Technische Dokumentation

Die MultiLipi-Architektur

Ein technischer Deep Dive in unsere zweischichtige Infrastruktur

Übersicht

Herkömmliche Übersetzung-Plugins arbeiten auf der „visuellen Ebene“ – sie tauschen Textzeichenfolgen im Browser aus. Dies erfüllt zwar die Anforderungen menschlicher Leser, schafft aber ein chaotisches Umfeld für Such-Crawler und KI-Agenten.

MultiLipi ist die erste Plattform, die eine Dual-Layer-Architektur:

Die HTML-Schicht

Vollständig gerenderte, lokalisierte Seiten für Menschen und Googlebot.

Die Datenschicht

Eine parallele, strukturierte Infrastruktur (Markdown + JSON-LD), die speziell für Large Language Models (LLMs) optimiert ist.

Unten finden Sie die Schritt-für-Schritt-Dokumentation, wie unser 10-Schritte-Pipeline verwandelt eine statische URL in eine globale, KI-bereite Entität.

Phase 1

Infrastruktur-Einrichtung

Das Fundament

Wir richten die physische Routing- und Sicherheitsschicht ein, bevor wir ein einziges Wort des Inhalts anfassen.

Schritt 1: Intelligente Bereitstellung & SSL

Nach der Verbindung identifiziert unser System Ihr Ursprungs-CMS (Shopify, Webflow, WordPress oder Custom Stack), um die optimale Injektionsmethode zu bestimmen.

  • Aktion: Wir stellen sofort dedizierte SSL-Zertifikate für Ihre lokalisierten Endpunkte bereit.
  • Mechanismus: Das Secure Handshake Protocol (TLS 1.3) stellt sicher, dass Daten, die zwischen Ihrem Ursprungsserver und unseren Edge-Knoten übertragen werden, verschlüsselt sind, ohne dass die Time to First Byte (TTFB) durch zusätzliche Latenz beeinträchtigt wird.

Schritt 2: URL-Architektur-Mapping

Wir unterstützen drei verschiedene Routing-Architekturen, die zu Ihrer SEO-Strategie passen.

Option A: Subdomains (Schnellste Bereitstellung)

Struktur: es.example.com, fr.example.com

Am besten geeignet für: Große Unternehmenswebsites, die eine Trennung der Zuständigkeiten erfordern.

Option B: Unterverzeichnisse (Maximale SEO-Autorität)

Struktur: example.com/es/, example.com/fr/

Mechanismus: Wir stellen ein leichtgewichtiges Reverse-Proxy-Skript (Cloudflare Worker oder Nginx-Konfiguration) bereit, das weiterleitet /es/ Traffic auf unsere Edge-Server, während die Domain-Autorität vereinheitlicht bleibt.

Option C: ccTLDs (Lokale Dominanz)

Struktur: example.es, example.fr

Mechanismus: Fortgeschrittenes CNAME-Mapping ermöglicht es Ihnen, benutzerdefinierte Länderdomains auf unsere Lokalisierungs-Engine zu verweisen.

Phase 2

Inhaltsverarbeitung

Die neuronale Schicht

Wir trennen "Inhalt" von "Code", um eine perfekte Lokalisierung zu gewährleisten, ohne die UI-Funktionalität zu beeinträchtigen.

Schritt 3: Tiefen-Ingestion & Slug-Lokalisierung

Unser Crawler nimmt Ihr ursprüngliches HTML auf und erstellt eine dynamische Inhaltszuordnung.

  • Die Code-Trennung: Wir parsen den DOM, um übersetzbare Textknoten zu identifizieren, während wir HTML-Attribute, Skripte und Klassen „sperren“. Dies stellt sicher, dass das Layout Ihrer Website niemals unterbrochen wird, selbst in Sprachen von rechts nach links (RTL).

  • Slug-Übersetzung: Im Gegensatz zu Standard-Proxys übersetzen wir den URL-Pfad selbst.

    Original:example.com/produkte/rote-laufschuhe
    Lokalisiert:es.example.com/productos/zapatillas-rojas
    Auswirkung:

    Erhöht die Klickrate (CTR) in lokalen Suchergebnissen, indem die Absicht des Nutzers abgeglichen wird.

Schritt 4: Das "Spinnennetz" der internen Verlinkung

Um "Waisen-Seiten" (ein häufiges Problem, bei dem lokalisierte Seiten existieren, aber nicht verlinkt sind) zu verhindern, fügen wir einen dynamischen Routing-Block ein.

  • Aktion: A
    oder ein versteckter Navigationsblock wird an das DOM angehängt.

  • Inhalt:

    1. Sprachwechsler: Direkte Links zu den EN-, FR-, DE-Versionen der Aktuell Seite.
    2. Querverweise: Links zu anderen relevanten Seiten innerhalb desselben Sprach-Buckets.
  • Warum: Dies stellt sicher, dass Bots kontinuierlich durch Ihr gesamtes lokalisiertes Netzwerk crawlen können, ohne auf Sackgassen zu stoßen.
Phase 3

Die SEO-Schicht

Google-Konformität

Strikte Einhaltung der technischen Richtlinien von Google, um Strafen für doppelte Inhalte zu vermeiden.

Schritt 5: Tag-Injektion (Hreflang & Canonical)

Wir modifizieren automatisch die jeder bereitgestellten Seite, um ihre Beziehung zum Netzwerk strikt zu definieren.

Hreflang-Zuordnungen: Wir injizieren eine vollständige x-default und eine lokalisierte Karte für jede Seitenvariante.

<Link rel="alternate" hreflang="en" href="https://example.com/page" />
<Link rel="alternate" hreflang="es" href="https://es.example.com/pagina" />

Selbstreferenzierende Kanoniker: Die spanische Seite verweist auf sich selbst als kanonische Quelle, wodurch sichergestellt wird, dass Google sie als einzigartiges Asset indexiert und nicht als Duplikat der englischen Seite.

Phase 4

Die GEO-Schicht

KI-Infrastruktur - Die geheime Zutat

Die "Geheime Zutat". Diese Phase baut das parallele Web für KI-Agenten (ChatGPT, Claude, Gemini) auf.

Schritt 6: Identitäts- und Schema-Injektion

Wir verwandeln Ihre Website von „Strings“ (Text) in „Things“ (Entitäten).

  • Aktion: Das System generiert ein JSON-LD-Skript basierend auf Ihrem Identity Graph.

  • Kontextuelle Logik:

    • Global: Fügt auf allen Seiten das Organisation-Schema (Logo, Soziales, Gründer) ein.
    • Seitenebene: Erkennt Inhaltstypen automatisch (z. B. /blog/ löst Artikel-Schema aus; /produkt/ löst das Produktschema mit Preis und Lagerbestand aus).
  • Ergebnis: Roboter erkennen Ihre Marke als verifizierte Entität, was entscheidend für die Anzeige in Knowledge Panels ist.

Schritt 7: Die "KI-Zwilling"-Erstellung (Markdown-Generierung)

Für jede HTML-Seite, die für Menschen bereitgestellt wird, generieren wir eine versteckte, parallele Markdown-Datei (.md) optimiert für LLM-Token-Limits.

Der Optimierungsprozess:

  1. Kontext-Header: Wir fügen eine "Cheat Sheet"-Zusammenfassung ganz oben in die Datei ein, die KI-Modellen die wichtigsten Fakten (Wer, Was, Preis) in den ersten 500 Tokens liefert.
  2. Tabellenextraktion: HTML-Tabellen werden in saubere Markdown-Pipes umgewandelt | Spalte | Spalte | für perfekte Datenextraktion.
  3. Rauschunterdrückung: Alle CSS-, JavaScript- und dekorativen Divs werden entfernt, sodass nur noch reines semantisches Signal übrig bleibt.

Schritt 8: Die Roboter-Karte (llms.txt)

Wir generieren und hosten automatisch eine Root-Ebene llms.txt Datei (z. B. es.example.com/llms.txt).

  • Zweck: Dies ist die Standard-"Sitemap für Robots". Sie teilt KI-Agenten genau mit, wo sie die sauberen Markdown-Dateien finden (.md) anstatt sie zu zwingen, unordentliches HTML zu scrapen.

  • Inhalt:

    • Globale Website-Beschreibung (System-Prompt).
    • Liste der Prioritäts-URLs, die auf ihre „AI Twin“-Versionen verweisen.
Phase 5

Sicherheit & Wartung

Die Schleife

Gewährleistung von Stabilität, Sicherheit und genauen Analysen.

Schritt 9: Konfliktverhütungsprotokoll

Wir trennen strikt das "menschliche Web" vom "KI-Web", um SEO-Konflikte zu vermeiden.

  • Die Regel: Alle generierten Markdown (.md) Dateien werden mit einem X-Robots-Tag: noindex HTTP-Header.
  • Das Warum: Dies weist Googlebot an, die Markdown-Dateien zu ignorieren (um Strafen für doppelte Inhalte zu vermeiden), während KI-Agenten (wie GPTBot) um sie frei über die zu konsumieren llms.txt Karte.

Schritt 10: Sentient Analytics

Wir verfolgen die Leistung Ihrer globalen Infrastruktur in Echtzeit.

  • Bot-Überwachung: Unsere Edge-Logs identifizieren spezifische Anfragen von KI-Crawlern (GPTBot, ClaudeBot, Perplexity) und geben Ihnen Einblick in Ihren "Share of Model".
  • Geo-Verifizierung: Wir verfolgen die „Match Rate“ – den Prozentsatz der Nutzer aus einer bestimmten Region (z. B. Spanien), die erfolgreich auf der richtigen lokalisierten Version gelandet sind (z. B. es.example.com).

Bereit, die Architektur zu erleben?

Sehen Sie, wie unsere 10-stufige Pipeline Ihre Website in eine globale, KI-fähige Plattform verwandeln kann.