust“ -> „strong“, „solid“, „reliable“
  • „crucial“ -> „key“, „essential“, „critical“ (oder Satz umstellen)
• Satzlänge bewusst variieren – Nach dem Umschreiben jeden Absatz scannen. Kurze, prägnante Sätze (5-10 Wörter) zwischen längere (18-25 Wörter) einfügen. Ziel: maximal 3 aufeinanderfolgende Sätze mit einem Längenunterschied von weniger als 5 Wörtern.
• Rhetorische Fragen einfügen – Mindestens eine rhetorische Frage alle 200-300 Wörter hinzufügen, um die deklarative Monotonie zu durchbrechen.
• Kontraktionen natürlich verwenden – Formelle Konstruktionen durch Kontraktionen ersetzen, wo sie natürlich klingen: „it is“ -> „it's“, „we have“ -> „we've“, „do not“ -> „don't“, „is not“ -> „isn't“. (Anpassung an deutsche Gepflogenheiten: „es ist“ -> „es is“ ist im Deutschen unüblich; stattdessen auf umgangssprachliche Verkürzungen wie „sind's“ etc. nur sehr vorsichtig achten. Bei deutschsprachigen Texten besser auf formelle vs. informelle Ansprache fokussieren.)
• Relativierende Sprache einbeziehen – Ich-Formulierungen einstreuen, die echte Erfahrung signalisieren: „unserer Erfahrung nach“, „wir haben festgestellt, dass“, „nach dem, was wir gesehen haben“, „das neigt dazu“, „es kommt darauf an“. (Ins Deutsche übersetzt und sinngemäß angepasst.)

4m. Zusammenfassungsbox (Wichtige Erkenntnisse)

Wenn dem Beitrag eine Zusammenfassungsbox fehlt, eine direkt nach der Einleitung hinzufügen:

> **Wichtige Erkenntnisse**
> - [Kernbefund mit Statistik und Quelle]
> - [Zweite wichtige Einsicht oder Empfehlung]
> - [Dritte umsetzbare Handlungsempfehlung]
> (3-5 Aufzählungspunkte, insgesamt 40-60 Wörter. In sich geschlossen – der Leser erhält den Kernwert, ohne den gesamten Artikel lesen zu müssen.)

Standardbeschriftung ist „Wichtige Erkenntnisse“, kann aber je nach Persona oder Markenstimme angepasst werden (z. B. „Fazit“, „Kurze Zusammenfassung“, „Was Sie wissen müssen“).

Wenn eine vorhandene TL;DR-Box existiert, diese in das Aufzählungspunkt-Format „Wichtige Erkenntnisse“ umwandeln. Überprüfen, ob sie die Anforderung von 40-60 Wörtern erfüllt und mindestens eine Statistik mit Quellenangabe enthält.

4n. Informationsgewinn-Marker einfügen

Den Beitrag auf ursprünglichen Mehrwert prüfen und markieren:

• [ORIGINAL DATA] – Proprietäre Daten, Umfrageergebnisse, Experimente oder Fallstudienmetriken, die der Autor aus erster Hand erhoben hat
• [PERSONAL EXPERIENCE] – Beobachtungen aus erster Hand, gewonnene Erkenntnisse
• [UNIQUE INSIGHT] – Neuartige Analysen, konträre Perspektiven, die durch Daten gestützt werden

Wenn dem Beitrag ursprüngliche Mehrwertmarker fehlen:

• Den Autor um Daten oder Erfahrungen aus erster Hand bitten, die eingefügt werden können
• Mindestens analytische Erkenntnisse hinzufügen, die vorhandene Forschung auf neue Weise verbinden
• Ziel: mindestens 2-3 Marker pro Beitrag

HTML-Kommentare (<!-- [ORIGINAL DATA] -->) oder sichtbare Callouts verwenden, je nach Stil des Beitrags.

Phase 5: Verifikation

Nach dem Umschreiben überprüfen, ob alle Qualitätstore bestanden werden:

Kernqualitätstore

1. Jeder H2 beginnt mit einer Statistik + Quelle
2. Kein Absatz überschreitet 150 Wörter
3. Null erfundene Statistiken
4. Überschriftenhierarchie ist sauber
5. FAQ-Bereich mit Schema vorhanden
6. Bilder haben beschreibenden Alternativtext
7. Cover-Bild im Frontmatter vorhanden (coverImage + ogImage)
8. Bei MDX: Projekt bauen, um Kompilierungsfehler auszuschließen

Neue Elemente-Verifikation

9. TL;DR-Box nach der Einleitung vorhanden (40-60 Wörter, enthält Statistik)
10. Mindestens 2-3 Informationsgewinn-Marker vorhanden
11. Zitierkapseln in wichtigen H2-Abschnitten (40-60 Wörter, in sich geschlossen)
12. Interne Verlinkungszonen markiert oder tatsächliche Links vorhanden (5-10 pro 2.000 Wörter)
13. Keine KI-erkennbaren Phrasen aus der gesperrten Liste mehr vorhanden

Burstiness- und Natürlichkeitsprüfung

14. Satzlängenvariation: SD > 6 (Mischung aus kurzen und langen Sätzen)
15. Kontraktionen (bzw. natürliche Umgangssprache) durchgängig verwendet
16. Rhetorische Fragen vorhanden (1 pro 200-300 Wörter)
17. KI-Inhaltsanteil im Vergleich zum Ausgangswert gesenkt
18. Score in allen 5 Kategorien gegenüber der Phase-1-Prüfung verbessert
19. YouTube-Video-Einbettungen mit Lazy Loading, aria-labels und noscript-Fallback vorhanden

Phase 6: Zusammenfassung

## Blog-Optimierung abgeschlossen: [Titel]

### Score-Änderung
- Vorher: [X]/100 ([Bewertung])
  - Inhaltsqualität: [X]/30
  - SEO-Optimierung: [X]/25
  - E-E-A-T-Signale: [X]/15
  - Technische Elemente: [X]/15
  - KI-Zitierfähigkeit: [X]/15
- Nachher: [Y]/100 ([Bewertung])
  - Inhaltsqualität: [Y]/30
  - SEO-Optimierung: [Y]/25
  - E-E-A-T-Signale: [Y]/15
  - Technische Elemente: [Y]/15
  - KI-Zitierfähigkeit: [Y]/15

### KI-Erkennung
- Vorher: ~[X] % KI-erkannte Inhalte
- Nachher: ~[Y] % KI-erkannte Inhalte
- Ersetzte Phrasen: [N]
- Burstiness verbessert: [vorher SD] -> [nachher SD]

### Kannibalisierung
- [Status: keine gefunden / N Beiträge markiert / behoben]

### Vorgenommene Änderungen
- [X] Statistiken durch belegte Daten ersetzt
- [X] SVG-Diagramme hinzugefügt (Typen: ...)
- [X] Bilder von Pixabay/Unsplash hinzugefügt
- Answer-First-Formatierung auf [N] H2-Abschnitte angewendet
- FAQ-Schema mit [N] Fragen eingefügt
- TL;DR-Box: [hinzugefügt/aktualisiert]
- Informationsgewinn-Marker: [N] ([Typen])
- Zitierkapseln: [N] in H2-Abschnitten
- KI-Phrasen ersetzt: [N]
- lastUpdated auf [Datum] gesetzt
- Eigenwerbung auf [N] Erwähnungen reduziert

### Visuelle Elemente
- Diagramme: [Anzahl] ([Typen])
- Bilder: [Anzahl]
- YouTube-Videos: [Anzahl] ([Titel])

### Bereit für
- `/blog analyze <Datei>` zur Überprüfung des endgültigen Scores
- Veröffentlichung / Bereitstellung

Update-Modus

Bei Aufruf als /blog update <Datei> auf Aktualität fokussieren:

1. Statistiken auf die neuesten verfügbaren Daten (2025-2026) aktualisieren
2. Neue Entwicklungen seit dem letzten Update hinzufügen
3. Bilder aktualisieren, wenn sie älter als 1 Jahr sind
4. lastUpdated im Frontmatter aktualisieren
5. Vorhandene Struktur beibehalten – Umschreibungen minimieren
6. Ziel: mindestens 30 % Inhaltsänderung, um von KI-Crawlern als „frisch“ eingestuft zu werden