🛠 So funktioniert's
- Klicken Sie auf Ausprobieren!, um den Google AI Overview Scraper & Tracker zu öffnen.
- Geben Sie die Schlüsselwörter oder Suchanfragen, die Sie überwachen möchten, zeilenweise ein.
- Wählen Sie die Sprache und Region für Ihren Zielmarkt.
- Klicken Sie auf Start und wählen Sie einen Ausführungsmodus. Octoparse führt jede Suche aus und sammelt verfügbare AI-Übersichtsinhalte, Zitate und organische Ergebnisse.
- Exportieren Sie die Daten zur Analyse und Berichterstattung nach Excel, CSV oder JSON.
💡 Tipps
- Verwenden Sie geplante Cloud-Ausführungen, um einen historischen Datensatz zur Verfolgung von Google AI-Übersichten zu erstellen.
- Führen Sie kleinere Batches aus, wenn Sie ein neues Schlüsselwort-Set oder eine neue Zielregion testen.
- Kombinieren Sie es mit anderen GEO-Tracking-Vorlagen, wie dem Google AI Mode Scraper und dem ChatGPT AI Response Scraper, um einen Gesamtüberblick über die KI-Sichtbarkeit Ihrer Marke zu erhalten.
Datenvorschau
Suchanfrage | Region | KI-Antwort | Index_Total | Titel | Titel_URL | Beschreibung | Website_Name |
wie man einen Crawler erstellt | US | Um einen einfachen Web-Crawler zu erstellen, benötigen Sie eine URL-Warteschlange, ein Set für besuchte Links und ein Skript zum Abrufen und Parsen von Seiten. Verwenden Sie Python mit der Bibliothek, um Seiten herunterzuladen und neue Links zu finden. Wichtige Schritte zum Codieren eines Crawlers: Seed-URLs definieren: Wählen Sie die ersten Webseiten aus, auf denen Ihr Crawler starten soll. Warteschlangen und Sets verwalten: Führen Sie eine Warteschlange mit URLs, die als Nächstes besucht werden sollen, und ein separates Set bereits besuchter Links, damit Sie Seiten nicht wiederholen oder unendlich loopen. Inhalt abrufen: Senden Sie eine HTTP-GET-Anfrage, um den rohen HTML-Code der aktuellen Webseite herunterzuladen. Nach Links und Daten parsen: Lesen Sie den HTML-Code, um den benötigten Text zu extrahieren und alle Tags mit neuen Hyperlinks zu finden. Seien Sie höflich: Fügen Sie eine kurze Zeitverzögerung (Sleep) zwischen den Anfragen ein und überprüfen Sie die Datei der Website, um den Zielserver nicht zu überlasten. Wenn Sie möchten, lassen Sie mich wissen: Versuchen Sie, einen Software-Web-Crawler oder ein RC-Rock-Crawler-Fahrzeug zu bauen? Welche Programmiersprache oder welchen Maßstab möchten Sie verwenden? Ich kann Ihnen genaueren Code oder Teilelisten geben. | 5 | Crawler-Architektur - Stanford NLP... | https://nlp.stanford.edu/IR-book/html/htmledition/crawler-architecture-1.html | Stanford NLP Group | |
wie man einen Crawler erstellt | US | Um einen einfachen Web-Crawler zu erstellen, benötigen Sie eine URL-Warteschlange, ein Set für besuchte Links und ein Skript zum Abrufen und Parsen von Seiten. Verwenden Sie Python mit der Bibliothek, um Seiten herunterzuladen und neue Links zu finden. Wichtige Schritte zum Codieren eines Crawlers: Seed-URLs definieren: Wählen Sie die ersten Webseiten aus, auf denen Ihr Crawler starten soll. Warteschlangen und Sets verwalten: Führen Sie eine Warteschlange mit URLs, die als Nächstes besucht werden sollen, und ein separates Set bereits besuchter Links, damit Sie Seiten nicht wiederholen oder unendlich loopen. Inhalt abrufen: Senden Sie eine HTTP-GET-Anfrage, um den rohen HTML-Code der aktuellen Webseite herunterzuladen. Nach Links und Daten parsen: Lesen Sie den HTML-Code, um den benötigten Text zu extrahieren und alle Tags mit neuen Hyperlinks zu finden. Seien Sie höflich: Fügen Sie eine kurze Zeitverzögerung (Sleep) zwischen den Anfragen ein und überprüfen Sie die Datei der Website, um den Zielserver nicht zu überlasten. Wenn Sie möchten, lassen Sie mich wissen: Versuchen Sie, einen Software-Web-Crawler oder ein RC-Rock-Crawler-Fahrzeug zu bauen? Welche Programmiersprache oder welchen Maßstab möchten Sie verwenden? Ich kann Ihnen genaueren Code oder Teilelisten geben. | 5 | Von 0 auf 1: wie man einen Web... | https://medium.com/@lena.li25/from-0-to-1-how-to-build-a-web-crawler-from-scratch-by-python-part-i-1deb4c39f832 | Medium | |
wie man einen Crawler erstellt | US | Um einen einfachen Web-Crawler zu erstellen, benötigen Sie eine URL-Warteschlange, ein Set für besuchte Links und ein Skript zum Abrufen und Parsen von Seiten. Verwenden Sie Python mit der Bibliothek, um Seiten herunterzuladen und neue Links zu finden. Wichtige Schritte zum Codieren eines Crawlers: Seed-URLs definieren: Wählen Sie die ersten Webseiten aus, auf denen Ihr Crawler starten soll. Warteschlangen und Sets verwalten: Führen Sie eine Warteschlange mit URLs, die als Nächstes besucht werden sollen, und ein separates Set bereits besuchter Links, damit Sie Seiten nicht wiederholen oder unendlich loopen. Inhalt abrufen: Senden Sie eine HTTP-GET-Anfrage, um den rohen HTML-Code der aktuellen Webseite herunterzuladen. Nach Links und Daten parsen: Lesen Sie den HTML-Code, um den benötigten Text zu extrahieren und alle Tags mit neuen Hyperlinks zu finden. Seien Sie höflich: Fügen Sie eine kurze Zeitverzögerung (Sleep) zwischen den Anfragen ein und überprüfen Sie die Datei der Website, um den Zielserver nicht zu überlasten. Wenn Sie möchten, lassen Sie mich wissen: Versuchen Sie, einen Software-Web-Crawler oder ein RC-Rock-Crawler-Fahrzeug zu bauen? Welche Programmiersprache oder welchen Maßstab möchten Sie verwenden? Ich kann Ihnen genaueren Code oder Teilelisten geben. | 5 | Wie man einen Web-Crawler von... | https://iproyal.com/blog/how-to-build-a-web-crawler/ | IPRoyal.com | |
wie man einen Crawler erstellt | US | Um einen einfachen Web-Crawler zu erstellen, benötigen Sie eine URL-Warteschlange, ein Set für besuchte Links und ein Skript zum Abrufen und Parsen von Seiten. Verwenden Sie Python mit der Bibliothek, um Seiten herunterzuladen und neue Links zu finden. Wichtige Schritte zum Codieren eines Crawlers: Seed-URLs definieren: Wählen Sie die ersten Webseiten aus, auf denen Ihr Crawler starten soll. Warteschlangen und Sets verwalten: Führen Sie eine Warteschlange mit URLs, die als Nächstes besucht werden sollen, und ein separates Set bereits besuchter Links, damit Sie Seiten nicht wiederholen oder unendlich loopen. Inhalt abrufen: Senden Sie eine HTTP-GET-Anfrage, um den rohen HTML-Code der aktuellen Webseite herunterzuladen. Nach Links und Daten parsen: Lesen Sie den HTML-Code, um den benötigten Text zu extrahieren und alle Tags mit neuen Hyperlinks zu finden. Seien Sie höflich: Fügen Sie eine kurze Zeitverzögerung (Sleep) zwischen den Anfragen ein und überprüfen Sie die Datei der Website, um den Zielserver nicht zu überlasten. Wenn Sie möchten, lassen Sie mich wissen: Versuchen Sie, einen Software-Web-Crawler oder ein RC-Rock-Crawler-Fahrzeug zu bauen? Welche Programmiersprache oder welchen Maßstab möchten Sie verwenden? Ich kann Ihnen genaueren Code oder Teilelisten geben. | 5 | 3 einfache Methoden, einen Web-Crawler zu erstellen... | https://www.octoparse.com/blog/how-to-build-a-web-crawler-from-scratch-a-guide-for-beginners | Octoparse | |
wie man einen Crawler erstellt | US | Um einen einfachen Web-Crawler zu erstellen, benötigen Sie eine URL-Warteschlange, ein Set für besuchte Links und ein Skript zum Abrufen und Parsen von Seiten. Verwenden Sie Python mit der Bibliothek, um Seiten herunterzuladen und neue Links zu finden. Wichtige Schritte zum Codieren eines Crawlers: Seed-URLs definieren: Wählen Sie die ersten Webseiten aus, auf denen Ihr Crawler starten soll. Warteschlangen und Sets verwalten: Führen Sie eine Warteschlange mit URLs, die als Nächstes besucht werden sollen, und ein separates Set bereits besuchter Links, damit Sie Seiten nicht wiederholen oder unendlich loopen. Inhalt abrufen: Senden Sie eine HTTP-GET-Anfrage, um den rohen HTML-Code der aktuellen Webseite herunterzuladen. Nach Links und Daten parsen: Lesen Sie den HTML-Code, um den benötigten Text zu extrahieren und alle Tags mit neuen Hyperlinks zu finden. Seien Sie höflich: Fügen Sie eine kurze Zeitverzögerung (Sleep) zwischen den Anfragen ein und überprüfen Sie die Datei der Website, um den Zielserver nicht zu überlasten. Wenn Sie möchten, lassen Sie mich wissen: Versuchen Sie, einen Software-Web-Crawler oder ein RC-Rock-Crawler-Fahrzeug zu bauen? Welche Programmiersprache oder welchen Maßstab möchten Sie verwenden? Ich kann Ihnen genaueren Code oder Teilelisten geben. | 5 | Wie man einen Web-Crawler in Python erstellt... | https://www.proxy-cheap.com/blog/how-to-build-a-web-crawler | Proxy-Cheap | |
Datenanalyse-Kurse | US | Zu den Top-Datenanalyse-Kursen gehören das Google Data Analytics Professional Certificate auf Coursera, das Microsoft Power BI Data Analyst Training und das IBM Data Analyst Programm. Diese Optionen vermitteln Kernkompetenzen wie SQL, Excel und Visualisierungstools. Beliebte Anfängerprogramme Google Data Analytics: Deckt R, SQL, Tableau und die Grundlagen der Datenbereinigung ab. IBM Data Analyst: Konzentriert sich auf die Grundlagen von Excel, Python und SQL. Microsoft PL-300 Prep: Schulen von Benutzern in Power BI-Dashboards und Datenmodellierung. Zu erlernende Kernkompetenzen Excel: Für die Datenorganisation und einfache Berechnungen. SQL: Zum Abrufen von Daten aus großen Datenbanken. Visualisierung: Verwendung von Tools wie Tableau oder Power BI zur Präsentation von Ergebnissen. Wenn Sie dies eingrenzen möchten, sagen Sie mir: Suchen Sie nach kostenlosen oder kostenpflichtigen Kursen? Bevorzugen Sie ein bestimmtes Tool (wie Excel, SQL oder Python) für den Anfang? | 7 | Beste Datenanalyse-Kurse &... | https://www.coursera.org/courses?query=data%20analytics | Coursera | |
Datenanalyse-Kurse | US | Zu den Top-Datenanalyse-Kursen gehören das Google Data Analytics Professional Certificate auf Coursera, das Microsoft Power BI Data Analyst Training und das IBM Data Analyst Programm. Diese Optionen vermitteln Kernkompetenzen wie SQL, Excel und Visualisierungstools. Beliebte Anfängerprogramme Google Data Analytics: Deckt R, SQL, Tableau und die Grundlagen der Datenbereinigung ab. IBM Data Analyst: Konzentriert sich auf die Grundlagen von Excel, Python und SQL. Microsoft PL-300 Prep: Schulen von Benutzern in Power BI-Dashboards und Datenmodellierung. Zu erlernende Kernkompetenzen Excel: Für die Datenorganisation und einfache Berechnungen. SQL: Zum Abrufen von Daten aus großen Datenbanken. Visualisierung: Verwendung von Tools wie Tableau oder Power BI zur Präsentation von Ergebnissen. Wenn Sie dies eingrenzen möchten, sagen Sie mir: Suchen Sie nach kostenlosen oder kostenpflichtigen Kursen? Bevorzugen Sie ein bestimmtes Tool (wie Excel, SQL oder Python) für den Anfang? | 7 | Ich habe 50 Datenanalysten-Kurse ausprobiert. Hier... | https://www.youtube.com/watch?v=Yy7c4Up9ZnM&vl=en | YouTube | |
Datenanalyse-Kurse | US | Zu den Top-Datenanalyse-Kursen gehören das Google Data Analytics Professional Certificate auf Coursera, das Microsoft Power BI Data Analyst Training und das IBM Data Analyst Programm. Diese Optionen vermitteln Kernkompetenzen wie SQL, Excel und Visualisierungstools. Beliebte Anfängerprogramme Google Data Analytics: Deckt R, SQL, Tableau und die Grundlagen der Datenbereinigung ab. IBM Data Analyst: Konzentriert sich auf die Grundlagen von Excel, Python und SQL. Microsoft PL-300 Prep: Schulen von Benutzern in Power BI-Dashboards und Datenmodellierung. Zu erlernende Kernkompetenzen Excel: Für die Datenorganisation und einfache Berechnungen. SQL: Zum Abrufen von Daten aus großen Datenbanken. Visualisierung: Verwendung von Tools wie Tableau oder Power BI zur Präsentation von Ergebnissen. Wenn Sie dies eingrenzen möchten, sagen Sie mir: Suchen Sie nach kostenlosen oder kostenpflichtigen Kursen? Bevorzugen Sie ein bestimmtes Tool (wie Excel, SQL oder Python) für den Anfang? | 7 | Training für Datenanalysten |... | https://learn.microsoft.com/en-us/training/career-paths/data-analyst | Microsoft Learn | |
Datenanalyse-Kurse | US | Zu den Top-Datenanalyse-Kursen gehören das Google Data Analytics Professional Certificate auf Coursera, das Microsoft Power BI Data Analyst Training und das IBM Data Analyst Programm. Diese Optionen vermitteln Kernkompetenzen wie SQL, Excel und Visualisierungstools. Beliebte Anfängerprogramme Google Data Analytics: Deckt R, SQL, Tableau und die Grundlagen der Datenbereinigung ab. IBM Data Analyst: Konzentriert sich auf die Grundlagen von Excel, Python und SQL. Microsoft PL-300 Prep: Schulen von Benutzern in Power BI-Dashboards und Datenmodellierung. Zu erlernende Kernkompetenzen Excel: Für die Datenorganisation und einfache Berechnungen. SQL: Zum Abrufen von Daten aus großen Datenbanken. Visualisierung: Verwendung von Tools wie Tableau oder Power BI zur Präsentation von Ergebnissen. Wenn Sie dies eingrenzen möchten, sagen Sie mir: Suchen Sie nach kostenlosen oder kostenpflichtigen Kursen? Bevorzugen Sie ein bestimmtes Tool (wie Excel, SQL oder Python) für den Anfang? | 7 | Beste Datenanalyse-Kurse &... | https://www.coursera.org/courses?query=data%20analysis&skills=Data%20Analysis | Coursera | |
Datenanalyse-Kurse | US | Zu den Top-Datenanalyse-Kursen gehören das Google Data Analytics Professional Certificate auf Coursera, das Microsoft Power BI Data Analyst Training und das IBM Data Analyst Programm. Diese Optionen vermitteln Kernkompetenzen wie SQL, Excel und Visualisierungstools. Beliebte Anfängerprogramme Google Data Analytics: Deckt R, SQL, Tableau und die Grundlagen der Datenbereinigung ab. IBM Data Analyst: Konzentriert sich auf die Grundlagen von Excel, Python und SQL. Microsoft PL-300 Prep: Schulen von Benutzern in Power BI-Dashboards und Datenmodellierung. Zu erlernende Kernkompetenzen Excel: Für die Datenorganisation und einfache Berechnungen. SQL: Zum Abrufen von Daten aus großen Datenbanken. Visualisierung: Verwendung von Tools wie Tableau oder Power BI zur Präsentation von Ergebnissen. Wenn Sie dies eingrenzen möchten, sagen Sie mir: Suchen Sie nach kostenlosen oder kostenpflichtigen Kursen? Bevorzugen Sie ein bestimmtes Tool (wie Excel, SQL oder Python) für den Anfang? | 7 | Kostenlose Datenanalyse-Kurse &... | https://www.coursera.org/courses?query=free&skills=Data%20Analysis | Coursera | |
Datenanalyse-Kurse | US | Zu den Top-Datenanalyse-Kursen gehören das Google Data Analytics Professional Certificate auf Coursera, das Microsoft Power BI Data Analyst Training und das IBM Data Analyst Programm. Diese Optionen vermitteln Kernkompetenzen wie SQL, Excel und Visualisierungstools. Beliebte Anfängerprogramme Google Data Analytics: Deckt R, SQL, Tableau und die Grundlagen der Datenbereinigung ab. IBM Data Analyst: Konzentriert sich auf die Grundlagen von Excel, Python und SQL. Microsoft PL-300 Prep: Schulen von Benutzern in Power BI-Dashboards und Datenmodellierung. Zu erlernende Kernkompetenzen Excel: Für die Datenorganisation und einfache Berechnungen. SQL: Zum Abrufen von Daten aus großen Datenbanken. Visualisierung: Verwendung von Tools wie Tableau oder Power BI zur Präsentation von Ergebnissen. Wenn Sie dies eingrenzen möchten, sagen Sie mir: Suchen Sie nach kostenlosen oder kostenpflichtigen Kursen? Bevorzugen Sie ein bestimmtes Tool (wie Excel, SQL oder Python) für den Anfang? | 7 | Datenanalyse-Kurs - Ed2Go | https://www.ed2go.com/courses/computer-science/data-science/ctp/data-analytics-course | Ed2Go |
Google generiert nicht für jede Suchanfrage eine AI-Übersicht. Wenn keine AI-Übersicht ausgelöst wird, zeigen die relevanten AI-Übersichtsfelder möglicherweise „AI-Übersicht nicht verfügbar“ an, während verfügbare organische Suchergebnisse weiterhin gesammelt werden.
📌Verwenden Sie diesen Google AIO Scraper, um Ihre GEO-Sichtbarkeit zu verfolgen
Vollständige Google AI-Übersichten extrahieren
Sammeln Sie automatisch die KI-generierten Antworten, die in der Google-Suche angezeigt werden. Sparen Sie Zeit, die Sie mit manuellem Suchen, Erweitern von AI-Übersichten, Kopieren von Antworten und Aufzeichnen von Quellen verbringen.
Zitate aus Google AI-Übersichten analysieren
Extrahieren Sie zitierte Seitentitel, URLs, Domains und Quelleninformationen. Entdecken Sie, welchen Websites Google vertraut und zur Generierung von Antworten für Ihre Zielthemen verwendet.
Erwähnungen in Google AI-Übersichten verfolgen
Überwachen Sie, ob Ihre Marke, Produkte, Website oder Wettbewerber in einer Liste strategischer Suchanfragen erwähnt werden.
Markensichtbarkeit in der KI-Suche überwachen
Erstellen Sie einen strukturierten Datensatz, um zu messen, wo Ihre Marke erscheint, welche Wettbewerber mehr Sichtbarkeit erhalten und welche Themen die stärksten Chancen bieten.
Sichtbarkeitsänderungen im Zeitverlauf verfolgen
Führen Sie dasselbe Schlüsselwort-Set regelmäßig aus, um Änderungen bei der Verfügbarkeit von AI-Übersichten, dem Inhalt der Antworten, Markenerwähnungen, Wettbewerbern und zitierten Quellen zu überwachen.
Skalieren Sie Ihre GEO-Forschung
Verwandeln Sie Daten aus Google AI-Übersichten in einen wiederholbaren Workflow für die Generative Engine Optimization (GEO) zur Verfolgung der KI-Sichtbarkeit, Zitationsanalyse, Wettbewerbsforschung und Inhaltsoptimierung.
⚠️ Wichtige Hinweise, bevor Sie beginnen
- Google AI-Übersichten sind nicht für jede Suchanfrage verfügbar.
- Die Ergebnisse können je nach Standort, Sprache, Gerät, Zeit und Google-Kontostatus variieren.
- Die Antworten der AI-Übersicht und die zitierten Quellen können sich zwischen den Suchen ändern.
- Einige AI-Übersichten werden dynamisch geladen und erfordern möglicherweise zusätzliche Verarbeitungszeit.
- Große Schlüsselwort-Batches können länger dauern oder die Anti-Bot-Prüfungen von Google auslösen.
- Verwenden Sie diese Vorlage verantwortungsbewusst und halten Sie sich an die geltenden Gesetze und die Nutzungsbedingungen von Google.
❓ Häufig gestellte Fragen
1. Was ist eine Google AI-Übersicht?
Eine Google AI-Übersicht ist eine KI-generierte Antwort, die über den traditionellen organischen Suchergebnissen erscheinen kann. Sie fasst Informationen aus mehreren Quellen zusammen und bietet in der Regel Links, über die Benutzer das Thema weiter erkunden können.
2. Gibt jede Google-Suche eine AI-Übersicht zurück?
Nein. Google entscheidet anhand der Suchanfrage, Sprache, des Standorts, des Suchkontexts und anderer Faktoren, ob eine AI-Übersicht generiert wird.
3. Was ist der Unterschied zwischen einem Google AI-Übersicht-Scraper und einem traditionellen SERP-Scraper?
Ein traditioneller Google SERP-Scraper sammelt hauptsächlich organische Rankings, Titel, Beschreibungen und URLs. Diese Vorlage ist speziell dafür konzipiert, die KI-generierte Antwort und ihre zitierten Quellen zu extrahieren, was die Verfolgung der KI-Sichtbarkeit und der Zitate ermöglicht.
4. Kann ich diese Vorlage als Google AI-Übersicht-Tracker verwenden?
Ja. Speichern Sie einfach die Aufgabe und planen Sie Ausführungen, um Änderungen in den AI-Übersichten zu überwachen.
5. Kann ich Markenerwähnungen in Google AI-Übersichten verfolgen?
Die Vorlage sammelt die vollständige Antwort der AI-Übersicht, die Sie verwenden können, um Erwähnungen Ihrer Marke, Produkte und Wettbewerber zu identifizieren und zu analysieren. Exportieren Sie diese Daten zur weiteren Analyse nach Excel oder in ein KI-Tool.
6. Kann ich Zitate in Google AI-Übersichten verfolgen?
Ja. Die Vorlage extrahiert verfügbare Quellentitel, URLs und Domains, sodass Sie analysieren können, welche Websites die Google-KI für Ihre Zielschlüsselwörter zitiert.
7. Benötige ich einen Google-API-Schlüssel, um Google AI-Übersichten zu verfolgen?
Nein. Octoparse simuliert browserbasierte Suchen und benötigt keinen Google-API-Schlüssel.
8. Kann ich Ergebnisse aus verschiedenen Regionen verfolgen?
Natürlich. Die Ergebnisse der AI-Übersicht variieren je nach Region. Sie können einfach die Sprache und die Zielregion auswählen, um zu vergleichen, wie sich AI-Übersichten, Markenerwähnungen und Zitate in verschiedenen Märkten unterscheiden.
9. Was ist der Unterschied zwischen diesem Google AI Overview Scraper und dem Google AI Mode Scraper?
Google AI-Übersichten erscheinen in den Standard-Google-Suchergebnissen, während der Google AI-Modus eine separate, konversationelle Sucherfahrung ist. Verwenden Sie den entsprechenden Scraper je nachdem, wo Sie KI-Antworten und Zitate verfolgen möchten.
10. Kann ich die Daten für die Generative Engine Optimization verwenden?
Ja. Dies ist einer der Hauptgründe, warum wir diese Vorlage entwickelt haben. Die extrahierten Daten können die GEO-Forschung unterstützen, indem sie zeigen, ob Ihre Marke in KI-Antworten erscheint, welche Wettbewerber erwähnt werden, welche Quellen zitiert werden und wie sich diese Ergebnisse im Laufe der Zeit ändern.
🔗 Verwandte Vorlagen
- Google SERP Scraper (Top 5 Ergebnisse) — Verwenden Sie den Google SERP Scraper (Top 5 Ergebnisse) für einen ergänzenden Workflow auf derselben Quellseite.
- Google Job Scraper (nach Schlüsselwörtern) — Verwenden Sie den Google Job Scraper (nach Schlüsselwörtern) für einen ergänzenden Workflow auf derselben Quellseite.
- Google Local Service Scraper (nach URL) — Verwenden Sie den Google Local Service Scraper (nach URL) für einen ergänzenden Workflow auf derselben Quellseite.