Case Study · WebsiteOps

Von Search-Console-Daten zur AI-gestützten SEO-Operations-Plattform

WebsiteOps begann als technische SEO- und Website-Inventar-Idee und entwickelte sich zu einer Multi-Tenant-Plattform mit Google Search Console, Technical Crawl, Findings, Empfehlungen, Tasks und spezialisierter Agent Runtime. Ziel ist ein wiederholbarer SEO-Workflow statt einzelner Audits.

Backend
Laravel 13
Agents
Python · FastAPI
Datenquellen
GSC · Crawl · Website Inventory
Workflow
Finding → Recommendation → SEO Task
Projektstart

Ausgangslage

SEO-Daten liegen häufig in getrennten Werkzeugen: Search Console, Crawl-Berichte, Tabellen, Notizen und Aufgabenmanagement. WebsiteOps sollte diese Quellen auf eine gemeinsame Ressourcebene bringen und daraus nachvollziehbare Entscheidungen und Arbeitspakete erzeugen.

Inventory

Ein gemeinsames URL-Inventar

Alle Datenquellen brauchen dieselben kanonischen Ressourcen als Referenz, sonst entstehen doppelte oder nicht zuordenbare URLs.

GSC

Search-Console-Daten zuordnen

Landingpages, Queries und Zeiträume sollten automatisiert importiert und dem Inventar zugeordnet werden.

Audit

Technische Zustände speichern

Crawls mussten Snapshots und Links versioniert erfassen, damit Veränderungen zwischen Läufen sichtbar werden.

AI

Agenten kontrollieren

AI sollte analysieren und Werkzeuge nutzen können, aber nur innerhalb klarer Guardrails und nachvollziehbarer Tool-Audits.

Architektur

Die technische Struktur

Control Plane

Laravel verwaltet Tenants, Projekte, Ressourcen, Findings, Empfehlungen und Tasks.

Queues

Getrennte Queue-Worker verarbeiten Agent Runs, Search-Console-Sync und technische Crawls im Hintergrund.

Agent Runtime

FastAPI orchestriert spezialisierte Agenten mit begrenzten Tools und protokollierten Aufrufen.

Connectors

GSC und Website-Connectoren liefern Daten in ein normalisiertes Inventar statt in isolierte Reports.

Entwicklung

Wichtige Meilensteine

0.4.0
Agent Runtime

Orchestrator, WebsiteAnalyst und SeoAnalyst sowie Conversations, Messages, Agent Runs und Tool Audit wurden eingeführt.

0.5.0
GSC Connector

OAuth, Property Discovery, 90-Tage-Initialimport, Daily Sync und URL-Mapping wurden umgesetzt.

0.7.0
Recommendation System

Findings wurden in priorisierbare Empfehlungen überführt.

0.8.0
SEO Task Workflow

Finding → Recommendation → Entscheidung → SEO Task schloss die Lücke zwischen Analyse und Umsetzung.

0.9.0
Technical Audit Foundation

Technical Crawl, Snapshots, Links und technische Findings bildeten die Basis für kontinuierliche Audits.

Probleme & Lösungen

Was technisch besonders interessant war

OAuth ohne Browser-Session

Der GSC-Callback musste unabhängig von einer lokalen Browser-Session funktionieren. Der Callback wurde deshalb auf serverseitig validierten State und APP_URL-basierte Redirects umgestellt.

Falsche 404-Findings

Frühere synthetische 404-Fälle kamen aus unvollständiger URL-/Inventarlogik. Nach Public-URL-Fix und idempotenten Syncs lief der Crawl gegen reale, reproduzierbare URLs.

Finding Lifecycle

Findings, die in späteren Läufen nicht mehr beobachtet werden, benötigen einen klaren Lifecycle statt dauerhaft offen zu bleiben.

Abnahme

Tests und belastbare Nachweise

Live Crawl

Ein abgenommener Technical Crawl verarbeitete 37 geplante URLs, davon 36 erfolgreich und eine reale 404-Menüroute.

Snapshots

Im Live-Test wurden 70 Snapshots und 2.149 Links gespeichert und daraus technische Findings erzeugt.

Security

Prompt-Injection-Tests und Tool-Guardrails wurden in der Agent Runtime praktisch geprüft.

Ergebnis

SEO-Daten wurden zu einem durchgängigen Operations-Workflow

WebsiteOps verbindet heute Inventar, GSC, Crawls und Agenten in einem gemeinsamen Workflow. Der entscheidende Architekturgewinn liegt darin, dass jede Analyse auf denselben Ressourcen aufsetzt und Findings nicht im Bericht enden, sondern in Entscheidungen und Aufgaben weitergeführt werden können.

Nächster Schritt

Du möchtest SEO-Daten, Crawls und Automatisierung in einem eigenen Workflow verbinden?

Die WebsiteOps-Architektur zeigt, wie sich Datenpipeline, Aufgabenmanagement und AI-Agenten so koppeln lassen, dass jeder Schritt nachvollziehbar bleibt.