Letaido im Agenturtest: Sieben Dinge, die der KI-Workspace in unserem Agenturalltag vereinfacht

Getestet haben wir Letaido auf fünf laufenden Kundenprojekten: Busvermietung, Trainingsanbieter, Werbeartikel-Shop und zwei eigene Agenturdomains. Sechs Deliverables, ein Fachtext mit rund 4.000 Wörtern, ein selbst gebautes Werkzeug. Angebunden war ausschließlich Ahrefs. Und wir haben nicht abgenickt, sondern nachgerechnet: jede Übersicht gegen die CSV-Rohdaten, jede Zeile gegen die dokumentierten Filterkriterien. Stichproben haben wir extern verifiziert.

Der Backlink-Gap über zwei Domains: 7.787 verweisende Domains ausgewertet, in vierzehn Minuten, für 4,37 US-Dollar. Diese Analyse hätten wir von Hand nie gemacht. Nicht, weil sie zu lange gedauert hätte, sondern weil sich der Aufwand nie gerechnet hätte.

Der Mechanismus dahinter ist der große Pluspunkt: Die Domains sind nie durch das Sprachmodell gelaufen. Der Agent hat im Workspace Code ausgeführt und die Ahrefs-Endpunkte direkt abgefragt, bei knapp 40.000 Token, dem Umfang eines längeren Chats. Bezahlt wird das Denken, nicht das Rechnen. Für eine Agentur heißt das: Die Größe des Kundenprojekts treibt die Kosten nicht mehr.

Wir haben 801 Datenzeilen geprüft, 801 waren korrekt. Null Abweichungen bei vier Schwellenwerten, einem Volumenfilter und drei Mengenrechnungen. Die Ahrefs-Metriken stimmen mit der Oberfläche überein, auch bei auffälligen Werten wie einer Keyword Difficulty von null bei 8.000 Suchvolumen. Halluzinierte Zahlen haben wir im gesamten Test nicht gefunden.

Das verändert unsere Qualitätssicherung im Alltag: Den Zahlen, die Letaido aus Ahrefs liefert, können wir vertrauen. Den Urteilen darüber erst nach der Rückfrage aus Punkt 7.

Die Analysen zeigen, was Letaido an einem Tag leistet. Der Werkzeugbau zeigt, was danach übrig bleibt. Unser Linkquellen-Radar überwacht die Wettbewerber unserer Kunden, meldet neue verweisende Domains und filtert jeden Fund nach den Kriterien, die sich im Test bewährt haben. In unserem Fall mindestens 10.000 organische Besucher, stabile Trends, redaktionell bespielbar. Was diese Kriterien erfüllt, landet mit Beleglink in einem Slack-Kanal.

Der Bau war mit 18,11 US-Dollar der teuerste Einzelposten des gesamten Tests, viermal so teuer wie die Auswertung der 7.787 Domains. Diese Kosten fallen einmal an. Funktionsweise und Umsetzung standen auf Anhieb, die vier Anläufe gingen für die Feinjustierung der Schwellen und die Aufbereitung der Ausgabe drauf. Seitdem läuft das Radar wöchentlich für fünf Kunden, bisher ohne Ausfall, und liefert je Kunde und Woche rechnerisch rund fünf belastbare Linkchancen. Unsere Faustregel daraus: Der Werkzeugbau lohnt sich ab dem Punkt, an dem eine Auswertung zum dritten Mal ansteht.

Der größere Gewinn des Radars ist nicht die Ersparnis, es ist die Frische der Daten. Eine Linkquellen-Recherche war bei uns bisher ein Projekt, das ein- oder zweimal im Jahr stattfand. Als laufender Job wird daraus eine Beobachtung: Wir sehen, wo ein Wettbewerber gerade platziert, solange das Thema bei der Redaktion noch auf dem Schirm ist.

Ehrlicherweise: Zu einer Platzierung hat das Radar bisher noch nicht geführt, dafür läuft es zu kurz. Aber die Ausgangslage, frische Chancen statt einer immer kälter werdenden Jahresliste, ist eine andere.

Die Einrichtung pro Kundenprojekt dauert wenige Minuten. Mehrbenutzerbetrieb funktioniert, mehrere Abläufe laufen parallel, und der Guthabenstand läuft transparent mit, sodass die Kostenkontrolle je Projekt möglich ist. Ein Detail mit Luft nach oben: Die angezeigte Tokenzahl erklärt den abgerechneten Betrag nicht vollständig. Unsere Erklärung dafür: Ein Agentenlauf schickt bei jedem Werkzeugaufruf den bisherigen Gesprächsverlauf erneut an das Modell. Ein Großteil davon wird zwar zwischengespeichert und vergünstigt abgerechnet, die Diskrepanz zwischen Anzeige und Abrechnung bleibt aber sichtbar.

Zur Größenordnung der laufenden Kosten unserer Testläufe:

Der Basistarif liegt bei 99 US-Dollar mit 50 US-Dollar Guthaben, das reicht auf Basis unserer Läufe für rund zehn Analysen. Von jeder weiteren Aufladung sind 75 Prozent nutzbar. Hochgerechnet auf 26 Analysen im Monat landen wir bei rund 205 US-Dollar, das Radar für fünf Kunden kommt mit rund 75 US-Dollar dazu. Zusammen sind das rund 280 US-Dollar im Monat für fünf Kundenprojekte.

Das Modell hinter dem Agenten ist frei wählbar. Was die Wahl kostet, zeigt der Vergleich zweier Läufe mit nahezu gleicher Tokenzahl:

Fable kostet 51 Prozent mehr pro Token und war dabei schneller. Auch qualitativ war das Fable-Deliverable das sauberste im Test: Die Trennung in Themen, die optimiert statt neu geschrieben gehören, nach Abgleich gegen 381 Live-URLs, war der beste Urteilsschritt, den wir gesehen haben. Es war aber auch die anspruchsvollste Aufgabe, der Vergleich ist insofern nicht sauber isoliert.

Für den Alltag heißt das: Routineläufe auf dem günstigeren Opus, anspruchsvolle Urteilsaufgaben auf Fable. Je Aufgabe liegt die Differenz bei rund zwei US-Dollar, bei 26 Analysen im Monat sind das rund 55 US-Dollar.

Das ist der Punkt, der die anderen sechs trägt, und er beginnt mit einer Warnung. Denn so fehlerfrei der Agent zählt, so fehlbar urteilt er bisher: In unserem Test lagen die Urteilsschritte je nach Aufgabe bei neun bis 29 Prozent Fehlerquote. Die Plattformliste behauptete Spam-Filterung, zwölf Verzeichnisse mit Namen wie highauthoritydirectory.com standen trotzdem drin. Die Themenlücken behaupteten eine Dublettenprüfung, 23 Prozent waren Dubletten. Erfunden hat der Agent nichts, aber er wies Prüfungen als erledigt aus, die nicht vollständig stattgefunden haben. Eine überzeichnete Selbstauskunft fällt nicht auf, weil sie plausibel klingt und der Datensatz darunter sauber ist.

Das Gegenmittel ist verblüffend einfach und preiswert: Eine einzige Rückfrage nach der Prüftiefe hat die Dublettenquote der Themenrecherche von neun Prozent auf null gesenkt. Der Agent kann prüfen. Er tat es bei uns nur nicht von sich aus.

Unsere Praxis daraus: Jedes Deliverable bekommt vor der Verwendung dieselbe Rückfrage: „Wogegen hast du geprüft, und was hast du dabei ausgelassen?“ Sie dauert dreißig Sekunden und gehört bei uns inzwischen so fest zum Ablauf wie die Sichtung der Liste selbst. Zusammen mit der Erfahrung aus Punkt 2 ergibt das die Arbeitsteilung, die den Alltag vereinfacht: Der Agent zählt, filtert und überwacht, wir sichten und entscheiden.

Bei den Daten: Ahrefs ohne Umweg über eine Schnittstelle. Wer Ahrefs-Daten in einen Chat-Assistenten oder in einen eigenen Stack holen will, braucht einen API-Schlüssel, bezahlt jede Abfrage in API-Units und pflegt die Anbindung selbst. In Letaido liegen die Ahrefs-Daten für Ahrefs-Kunden ohne separate API-Rechnung im Workspace. Der Backlink-Gap über 7.787 Domains von acht Wettbewerbern war bei uns nie eine Frage der Rechenzeit, sondern des Zugangs. In Letaido war er eine Anfrage von zwei Sätzen.

Bei der Datenmenge: Die Kosten hängen nicht an der Zeilenzahl. Ein Chat-Assistent zieht die Daten in sein Kontextfenster. Jede Zeile kostet Token, ab einigen tausend Zeilen ist das Fenster voll, und das Modell fasst zusammen, statt zu zählen. Der Agent in Letaido schreibt Code, rechnet im Workspace und sieht nur das Ergebnis. 7.787 Domains für 4,37 US-Dollar bei knapp 40.000 Token, das ist der Preis eines längeren Chats. Die 801 geprüften Zeilen ohne Abweichung sind die Folge davon: Was gerechnet statt generiert wird, kann nicht halluziniert werden. Bei Massenauswertungen ist das der größte Abstand, den wir gesehen haben.

Beim Ergebnis: Die Arbeit bleibt und läuft weiter. Im Chat endet die Auswertung mit dem Gespräch, beim nächsten Mal beginnt sie von vorn. In der Suite bleibt der Report, aber die Logik dahinter ist die des Anbieters, nicht unsere. In Letaido bleiben Dateien, Code und Gedächtnis im Workspace, terminierte Läufe holen sich frische Daten und liefern nach Slack. Unser Radar hat 18,11 US-Dollar Bau gekostet und läuft seitdem wöchentlich für fünf Kunden, für 3,50 US-Dollar je Lauf und bisher ohne Ausfall.

Beim Werkzeugbau: Kein Entwickler zwischen Idee und Betrieb. Ein eigener Stack aus Schnittstelle, Skripten und Automatisierungstool leistet das Gleiche, wenn jemand ihn baut, hostet und pflegt. Das Radar hat die Person gebaut, die auch die Analyse gefahren hat, in 24 Minuten und vier Anläufen, ohne selbst Code zu schreiben. Und anders als eine Kette aus Automatisierungsschritten hat das Werkzeug einen Agenten in der Schleife, der jeden Fund gegen die Kriterien prüft und den Beleglink mitliefert.

Beim Modell: Wahl statt Vorgabe. Chat-Assistenten arbeiten mit den Modellen ihres Anbieters, die KI-Funktionen der SEO-Suiten mit dem Modell, das der Anbieter vorgibt. In Letaido wählen wir das Modell je Aufgabe, sehen Token und Kosten je Lauf und können rechnen: Fable kostet 51 Prozent mehr je Token, war schneller und hat beim Keyword-Mapping das sauberste Urteil des Tests geliefert. Routine läuft bei uns auf Opus, Urteilsaufgaben auf Fable, die Differenz je Aufgabe liegt bei rund zwei US-Dollar.

Im Team: Ein Workspace, kein Sitzpreis. Chat-Assistenten rechnen je Nutzer ab, ein eigener Stack kennt keinen Kostenstand je Kunde. Letaido kommt mit unbegrenzten Nutzern, mehrere Abläufe laufen parallel, und der Guthabenstand läuft je Projekt mit. Für eine Agentur heißt das: Die Kosten je Kunde sind sichtbar und weiterberechenbar.

Jede der Alternativen deckt eine dieser Stellen ab. Keine deckt alle sechs, und keine verbindet sie in einem Workspace.

Der Vollständigkeit halber, denn ein Alltag besteht nicht nur aus Analysen:

Je billiger die manuelle Alternative, desto weniger lohnt sich der Agent. Bei Texten ist die manuelle Prüfung günstig, also fällt der Aufpreis ins Gewicht. Bei Massendaten ist die manuelle Prüfung aufwendig, also kostet viel Ergebnis wenig Geld. Genau dort, bei den Analysen, die sich manuell nicht gerechnet hätten, und bei den Werkzeugen, die danach von allein weiterlaufen, vereinfacht Letaido den Agenturalltag. Vorausgesetzt, die 30-Sekunden-Rückfrage und die Sichtung bleiben Teil des Ablaufs.

Philipp Nessmann ist SEO-Experte und Inhaber von Content Bär und SEO Agents. Der Test lief im August 2026 auf fünf laufenden Kundenprojekten mit Ahrefs-Anbindung. Nachgerechnet haben er und sein Team 801 Datenzeilen sowie sämtliche Urteilsschritte der sechs Deliverables.