---
title: "KI-Workflows in Drupal 11: Was Redaktionen wirklich entlastet"
lang: de
type: blog
canonical: https://www.arocom.de/blog/drupal-ki-content-workflows
alternate: https://www.arocom.de/en/blog/drupal-ai-content-workflows
author: "Axel Roth"
published: 2026-04-21
---

# KI-Workflows in Drupal 11: Was Redaktionen wirklich entlastet

In Drupal 11 (und gepflegten Drupal-10-Installationen) lassen sich redaktionelle Routineaufgaben über das AI-Modul-Ökosystem an LLMs delegieren: Meta-Descriptions, Alt-Texte, Teaser und Übersetzungs-Rohfassungen. Der Freigabeprozess bleibt unverändert: Die KI schreibt Vorschläge in Entwurfsfelder, Redakteure prüfen und veröffentlichen. Erfahrungswert aus unseren Projekten: 20–30 % Zeitersparnis in der laufenden Inhaltspflege, getragen vor allem von Übersetzungen und Metadaten. Nicht delegierbar bleiben Tonalität, Faktenprüfung und Priorisierung.

## KI-Workflows in Drupal 11: Was Redaktionen wirklich entlastet

Schon im alten arocom-Blog stand 2023 ein Experiment: ein Drupal-Modul,
das per OpenAI-API Meta-Descriptions generierte. Damals eine Spielerei
am Rand des Systems. Drei Jahre später ist daraus ein belastbares
Muster geworden, das wir in Kundenprojekten produktiv einsetzen. Die
Konstante dabei: Die KI schreibt Vorschläge, der Mensch veröffentlicht.

## Welche Aufgaben sich delegieren lassen

Die dankbarsten Kandidaten sind Aufgaben, die sich aus vorhandenem
Inhalt ableiten lassen. Die Redaktion hat die eigentliche Arbeit, den
Artikel, bereits geleistet. Alles Weitere ist Transformation:

- **Meta-Title und Meta-Description** aus dem Artikeltext, mit
  Längenvorgabe und Keyword-Hinweis
- **Alt-Texte** für Bilder im Medienkontext (was zeigt das Bild,
  wozu dient es auf dieser Seite)
- **Teaser-Varianten** für Übersichtsseiten, Newsletter, Social Media
- **Übersetzungs-Rohfassungen** DE→EN, die ein Mensch redigiert, als
  Nachfolger des alten DeepL/TMGMT-Workflows
- **Strukturvorschläge**: Zwischenüberschriften, FAQ-Extraktion,
  verwandte interne Links

Nicht delegierbar sind drei Dinge, und das meinen wir als Befund,
nicht als Vorsichtsfloskel: Tonalität ("klingt das nach uns?"),
Faktenprüfung und die Entscheidung, was überhaupt publiziert wird.

## Architektur: Entwurfsfelder statt Autopilot

Technisch nutzen wir das Drupal-AI-Modul-Ökosystem mit einem
Provider-Abstraktionslayer. Das Sprachmodell bleibt dadurch
austauschbar, was bei der aktuellen Modell-Taktung kein theoretischer
Vorteil ist. Das entscheidende Designmuster ist simpel: KI-Ergebnisse
landen nie direkt im veröffentlichten Feld. Sie landen in einem
Vorschlagsfeld, das die Redaktion im gewohnten Formular sieht,
übernimmt, ändert oder verwirft.

```php
// Event subscriber: on presave, draft a meta description
// suggestion for nodes that lack one. Never overwrites.
public function onPresave(EntityPresaveEvent $event): void {
  $node = $event->getEntity();
  if (!$node->hasField('field_meta_suggestion')) {
    return;
  }
  if (!$node->get('field_meta_suggestion')->isEmpty()) {
    return; // editor already has a pending suggestion
  }
  $suggestion = $this->aiProvider->chat([
    'system' => 'Schreibe eine Meta-Description, max. 155 Zeichen, '
      . 'aktiv formuliert, ohne Superlative.',
    'user' => $node->get('body')->summary
      ?: mb_substr(strip_tags($node->get('body')->value), 0, 2000),
  ]);
  $node->set('field_meta_suggestion', $suggestion);
}
```

Derselbe Mechanismus trägt Alt-Texte (Vision-Modell beschreibt das
Bild, Redakteur schärft den Seitenkontext nach) und Übersetzungen
(Rohfassung in die Übersetzungs-Warteschlange statt direkt in die
EN-Node). Der Freigabeprozess, bei uns Draft → Review → Published,
bleibt unangetastet. Genau deshalb akzeptieren Redaktionen das
System: Es nimmt ihnen Tipparbeit ab, nicht Kontrolle.

## Ein Workflow von Anfang bis Ende: die Meta-Description

Wie sich das im Redaktionsalltag anfühlt, zeigt der
Meta-Description-Workflow Schritt für Schritt. Eine Redakteurin
schreibt einen Fachartikel und speichert die Node als Entwurf. Beim
Speichern prüft der Event-Subscriber aus dem Code-Beispiel oben, ob
das Vorschlagsfeld leer ist. Ist es leer, geht der Artikeltext mit
einer festen Anweisung an das Modell: maximal 155 Zeichen, aktiv
formuliert, ohne Superlative. Wenige Sekunden später steht der
Vorschlag im Bearbeitungsformular, klar als Vorschlag markiert,
direkt neben dem eigentlichen Meta-Feld.

Die Redakteurin hat jetzt drei Optionen: übernehmen, übernehmen und
nachschärfen, oder verwerfen und selbst schreiben. In unseren
Projekten beobachten wir am häufigsten die mittlere. Der Vorschlag
trifft den Inhalt, die Redakteurin ersetzt ein generisches Verb oder
zieht das wichtigste Keyword nach vorn. Erst mit ihrer Freigabe
wandert der Text in das echte Meta-Feld und mit dem Status
"Published" nach draußen.

Für die Redaktion ändert sich am gewohnten Formular fast nichts, es
ist ein Feld mehr. Kein neues Werkzeug, kein zweiter Browser-Tab,
keine halbtägige Schulung. Diese Unauffälligkeit ist kein Zufall,
sondern das wichtigste Akzeptanzkriterium, das wir aus den ersten
Projekten mitgenommen haben.

## Alt-Texte mit Vision-Modell: was die KI sieht und was ihr fehlt

Beim Alt-Text-Workflow beschreibt ein Vision-Modell das Bild beim
Upload in die Medienbibliothek. Es sieht zuverlässig, was auf dem
Bild ist: "Zwei Personen vor einem Monitor in einem
Besprechungsraum." Was es nicht wissen kann, ist die Funktion des
Bildes auf der Seite. Belegt das Foto einen Workshop-Bericht, dient
es als Symbolbild, oder zeigt es das Team aus dem Artikel? Diesen
Kontext ergänzt der Redakteur in einem Halbsatz, etwa
"Redaktionsworkshop beim Kunden im März".

Die Arbeitsteilung ist damit sauber: Das Modell liefert die
korrekte, vollständige Grundbeschreibung, der Mensch die Bedeutung.
Vorher blieben Alt-Texte oft leer, weil die Beschreibung von null an
lästig war. Jetzt ist der lästige Teil erledigt, und der menschliche
Beitrag dauert zehn Sekunden pro Bild. Der Effekt zahlt doppelt ein:
in die Barrierefreiheit und in die Bildersuche.

## Übersetzungen: vom DeepL-Workflow zur LLM-Rohfassung

Mehrsprachige Drupal-Sites haben seit Jahren einen eingespielten
Übersetzungsweg: TMGMT-Warteschlange, maschinelle Rohfassung (lange
Zeit DeepL), menschliche Redaktion. Der Wechsel auf ein Sprachmodell
ändert weniger den Ablauf als die Qualität der Rohfassung. Ein LLM
übersetzt nicht Satz für Satz, sondern kennt den ganzen Artikel und
hält Terminologie über den Text hinweg konsistent. Fachbegriffe
steuern wir über ein Glossar im Prompt: welche Begriffe deutsch
bleiben, welche Produktnamen nie übersetzt werden, welches Register
die Marke im Zielmarkt spricht.

Was ändert der menschliche Prüfer dann noch? In unseren Projekten
vor allem drei Dinge: Redewendungen, die wörtlich übersetzt hölzern
klingen, rechtlich gefärbte Formulierungen, die im Zielmarkt anders
heißen, und Überschriften, die als Übersetzung korrekt, als
Überschrift aber schwach sind. Der Aufwand sinkt damit von
"übersetzen" auf "redigieren". Das ist der Unterschied zwischen
Stunden und Minuten pro Seite.

## Was dabei herauskommt

Über mehrere Projekte gemittelt sehen wir 20–30 % Zeitersparnis in
der laufenden Inhaltspflege. Am oberen Ende liegen mehrsprachige
Sites, wo die Übersetzungs-Rohfassungen den größten Block ausmachen.
Genauso wichtig ist der Qualitätseffekt: Felder, die früher leer
blieben, weil sie lästig waren (Alt-Texte!), sind jetzt durchgängig
gepflegt. Davon profitieren Barrierefreiheit und SEO gleichermaßen.

Damit die Zahl richtig eingeordnet ist: Sie ist eine Beobachtung
über mehrere Projekte hinweg, kein Laborwert, und sie bezieht sich
auf die laufende Inhaltspflege, nicht auf das Schreiben der Artikel
selbst. Den größten Einzelposten stellen bei mehrsprachigen Sites
die Übersetzungs-Rohfassungen, grob die Hälfte des Effekts. Danach
folgen Metadaten und Teaser-Varianten, zuletzt die Alt-Texte, die
zeitlich klein sind, vorher aber schlicht liegen blieben.
Einsprachige Sites landen entsprechend am unteren Rand der Spanne.

Wenn ihr prüfen wollt, ob sich das für eure Redaktion rechnet:
Messt eine Woche lang, wie viel Zeit auf Metadaten, Alt-Texte
und Übersetzungen entfällt. Diese Zahl entscheidet, ob sich der
Workflow lohnt.

## Voraussetzungen: was ihr dafür braucht

Damit das Muster läuft, braucht es vier Dinge:

- **Eine aktuelle Drupal-Basis:** Drupal 11 oder ein gepflegtes
  Drupal 10.3+. Das AI-Modul-Ökosystem unterstützt beide.
- **Das AI-Modul-Ökosystem:** das zentrale AI-Modul mit dem
  Provider-Plugin für den gewählten Modellanbieter, dazu je nach
  Workflow Bausteine für Übersetzung und Medien.
- **Saubere Feldstrukturen:** Die Workflows setzen auf definierten
  Feldern auf. Eine Site, deren Inhalte in einem einzigen Body-Feld
  leben, braucht zuerst Strukturarbeit.
- **Ein API-Budget:** für laufende Redaktionsworkflows realistisch
  ein niedriger zweistelliger Eurobetrag pro Monat. Die einmalige
  Übersetzung großer Bestände kostet je nach Volumen mehr, bleibt
  aber weit unter den Kosten menschlicher Erstübersetzung.

Der größte Posten ist dabei nicht die Inferenz, sondern die
Einrichtung: Prompts je Inhaltstyp, Rechte, Redaktionsschulung.
Plant dafür Tage, nicht Wochen.

### Welches Modell nutzt ihr?

Bewusst keines fest. Das Drupal-AI-Ökosystem trennt Workflows und Modellanbieter über eine Provider-Abstraktion, und wir konfigurieren je Aufgabe das Modell, das Qualität und Kosten am besten ausbalanciert. Bei der aktuellen Taktung neuer Modelle ist diese Austauschbarkeit der eigentliche Architekturvorteil: Ein besseres oder günstigeres Modell ist ein Konfigurationswechsel, kein Projekt.

### Was kostet der Betrieb?

Die Modellkosten sind selten das Problem. Für typische Redaktionsworkflows (Metadaten, Alt-Texte, Teaser) liegen sie nach unserer Erfahrung im niedrigen zweistelligen Eurobereich pro Monat; die Rohübersetzung größerer Bestände kostet einmalig mehr. Dazu kommt die Pflege der Prompts und gelegentliche Modell-Updates, realistisch wenige Stunden pro Quartal. Der größere Posten ist die einmalige Einrichtung, und die hängt von der Zahl der Workflows ab.

### Geht das auch in Drupal 10?

Ja. Das AI-Modul-Ökosystem unterstützt Drupal 10.3 und Drupal 11 gleichermaßen. Steht ohnehin ein Upgrade an, lohnt es, beides zusammen zu planen, weil die Workflows auf gepflegten Feldstrukturen aufsetzen. Ein KI-Workflow-Projekt ist aber kein Grund, ein stabiles Drupal 10 vorzeitig zu migrieren.