
Content-Operations-SaaS: Siebenjährige SaaS-Partnerschaft für das Zeitalter der KI neu aufgestellt. Architektur stabilisiert, KI-Assistent eingeführt, Produktstrategie neu ausgerichtet.
Überblick
Kunde
Content Operations SaaS
Branche
SaaS / Digitales Marketing
Region
Berlin, Deutschland
Größe
~26 employees; ~500 paying customers; ~$2.8M ARR (2024)
Herausforderung
Plattform-Neuausrichtung, Produktrationalisierung, Teamstabilität
Leistungen
System-Modernisierung, Wartung & Upgrades, KI- & Editor-Integration, Unterstützung der Produktentwicklung
Dauer
Laufend
Team
Keine Angabe
Diese Fallstudie als PDF herunterladen
Teilbares Dokument · automatisch generiert · immer aktuell
Kundenkontext
Der Kunde ist eine in Berlin ansässige SaaS-Plattform für Content-Operations, die Marketingteams bei Verlagen, Agenturen und Unternehmen in der gesamten DACH-Region bedient. Die 2011 gegründete Plattform deckt den gesamten Content-Lebenszyklus ab – von Strategie und Redaktions-Workflow über Produktion und Distribution bis hin zu Performance-Analysen – und wird von rund 500 zahlenden Kunden genutzt. Unterstützt durch namhaftes deutsches Risikokapital hat sich das Unternehmen eine etablierte Nische im deutschsprachigen Content-Marketing-Softwaremarkt geschaffen. Es differenziert sich durch die Tiefe seines Redaktions-Workflows statt durch dessen Breite. Mit rund 26 Mitarbeitern und einem jährlichen wiederkehrenden Umsatz (ARR) von 2,8 Mio. US-Dollar agiert das Unternehmen als schlankes, produktorientiertes Team.
Die Herausforderung
Bis 2022 hatte der Kunde über Jahre hinweg Funktionen hinzugefügt. Jede neue Funktion löste zum Zeitpunkt ihrer Entwicklung ein echtes Problem, doch die Ansammlung führte zu einem Produkt, das für die Nutzer überladen wirkte und intern schwer zu warten war. Die Plattform war funktional, aber nicht mehr prägnant. Marketingteams nutzten sie zwar täglich zum Planen, Schreiben und Veröffentlichen, doch das Nutzererlebnis hatte sich von dem einst fokussierten Tool entfernt. Drei Probleme verstärkten sich gleichzeitig. Erstens verließ ein leitender Entwickler in einer kritischen Phase das Unternehmen, was den Lieferrhythmus störte und die Kapazitäten des verbleibenden Teams stark beanspruchte. Zweitens hatte ein neu entwickeltes Modul zur Leistungsanalyse erhebliche Investitionen in die Entwicklung verschlungen, entsprach jedoch nicht der tatsächlichen Arbeitsweise der Kunden. Nutzungsdaten bestätigten diese Diskrepanz. Drittens stellte sich eine Migration von TinyMCE zu CKEditor, die zunächst wie ein einfacher Editor-Tausch aussah, als weitreichender heraus als erwartet. Dies erforderte einen koordinierten QA-Aufwand, den das Team allein nicht bewältigen konnte. Hinter diesen unmittelbaren Problemen verbarg sich eine strategische Frage: Welche Funktionen dienten den Nutzern wirklich, und welche häuften technische Schulden an, ohne die Kundenbindung oder das Wachstum zu fördern? Ohne ehrliche Antworten auf diese Frage würde jede Neuentwicklung das gleiche Muster wiederholen.
Der Ansatz
Gradion arbeitete bereits seit den Anfängen der Plattform mit dem Kunden zusammen. Das Engagement im Jahr 2022 war daher keine neue Beziehung, sondern eine Vertiefung einer bestehenden Partnerschaft. Diese Historie war entscheidend, da Gradion bereits ein tiefes Verständnis für die Codebasis, die Teamdynamik und die tatsächlichen Nutzungsmuster des Produkts besaß. Der erste Schritt war die Stabilisierung des Teams. Gradion setzte einen erfahrenen Senior Developer ein, um das Vertrauen in die Lieferfähigkeit wiederherzustellen, den technischen Druck vom internen Team zu nehmen und einen vorhersehbaren Release-Rhythmus zu etablieren. Dies war keine temporäre Lösung, sondern das Fundament für alle weiteren Maßnahmen. Im Bereich der Produktstrategie arbeitete Gradion eng mit der Unternehmensführung zusammen, um das Feature-Set anhand realer Nutzungsdaten zu überprüfen. Das Modul zur Leistungsanalyse war ein klares Beispiel: Die Investitionen waren erheblich, doch die Daten zeigten, dass es von den Kunden nicht angenommen wurde. Die gemeinsame Entscheidung, das Modul einzustellen und die freigewordenen Engineering-Ressourcen für wirkungsvollere Aufgaben einzusetzen, war eine schwierige, aber konsequent umgesetzte Maßnahme. Die Migration des CKEditors wurde durch die Aufstockung der QA-Kapazitäten und eine engere Lieferkoordination erfolgreich abgeschlossen. Der neue Editor wurde ohne Unterbrechungen für bestehende Nutzer eingeführt. Die längerfristige Veränderung war architektonischer Natur. Das neu entwickelte System reduzierte die Fehlerrate und den Supportaufwand, wodurch die Plattform einfacher zu warten und zu skalieren war. Die Feature-Entwicklung verlagerte sich auf ein nutzungsgesteuertes Modell, das sicherstellte, dass jede Veröffentlichung auf realen Kundendaten basierte und nicht auf internen Annahmen. Auf diesem Fundament konnte der lang erwartete KI-Assistent, der Autoren bei SEO-Optimierung, Lesbarkeit und Workflow-Prompts unterstützen sollte, schließlich produktiv geschaltet werden.
Die Ergebnisse
Die Partnerschaft mit dem Kunden besteht seit sieben Jahren und wird fortgesetzt. Was als Outsourcing-Vereinbarung begann, hat sich zu einem Modell entwickelt, das einer gemeinsamen Produktverantwortung näherkommt. KI-Assistent eingeführt: Nach Jahren auf der Roadmap wurde er für Nutzer freigeschaltet und integriert SEO, Lesbarkeit sowie Workflow-Anleitungen direkt in die Schreiboberfläche. Architektur stabilisiert: Die neu entwickelte Codebasis reduzierte Fehler und Supportanfragen, was den Wartungsaufwand senkte. Team-Lieferfähigkeit wiederhergestellt: Der Einsatz eines Senior Developers stabilisierte die Entwicklungsgeschwindigkeit innerhalb eines schlanken Engineering-Teams. Modul zur Leistungsanalyse eingestellt: Eine schwierige, aber konsequent umgesetzte Entscheidung, die es ermöglichte, Engineering-Kapazitäten in Features mit messbarer Akzeptanz zu reinvestieren. CKEditor-Migration abgeschlossen: Ein komplexer Editor-Wechsel wurde ohne Beeinträchtigung für die Nutzer umgesetzt. Feature-Entwicklung nun nutzungsgesteuert: Jede Veröffentlichung basiert auf realen Kundendaten. Das Engagement zeigt ein konsistentes Muster: Ein langjähriger Partner mit tiefem Codebasis-Wissen kann schwierige Produktentscheidungen schneller treffen und umsetzen als ein neues Team, das bei Null anfängt.
Leistungen & Technologie
Erbrachte Leistungen
- System-Neuentwicklung
- Wartung & Upgrades
- KI- & Editor-Integration
- Unterstützung der Produktentwicklung
- Stabilisierung des Engineering-Teams
- Feature-Rationalisierung und Produktstrategie
Technologie-Stack
- CKEditor (editor migration from TinyMCE)
- AI assistant integration (SEO, readability, workflow)
- SaaS content operations platform
Engagement-Modell
Langfristiger, integrierter Produktpartner
Technische Schulden in eine Produkt-Neuentwicklung mitnehmen?
Wir wissen, wie man schwierige Entscheidungen trifft und die Lieferfähigkeit aufrechterhält.