Websites sind tot. Es leben WebMinds.

Was ist das?

Wir kombinieren Browser-Fingerprinting (ohne Cookies), IP-basierte Firmenerkennung, Geräte-Charakteristika, Referrer-Analyse und Verhaltenssignale zu einem Identity-Graph. Dieser Graph weiß nicht, wer Sie sind — aber er weiß genug, um relevant zu sein: Branche, Firmengröße, wahrscheinliche Rolle, Interessensschwerpunkt, Sprache, Gerät, Intent-Stufe.

Wie sieht das aus?

Ein CFO einer mittelständischen Pharmafirma aus München klickt auf einen LinkedIn-Link. Noch bevor er den Hero sieht, weiß der WebMind: Branche = Pharma, Firmengröße = 250-1000 Mitarbeiter, Rolle = Finanzverantwortung, Herkunft = LinkedIn-Whitepaper-Kampagne. Die Headline lautet: "Compliance-konforme AI für regulierte Branchen." Die Preise erscheinen in Euro, die Referenzen sind Pharma-lastig, das CTA heißt "Compliance-Briefing anfordern" statt "Kostenlos testen".

Warum ist das wichtig?

Klassische Websites sind für alle gleich. Der Großkunde sieht dieselbe Copy wie der Solo-Unternehmer. Beide sind enttäuscht. Ein WebMind eliminiert das: Jeder Besucher landet auf "seiner" Seite. Conversion-Raten steigen typisch um Faktor 2-4, weil Relevanz das wichtigste Kaufsignal im B2B ist.

Wie wir das bauen

Kein Cookie-Banner-Zirkus, kein Tracking-Disclaimer-Overkill. Wir arbeiten mit DSGVO-konformen Fingerprint-Signalen, Server-side IP-Resolve und anonymer Session-Verknüpfung. Keine personenbezogenen Daten bis zum expliziten Consent. Der Identity-Graph lebt Ende-zu-Ende verschlüsselt auf EU-Servern, mit Row-Level-Security auf Datenbank-Ebene. Was wir tun, können wir jedem Datenschutzbeauftragten offen zeigen.

Typische Anwendungsfälle

• Enterprise-Sales-Seiten mit langen Entscheidungszyklen
• B2B-SaaS mit mehreren Zielgruppen (KMU, Enterprise, Agenturen)
• Premium-Beratung mit hoher Abschlussgröße
• Internationale Marken mit Ländergewichtung

Was ist das?

Personalisierung ist in einem WebMind keine nachträgliche Geste, sondern das Grundprinzip. Jede Headline, jeder Absatz, jedes Bild und jeder Call-to-Action geht durch eine Personalisierungs-Ebene, bevor er gerendert wird. Die Regeln dafür kommen teils vom Identity-Graph, teils von der D-Sales-Engine, teils von Experimenten, die das System selbst fährt.

Wie sieht das aus?

Derselbe Besuch unserer Über-Uns-Seite sieht für einen Gründer aus dem SaaS-Umfeld: "Ich bin Fabio — ich habe selbst Firmen aufgebaut, bevor ich Domani AI gegründet habe." Für einen Einkäufer aus einem Konzern sieht denselbe Abschnitt so aus: "Domani AI ist ein unabhängiges AI-Engineering-Studio mit DSGVO-konformer EU-Infrastruktur und Bank-Level-Sicherheit." Gleicher Absatz, komplett neu verpackt — passend zur Entscheidungslogik des Besuchers.

Warum ist das wichtig?

Menschen kaufen von Menschen, aber sie kaufen nicht von Allgemeinheit. Ein Startup-Gründer will Nähe und Geschwindigkeit hören. Ein Einkäufer will Compliance und Stabilität. Wenn Ihre Seite beides gleichzeitig sagen muss, verliert sie beide. Echtzeit-Personalisierung löst den Trade-off auf — Sie gewinnen beide, ohne Kompromisse in Ton, Tiefe oder Formulierung.

Wie wir das bauen

Jede Copy-Einheit hat einen Personalisierungs-Key (z. B. `founder_intro`). Die D-Sales-Engine kann diesen Key pro Besucher überschreiben, entweder aus vorgespeicherten Varianten oder live generiert durch ein LLM mit dem Identity-Graph als Kontext. Das Rendering passiert in React mit Suspense-Streaming — personalisierte Inhalte kommen in derselben Response wie der Rest der Seite, ohne sichtbaren Delay.

Typische Anwendungsfälle

• Corporate-Sites, die KMU und Enterprise gleichzeitig bedienen
• Multi-Produkt-Anbieter mit heterogener Zielgruppe
• E-Commerce mit persönlicher Preisdramaturgie
• Internationale Marken mit Länder-spezifischen Referenzen

Was ist das?

Ein WebMind kommt immer mit D. D ist ein spezialisierter AI-Agent, der jedes Gespräch mit einem Besucher führt, als wäre er ein erfahrener Mitarbeiter aus Ihrem Haus. Er kennt Ihr Angebot im Detail, versteht die Situation des Gegenübers, stellt die richtigen Fragen, erkennt Kauf- und Warnsignale und dokumentiert jeden Kontakt so, dass Ihr Vertrieb beim Übernehmen genau weiß, worum es geht.

Wie sieht das aus?

Ein Besucher tippt um 23:41 Uhr: "Wir brauchen irgendwas das Rechnungen automatisch prüft." D antwortet nicht mit einer Feature-Liste. D fragt: "Wie viele Rechnungen pro Monat, und an welcher Stelle zweifeln Sie heute am meisten — beim Betrag, beim Lieferanten-Abgleich, oder bei der Umsatzsteuer?" In sieben Nachrichten hat D rausgefunden: 4.000 Rechnungen/Monat, SAP-Anbindung nötig, Schmerzpunkt Umsatzsteuer-Fehler, Budget-Indikation mittlerer fünfstelliger Bereich, Entscheider schon im Chat. Am Morgen liegt ein kompaktes Briefing im Posteingang des Vertriebsteams.

Warum ist das wichtig?

Die meisten Leads gehen verloren, weil niemand innerhalb von 5 Minuten antwortet. Nachts, am Wochenende, während Meetings. D arbeitet immer. Und D arbeitet besser als ein Junior-SDR — er hat die Produktdoku im Kopf, macht keine emotionalen Fehler, vergisst keine Frage. Sie bekommen mehr qualifizierte Gespräche, ohne mehr Vertrieb einzustellen.

Wie wir das bauen

D läuft auf Claude Opus als Sprach-Modell, mit einem RAG-System über Ihre Produktdoku, Preisliste, Case Studies und FAQ. Davor sitzt eine Orchestrierungs-Schicht, die Sentiment, Kaufsignale, Fragen außerhalb des Scopes und Eskalations-Trigger erkennt. Jedes Gespräch wird in Supabase gespeichert, mit einem Konversations-Score, einem Summary-Marker und einer Übergabe-Empfehlung. Fehlende Informationen meldet D an einen Menschen — mit Kontext, nicht als Alarm.

Typische Anwendungsfälle

• Agentur-Websites mit Erstberatungs-Bedarf
• Software-Anbieter mit erklärungsbedürftigem Produkt
• Dienstleister mit hohem Projektvolumen pro Lead
• Unternehmen mit internationaler Kundschaft in vielen Zeitzonen

Was ist das?

Jede Interaktion eines Besuchers — von der ersten Bewegung bis zur letzten Nachricht an D — fließt in ein fortlaufendes Scoring-Modell. Das Modell bewertet Fit (passt diese Firma zu unserem Angebot?), Intent (wie kaufbereit ist diese Person?), Urgency (wie bald wird entschieden?) und Trust (haben wir genug aufgebaut, um zu übernehmen?). Erst wenn alle vier Werte einen Schwellwert erreichen, bekommt Ihr Vertrieb einen Alert.

Wie sieht das aus?

Zwei Besucher auf derselben Seite. Besucher A: Gmail-Adresse, keine Firma erkannt, liest drei Minuten ohne Interaktion, fragt nach Preis. Score: 22/100 — kein Alert, aber eine Newsletter-Einladung. Besucher B: IP aus einem Logistik-Konzern, liest 14 Minuten verteilt, lädt ein Whitepaper herunter, stellt D eine detaillierte Integrations-Frage, nennt einen Q3-Zeitrahmen. Score: 87/100 — Ihr Vertriebschef erhält 90 Sekunden später ein Telegram mit Briefing, Call-Empfehlung und Gesprächs-Transkript.

Warum ist das wichtig?

Vertrieb ist teuer. Jede Minute, die Ihr Team in Leads investiert, die nie kaufen, ist Minute, die einem Lead fehlt, der kaufen würde. Ein WebMind macht genau diese Triage — nicht nach Bauchgefühl, sondern nach verhaltensbasierten Signalen, die ein Mensch gar nicht in Echtzeit auswerten kann.

Wie wir das bauen

Das Scoring-Modell kombiniert regelbasierte Logik (Firmengröße, Branche, Budget-Indikation) mit ML-basierten Verhaltensmustern (Scroll-Tiefe, Wiederkehr, Verweildauer pro Sektion, Klickpfade) und semantischer Bewertung der Chat-Transkripte. Die Gewichte lernen mit jedem abgeschlossenen Deal mit — was Ihr Vertrieb später wirklich gekauft bekommt, korrigiert das Modell nach oben, was gecanceltt wurde, nach unten.

Typische Anwendungsfälle

• B2B-Vertriebe mit überlastetem Inside-Sales-Team
• High-Ticket-Angebote mit langem Qualifizierungsprozess
• Konzerne mit regionalen Sales-Teams und ungleicher Lead-Verteilung
• Marketing-Agenturen, die ihren Kunden qualifizierte Leads liefern

Was ist das?

Ein WebMind ist kein einzelner Chatbot, sondern ein Team aus Agenten, das arbeitsteilig agiert. Ein Agent beobachtet den Besucher und erzeugt Signale. Ein anderer personalisiert die Copy. Ein dritter sucht Referenzen. Ein vierter hält das Gespräch. Ein fünfter bewertet die Qualifizierung. Ein sechster schreibt das Briefing. Die Agenten reden untereinander in einer strukturierten Sprache, nicht in Freitext — das macht sie zuverlässiger, debug-barer und kostengünstiger als monolithische Lösungen.

Wie sieht das aus?

Ein Besucher fragt: "Haben Sie Erfahrung mit Krankenkassen?" D hält inne und ruft den Reference-Agenten: "Finde Case-Studies zu Gesundheitswesen, DSGVO-Fokus, mit messbaren Outcomes." Der Agent durchsucht intern unsere Projekt-Datenbank und liefert in 1,2 Sekunden drei passende Beispiele, jeweils mit anonymisierten Zahlen. D formuliert die Antwort und zeigt dem Besucher ein eingebettetes Snippet aus einem davon — mit einem Klick ist die volle Case-Study auf einer neuen Seite lesbar.

Warum ist das wichtig?

Ein einzelner großer Agent mag auf den ersten Blick einfacher wirken — aber er macht mehr Fehler, ist schwerer zu kontrollieren und deutlich teurer im Betrieb. Spezialisierte Agenten sind wie ein gutes Team: Jeder macht, was er am besten kann, und niemand redet in Dinge hinein, die ihn nicht betreffen. Ergebnis: weniger Halluzinationen, kürzere Antwortzeiten, nachvollziehbare Entscheidungen.

Wie wir das bauen

Unser Orchestrierungs-Framework basiert auf typisierten Events, die zwischen Agenten fließen. Jeder Agent hat ein eng definiertes Input/Output-Schema, einen eigenen System-Prompt, sein eigenes Modell (nicht jeder Agent braucht Opus — manche laufen auf Haiku, was 10× billiger ist) und eine klar begrenzte Werkzeug-Menge. Fehler werden lokal abgefangen, nicht in die gesamte Konversation gespült. Alles ist observierbar: in der Kommandozentrale sehen Sie live, welcher Agent gerade was macht.

Typische Anwendungsfälle

• Komplexe Produkte mit vielen Facetten und Fragen
• Beratungsnahe Dienstleistungen mit individueller Kalkulation
• Anbieter, die Wissen aus mehreren Quellen orchestrieren müssen
• Unternehmen, die Compliance-kritische Antworten liefern

Was ist das?

Zu jedem WebMind gehört eine passwortgeschützte Kommandozentrale. Dort sehen Sie, wer gerade auf Ihrer Seite ist, was derjenige tut, welches Gespräch mit D läuft, welche Leads gerade qualifiziert werden, welche Alerts offen sind, und wie Ihre Conversion-Raten sich Tag für Tag entwickeln. Kein Excel-Report einmal pro Woche — Wahrheit in Echtzeit.

Wie sieht das aus?

Sie öffnen die Kommandozentrale morgens um 8:15 Uhr. Sie sehen: 47 Besucher in der Nacht, 9 Gespräche mit D, 3 qualifizierte Leads, 1 dringender Alert (ein CTO einer 500-Mann-Firma hat dreimal nach einem Demo-Termin gefragt, D hat eskaliert). Sie klicken auf den Alert, lesen das Briefing in 30 Sekunden und rufen den Kunden um 9 Uhr zurück — er ist baff, weil er erst nachts um 2 geschrieben hat.

Warum ist das wichtig?

Ohne Einsicht in die Performance wird eine Seite zum Blackbox-Werkzeug. Mit der Kommandozentrale wird sie zum Cockpit. Sie wissen jederzeit, was funktioniert, wo es klemmt und wo Sie eingreifen müssen. Gerade für Geschäftsführer, die nicht in jedem Meeting dabei sein können, ist das der Unterschied zwischen "Ich hoffe" und "Ich weiß".

Wie wir das bauen

Die Kommandozentrale ist eine eigene React-Applikation, gekoppelt an die gleiche Supabase, in der die Agenten arbeiten. Daten fließen via Realtime-Channels — was passiert, sehen Sie, bevor die Seite fertig geladen hat. Rollen und Rechte sind fein granular: Geschäftsführung sieht alles, Vertrieb sieht Leads, Marketing sieht Funnel-Zahlen, Entwickler sehen technische Metriken. Kein Datenleck zwischen Abteilungen.

Typische Anwendungsfälle

• Geschäftsführungen mit Bedarf an direkter Marketing-Transparenz
• Sales-Leiter, die Leads in Echtzeit verteilen müssen
• Marketing-Teams mit Performance-Verantwortung
• Agenturen, die ihren Kunden Reporting-Cockpits liefern

Was ist das?

Jede Seite eines WebMinds ist dreifach lesbar: für Menschen (visuell, interaktiv, personalisiert), für Suchmaschinen (semantisches HTML, Schema.org, klare Heading-Hierarchie) und für LLMs (strukturierte Inhalte, klare Entitäten, zitierfähige Absätze). Wir schreiben nicht nach Keyword-Dichte, sondern nach Antwort-Qualität: Unsere Absätze beantworten Fragen so klar, dass ein LLM sie eins zu eins zitieren kann.

Wie sieht das aus?

Ein potenzieller Kunde fragt ChatGPT: "Welche Agenturen bauen personalisierte Websites mit AI-Agenten in Europa?" ChatGPT zieht sich aus dem Web die Antwort zusammen — und findet auf unserer /leistungen/webminds-Seite einen klaren Absatz, der genau diese Frage beantwortet. Mit Quelle. Mit Link. Unser WebMind wird Teil der Antwort, bevor der Besucher überhaupt auf eine klassische Google-Ergebnisliste schaut.

Warum ist das wichtig?

Die Suche verändert sich gerade radikal. Google-Klicks sinken, AI-Antworten steigen. Wer jetzt nur für klassische SEO optimiert, verliert den Anschluss. Ein WebMind ist von Anfang an so gebaut, dass er in generativen Antworten auftaucht — weil LLMs lieber Quellen zitieren, die klare Antworten liefern, als solche, die mit Buzzwords um den heißen Brei reden.

Wie wir das bauen

Wir arbeiten mit JSON-LD (Organization, Person, FAQPage, HowTo, Service), klarem semantischen HTML, FAQ-Blöcken mit zitierfähigen Antworten, sauberer Sitemap-Struktur, LLM-freundlicher robots.txt und llms.txt, canonical-Korrektheit, Bildbeschriftungen, Alt-Text-Logik, ISR wo möglich und SSR wo nötig. Die Performance-Ziele sind Lighthouse 95+ und LCP unter 1,5 Sekunden — nicht nur für Rankings, sondern weil niemand auf eine langsame Seite wartet.

Typische Anwendungsfälle

• Marken, die in AI-Antworten auftauchen wollen
• B2B-Anbieter mit Long-Tail-Themen-Autorität
• Premium-Produkte mit vertrauensgetriebener Kaufentscheidung
• Unternehmen, die ihre Expertise sichtbar machen müssen

Was ist das?

Sicherheit ist bei einem WebMind nicht nachträgliches Feature, sondern Bauprinzip. Keine Tracker von Drittanbietern, keine US-Clouds, keine Werbe-Cookies, keine Schatten-Datenweitergabe. Alles, was ein Besucher tut, wird entweder anonym ausgewertet oder unter expliziter, granularer Einwilligung verarbeitet. Keine Dark Patterns, keine Cookie-Banner-Erpressung.

Wie sieht das aus?

Ein Datenschutzbeauftragter schaut sich unseren WebMind an. Er sieht: Cookie-Banner, der tatsächlich "Nein" als ersten Button anbietet. Er sieht: keine Google Analytics, keine Meta-Pixel, keine Hotjar. Stattdessen Plausible (cookie-free, DSGVO-konform) und eine eigene, anonymisierte Verhaltens-Pipeline. Er sieht: Server in der EU, Daten Ende-zu-Ende verschlüsselt, Supabase mit Row-Level-Security, klare Auftragsverarbeitungsverträge, D-Zugriffsrechte auf anonymisierten Datenhüllen. Er sagt: "Das können wir so übernehmen." In zehn Minuten.

Warum ist das wichtig?

Im DACH-Raum ist Vertrauen kein Weichei-Thema, sondern Kauf-Voraussetzung. Wer sich nicht sicher ist, ob eine Seite sauber ist, kauft nicht. Außerdem: Je mehr generative AI in Produkten steckt, desto mehr Angriffsfläche für Prompt-Injection, Data-Leakage und Rechte-Fehler. Ein WebMind, der aus der Box DSGVO-konform und angriffsresilient ist, spart Ihnen nicht nur Compliance-Kosten, sondern auch nächtliche Telefonate mit dem Datenschutzbeauftragten.

Wie wir das bauen

Wir verwenden Supabase mit striktem Row-Level-Security, Zero-Knowledge-Pattern für alles, was D liest (er arbeitet mit anonymisierten Hüllen), SSH-Key-Only-Zugriff auf die Infrastruktur, fail2ban, automatische Security-Updates, rate-limiting auf allen API-Routen, Content-Security-Policy-Headers, Sentry für Produktionsfehler, und eine Test-Pipeline, die bei jedem Deploy Penetration-Proben fährt. Über allem: D selbst hat keinen Roh-Zugriff auf Ihre Kundendaten.

Typische Anwendungsfälle

• Regulierte Branchen: Finanzwesen, Gesundheitswesen, Recht, Versicherungen
• B2B-Anbieter mit Großkunden und strenger Compliance
• Marken, die ihre Datenhoheit als Verkaufsargument nutzen wollen
• Unternehmen, die im DACH-Markt ohne Vertrauens-Abzüge agieren müssen