KI-basierter Competitor Tracker für automatisierte Marketing Intelligence

Über den Kunden

Unser Kunde war eine mittelständische Digital-Marketing-Agentur, die Wettbewerbsstrategien und Markenpositionierung für B2B-Unternehmen betreute. Das Team war dafür verantwortlich, Produkteinführungen, Blogbeiträge, Feature-Ankündigungen, Partnerschaften und Veränderungen in der Marktpositionierung von Wettbewerbern über Dutzende Websites und Medienquellen hinweg zu verfolgen.

Die manuelle Überwachung dieser Kanäle war zeitaufwendig und anfällig für verpasste Updates. Wichtige Signale, etwa neue Feature-Rollouts, Preisänderungen oder die Expansion in neue Märkte, wurden häufig zu spät erkannt, um rechtzeitig reagieren zu können.

• Region: Global
• Branche: Marketing / Digitale Strategie
• Projektlaufzeit: 2–3 Monate

Herausforderungen

Marketingteams haben häufig Schwierigkeiten, Wettbewerber systematisch über Websites, Blogs, Produktseiten und Pressemitteilungen hinweg zu beobachten. Der Kunde benötigte daher eine automatisierte, intelligente Lösung, die Webquellen scannt und daraus verwertbare Erkenntnisse ableitet. Zu den zentralen Herausforderungen gehörten:

• Manuelle Überwachung mehrerer Webquellen
• Schwierigkeit, wirklich relevante Updates unter häufigen Veröffentlichungen zu erkennen
• Fehlende strukturierte Historie und Nachverfolgung von Änderungen
• Verzögerte Wahrnehmung neuer Produkteinführungen oder strategischer Veränderungen
• Kein zentrales System zur Filterung und Zusammenfassung von Wettbewerbssignalen

Hauptziele

Um ein funktionsstarkes System für Wettbewerbsanalyse aufzubauen, teilten wir das Projekt in folgende Ziele auf:

• Automatisierung des Web Scrapings über ausgewählte Wettbewerber-Domains hinweg
• Filterung und Klassifizierung von Updates nach Relevanz
• Zusammenfassung längerer Inhalte zu kompakten Marketing-Insights
• Aufbau einer strukturierten Historie nachverfolgter Änderungen
• Bereitstellung von Benachrichtigungen über eine intuitive Oberfläche
• Unterstützung skalierbarer Überwachung mehrerer Wettbewerber gleichzeitig

Projektübersicht

Wir entwickelten ein KI-agentenbasiertes Monitoring-System auf Basis agentischer Workflows. Die Plattform überwachte kontinuierlich Websites von Wettbewerbern, erkannte neue oder aktualisierte Inhalte und verarbeitete diese über eine KI-gestützte Analysepipeline.

Das System extrahierte relevante Informationen, entfernte irrelevante Inhalte, erzeugte prägnante Zusammenfassungen und kategorisierte Informationen nach Produkteinführungen, Feature-Updates, strategischen Ankündigungen oder Signalen zur Marktpositionierung.

Über eine Telegram-basierte Oberfläche konnten Nutzer Benachrichtigungen erhalten und per dialogbasierter Befehle On-Demand-Zusammenfassungen anfordern.

Lösung

Das Ergebnis war ein produktionsreifer KI-Agent zur Wettbewerbsbeobachtung, der automatisiertes Web Scraping, intelligente Filterung, Inhaltszusammenfassung und Benachrichtigungen in einem durchgängigen Workflow vereinte.

Relevante Erkenntnisse wurden nahezu in Echtzeit zusammengefasst und an Marketingteams übermittelt, wodurch der manuelle Monitoring-Aufwand deutlich reduziert wurde.

Hauptfunktionen

• Automatisiertes Web Scraping und Erkennung von Aktualisierungen
• KI-basierte Relevanzfilterung und Inhaltsklassifizierung
• Prägnante Zusammenfassung von Nachrichten, Blogbeiträgen und Updates
• Historische Nachverfolgung und Vergleich von Änderungen
• Echtzeit-Benachrichtigungen über einen Telegram-Bot
• Überwachung mehrerer Wettbewerber mit strukturierter Kategorisierung

Technologie-Stack

Zur Unterstützung einer zuverlässigen Agenten-Orchestrierung und Überwachung setzten wir folgende Technologien und Tools ein:

• KI-Workflow-Orchestrierung: LangChain, LangGraph
• Web-Scraping-Engine: Crawl4AI
• Schnittstelle: Telegram Bot API
• Backend: Python-basierte Agentenservices
• Datenspeicherung: Strukturierte Historienverwaltung

Kernteam

• Project Manager: Koordinierte Anforderungen, Projektumfang und Liefermeilensteine.
• Solution Architect: Entwarf die agentische Workflow- und Monitoring-Architektur.
• AI Engineers: Implementierten Scraping-Orchestrierung, Filterlogik und Zusammenfassungspipeline.
• Backend Developer: Entwickelte Services für Historienverfolgung und Benachrichtigungen.
• QA Engineer: Validierte die Genauigkeit der Update-Erkennung und die Zuverlässigkeit des Systems.