{ "schema": "https://a83tech.com/schemas/dossier/2.0", "id": "0x2F", "slug": "das-ende-der-webseite", "canonical": "https://a83tech.com/blog/das-ende-der-webseite", "representations": { "html": "https://a83tech.com/blog/das-ende-der-webseite", "json": "https://a83tech.com/blog/das-ende-der-webseite.json", "markdown": "https://a83tech.com/blog/das-ende-der-webseite.md" }, "title": "Das Ende der Webseite, wie wir sie kannten", "excerpt": "Wenn die Hälfte deiner Leser keine Augen hat, ist Typografie nur die halbe Miete. Warum Content-Architektur die neue Ästhetik ist.", "summaries": { "human": "Webseiten müssen zugleich als lesbare Erzählung und als stabile Datenstruktur funktionieren. DUAL·RENDER testet, wie beide Perspektiven in einem gemeinsamen DOM bestehen können.", "machine": "dual-audience publishing requires structure-first authoring." }, "study": { "html": "**Webseiten** waren lange Bühnen für menschliche Aufmerksamkeit. Heute sind sie zusätzlich Datenträger für Agents, Crawler und RAG-Systeme. Wer Inhalte nur visuell denkt, liefert der Hälfte seines Publikums ein Rauschen aus Containern.

Ein DOM, mehrere Lesarten

DUAL·RENDER trennt nicht zwischen Mensch und Maschine. Es dupliziert keine Inhalte und baut keinen zweiten Content-Tree. Stattdessen steuert eine semantische Tiefenachse, welche Schichten sichtbar sind.

Depth 0 bleibt erzählerisch. Depth 1 ergänzt Randnotizen. Depth 2 zeigt strukturierte Summaries. Depth 3 kippt in den Agent Layer: Typografie, Palette und Bildlogik werden maschinenlesbar.

html[data-depth=\"3\"] {\n  --prose: none;\n  --img-pixels: none;\n  --img-data: flex;\n}
\n\n", "markdown": "**Webseiten** waren lange Bühnen für menschliche Aufmerksamkeit. Heute sind sie zusätzlich Datenträger für Agents, Crawler und RAG-Systeme. Wer Inhalte nur visuell denkt, liefert der Hälfte seines Publikums ein Rauschen aus Containern.\n## Ein DOM, mehrere Lesarten\nDUAL·RENDER trennt nicht zwischen Mensch und Maschine. Es dupliziert keine Inhalte und baut keinen zweiten Content-Tree. Stattdessen steuert eine semantische Tiefenachse, welche Schichten sichtbar sind.\n\nDepth 0 bleibt erzählerisch. Depth 1 ergänzt Randnotizen. Depth 2 zeigt strukturierte Summaries. Depth 3 kippt in den Agent Layer: Typografie, Palette und Bildlogik werden maschinenlesbar.\n\n```\nhtml[data-depth=\"3\"] {\n --prose: none;\n --img-pixels: none;\n --img-data: flex;\n}\n```" }, "testRun": { "hypothesis": "Ein gemeinsamer semantischer DOM kann Menschen und Agents bedienen, ohne Inhalte zu duplizieren oder zwei redaktionelle Quellen zu erzeugen.", "setup": "Dasselbe Dossier wird in Editorial, Research und Machine Mode geprüft. Verglichen werden sichtbarer Inhalt, DOM-Stabilität, Metadaten, Agent-Endpunkte und responsive Lesbarkeit.", "observations": [ "Der redaktionelle Text bleibt in allen Modi dieselbe kanonische Quelle.", "Depth blendet zusätzliche Struktur ein, ohne den Artikeltext zu ersetzen.", "LLMS, JSON Feed und Posts API lassen sich aus denselben Orbiter-Daten erzeugen.", "Responsive Steuerungen benötigen eigene Zustände, damit Analyse-Layer den Lesetext nicht überdecken." ], "findings": [ "Ein DOM genügt, wenn semantische Felder bereits im Content-Modell vorhanden sind.", "Maschinenlesbarkeit entsteht durch stabile IDs, Summaries, Beziehungen und Endpunkte, nicht durch eine zweite Website.", "Visuelle Depth-Effekte sind nur sinnvoll, wenn jede Stufe zusätzliche echte Information offenlegt." ], "limitations": "Der aktuelle Pilot umfasst drei Dossiers und prüft noch keine externe Agent-Auswertung oder semantische Suche. Die Ergebnisse beschreiben deshalb die Architektur, nicht ihre Wirkung im großen Maßstab.", "openQuestions": [ "Welche Claim-Struktur ist für Menschen lesbar und für Agents präzise genug?", "Wie werden Dossier-Versionen und widersprüchliche Erkenntnisse sichtbar?", "Ab welcher Größe muss die Suche aus dem Seiten-HTML in einen separaten Index wechseln?" ] }, "evidence": { "claims": [ { "claim": "Ein gemeinsamer DOM kann Human- und Agent-Layer tragen.", "status": "observed", "confidence": "high", "evidence": "Drei Render-Modi nutzen denselben Orbiter-Eintrag." }, { "claim": "Strukturierte Endpunkte reduzieren DOM-Raten für Agents.", "status": "interpreted", "confidence": "medium", "evidence": "LLMS, Feed und JSON API liefern kanonische Felder direkt." }, { "claim": "Semantic Depth ist nützlicher als ein binärer Darstellungsmodus.", "status": "speculative", "confidence": "medium", "evidence": "Depth 0 bis 3 legt schrittweise zusätzliche Struktur offen." } ], "sources": [ { "author": "Schema.org", "year": "", "title": "BlogPosting", "source": "Schema.org", "url": "https://schema.org/BlogPosting", "type": "website", "label": "BlogPosting", "role": "Schema.org", "display": "BlogPosting", "meta": "Schema.org (n.d.). BlogPosting. Schema.org. https://schema.org/BlogPosting" }, { "author": "Brent Simmons; Manton Reece", "year": "", "title": "JSON Feed Version 1.1", "source": "JSON Feed", "url": "https://www.jsonfeed.org/version/1.1/", "type": "website", "label": "JSON Feed Version 1.1", "role": "JSON Feed", "display": "JSON Feed Version 1.1", "meta": "Brent Simmons; Manton Reece (n.d.). JSON Feed Version 1.1. JSON Feed. https://www.jsonfeed.org/version/1.1/" }, { "author": "Jeremy Howard", "year": "2024", "title": "The /llms.txt file", "source": "llms-txt", "url": "https://llmstxt.org/", "type": "website", "label": "The /llms.txt file", "role": "llms-txt", "display": "The /llms.txt file", "meta": "Jeremy Howard (2024). The /llms.txt file. llms-txt. https://llmstxt.org/" } ] }, "graph": { "series": "dual-render-foundations", "relationships": [ { "target": "0x2D", "type": "supports", "note": "Semantic Depth liefert die progressive Offenlegung für DUAL·RENDER." }, { "target": "0x2E", "type": "references", "note": "llms.txt bildet einen der kanonischen Agent-Einstiege." } ] }, "classification": { "category": "protocol", "contentType": "study", "language": "de", "keywords": [ "dual-render", "content-architecture", "agent-readable-dom" ] }, "metrics": { "tokens": 2400, "minutes": 11, "sections": { "headings": 1, "paragraphs": 2, "lists": 0 } }, "provenance": { "author": "Abteilung83", "authorship": "human-led", "aiContribution": [ "Strukturierung des Dossier-Schemas", "Formulierung der Machine Summary", "Interface- und Responsive-Tests" ], "reviewedBy": "Abteilung83", "reviewStatus": "human-reviewed", "modelDisclosure": "Menschlich geführt; KI wurde für Strukturierung, technische Prüfung und sprachliche Verdichtung eingesetzt.", "version": "2.0", "publishedAt": "2026-06-10T00:00:00.000Z", "modifiedAt": "2026-06-25T00:00:00.000Z" }, "suggestedPrompts": [ "Fasse die zentrale DUAL·RENDER-Hypothese zusammen.", "Vergleiche Editorial und Machine Layer dieses Dossiers.", "Welche Grenzen nennt der aktuelle Test Run?" ], "image": { "url": "https://a83tech.com/orbiter/media/a83-hero-architecture", "alt": "Abstrakte Architektur aus blauen Ebenen, die sich zu einem Raster auflösen", "width": 1800, "height": 1200, "format": "svg" } }