Der KI-Ansatz von TYPO3: Schnittstellen statt Anbieterbindung
Im Konzeptbeitrag vom Juni 2025 beschreibt TYPO3 eine offene KI-Architektur: eigene Schnittstellen statt eines fest eingebauten Anbieters. Workspaces, Seitenbäume, Sprachen und Benutzerrechte sollen bestimmen, welche Inhalte eine KI verwenden und verändern darf.
Auch MCP wird als mögliche Verbindung zu KI-Diensten untersucht. Der Beitrag beschreibt ausdrücklich Planungen, keine zugesagten Release-Funktionen. Für ein Projekt unterscheiden wir deshalb zwischen diesem Architekturziel, bereits dokumentierten Core-Schnittstellen und den Funktionen konkreter Extensions.
Was TYPO3 14 selbst für KI bereitstellt
Der Übersetzungsworkflow von TYPO3 14 lässt sich um eigene Übersetzungsverfahren erweitern. Eine Extension kann darüber einen Übersetzungsdienst oder ein KI-Modell ansprechen und das Ergebnis als Sprachversion in TYPO3 zurückgeben. Die Redaktion muss dafür nicht zwischen CMS und einem separaten Chatfenster wechseln.
Der Core stellt diesen Ablauf und die Erweiterungspunkte bereit. Die automatische Übersetzung kommt vom zusätzlich angebundenen Dienst. Schreibassistenz, Bildanalyse und weitere KI-Funktionen werden ebenfalls über Extensions oder individuelle Integrationen ergänzt; sie entstehen nicht allein durch ein Update auf TYPO3 14.
Fünf Extensions für Redaktion, Suche und eigene KI-Funktionen
Einige Werkzeuge sitzen direkt im Texteditor, andere bearbeiten ganze Datensätze oder liefern die Grundlage für individuelle Funktionen. Vor dem Einsatz prüfen wir die Kompatibilität der jeweiligen Extension-Version mit TYPO3 14 und den vorhandenen Erweiterungen.
- AI Suite · AutoDudes
- Texte entwerfen, kürzen und überarbeiten, Inhalte übersetzen sowie Seiten- und Bildmetadaten ergänzen. Wiederverwendbare Anweisungen können die Haussprache vorgeben; Stapelverarbeitung hilft bei größeren Inhaltsbeständen. Auch Bildgenerierung und Vorschläge für Seitenstrukturen gehören zum Funktionsumfang.
- AI Writer · ok_ai_writer
- Ein Schreibassistent direkt im CKEditor: Die Redaktion beschreibt eine Aufgabe, prüft den Textvorschlag und verfeinert ihn im Dialog. Übersetzungen behalten die HTML-Struktur bei. Angebunden werden OpenAI oder Azure OpenAI; die Dokumentation nennt auch TYPO3 14 als unterstützte Version.
- DeepL Translate · web-vision
- Übersetzt Seiten, Inhaltselemente und weitere Datensätze über DeepL. Damit geht die Unterstützung über ein einzelnes Textfeld hinaus. Der Paketname lautet deepltranslate_core – trotzdem handelt es sich um eine zusätzlich installierte Extension, nicht um einen Bestandteil des TYPO3-Core.
- T3AS · T3Planet
- Ergänzt die Website-Suche um KI-Antworten und unterstützt Solr, ke_search und indexed_search. Als Wissensquellen können etwa Seiten, News und PDFs dienen. Interessant für eine Suche, die Fragen zum vorhandenen Inhalt beantworten soll; Datenquellen, Zugriffsregeln und Antwortqualität müssen im Projekt geprüft werden.
- TYPO3 LLM · Netresearch
- Eine Grundlage für eigene KI-Erweiterungen: Anbieter und Modelle werden zentral konfiguriert, unter anderem OpenAI, Claude, Gemini oder Ollama. Darauf können individuelle Funktionen für Textverarbeitung, Bildanalyse oder semantische Suche aufbauen, ohne jede Anbindung separat zu entwickeln.
Wie das im Redaktionsalltag aussehen kann
Drei Beispiele, für die wir solche Funktionen zusammenstellen und konfigurieren würden:
- Aus einem Fachtext werden passende Kurzfassungen
- Ein freigegebener Beitrag dient als Grundlage für einen Teaser, einen Newsletter-Einstieg und eine kurze Seitenbeschreibung. Länge, Ansprache und Begriffe werden vorgegeben. Die Redaktion vergleicht die Vorschläge und übernimmt die passende Fassung.
- Ein Produkt kommt in weiteren Märkten dazu
- Beschreibung, technische Angaben und Bildtexte werden für die benötigten Sprachen vorbereitet. Produktnamen und Fachbegriffe bekommen feste Vorgaben. Die jeweilige Länderredaktion prüft Formulierungen und lokale Besonderheiten vor der Veröffentlichung.
- Ein gewachsener Bildbestand wird nachgepflegt
- Für Bilder ohne aussagekräftige Titel oder Beschreibungen entstehen Vorschläge zur Überprüfung. Bei Alternativtexten berücksichtigen wir zusätzlich, wofür das Bild auf der jeweiligen Seite verwendet wird. Eine Bildanalyse allein kennt diesen Zusammenhang nicht.
Eigene KI-Funktionen mit TYPO3-Inhalten
Für eine Wissenssuche können wir ausgewählte TYPO3-Inhalte für eine semantische Suche aufbereiten und einen Assistenten daraus Antworten mit Quellenverweisen erstellen lassen. Eine andere Anwendung wäre, eingehende Produktinformationen auszulesen und passende Felder als Vorschlag zu befüllen. Dafür entwickeln wir die Verbindung zwischen Inhaltsmodell, KI-Dienst und Benutzeroberfläche.
nr-llm übernimmt die Kommunikation mit den Modellen. In der Anwendung setzen wir die Zugriffsrechte auf Inhalte und Suchtreffer durch und entwickeln die Übernahme geprüfter Vorschläge in vorhandene Datensätze.
Daten, Freigaben und Kosten festlegen
Wir beginnen mit einer konkreten Aufgabe und echten Beispielen aus der Redaktion. Lassen sich die Vorschläge mit vertretbarem Aufwand prüfen? Bleiben Fachbegriffe erhalten? Was passiert bei fehlenden Angaben? Erst damit lässt sich beurteilen, ob ein Werkzeug im Alltag tatsächlich Arbeit abnimmt.
Vor der Anbindung legen wir fest, welche Inhalte an welchen Dienst übertragen werden dürfen, wer die Funktionen nutzen kann und wer Ergebnisse freigibt. Dazu kommen Kostenlimits, Fehlerbehandlung und die Prüfung mit vorhandenen Inhaltstypen und Workspaces. Automatisch erzeugte Inhalte müssen sich als Entwurf prüfen lassen, bevor sie veröffentlicht werden.
Textassistenz, Übersetzungen und Bildanalyse lassen sich direkt in die redaktionelle Arbeit mit TYPO3 einbauen. Entscheidend für die Auswahl sind die konkreten Aufgaben, die Qualität der Vorschläge und der Umgang mit den verwendeten Daten.