Content Management Systeme und semantische Informationsarchitektur: Vom Seitenbaum zur Bedeutungsebene

Die meisten Themen, die wir in unserem Blog behandeln, entstehen nicht aus abstrakten Überlegungen, sondern aus echten Anforderungen unserer Projekte. Entsprechend praxisnah sind auch unsere Lösungsansätze, die wir Ihnen so "lebensecht" wie möglich vorstellen möchten.

Und eines haben alle KI-Tools gemeinsam: Sie funktionieren nicht mehr entlang klassischer Website Navigation oder Indexierungslogiken. Sie interpretieren Inhalte auf Basis von Bedeutung, Relationen und Kontexten. Diesen neuen Anforderungen muss ein CMS gerecht werden, damit es auch in Zukunft Inhalte so bereitstellt, dass Systeme und Nutzer sie abrufen können.

In den letzten Jahrzehnten hat sich Content Management immer wieder gewandelt – und wird es weiter tun. Aus ersten Publishing Tools, die noch „von Hand“ gecodet wurden, entwickelten sich bis heute komplexe digitale Informationsarchitekturen.

Der Seitenbaum, eine hierarchische Organisation von Inhalten in Form einer Baumstruktur, wurde dabei zum dominierenden Strukturprinzip: Inhalte werden hierarchisch organisiert und entlang von Navigationslogiken ausgeliefert. 

Auch die wachsende Bedeutung der Suchmaschinenoptimierung (SEO) beeinflusst bis heute URL-Strukturen und Metadaten, die Suchmaschinen zentrale Informationen bereitstellen. Im anspruchsvollen CMS entkoppeln Headless-Architekturen, API-first-Ansätze und strukturierte Content-Modelle den Content weiter vom ausspielenden System. Denn Inhalte werden nicht mehr ausschließlich für Websites erstellt, sondern für eine Vielzahl von Kanälen.

Heute stehen wir an einem weiteren, sehr tiefgreifenden Wendepunkt. Denn die zunehmende Nutzung generativer KI verändert nicht nur die Anforderungen an Inhalte fundamental – auch die digitale Sichtbarkeit von Unternehmen ist im Grundsatz betroffen. 

Wie verändert generative KI die Anforderungen an Content?

Es reicht nicht mehr aus, Inhalte bereitzustellen und diese über gezielten Keywordeinsatz auffindbar zu machen: Inhalt von morgen muss kontextualisiert und semantisch strukturiert sein.

Wir beschäftigen uns täglich mit Portalen, Systemen und Strukturen, die über Jahre gewachsen sind: Unternehmen haben in Jahr(zehnt)en hunderte und tausende Datensätze in komplexen Systemen erfasst und aufgebaut, strukturell optimiert auf Kategorien, Eigenschaften und Tags. 

Für Unternehmen ergibt sich daraus eine strategisch entscheidende Frage, die sie selten einfach so beantworten können: Wie genau müssen Inhalte strukturiert sein, damit sie von KI nicht nur gefunden, sondern verstanden und als Quelle genutzt werden?

Die Antwort führt unweigerlich zu einer Neubewertung des Content Management Systems. Ein modernes Content Management System ist nicht länger nur ein Werkzeug zur Inhaltsverwaltung, sondern wird zum zentralen Träger einer semantischen Informationsarchitektur – und damit zur Grundlage für die maschinelle Interpretierbarkeit.

Traditionelle Suchmaschinenanfragen, die von herkömmlichen Websites “beantwortet” wurden, lauten vereinfacht gesagt: „Wo finde ich diese Information bzw. diesen Inhalt?“

Ein KI-System stellt hingegen eine völlig andere Frage: „Was bedeutet dieser Inhalt – und wie hängt er mit anderen Inhalten zusammen?“

Diese Diskrepanz führt dazu, dass viele Websites heute zwar technisch sauber strukturiert sind, aber semantisch unzureichend erschlossen. Inhalte liegen nebeneinander, ohne dass ihre inhaltlichen Beziehungen maschinenlesbar sind.  Im Ergebnis werden diese Inhalte von KI-Systemen zwar verarbeitet, aber nur eingeschränkt als besonders relevante oder vertrauenswürdige Quelle priorisiert.

Welche konkreten Maßnahmen können Sie als Entscheider einleiten, ohne das gesamte System einzureißen? Schauen wir uns die wichtigsten Schritte an:

Schritt 1: Wechseln Sie Ihre Perspektive 

Um die Lücke zwischen alten und neuen Anforderungen zu schließen, ist ein grundlegender Perspektivwechsel erforderlich. Denken Sie Inhalte (Texte, Bilder, Tags, Links …) nicht länger primär als Seiten, sondern als Bedeutungseinheiten innerhalb eines vernetzten Systems.

Die gute Nachricht: Der klassische Seitenbaum verliert dabei nicht vollständig seine Relevanz – er bleibt eine mögliche Darstellungsform. Doch er ist nicht mehr das strukturelle Fundament. Dieses verschiebt sich auf eine darunterliegende Ebene: die Bedeutungsebene.

Auf dieser Ebene der Bedeutungen geht es nicht mehr um Hierarchien, sondern um Beziehungen. Inhalte werden nicht mehr nur gespeichert, sondern in ein Netz aus Kontexten eingebettet. Ein modernes CMS bildet damit nicht nur Seiten ab, sondern modelliert Wissen und stellt Querbezüge her.

Haben Sie und Ihre Teams diese grundsätzliche Änderung einmal verinnerlicht, folgen die nächsten Arbeitsschritte einer spannenden inneren Logik.

Schritt 2: Modellieren Sie Ihre semantische Informationsarchitektur 

Niemand kennt Ihren Content, Bedeutungen, Zielgruppen, Einsatzgebiete etc. besser als Sie selbst und Ihre Content Manager oder Redakteure. Das benötigte Wissen ist im Unternehmen – es muss lediglich „gehoben“ werden.

Die semantische Informationsarchitektur ist hierbei der methodische Ansatz, um genau dieses Ziel zu erreichen. Sie beschreibt, wie Inhalte so strukturiert werden, dass ihre Bedeutung explizit erfasst und maschinell interpretierbar wird.

Im Gegensatz zu klassischen Informationsarchitekturen, die stark navigationsgetrieben sind, fokussiert sich die semantische Variante auf die drei zentrale Dimensionen:

1. Entitäten sind dabei die grundlegenden Bausteine. Sie repräsentieren klar definierte „Dinge“ innerhalb eines Systems – etwa 

• ein Produkt,
• eine Dienstleistung,
• ein(e) Autor:in,
• eine Branche oder
• eine Technologie. 

Entscheidend ist, dass diese Entitäten eindeutig identifizierbar und unabhängig voneinander existieren können.
 

2. Relationen beschreiben die Verbindungen zwischen diesen Entitäten. Sie machen sichtbar, in welchem Verhältnis Inhalte zueinander stehen: 

• Produkte gehören zu einer Kategorie,
• eine Technologie wird in einer bestimmten Branche eingesetzt,
• ein Artikel behandelt ein spezifisches Thema,
• ein(e) Autor:in schreibt zu bestimmten Themen
• … 

Diese Beziehungen sind nicht nur redaktionell relevant – sie sind der Schlüssel für maschinelles Verständnis.

3. Kontext schließlich entsteht durch die Kombination dieser Elemente. Ein Inhalt erhält seine Bedeutung nicht isoliert, sondern durch seine Einbettung in ein Netzwerk aus Beziehungen. Genau dieses Netzwerk ist es, das ein Content Management System bereitstellen muss, wenn ausgespielte Inhalte für KI-Systeme relevant sein sollen.

Die gute Nachricht: Sie sehen schon hier, dass Entitäten und Relationen in wesentlichen Bestandteilen im CMS vorliegen. 

Schritt 3: Klären Sie die Rolle Ihres Content Management Systems 

Leistungsfähige Content Management Systeme übernehmen in diesem Kontext eine erweiterte Rolle. Sie sind nicht mehr „nur Speicherort“ für Inhalte, sondern fungieren als strukturelle und semantische Infrastruktur.

Für Sie als Entscheider liegt die zentrale Herausforderung daher in der Definition der wichtigsten Systemanforderungen entlang der eigenen Geschäfts- und Content-Strategie. 

Ein modernes Content Management System sollte heute vor allem drei Dinge leisten: 

• Strukturierte Modellierung von Inhalten: Content-Typen, Entitäten und Relationen müssen sauber abbildbar sein.
• API-first und kanal unabhängige Ansätze sind empfehlenswert, damit Inhalte flexibel über Website, Apps und KI-Schnittstellen ausgespielt werden können.
• Eine klare Trennung von Inhalt und Präsentation sichert langfristige Skalierbarkeit und technologische Unabhängigkeit.

Und was benötigen Sie darüber hinaus noch? Prüfen Sie Aspekte wie Governance (Workflows, Rollen), Erweiterbarkeit, Integrationsfähigkeit in bestehende Systemlandschaften sowie Performance und Sicherheit. 

Wer heute ein CMS neu entwickeln lässt, sollte es nicht als Redaktionswerkzeug betrachten, sondern als strategische Content-Infrastruktur.

Werfen wir an dieser Stelle einen kurzen Blick auf manuelle Maßnahmen, die Redakteure und Content Manager heute einsetzen, um Inhalte semantisch klarer zu strukturieren und für KI-Systeme besser interpretierbar zu machen. 

Denn auch in einfacheren Systemen, die keine semantische Informationsarchitektur unterstützen, lassen sich mit redaktioneller Disziplin und konsistenter Strukturierung ordentliche Ergebnisse erzielen:

1. Interne Verlinkungen entlang semantischer Beziehungen sind eines der stärksten Mittel, um Beziehungen zwischen Inhalten sichtbar zu machen. Die Ära der „Hier klicken“-Links dürfte sich somit endlich endgültig dem Ende zuneigen. Denn statt rein navigationsgetriebener Verlinkung („Weitere Artikel“, „Hier“, „Jetzt lesen“ etc.), sollten Linktexte und Strukturen die Relationen und Kontexte der Entitäten abbilden – also relevante Begriffe und Formulierungen enthalten.
   
    
2. Klare Content-Templates schaffen auch ohne technisches Content-Modell konsistente Strukturen. Blogartikel enthalten beispielsweise immer Einleitung, Definition, Kontext, Autoren und Quellen. Case Studies folgen immer dem Weg von der Ausgangssituation zu Lösung und Ergebnis. Diese Wiederholbarkeit hilft KI-Systemen, Muster zu erkennen und Inhalte besser einzuordnen.
   
    
3. Der Einsatz von strukturierten Daten nach Schema.org ist in sehr vielen Content Management und Redaktionssystemen möglich. Markups wie „Article“, „FAQ“  oder „Product“ lassen sich über Plugins oder manuell im Code integrieren. Sie strukturieren Inhalte auf Maschinenebene und liefern zusätzliche semantische Signale. Wichtig: Strukturierte Daten ersetzen keine gute Informationsarchitektur, verstärken aber vorhandene Strukturen erheblich.
   
    
4. Auch die konsistente Verwendung von Entitäten im Content ist eine wirkungsvolle Maßnahme. Statt Begriffe variabel zu verwenden (z.B. „CMS“ vs. „Content Management System“ vs. „Redaktionssystem“), sollte klar definiert werden, welcher Begriff die primäre Bezeichnung ist und wie dieser Begriff im gesamten redaktionellen Umfeld verwendet wird.

Weitere effektive Methoden semantische Signale zu senden:

• Aufbau von zentralen Ausgangsseiten wie Pillar- oder Glossar-Seiten
• Klare Autoren- und Kompetenzzuordnung inkl. Autorenprofilen
• Kontextualisierte Medien und Assets wie Bilder, PDFs oder Videos mit sprechenden Dateinamen, mit Alt-Texten und mit klaren Beschreibungen
• Einheitliche URL-Logik zur klaren Einordnung von Inhalten
• Reduktion von Redundanz und Mehrdeutigkeit und Vermeidung von Wiederholungen und Duplikaten.

Haben wir Schritt 1 bis 3 bis hierher absolviert, fällt es vergleichsweise leicht, die Anforderungen an das Content Management System zu definieren: Wir wissen, welche Arten von Inhalten existieren und wie diese aufgebaut sind. Und wir haben verinnerlicht, dass die Abbildung von Entitäten als eigenständige Objekte die Basis für die Darstellung von Eigenschaften und Kontexten legt.

Schritt 4: Anforderungen an ein zukunftsfähiges Content Management System festlegen

Kurz gesagt: Ein modernes Content Management System sollte in der Lage sein, Inhalte strukturiert zu modellieren und flexibel zu erweitern. 

Entitäten müssen als eigenständige Objekte abbildbar sein, Relationen müssen technisch sauber umgesetzt werden können. 

Werden Beziehungen zwischen Inhalten wie bisher nur über Verlinkungen oder Kategorien dargestellt, bleibt das System auf einer oberflächlichen Ebene. Erst wenn Relationen und Kontexte strukturell modelliert sind, entsteht eine echte semantische Tiefe.

Ein API-first-Ansatz (Programmierschnittstellen) ist dabei nahezu unverzichtbar. Nur so lassen sich Inhalte flexibel in unterschiedlichen Kontexten ausspielen – einschließlich der Integration in KI-Systeme.

Die Trennung von Inhalt und Präsentation ist ein weiterer zentraler Faktor. Sie ermöglicht es, Inhalte unabhängig von konkreten Layouts oder Kanälen zu verwalten und wiederzuverwenden.

Wenn Ihre Inhalte aktuell nicht als Quelle in generativen KI-Systemen erscheinen, liegt die Ursache in vielen Fällen nicht am Inhalt selbst – sondern an seiner Struktur.  Ein erster Schritt ist die Analyse Ihrer bestehenden Informationsarchitektur. 

Übrigens: Für unsere Kunden entwickeln wir tragfähige Modelle, entwickeln Systeme und begleiten die Umsetzung von der Konzeption bis zur Datenmigration und Anreicherung.

Schritt 5: Kontexte und Relationen im Content Management operativ umsetzen

Die Transformation hin zu einer semantischen Informationsarchitektur ist also kein rein theoretisches Konzept. Sie lässt sich konkret umsetzen, wenn wir konsequent umdenken und  Informationseinheiten neu definieren.

Statt große, unstrukturierte Textblöcke (Seite -> Blog - > Artikel –> Produktbeschreibung) zu pflegen, werden Inhalte in klar definierte Felder zerlegt. Diese Strukturierung schafft die Grundlage für Wiederverwendbarkeit und maschinelle Interpretierbarkeit.

Darauf aufbauend werden zentrale Begriffe als Entitäten modelliert. Unternehmen müssen definieren, welche “Dinge” in ihren digitalen Ökosystemen die zentrale Rolle spielen. Diese Entitäten werden dann systematisch gepflegt und mit Inhalten verknüpft.

In deutschen Unternehmen lassen sich sehr klar wiederkehrende Entitäten-Typen identifizieren, die sich unabhängig von Branche oder Geschäftsmodell erstaunlich stark ähneln. Genau diese Entitäten bilden die Grundlage für eine funktionierende semantische Informationsarchitektur, weil sie die reale Struktur des Unternehmens abbilden.

Unternehmen und Entscheider kennen diese „typischen Entitäten“, haben sie bisher aber anders bezeichnet und betrachtet. Neue Relevanz erhalten sie nun, weil sie direkt definieren, wie Inhalte modelliert, verknüpft und später von KI-Systemen interpretiert werden:

1. Produkte und Leistungen

Der Kern nahezu jedes Unternehmens sind klar definierte Angebote. Diese lassen sich fast immer in die zwei Kategorien Produkte (physisch oder digital) und Dienstleistungen (z. B. Beratung, Entwicklung, Wartung) aufteilen.

Wichtig ist: Diese Entitäten sollten im Content Management System eigenständig modelliert werden – nicht nur als Unterseiten im Seitenbaum. Sie sind zentrale Bedeutungsträger und stehen in Beziehung zu nahezu allen anderen Entitäten.

 2. Branchen / Zielmärkte

Unternehmen arbeiten häufig branchenübergreifend, strukturieren ihre Kommunikation aber stark entlang von Zielmärkten wie Automotive, Maschinenbau, Healthcare, Logistik etc.

Branchen sind eigenständige Entitäten, weil sie Kontext liefern: Ein und dieselbe Leistung kann je nach Branche eine andere Bedeutung und Beziehung haben.

3. Technologien / Methoden

Gerade in technisch geprägten Unternehmen spielen Technologien, Software-Plattformen, Programmiersprachen, Frameworks, Maschinen / Verfahren etc. eine zentrale Rolle. Diese Entitäten sind häufig die Brücke zwischen Angebot und Umsetzung und sollten im Content Management System explizit modelliert werden.

Ein besonders kritischer Schritt ist die Modellierung von Relationen – weil sehr viele Anwender sich bisher auf das Setzen von Verlinkungen beschränkt haben. Hier zeigt sich die Reife eines Content Management System, denn Beziehungen müssen technisch abgebildet werden. Nur so entsteht ein konsistentes semantisches Netz.

Wie genau werden Relationen in einem Content Management System modelliert?

Relationen müssen explizit im Datenmodell definiert und technisch abgebildet werden. Genau hier liegt der Unterschied zwischen einem klassischen seitenbasierten CMS und einem semantisch orientierten System: Beziehungen sind keine Nebenwirkung von Website Navigation, sondern primäre Strukturkomponenten.

Im Kern geht es darum, dass Inhalte nicht nur existieren, sondern in definierbaren Beziehungstypen zueinander stehen.

Auf technischer Ebene sind Relationen zunächst nichts anderes als Verknüpfungen zwischen Datensätzen.

Ein einfaches Beispiel:

• Ein „Artikel“ hat ein Feld: bezieht sich auf Produkt
• Dieses Feld verweist auf einen Datensatz vom Typ „Produkt“ 

In der Datenbank wird das typischerweise über:

• Referenzfelder (IDs)
• Foreign Keys
• oder relationale Tabellen 

abgebildet.

Das Entscheidende: Die Beziehung ist nicht im Text versteckt, sondern strukturell vorhanden.

2. Relationstypen im Content-Modell

Das System unterscheidet verschiedene Arten von Relationen. Die wichtigsten sind:

1:1-Relation

Ein Inhalt ist genau mit einem anderen verknüpft:  

• Artikel → hat genau einen Autor. 

1:n-Relation

Ein Inhalt ist mit mehreren anderen verknüpft 

• Artikel → behandelt mehrere Themen
• Produkt → gehört zu mehreren Branchen 

n:m-Relation

Mehrere Inhalte stehen wechselseitig in Beziehung:

• Technologien ↔ Produkte
• Branchen ↔ Leistungen 

Diese Form ist besonders wichtig für semantische Informationsarchitekturen, weil sie Netzwerke statt Hierarchien ermöglicht.

3. Relationen als explizite Bedeutungsträger

Der entscheidende Schritt ist nicht die technische Verknüpfung, sondern die semantische Benennung der Relation, wie z.B. :

• „behandelt“
• „gehört zu“
• „wird eingesetzt in“
• „adressiert“ 

Diese Bezeichnungen sind entscheidend, weil sie die Bedeutung der Beziehung definieren – und genau diese Information ist für KI-Systeme relevant.

4. Praktische Umsetzung im CMS

In der Praxis werden Relationen meist über Referenzfelder in Content-Typen umgesetzt. Beim Content-Typ „Blogartikel“ z.B. über diese Felder:

• Titel
• Inhalt
• Autor (Referenz → Person)
• Themen (Mehrfachreferenz → Thema)
• Zugehörige Produkte (Mehrfachreferenz → Produkt) 

Das bedeutet:

Ein einzelner Artikel kann gleichzeitig

• von einem Autor stammen,
• mehrere Themen behandeln und
• sich auf mehrere Produkte beziehen.

Diese Struktur erzeugt automatisch ein semantisches Netz im System.

Das Setzen von Relationen ist übrigens in PIM-Systemen seit Jahren Standard. Hier ist es selbstverständlich, dass Attribute strukturiert gepflegt werden und Relationen (z. B. Zubehör, Varianten, Kategorien) explizit definiert sind. 

Daten werden konsistent und wiederverwendbar gepflegt, weil ohne diese Struktur keine funktionierende Produktlogik möglich wäre. Im Unterschied dazu hinkt Content strukturell stark hinterher.  Ein häufiges Problem sind gewachsene Seitenbäume, die tief in der Organisation verankert sind. Diese Strukturen lassen sich nicht einfach ersetzen, sondern müssen schrittweise überführt werden.

CMS Wechsel: Strategische Vorteile für Unternehmen

Content Sichtbarkeit entsteht schon heute nicht mehr primär durch einzelne Seiten, sondern durch vernetzte Inhalte. Das bedeutet nicht, dass eine großartige Case Study oder ein umfassender Fachartikel plötzlich ihre gesamte Sichtbarkeit verlieren.

Aber: Wer diese neuen Logiken und Anforderungen versteht und konsequent abbildet, schafft die Grundlage für nachhaltige digitale Präsenz. Unternehmen, die sich schnell in diese Richtung weiterentwickeln, profitieren auf mehreren Ebenen.

Der offensichtlichste Vorteil liegt in der gesteigerten Sichtbarkeit in generativen Systemen. Inhalte, die klar strukturiert und semantisch vernetzt sind, haben eine deutlich höhere Wahrscheinlichkeit, von KI-Systemen korrekt interpretiert und als Quelle genutzt zu werden.

Darüber hinaus entsteht aber auch eine deutlich höhere Effizienz im Content Management selbst. Inhalte müssen nicht mehr mehrfach erstellt werden, sondern können modular wiederverwendet werden. Redundanzen werden reduziert, Konsistenz wird erhöht. Auch die technologische Flexibilität steigt, Inhalte unabhängig von ihrer Darstellung verwaltet werden. 

Nicht zuletzt verbessert sich auch die Nutzererfahrung. Inhalte werden relevanter, kontextbezogener und besser auffindbar. Navigation wird nicht mehr nur über Menüs gesteuert, sondern über inhaltliche Zusammenhänge.

Fazit

Eine semantische Informationsarchitektur ist kein optionales Konzept, sondern die strukturelle Voraussetzung für Sichtbarkeit und Relevanz.  Und ein Content Management System, das diese Anforderungen erfüllt, wird zum strategischen Asset: Es sorgt nicht nur dafür, dass Inhalte veröffentlicht werden. Es stellt auch sicher, dass sie von lesenden Systemen verstanden werden.