Ein ChatGPT-Abo ist keine KI-Strategie.
Ein Ordner mit 80 Prompts auch nicht. Und wenn drei Mitarbeiter drei verschiedene Modelle ausprobieren, haben Sie noch lange kein System. Sie haben drei Experimente.
Genau so habe ich selbst angefangen. Erst einzelne Fragen, dann längere Prompts, später Projekte mit dauerhaftem Kontext. Irgendwann kamen Diktate, Deep Research, spezialisierte Rollen, Qualitätsprüfungen, Agenten und technische Einpflege hinzu. Der entscheidende Sprung lag nicht im nächsten Modell. Er lag im Prozess.
Eine KI-Strategie verbindet einen konkreten Anwendungsfall mit Rollen, Kontext, Datenregeln, Prüfpunkten, Messung und einer verantwortlichen Entscheidung.
Dieser Beitrag konzentriert sich bewusst auf kleine Content-Teams, Redaktionen und Marketingbereiche. Er ist keine allgemeine IT-Transformationsberatung und keine Rechts- oder Datenschutzprüfung. Gerade diese Begrenzung ist wichtig: Eine Strategie wird nicht besser, wenn sie für alles zuständig sein soll.
Buch · Die Journalisten-Methode
Vom Rohmaterial zum eigenständigen Beitrag.
Wenn du mit KI arbeitest, aber nicht wie alle anderen klingen willst, zeigt dir die Journalisten-Methode einen belastbaren Weg: eigene Quellen, bessere Fragen und menschliche Endabnahme.
Der Amazon-Link ist ein Affiliate-Link. Für dich ändert sich der Preis nicht.
Was eine KI-Strategie wirklich beantworten muss
Für einen belastbaren Content-Prozess brauche ich Antworten auf acht Fragen:
- Welches konkrete Problem lösen wir?
- Wie sieht der heutige Ablauf aus?
- Welche Daten und Materialien kommen hinein?
- Welche Aufgabe übernimmt welches System?
- Welche Entscheidungen bleiben bei Menschen?
- Wie prüfen wir Qualität und Risiken?
- Woran messen wir Nutzen?
- Wann stoppen, ändern oder erweitern wir den Versuch?
Fehlt eine Antwort, ist das nicht automatisch eine Katastrophe. Es ist eine Lücke. Der Sinn einer Strategie besteht darin, solche Lücken sichtbar zu machen, bevor sie im laufenden Betrieb teuer werden.
Externe Quelle: NIST: AI Risk Management Framework.
1. Beginnen Sie mit einem Engpass, nicht mit einem Werkzeug
Die falsche Einstiegsfrage lautet:
„Wie können wir ChatGPT in unserer Redaktion einsetzen?“
Das ist verständlich. Es ist nur rückwärts.
Ein Werkzeug besitzt viele Möglichkeiten. Ein Team besitzt begrenzte Zeit. Ohne Problemdefinition wird daraus schnell eine endlose Demonstration dessen, was theoretisch möglich wäre.
Beginnen Sie stattdessen mit einem wiederkehrenden Engpass:
- Interviews werden geführt, aber zu langsam ausgewertet.
- Fachleute liefern Material in völlig unterschiedlichen Formen.
- Briefings beginnen jedes Mal bei null.
- Faktenchecks passieren erst kurz vor Veröffentlichung.
- Ältere Inhalte werden nicht systematisch aktualisiert.
- Ein freigegebener Fachartikel wird kaum weiterverwendet.
- Tonalität und Qualität schwanken zwischen Mitarbeitenden.
- Gute Ideen verschwinden in Chats, Notizen und Sprachmemos.
Formulieren Sie nun ein Ziel, das beobachtbar ist.
Nicht:
„Wir wollen mehr KI nutzen.“
Sondern:
„Wir wollen Interviewtranskripte innerhalb eines Arbeitstags in ein geprüftes Redaktionsbriefing überführen, ohne Zitate, offene Fragen und Quellenstatus zu verlieren.“
Plötzlich lässt sich ein Prozess bauen und bewerten.
2. Zeichnen Sie zuerst den heutigen Ablauf auf
Teams automatisieren gern den gewünschten Idealprozess. Der existiert häufig nur in Präsentationen.
Ich möchte wissen, was heute tatsächlich passiert:
- Wo kommt der Auftrag her?
- Wer sammelt Material?
- In welchen Formaten liegt es vor?
- Wer trifft welche Entscheidung?
- Wo wartet der Vorgang?
- Welche Fehler treten wiederholt auf?
- Wo entstehen doppelte Arbeiten?
- Was passiert nach der Veröffentlichung?
Dafür genügt am Anfang eine einfache Prozesskarte.
| Schritt | Eingang | Aufgabe | Verantwortlich | Ausgang | typischer Fehler |
|---|---|---|---|---|---|
| Briefing | Anfrage, Ziel, Material | Auftrag klären | Redaktion | freigegebenes Briefing | Zielgruppe fehlt |
| Recherche | Quellen, Interview | prüfen und ergänzen | Autor/Redaktion | Quelldossier | Sekundärquelle statt Original |
| Entwurf | Briefing, Dossier | Text entwickeln | Autor/KI | Arbeitsfassung | generische Behauptungen |
| Prüfung | Arbeitsfassung | Fakten, Ton, Logik | Fach- und Endredaktion | Freigabefassung | Zuständigkeit unklar |
| Publikation | Freigabe | einpflegen und testen | Redaktion/Web | Live-Seite | Weiterleitung oder Metadaten fehlerhaft |
Ein solcher Überblick wirkt unspektakulär, und genau deshalb ist er wertvoll: Er zeigt, ob KI überhaupt der richtige Hebel ist.
Manchmal lautet die Diagnose schlicht: Das Team braucht kein neues Modell, sondern ein vollständiges Briefing und eine Person, die Entscheidungen bündelt.
3. Sortieren Sie Anwendungsfälle nach Wert und Risiko
Nicht jede Aufgabe verdient dieselbe Automatisierung und dieselbe Kontrolle.
Das NIST AI Risk Management Framework ordnet Risikomanagement über die vier Funktionen Govern, Map, Measure und Manage: Verantwortung schaffen, Kontext und Risiken erfassen, Systeme bewerten und Risiken laufend behandeln. Für ein kleines Content-Team lässt sich diese Logik pragmatisch übersetzen.
Niedriges Risiko
- Überschriftenvarianten;
- Strukturierung eigener Notizen;
- Formatübertragung freigegebener Texte;
- Entwürfe für interne Zusammenfassungen;
- Extraktion von Aufgaben aus einem Protokoll;
- Ideensammlung.
Fehler sind meist leicht sichtbar und reversibel.
Mittleres Risiko
- erster Entwurf eines Fachartikels;
- Aktualisierung bestehender Inhalte;
- SEO- und Themenanalyse;
- Social-Media-Ableitungen;
- Interviewauswertung;
- Produkt- und Leistungsbeschreibungen.
Fehler können öffentlich werden, Markenwirkung verändern oder falsche Aussagen verbreiten. Hier braucht es definierte Prüfungen.
Hohes Risiko
- medizinische, rechtliche oder finanzielle Aussagen;
- personenbezogene oder vertrauliche Daten;
- sensible Personalentscheidungen;
- autonome Veröffentlichung;
- Aussagen mit erheblicher Ruf- oder Haftungswirkung;
- Inhalte, die Menschen in kritischen Situationen beeinflussen.
Hier reicht „Da schaut am Ende noch jemand drüber“ nicht. Fachprüfung, Datenregeln, Zugriffsrechte und gegebenenfalls juristische oder datenschutzrechtliche Beratung gehören vor den Start.
4. Klären Sie Daten und Zugriffsrechte vor dem ersten Prompt
Die Frage „Was darf in die KI?“ darf nicht erst auftauchen, wenn das Material bereits hochgeladen wurde.
Ein Content-Team sollte Datenklassen festlegen:
Öffentlich
Bereits veröffentlichte Texte, Pressemitteilungen, öffentliche Studien und freigegebene Produktinformationen.
Intern
Briefings, unveröffentlichte Planungen, Prozessdokumente und interne Auswertungen.
Vertraulich oder personenbezogen
Kundendaten, Bewerbungen, Gesundheitsinformationen, Vertragsdetails, Zugangsdaten, nicht autorisierte Interviews oder Geschäftsgeheimnisse.
Für jede Klasse wird geklärt:
- Welche Systeme dürfen sie verarbeiten?
- Welche Vertrags- und Kontoeinstellungen gelten?
- Was muss anonymisiert oder geschwärzt werden?
- Wie lange werden Daten gespeichert?
- Wer besitzt Zugriff?
- Welche Information darf niemals in einen externen Dienst?
Ich ersetze an dieser Stelle keine Datenschutz- oder Rechtsberatung. Ich weigere mich nur, das Thema als Fußnote zu behandeln.
5. Geben Sie Menschen und Systemen eindeutige Rollen
„Human in the Loop“ klingt beruhigend. Ohne Rollenbeschreibung bedeutet es häufig: Irgendjemand wird schon irgendwann etwas prüfen.
Für einen kleinen Workflow reichen oft fünf Rollen.
Auftraggeber
Definiert Ziel, Zielgruppe, Grenzen und gewünschtes Ergebnis.
System
Übernimmt klar beschriebene Aufgaben: strukturieren, vergleichen, extrahieren, entwerfen oder prüfen.
Redakteur oder Operator
Führt den Prozess, bewertet Zwischenergebnisse, stellt Rückfragen und entscheidet über nächste Schritte.
Fachprüfer
Prüft Aussagen, für die spezielles Wissen oder Verantwortung notwendig ist.
Freigabeverantwortlicher
Entscheidet, ob das Ergebnis verwendet oder veröffentlicht wird.
Eine Person kann mehrere menschliche Rollen übernehmen. Sie dürfen nur nicht unsichtbar werden.
Zusätzlich schreibe ich auf, was das System ausdrücklich nicht tun darf:
- keine Zitate erfinden oder glätten;
- keine fehlenden Fakten plausibel ergänzen;
- keine Veröffentlichung auslösen;
- keine vertraulichen Daten in andere Werkzeuge übertragen;
- keine strategische Entscheidung ohne menschliche Freigabe treffen.
Verbote sind Teil des Designs, nicht Misstrauenskultur.
6. Bauen Sie Kontext wie ein Fundament
Ein guter Prompt ist nur der Auslöser. Die Qualität entsteht aus dem Material, auf das er zugreifen kann.
Zu einem belastbaren Kontextpaket gehören je nach Projekt:
- Projektbriefing;
- Zielgruppe und Nutzerfrage;
- gewünschtes Ergebnis;
- Rollen und Freigaben;
- freigegebene Quellen;
- Begriffe und Produktwissen;
- Voice-DNA oder Styleguide;
- Beispiele für gute und schlechte Ergebnisse;
- rechtliche und fachliche Grenzen;
- aktuelle Versionen;
- Änderungsprotokoll.
Das ist Context Engineering ohne Nebelmaschine: relevante Informationen auswählen, strukturieren, kennzeichnen und aktuell halten.
Mehr Kontext ist nicht automatisch besser. Ein Projektordner mit 300 ungeordneten Dateien kann ein System genauso verwirren wie ein zu kurzes Briefing. Kontext braucht Hierarchie:
- Was ist verbindlich?
- Was ist Referenz?
- Was ist historisch?
- Was ist möglicherweise veraltet?
- Was fehlt?
7. Bauen Sie zuerst einen Workflow – nicht sofort einen autonomen Agenten
Anthropic unterscheidet sinnvoll zwischen Workflows und Agenten. In einem Workflow folgen Modelle und Werkzeuge einem vorgegebenen Ablauf. Agenten entscheiden dynamischer selbst, welche Schritte und Werkzeuge sie als Nächstes verwenden.
Für viele Content-Aufgaben ist ein Workflow der bessere Start.
Warum? Er ist leichter zu verstehen, zu testen und zu stoppen.
Ein redaktioneller Ablauf kann so aussehen:
- Ein Mensch definiert Leserproblem und Auftrag.
- Originalmaterial entsteht durch Interview, Diktat oder Dokumente.
- KI transkribiert, strukturiert und markiert offene Fragen.
- Recherche prüft und ergänzt veränderliche Aussagen.
- Ein Entwurf entsteht aus gekennzeichnetem Material.
- Ein Faktenpass prüft Quellen, Zahlen und Zitate.
- Ein Voice- und Line-Edit prüft Sprache und Logik.
- Ein Mensch nimmt die Endfassung ab.
- Die technische Einpflege erfolgt in einem kontrollierten Umfang.
- Veröffentlichung geschieht erst nach ausdrücklicher Freigabe.
Erst wenn dieser Ablauf stabil ist, lohnt sich die Frage, welche Übergaben autonomer werden dürfen.
Autonomie ist kein Qualitätsmerkmal. Sie ist eine zusätzliche Risikodimension.
Content · Redaktion · KI-Workflows
Wenn aus einer guten Idee ein verlässlicher Prozess werden soll.
Ich unterstütze stille Experten und kleine Teams dabei, Fachwissen in klare Inhalte, belastbare Redaktionsabläufe und sinnvolle KI-Workflows zu übersetzen.
Ein paar klare Sätze reichen. Keine automatisierte Verkaufsschleife.
8. Definieren Sie Evaluationen, bevor der Pilot startet
Viele Teams testen KI nach Gefühl:
„Der Text klingt doch ganz gut.“
Das genügt nicht.
Anthropic beschreibt Evaluationen als Mittel, Fehler und Verhaltensänderungen sichtbar zu machen, bevor sie Nutzer treffen. Für Content-Workflows brauchen wir keine akademische Benchmark-Landschaft. Wir brauchen repräsentative Testfälle und klare Kriterien.
Ein kleines Testset
Nehmen Sie zehn bis zwanzig echte Fälle:
- einen einfachen Standardfall;
- mehrere typische Fälle;
- einen unvollständigen Input;
- einen widersprüchlichen Input;
- einen sensiblen Fall;
- einen Fall mit veralteten Quellen;
- einen Fall, bei dem das System stoppen oder nachfragen muss.
Qualitätskriterien
Je nach Aufgabe:
- Fakten stimmen;
- Zitate entsprechen dem Rohmaterial;
- Quellen tragen die Aussage;
- Tonalität passt;
- Pflichtbestandteile sind enthalten;
- Unsicherheit wird gekennzeichnet;
- keine verbotenen Daten oder Aussagen erscheinen;
- der nächste menschliche Prüfer versteht den Status.
Prozesskriterien
- Durchlaufzeit;
- Zahl der Rückfragen;
- Korrekturschleifen;
- Anteil vollständig dokumentierter Vorgänge;
- Fehler, die erst sehr spät auffallen;
- manuelle Zeit für wiederkehrende Routine.
Wichtig: Vor dem Test eine Baseline aufnehmen. Sonst feiert das Team später eine gefühlte Verbesserung ohne Vergleich.
Der EU AI Act macht KI-Kompetenz zur Organisationsfrage
Artikel 4 der EU-KI-Verordnung gilt seit dem 2. Februar 2025. Anbieter und Betreiber von KI-Systemen müssen Maßnahmen treffen, die die Entwicklung von KI-Kompetenz bei ihren Beschäftigten und weiteren Personen unterstützen, die in ihrem Auftrag mit diesen Systemen arbeiten. Die am 27. Juli 2026 in Kraft getretenen Änderungen halten an dieser Pflicht fest, schreiben aber kein bestimmtes oder „ausreichendes“ Kenntnisniveau für jede einzelne Person vor. Die nationalen Marktüberwachungsbehörden beaufsichtigen und vollziehen die Vorschrift seit dem 2. August 2026; für verschiedene Hochrisiko-Regeln gelten eigene Übergangsfristen.
Für normale Content-Teams bedeutet das nicht automatisch ein riesiges Compliance-Projekt. Es bedeutet aber sehr wohl, dass „Alle dürfen einfach irgendeinen Chatbot benutzen“ kein besonders belastbares Betriebskonzept ist.
Mitarbeitende sollten mindestens verstehen:
- welche Systeme im Unternehmen genutzt werden;
- für welche Aufgaben sie freigegeben sind;
- welche Daten hineindürfen;
- welche typischen Fehler auftreten;
- wie Ergebnisse geprüft werden;
- wann Fachleute oder Verantwortliche eingeschaltet werden müssen.
Dies ist eine redaktionelle Einordnung, keine Rechtsberatung. Die konkrete Einordnung hängt vom Einsatzgebiet, der Rolle der Organisation und dem Risiko des Systems ab.
Ein Beispiel: Interview zum veröffentlichungsfähigen Fachbeitrag
Nehmen wir ein kleines B2B-Content-Team.
Ausgangslage
Interne Fachleute besitzen Wissen, schreiben aber selten. Gespräche werden aufgezeichnet, anschließend fehlen Zeit und Redaktionskapazität. Externe Texte klingen generisch, weil das Originalmaterial nicht sauber erschlossen wird.
Ziel
Aus einem 45-minütigen Interview soll innerhalb von fünf Arbeitstagen ein fachlich geprüfter Artikel entstehen.
Workflow
- Redakteur erstellt Erkenntnisauftrag und Fragenplan.
- Interview wird mit Einwilligung aufgezeichnet.
- Transkript wird erstellt und gegen die Aufnahme stichprobenartig geprüft.
- KI markiert Thesen, Szenen, Zahlen, Zitate, Widersprüche und offene Fragen.
- Redakteur führt Nachrecherche und gegebenenfalls Rückfragen durch.
- Entwurf entsteht aus Transkript und geprüften Quellen.
- Fachperson prüft Aussage und Zitatkontext.
- Redaktion prüft Aufbau, Ton und Nutzerintention.
- Freigabeverantwortlicher entscheidet.
- Erst danach wird veröffentlicht und für andere Kanäle aufbereitet.
Messung
- Zeit bis zur fachlichen Erstfassung;
- Zahl wesentlicher Fachkorrekturen;
- Zitatgenauigkeit;
- Nutzbarkeit für die Zielgruppe;
- Aufwand der internen Fachperson;
- Wiederverwendung des freigegebenen Materials.
Das ist keine KI-Strategie für den gesamten Konzern. Es ist ein belastbarer Anwendungsfall, und genau damit würde ich beginnen.
Eine realistische 30-Tage-Roadmap
Woche 1: Realität aufnehmen
- einen Engpass auswählen;
- aktuellen Ablauf kartieren;
- Baseline festhalten;
- Datenklassen und Beteiligte benennen;
- Erfolg und Stoppsignal definieren.
Woche 2: Minimalworkflow bauen
- Rollen festlegen;
- Kontextpaket erstellen;
- wenige Werkzeuge auswählen;
- Prüfliste bauen;
- fünf historische Fälle durchspielen.
Woche 3: Mit echten Fällen testen
- kleine Zahl laufender Aufträge;
- jeden Fehler dokumentieren;
- Rückfragen und Ausnahmen sammeln;
- keine autonome Veröffentlichung;
- tägliche kurze Auswertung.
Woche 4: Entscheiden
- Baseline und Pilot vergleichen;
- Qualitätsfehler gewichten;
- Mitarbeitende befragen;
- Workflow dokumentieren;
- fortführen, verändern oder stoppen.
Erst wenn dieser Prozess trägt, kommt der nächste Anwendungsfall.
Was bewusst nicht dazugehört
Diese Strategie ist nicht passend für:
- allgemeine Unternehmensautomatisierung ohne Content-Bezug;
- individuelle Softwareentwicklung als Kernprojekt;
- unklare Daten- und Verantwortungsmodelle;
- Rechts- oder Datenschutzberatung;
- vollautonomes Publizieren;
- den Versuch, organisatorische Konflikte mit einem neuen Tool zu überdecken.
Ein KI-Workflow kann gute Arbeit beschleunigen. Er kann fehlende Entscheidungen nicht dauerhaft ersetzen.
Fazit: Der Prozess ist das Produkt
Ich benutze heute erheblich mehr KI als zu Beginn meiner Experimente. Gleichzeitig gebe ich weniger blind ab.
Das ist kein Widerspruch.
Je leistungsfähiger die Systeme werden, desto wichtiger werden Kontext, Evaluation, Rollen und Urteil. Ein guter Prozess nutzt die Stärke der KI dort, wo sie wirklich hilft: Material ordnen, Varianten bilden, Routinen beschleunigen, Lücken markieren und Prüfungen unterstützen.
Menschen behalten die Aufgaben, die Verantwortung verlangen:
- Ziel setzen;
- Quellen bewerten;
- Widersprüche entscheiden;
- Risiken tragen;
- Freigeben.
Eine KI-Strategie beginnt deshalb nicht mit dem Satz „Wir brauchen einen Agenten“.
Sie beginnt mit einer wesentlich weniger glamourösen Frage:
Wo hakt unser heutiger Prozess – und wie beweisen wir, dass die neue Lösung besser ist?
Wer diese Frage sauber beantwortet, baut kein Tool-Museum. Er baut einen Betrieb.
Quellen und weiterführende Hinweise
- NIST: AI Risk Management Framework
- NIST: AI RMF Core – Govern, Map, Measure, Manage
- Anthropic: Building Effective Agents
- Anthropic: Demystifying Evals for AI Agents
- Europäische Kommission: AI Act – Zeitplan und Umsetzung
- Europäische Kommission: Fragen und Antworten zur KI-Kompetenz nach Artikel 4
Vom Artikel zum eigenen Workflow
Auf der Leistungsseite KI-Workflows für Content-Teams beschreibe ich Audit, Setup und laufende Qualitätssicherung als konkrete Einstiege. Der Beitrag über Kontext-Engineering vertieft das Fundament aus Material, Regeln und Beispielen. Für eine erste Einordnung genügt auf der Kontaktseite eine kurze Beschreibung des aktuellen Ablaufs und des größten Engpasses.
