Zu viel Content ohne Wirkung

Texten, bebildern, versionieren, für jeden Kanal optimieren: Was jahrelang Zeit, Budget und Nerven gekostet hat, geht dank generativer KI heute schnell. Nicht immer gut, aber verlässlich. Doch was passiert, wenn alle gleichzeitig mehr produzieren können?

Illustration: KI generiert
Illustration: KI generiert

Vergangenes Jahr übertrafen KI-generierte Inhalte im Web erstmals die menschengemachten. Viele Unternehmen produzieren eifrig mit, leiden aber zugleich darunter. Ihre eigenen Botschaften gehen im Rauschen unter. Die Herausforderung verschiebt sich damit vom Erstellen zur Relevanz und zur Wirkung. Wer noch gehört werden will, braucht mehr eigene Gedanken, mehr Einordnung und weniger blosses Ausführen.

Fehlende Ressourcen, der Wunsch nach mehr Reichweite und die Herausforderung, genügend Inhalte für die verschiedenen Kanäle zu produzieren, waren lange die zentralen Themen vieler Kommunikations- und Marketingabteilungen. Wer viel publizierte, hatte investiert und meinte es ernst mit dem Content Marketing. Diese Zeit ist vorbei. Was jahrelang sehr viel Zeit gekostet hat, geht heute schnell. Inhalte werden in Kürze per Prompt erstellt und Generative KI hat das Problem der aufwendigen Content-Produktion scheinbar gelöst.

Dabei sind die Auswirkungen des Effizienzgewinns fast immer dieselben: mehr davon. Wenn die Erstellung eines Textes nur noch Minuten statt zwei Tage kostet, produzieren und veröffentlichen wir mehr, füllen den Redaktionsplan und erhöhen die Kadenz. Diese Entwicklung wird als «Jevons-Paradoxon» bezeichnet: Effizienzsteigerungen bei der Ressourcennutzung führen dazu, dass der Gesamtverbrauch dieser Ressource steigt, anstatt zu sinken. Im konkreten Fall von KI-Inhalten heisst das, die Grenzkosten der Produktion sinken gegen null und alle publizieren mehr. Die Folgen? Es entstehen Unmengen mittelmässiger KI-Inhalte, die die Kanäle verstopfen (University of Florida, 2026). Mittlerweile entsteht mehr als die Hälfte aller Inhalte im Netz mit generativer KI (vgl. Paredes et al. 2025). Ohne Faktencheck und oftmals von mittelmässiger Qualität. Wir generieren sogenannten «AI Slop», weil die Produktion auf Knopfdruck funktioniert (Merriam-Webster, Wort des Jahres 2025). Für wen wir produzieren, mit welcher Absicht, mit welchen Konsequenzen und ob der Content überhaupt strategisch sinnvoll ist, bleibt dabei oftmals unbeantwortet.

AI Slop ist kein Fehler der Maschine. Diese schreibt meist zuverlässig und auf den ersten Blick passend. Die Maschine produziert aber auch dann zuverlässig weiter, wenn es nichts zu sagen gibt. Die Frage, ob ein Content-Piece überhaupt produziert werden soll, stellt sie nicht. Genau hier bräuchte es den Menschen mit der Fähigkeit, strategisch und kritisch zu denken. Einen «Human-in-the-Loop», der von Anfang an klare Entscheidungen trifft und nicht nur als Korrekturleser am Schluss agiert.

Was KI in der Kommunikationsarbeit nicht übernimmt

Generative KI verändert nicht nur, wie wir Inhalte produzieren. Sie verändert die Prozesse und die Anforderungen an Marketing- und Kommunikationsleute. Dies geht über das reine Prompting hinaus und es geht vielmehr darum, was die Maschine nicht kann und nicht machen soll, um die Frage, wo und wobei die Maschine uns nicht ersetzen kann. Und nicht ersetzen soll. Damit verschieben sich die Aufgaben: weg vom reinen Formulieren, hin zum Urteilsvermögen, zum Kontextwissen und zur Fachexpertise des Menschen. Nicht die Frage «Wie bediene ich das Tool besser?» steht im Fokus, sondern «Was steuere ich bei, was die Maschine nicht kann?»

Urteilsvermögen: Ein Modell kann etwa nicht wissen, ob eine Aussage situativ zum Unternehmen passt: Es kennt weder den laufenden Konflikt mit einem Stakeholder noch die informelle Absprache vom letzten Freitag. Die Entscheidung, ob etwas publiziert werden soll, bleibt somit in menschlicher Hand und erfordert die Fähigkeit, aus mehreren plausiblen Optionen die richtige auszuwählen und diese Wahl zu begründen. Der mutige Entschluss, einen Inhalt nicht zu produzieren oder nicht zu veröffentlichen, erfordert strategisches Denken und selbstbewusstes Handeln.

Kontextwissen: Generative Systeme produzieren plausible Inhalte. Zu beurteilen, ob diese auch sinnvoll sind, erfordert den Human-in-the-Loop. Wissen über die Organisation, den Markt, aktuelle Entwicklungen und die Bedürfnisse der Stakeholder und Zielgruppen ist notwendig, um an der Schnittstelle Mensch-Maschine sinnvolle Ergebnisse zu produzieren. Egal, ob wir die Maschine als Content Creator, Sparringpartner oder Challenger einsetzen, das Kontextwissen macht den Unterschied.

Fachexpertise: Generative KI-Modelle berechnen Wahrscheinlichkeiten. Unabhängig davon, ob das Ergebnis korrekt ist. Für diese Überprüfung sind wir Menschen verantwortlich. Wollen wir das so? Soll das so sein? Kann das so sein? Wenn wir Tools für Aufgabenbereiche nutzen, in denen wir keine Expertise und kein Fachwissen besitzen, können wir diese Überprüfung nicht vornehmen. Deshalb unterstützt generative KI dort, wo wir eigenes Wissen und eigenes Denken einbringen können.

Diese Kompetenzen sind nicht neu. Neu ist, dass sie nicht mehr im gleichen Mass aufgebaut und trainiert werden. Wer früher hundert Medienmitteilungen geschrieben hat, hat dabei ein Gespür für Relevanz und prägnante Formulierungen entwickelt. Wer hundert Medienmitteilungen generieren lässt, entwickelt dieses Gefühl nicht. Kompetenzen, die bisher on the job erlernt wurden, müssen künftig gezielt aufgebaut werden. Die Kompetenzverschiebung vom Ausführen zum Verantworten, vom Bedienen zum Entscheiden und vom Wissen zum Einordnen braucht Zeit und Commitment.

Diese Kompetenzen braucht es für die Entscheidung, was und wie produziert wird und ob eine Botschaft überhaupt ankommt. Denn parallel zur Inhaltsflut verändert sich, wie Inhalte gefunden werden und ob ihnen vertraut wird. Wer gehört werden will, muss deshalb zwei Fragen gleichzeitig beantworten: Was ist es wert, gesagt zu werden und wo entsteht das Vertrauen, das der Botschaft überhaupt Wirkung gibt?

Vertrauen und Glaubwürdigkeit brauchen klare Haltung

Immer mehr Menschen nutzen KI-gestützte Antwortsysteme statt klassischer Trefferlisten (vgl. DigitalLeverage 2025). Sie wollen schnelle Antworten und dafür weniger klicken. Google zeigt heute andere Resultate als noch vor einem Jahr. Gleichzeitig nutzen Menschen täglich intensiv ChatGPT und ähnliche Systeme, um Antworten auf ihre Fragen zu finden. Der Traffic auf Webseiten und auch die Klickraten sinken. Damit ändert sich, wie und wofür Contents optimiert werden. Nicht mehr primär für Klicks, sondern dafür, dass ein Modell die eigenen Inhalte findet, versteht und korrekt wiedergibt. Benötigt werden eine klare Struktur, explizite Aussagen, überprüfbare Fakten und ein korrekter Kontext. Generative Engine Optimization (GEO) verändert auch die Distributionsregeln. Eigene Medien, wie etwa die Website, sind nicht mehr die Spitzenreiter, wenn es um Auffindbarkeit und Sichtbarkeit geht. KI-Systeme bevorzugen systematisch Drittquellen gegenüber Inhalten, die ein Unternehmen über sich selbst publiziert (Chen et al., 2025). Wer sich also selbst zum Marktführer erklärt, überzeugt das System wenig. Wer hingegen von einem Fachmagazin, einer Studie oder einem unabhängigen Bewertungsportal so bezeichnet wird, wird eher in der KI-Antwort berücksichtigt.

Die Distributionslogik verschiebt sich von Reichweite hin zu Glaubwürdigkeit und Vertrauen. Die alte Frage lautete: «Wo erreichen wir die meisten Leute?» Die neue lautet: «Wo platzieren wir unsere Botschaften und präsentieren unser Unternehmen, ohne dafür zu bezahlen?» Dazu braucht es eine klare Content Strategie und das Wissen, wo es sich lohnt, etwas zu sagen. Wofür sind wir eine glaubwürdige Quelle? Was können wir erzählen, das unsere Zielgruppen interessiert? Wer kann die Geschichte glaubwürdig erzählen? Ein Beitrag, der ausschliesslich auf dem Firmenblog veröffentlicht wurde, wird selten von der KI zitiert (Kumar et al. 2025). Somit gewinnen Earned Media und Public Relations wieder an Bedeutung. Eine Erwähnung in einem Fachmedium, ein Zitat einer unabhängigen Expertin oder eine belastbare eigene Studie sind für das Vertrauen und die Auffindbarkeit enorm wichtig und können nicht automatisch generiert werden.

Vom Experimentieren zum Integrieren

Haltung, Vertrauen, Glaubwürdigkeit: All das lässt sich nicht verordnen und nicht von einer einzelnen Person tragen. Die entscheidende Frage ist selten, wie gut eine einzelne Person das Tool bedient, sondern ob Team und Organisation den Rahmen dafür schaffen. Wer definiert die Spielregeln? Wie verändern sich Rollen, Workflows und Qualitätssicherung in einer Marketing- oder Kommunikationsabteilung, wenn plötzlich alle mit denselben Werkzeugen arbeiten, aber auf sehr unterschiedlichem Niveau? Und wie geht ein Team mit diesem Kompetenzgefälle um, ohne dass die einen abgehängt werden und die anderen im Alleingang vorpreschen?

Die Mehrheit der Mitarbeitenden in Schweizer Unternehmen gibt an, KI regelmässig zu nutzen. Rund die Hälfte der Schweizer Unternehmen hat Anwendungsfälle identifiziert und Pilotprojekte gestartet. Über die Pilotphase hinaus kommen die wenigsten, und gut ein Drittel misst den Wert dieser Projekte gar nicht erst (vgl. Studie Colombus Consulting, 2026). Die KI-Nutzung steigt und trotzdem wird ein Grossteil der lancierten Pilotprojekte nicht weiterverfolgt oder sogar als Misserfolg bewertet. Nutzung und Integration sind zwei verschiedene Dinge. Wir haben viel vom Ersten. Wir haben noch zu wenig vom Zweiten. Mehr KI-Nutzung bedeutet nicht automatisch mehr KI-Kompetenz. Dieses Kompetenzparadox verhindert aktuell die systematische Integration und Skalierbarkeit von KI-Projekten.

Mit der rasanten Entwicklung generativer KI steigen die Ansprüche an das eigene Können und an die verfügbaren Ressourcen kontinuierlich. Gleichzeitig stockt der Übergang vom Pilotprojekt zur Integration. Wenn eine Technologie nicht in die Arbeitsprozesse eingebettet ist, bleibt ihre Nutzung ein Zusatzaufwand. Unter diesen Bedingungen entwickelt sich das eigene Können langsamer, oder man greift seltener zum Werkzeug, weil die Hürde im Alltag zu hoch ist. Auch «auf dem Laufenden bleiben» wird zur zusätzlichen Last, wenn ein Unternehmen keine Schulungen anbietet, keine Use Cases definiert hat und keine Integrationsstrategie verfolgt. Der einzelne Mitarbeitende soll aufholen, was die Organisation nicht vorbereitet hat. Dabei ist selten die Technologie der limitierende Faktor. Viel eher sind es die Menschen und Prozesse. Tools gibt es genug. Was fehlt, ist die Klarheit darüber, wofür sie eingesetzt werden (und wofür eben nicht), wer die Verantwortung für Qualität trägt und wie das Ganze in bestehende Abläufe eingebettet wird. Entscheidend ist deshalb, ob eine Organisation die Bedingungen schafft, unter denen aus Experimentieren Integrieren werden kann: Wer definiert die Leitplanken? Wer sorgt dafür, dass aus einem gelungenen Pilotprojekt ein verankerter Prozess wird, statt einer Erinnerung an einen guten Versuch? Wer entscheidet, wie Qualität gesichert wird, wenn eine Maschine mitschreibt? Hier sind Marketing- und Kommunikationsleute in der Pole Position. Zu ihren Aufgaben gehört es, Zielgruppen zu verstehen, Relevanz einzuschätzen, Botschaften auf Wirkung und Glaubwürdigkeit zu prüfen. Es geht nicht nur darum, eine neue Technologie zu beherrschen, sondern darum, vorhandene Kompetenzen bewusst in die Gestaltung der Marketing- und Kommunikationsprozesse einzubringen.

Den Umgang mit KI gestalten, statt sie nur zu bedienen

Die Narrative über die Zukunft laufen meist in zwei Richtungen. Die eine: KI macht uns überflüssig, also brauchen wir gar nicht erst zu entscheiden, es ist ohnehin alles vorbestimmt. Die andere: Am Ende bleibt alles beim Alten, also müssen wir ebenfalls nichts entscheiden, es passiert ja ohnehin nichts. Dieser Entweder-Oder-Ansatz ist für Marketing- und Kommunikationsprofis weder sinnvoll noch realistisch. Die relevante Frage ist längst, wie KI eingesetzt wird. Drei Ansatzpunkte helfen dabei, vom Reagieren ins Gestalten zu kommen.

#1 KI strategisch verankern statt nur punktuell nutzen

Es braucht klare Ziele, Zuständigkeiten und Prozesse für den Einsatz generativer KI. Nicht als Tool-Experiment, sondern als Bestandteil der Kommunikation und immer mit Blick auf die Wertschöpfung. Ein effektiver Einsatz von KI braucht die richtigen Rahmenbedingungen, vor allem eine klare Haltung, die Orientierung schafft und Sicherheit gibt.

#2 Qualität und Vertrauen aktiv steuern

Marketing- und Kommunikationsabteilungen sollten klare Qualitätsmassstäbe für KI-generierte Inhalte definieren und etablieren. Dabei spielen Relevanz, Kontext und Glaubwürdigkeit eine zentrale Rolle. In einer informationsökologischen Umgebung mit wachsender Inhaltsflut unterstützt kuratierte Qualität den Vertrauensprozess.

#3 KI-Literacy als Kernkompetenz entwickeln

Fähigkeiten wie Einordnen, Hinterfragen und Verantworten entstehen nicht mehr von selbst im Arbeitsalltag. Sie müssen gezielt entwickelt werden. Das gelingt in einer Kultur, die Experimentieren erlaubt, Fehler als Lernquelle nutzt und Reflexion einfordert. Kompetenz entsteht durch bewusste Anwendung, nicht durch blosse Nutzung. Das braucht Zeit und Commitment.

KI entfaltet dann Wirkung, wenn sie strategisch integriert, kompetent angewendet und qualitativ hochwertig eingesetzt wird. Nicht das Tool entscheidet über den Mehrwert, sondern Struktur, Verantwortung und reflektiertes Handeln. Das ist Gestaltungsarbeit, und sie beginnt nicht beim nächsten Tool, sondern bei uns.

Die Frage ist also nicht, was die Maschine als Nächstes kann, sondern wie wir als #TeamHuman die Schnittstelle von Mensch und Maschine gestalten.

Dr. Nadine Stutz ist Beraterin, Dozentin und Keynote-Speakerin an der Schnittstelle von Mensch, Technologie und Kommunikation. Sie befähigt Menschen und Organisationen in Transformationsprozessen, mit Fokus auf dem #TeamHuman, generativer KI und dem Aufbau digitaler Kompetenzen. Sie ist Dozentin am Institut für Kommunikation und Marketing (IKM) an der Hochschule Luzern Wirtschaft und Inhaberin von empower digital. | Bild: zVg von der HSLU
Dr. Nadine Stutz ist Beraterin, Dozentin und Keynote-Speakerin an der Schnittstelle von Mensch, Technologie und Kommunikation. Sie befähigt Menschen und Organisationen in Transformationsprozessen, mit Fokus auf dem #TeamHuman, generativer KI und dem Aufbau digitaler Kompetenzen. Sie ist Dozentin am Institut für Kommunikation und Marketing (IKM) an der Hochschule Luzern Wirtschaft und Inhaberin von empower digital. | Bild: zVg von der HSLU

Thematisch passende Weiterbildung

CAS AI in Marketing and Communication

Dieses modular aufgebaute CAS vermittelt die Kompetenzen, um KI im Marketing und in der Kommunikation wirkungsvoll, verantwortungsvoll und rechtssicher einzusetzen.

Alle SAS-Programme können auch einzeln gebucht werden.

SAS Generative KI für Marketing und Kommunikation

SAS AI Transformation in Marketing und Kommunikation

SAS Responsible AI in Marketing und Kommunikation

SAS Applied AI Marketing Project

Mehr Infos zum CAS AI in Marketing and Communication

> hslu.ch/ai

Weitere Beiträge zum Thema