Ich nutze verschiedene KI-Systeme in meinem Alltag und möchte, dass diese auf die Inhalte meiner eigenen Blogposts und Notizen zugreifen können. So könnten mir die KI-Tools Antworten liefern, die meine persönlichen Inhalte berücksichtigen, oder mir dabei helfen, neue Beiträge in Abstimmung mit meinen bisherigen Artikeln zu verfassen. Kurz gesagt: Meine KI-Assistenten sollen meine digital gesammelten Gedanken mit einbeziehen können.
Ich habe zwei Ansätze ausprobiert:
- Variante 1: Export aller Blogbeiträge in einen Google-Drive-Ordner, den KI-Systeme durchsuchen können (viele KI-Tools bieten an, einen Google-Drive-Folder als Wissensbasis zu verbinden).
- Variante 2: Die WordPress-Instanz selbst als MCP-Server betreiben, sodass KI-Systeme über ein standardisiertes Protokoll direkt auf WordPress zugreifen können.
Variante 1: Blogposts in Google Drive exportieren
Der naheliegendste Weg war zunächst, alle bestehenden Blogposts als Dateien in Google Drive abzulegen. Viele KI-Anwendungen erlauben es, einen Google-Drive-Ordner anzubinden und dessen Inhalt zu durchsuchen. Dadurch könnten meine Blogbeiträge von der KI indexiert und bei Bedarf zitiert oder zusammengefasst werden – ohne dass ich sie manuell in jedes KI-Tool kopieren oder ein eigenes RAG-System aufbauen muss.
Umsetzung
Ich habe hierfür auf bestehende Tools zurückgegriffen. So habe ich Docswrite ausprobiert, ein Tool, das eigentlich dafür gedacht ist, Inhalte von Google Docs nach WordPress zu exportieren, um mühsames Copy-Paste zu sparen. Die Software bietet aber auch den umgekehrten Weg an: Bestehende Blogbeiträge im Google Docs Format in einen Google Drive Folder zu exportieren. Das funktioniert eigentlich sehr gut. Die aktuelle Version exportiert allerdings keine Metadaten, wie das Publikationsdatum, Tags, oder die URL in das Dokument. Der Entwickler will das System in den nächsten Tagen entsprechend erweitern. Wer mit Google Docs arbeiten möchte, ist mit dieser Lösung sicher nicht schlecht bedient, auch wenn sie ihren Preis hat.
Der Nachteil der Google Docs Lösung ist, dass die Inhalte in einem proprietären Format gespeichert werden. Besser wäre es, wenn ich die Beiträge im Markdown-Format exportieren und so im Google Drive ablegen könnte. Damit bin ich für spätere Anwendungen und allfällige Wechsel des Speicherortes besser aufgestellt. Diese Dokumente können zwar nicht ohne Konversion in Google Docs bearbeitet werden, was aber für meinen Read-Only-Fall keine Rolle spielt.
An dieser Stelle erwies sich das Open-Source-Skript wordpress-export-to-markdown als ideale Lösung. Dieses Skript konvertiert eine WordPress-Exportdatei (XML) in einzelne Markdown-Dateien – jeder Blogpost als separate .md Datei mit Frontmatter-Metadaten. Praktischerweise werden dabei auch Bilder heruntergeladen und Pfade angepasst, und man kann per Kommandozeilen-Optionen konfigurieren, ob z.B. jeder Post in einen eigenen Ordner soll, ob das Datum im Dateinamen vorangestellt wird etc. Das Tool führt dich interaktiv durch die Optionen oder nimmt Parameter direkt entgegen. Nach dem Export hatte ich sämtliche Beiträge als Markdown vorliegen.
Anschliessend habe ich diese Markdown-Dateien in einen dedizierten Ordner auf Google Drive hochgeladen. Nun konnte ich in meinen KI-Tools einfach diesen Ordner als Wissensquelle verbinden. Die KI kann darin per Volltextsuche relevante Passagen finden, wenn ich Fragen zu meinen früheren Themen stelle.
Natürlich ist es dann sinnvoll, dass zukünftig neue Blogposts ebenfalls automatisch ihren Weg in diesen Google-Drive-Ordner finden. Hierfür liesse sich z.B. mit Zapier, Make, n8n oder relay.app ein kleiner Workflow einrichten: Immer wenn in WordPress ein neuer Beitrag veröffentlicht wird (Trigger), wird der Inhalt ins Markdown-Format konvertiert und als neue Datei in Google Drive abgelegt (Aktion). Solche Integrationen sind relativ simpel aufzusetzen, da sowohl WordPress als auch Google Drive von den meisten Workflow-Tools unterstützt werden. Auf diese Weise bleibt der KI-Ordner stets aktuell. Ich habe es in meinem Fall mit Zapier so umgesetzt.
Erste Erfahrungen
Diese Export-Methode ist unkompliziert und schnell umzusetzen. Die KI-Systeme haben nun Zugriff auf meine Inhalte, allerdings nur lesend. Sie können die Beiträge durchsuchen und referenzieren, aber natürlich keine Änderungen vornehmen oder interaktiv mit meinem Blog kommunizieren. Für mein primäres Ziel – Bereitstellung der Blogposts für KI-Recherchen – genügt das völlig. Die Lösung ist quasi ein statischer Knowledge-Base-Ansatz: Meine Inhalte liegen in einem für KI leicht durchsuchbaren und zukunftssicheren Format (Markdown/Text) vor, und ich muss nicht viel herumbasteln, da existierende Tools (Drive-Suche) genutzt werden.
Variante 2: WordPress als MCP-Server einsetzen
Parallel dazu habe ich eine deutlich technischere Lösung untersucht, die aber langfristig sehr spannend ist: WordPress direkt an KI-Systeme anbinden über das Model Context Protocol (MCP).
Was ist MCP?
Das Model Context Protocol (MCP) ist ein offener Standard, der Ende 2024 von Anthropic (den Entwicklern hinter Claude) vorgestellt wurde. Vereinfacht gesagt standardisiert MCP die bidirektionale Kommunikation zwischen KI-Assistenten und externen Tools bzw. Datenquellen. Man kann sich MCP als eine Art universelle Schnittstelle vorstellen – «ein USB-C-Port für KI-Applikationen», wie es oft beschrieben wird. Über diese Schnittstelle können KI-Modelle Kontext abrufen (z.B. Inhalte aus Datenbanken, Websites, CRM-Systemen etc.) und auch Aktionen ausführen (z.B. Datensätze aktualisieren, eine E-Mail schicken, einen neuen Post veröffentlichen) – und das alles über ein einheitliches Protokoll, anstatt für jede Anwendung eine proprietäre API-Integration zu benötigen.
Im Grunde ist MCP die offene Standard-Variante von dem, was bei ChatGPT als Function Calling eingeführt wurde, nur eben anbieterübergreifend und erweiterbar. Statt nur innerhalb der OpenAI-Welt zu funktionieren, kann MCP von jedem implementiert werden – und tatsächlich haben Firmen wie OpenAI (für ChatGPT) und andere Plattformen angekündigt oder bereits damit begonnen, MCP zu unterstützen. Das heisst, es deutet sich an, dass wir künftig KI-Assistenten haben, die über MCP auf WordPress und andere Anwendungen mit API jederzeit zugreifen können. Ich gehe davon aus, dass in Zukunft jede Software einen Remote MCP-Server zur Verfügung stellt.
WordPress MCP-Plugin
Für WordPress gibt es viele unabhängige und ein offizielles MCP-Plugin von Automattic (dem Unternehmen hinter WordPress.com), das WordPress zum MCP-Server macht. Es implementiert den MCP-Standard und stellt WordPress-Funktionen über eine standardisierte, AI-freundliche Schnittstelle bereit, sodass KI-Modelle strukturiert und sicher mit der Website interagieren können.
Nach Aktivierung des Plugins registriert WordPress die verfügbaren Tools und Ressources – z.B. könnte es Fähigkeiten geben wie «Liste Posts auf», «Lies Inhalt eines Posts», «Erstelle neuen Post», «Bearbeite Kommentar» u.v.m. Der KI-Assistent, der sich verbindet, kann diese verfügbaren Funktionen zunächst abfragen (MCP definiert dafür ein Manifest, das alle angebotenen Aktionen beschreibt). Anschliessend kann die KI auf Zuruf diese Aktionen ausführen, natürlich immer vermittelt durch das Protokoll und nur im Rahmen der Berechtigungen. Ein Anwendungsfall wäre: Ich bitte meinen KI-Assistenten, einen neuen Blogpost zu veröffentlichen – die KI nutzt MCP, um den Entwurf direkt in meinem WordPress als neuen Beitrag anzulegen (inklusive Titel, Inhalt, Kategorien etc.). Oder umgekehrt: Ich stelle der KI eine Frage zu einem früheren Artikel, und die KI holt sich live den Inhalt dieses Artikels vom MCP-Server (meiner WP-Seite), anstatt auf veraltetes Trainingswissen zurückzufallen.
In der Praxis ist das Ganze ehrlich gesagt noch sehr holprig. Ich habe es nicht geschafft über Claude AI mit einer der Plugin-Lösungen direkt auf meine WordPress-Server zuzugreifen. Mit dem MCP-Server von InstaWP, der lokal ausgeführt und mit Claude Desktop verbunden wird hat es problemlos funktioniert. Danach konnte Claude tatsächlich auf meine WordPress-Inhalte zugreifen. Beispielsweise liess sich eine Liste meiner letzten Posts abrufen und auch der Inhalt einzelner Beiträge einsehen, alles gesteuert durch natürliche Sprache in der Anfrage. Es war beeindruckend zu sehen, wie der KI-Assistent «weiss», was für Tools mein WordPress anbietet, und sie bei Bedarf verwendet.
Allerdings ist diese Lösung derzeit noch etwas experimentell. Die meisten gängigen KI-Systeme haben Stand heute keine einfache Oberfläche, um einen beliebigen MCP-Server anzubinden. Entweder braucht es Entwickler-Kenntnisse oder spezielle AI-Clients wie eben Claude Desktop. Doch die Entwicklung geht schnell voran: Neben Automattics Plugin gibt es eine offizielle Initiative im WordPress-Kernteam (WP AI Working Group), um MCP-Unterstützung als festen Bestandteil vorzubereiten. WordPress soll langfristig nativ als MCP-Server (und sogar MCP-Client) fungieren, sodass z.B. ein KI-Plugin im WordPress Core landen könnte, mit dem man seine Seite für AI-Assistenten freischaltet. Das bestätigt meine Vermutung, dass MCP in absehbarer Zeit zum WordPress-Standard gehören wird.
Weitere getestete Integrationen
Im Zuge meiner Experimente habe ich mir auch andere verfügbare Integrationen angeschaut, um das Bild abzurunden:
- AI Engine (Meow Apps Plugin): Dieses WordPress-Plugin verfolgt einen etwas anderen Ansatz. Es bringt KI-Funktionen direkt auf die Website – z.B. einen GPT-basierten Chatbot für Besucher, Content-Generatoren etc. Besonders interessant: AI Engine kann den Inhalt der Website indexieren und Vektorembeddings erstellen, sodass der eingebaute Chatbot Fragen mit Wissen aus den Blogposts beantworten kann. Ich habe das getestet; es funktioniert gut, um auf der eigenen Seite einen KI-Assistenten anzubieten, der die Beiträge kennt. Diese Embeddings werden bei Pinecone gespeichert und können im Prinzip auch von anderen Systemen genutzt bzw. durchsucht werden. Allerdings ist das meistens nicht ohne zusätzlichen Aufwand möglich. AI Engine bietet auch eine MCP-Server-Funktion an. In der Dokumentation wird allerdings darauf hingewiesen, dass das nicht zuverlässig funktioniert, darum habe ich da nicht weiter getestet.
- Zapier MCP: Der Automatisierungsdienst Zapier hat MCP-Unterstützung angekündigt und in Beta verfügbar. Zapier MCP fungiert als Brücke zwischen KI und über 8.000 Apps / Integrationen. Ein KI-Agent, der Zapier MCP nutzt, könnte theoretisch auf alle Zapier-Aktionen zugreifen – z.B. auch auf WordPress (Zapier bietet ja ein WordPress-Plugin) sowie Google Drive, Slack, E-Mail und Tausende weitere Dienste. Für meinen Anwendungsfall hiesse das: Die KI könnte über Zapier ebenfalls Blogposts abrufen oder neue anlegen, indem im Hintergrund die Zapier-WordPress-Integration genutzt wird. Ich habe mir das Konzept angesehen; es ist mächtig, aber hat den Nachteil, dass man einen Drittanbieterdienst dazwischenschaltet. Immerhin ist Zapier MCP aktuell kostenlos bis 300 Aufrufe pro Monat, aber die Abhängigkeit von Zapier und den potenziellen Limits/Datenschutz-Implikationen muss man bedenken. Bei den Tests hat die Verbindung auch nicht wirklich stabil funktioniert und die Suche wurde mehrmals mit einer Fehlermeldung abgebrochen.
- Make MCP: Ähnlich wie Zapier bietet auch Make (vormals Integromat) einen MCP-Server als Cloud-Service an. Man kann bei Make bestehende Automatisierungs-Szenarien einfach als MCP-«Tools» veröffentlichen. Eine KI könnte dann direkt meine Make-Szenarien anstossen, z.B. ein Szenario, das einen neuen WordPress-Post erstellt oder Inhalte ausliest. Make preist das als «no-code Weg, AI Agents ein Werkzeug-Set zu geben» an. Der Make MCP-Server erkennt automatisch die Inputs/Outputs der definierten Workflows und stellt diese der KI zur Verfügung. In wenigen Minuten hatte ich testweise eine Verbindung, bei der Claude theoretisch ein Make-Szenario hätte auslösen können, das auf WordPress zugreift. Letztlich ist es aber ebenfalls eine zusätzliche Schicht (und wieder ein externer Dienst). Für den produktiven Einsatz fand ich das im Vergleich zum direkten WordPress-MCP weniger elegant.
Fazit und Ausblick
Mein Fazit: Beide Ansätze – Export nach Google Drive und MCP-Server – haben ihre Berechtigung, aber in unterschiedlichen Zeithorizonten. Aktuell ist der Export in Google Drive die pragmatischere Lösung. Sie funktioniert sofort mit den bestehenden KI-Tools, erfordert kaum technischen Aufwand und nutzt etablierte Mechanismen. Meine KI-Assistenten können nun meine gesammelten Artikel durchsuchen, Zitate daraus verwenden oder Zusammenfassungen liefern, was mir bereits echten Mehrwert bringt. Diese Lösung ist simpel, aber effektiv, solange es primär um Lesezugriff auf meine Inhalte geht.
Der MCP-Ansatz hingegen ist zukunftsweisend. MCP bietet das Potenzial, KI wirklich zum aktiven Helfer zu machen – von automatisierten Recherchen über Workflow-Automatisierung bis hin zu dialogischem Bloggen («KI, erstelle mir einen neuen Post über Thema X und publiziere ihn als Entwurf»). Die Tatsache, dass WordPress via offizieller Stellen an MCP arbeitet, deutet darauf hin, dass dieser Standard langfristig Einzug halten wird. Sobald die grossen KI-Plattformen MCP breit unterstützen und die Einrichtung nutzerfreundlicher wird, werde ich wohl auf MCP umsteigen. Dann bräuchte ich keine redundanten Exporte mehr; die KI könnte immer live auf die aktuellen Daten zugreifen und sogar mit meinem Blog interagieren.
Im Moment bleibt MCP noch etwas für Early Adopter und Tüftler, doch die Entwicklung schreitet schnell voran. Ich gehe davon aus, dass MCP in ein bis zwei Jahren so alltäglich für KI-Integrationen sein wird wie heute eine REST-API. Bis es soweit ist, fahre ich zweigleisig: Meine bestehenden Inhalte liegen der KI via Google Drive vor, und parallel experimentiere ich weiter mit MCP.
