Ein-Personen-Redaktion: Ein Newsportal mit KI betreiben

👁 118 Aufrufe

Es ist halb sieben Uhr morgens, und auf unserem Tisch liegen bereits sieben fertige Themen für den Tag. Nicht etwa, weil jemand um vier Uhr aufgestanden wäre, sondern weil in der Nacht ein System hunderte Quellen durchforstet, Dubletten aussortiert, wiederkehrende Meldungen gebündelt und eine kurze Auswahl hinterlassen hat. Das ist keine Zauberei. Es ist eine Neuordnung von Prozessen, die bis vor Kurzem noch ein sechsköpfiges Team erfordert haben und die wir heute mit Unterstützung von Algorithmen bewältigen - Systemen, die man kaum noch als bloße Werkzeuge bezeichnen kann.

Wir wollen diesen Aufbau nüchtern analysieren, ohne das typische Pathos von Tech-Konferenzen und ohne Panikmache. Eine digitale Redaktion mit minimaler Besetzung zu führen, bedeutet nicht einfach, dass KI Arbeitsplätze ersetzt hat. Es zeigt vor allem, wie sich redaktionelle Rollen neu verteilen lassen und wer von dieser Verschiebung tatsächlich profitiert.

Was KI uns nicht abnimmt und was wir nicht abgeben wollen

Am Anfang steht eine Unterscheidung, die das gesamte Fundament bildet. Redaktionelle Arbeit besteht im Kern aus zwei Ebenen, die über Jahrzehnte fest miteinander verknüpft waren: Die erste Ebene ist die Verarbeitung - Fakten zusammentragen, Daten abgleichen, Sätze lesbar formulieren, Textlängen an Formate anpassen und Headline-Varianten entwerfen. Die zweite Ebene ist das Urteil: die Entscheidung darüber, was Relevanz besitzt, was wahr ist, wo Manipulation beginnt und was trotz hoher Klickchancen nicht publiziert werden darf.

Über Generationen hinweg verbrachten Nachwuchskräfte Jahre auf der ersten Ebene, bevor sie an die zweite herangelassen wurden. Meldungen umschreiben, Korrektorat betreiben, Fakten nachtelefonieren - das war Initiationsritus und Auslese zugleich. Sprachmodelle haben diesen Ablauf verändert. Die reine Verarbeitung erfordert heute nur noch einen Bruchteil der früheren Zeitressourcen. Das publizistische Urteil verbleibt hingegen vollständig beim Menschen.

Und genau dort gehört es hin. Wir können einer Maschine überlassen, drei Absätze Hintergrund zu einer behördlichen Regulierung zusammenzufassen. Wir überlassen ihr jedoch nicht die Wertung, ob diese Regelung ein Skandal oder eine Formalie ist. Diese Wertung zieht Konsequenzen nach sich, und für diese Konsequenzen steht die Person im Impressum geradestehen - nicht das Sprachmodell.

KI formuliert Sätze, die stilistisch kaum von menschlichen Texten zu unterscheiden sind. Sie übernimmt jedoch keine Verantwortung - und Verantwortung, nicht der Stil allein, bildet das Fundament professioneller Publikation.

Das ist keine moralische Pose, sondern eine rationale Risikoabwägung. Sobald wir der Maschine die Entscheidung über Relevanz überlassen, agieren wir nicht mehr als Herausgeber, sondern als Verteilerkanal für den statistischen Durchschnitt des Internets. Und dieser Durchschnitt liefert selten tragfähige Qualität.

Neue Arbeitsteilung in der Solo-Redaktion

Wenn wir von KI als Partner sprechen, meint das keinen menschlichen Dialog mit einem Chatbot. Es bedeutet, redaktionelle Aufgaben in klare Module zu zerlegen, die früher von verschiedenen Spezialisten besetzt wurden.

Da ist die Recherche: Früher saß jemand einen halben Tag lang an Texten, um drei verwertbare Absätze zu isolieren. Heute analysieren automatisierte Workflows über Nacht mehr Quellenmaterial, als ein Mensch in einer Woche sichten könnte, und liefern strukturierte Zusammenfassungen. Unsere Aufgabe verschwindet dadurch nicht, sie verlagert sich: Statt die Nadel im Heuhaufen zu suchen, erhalten wir zehn Nadeln und müssen verifizieren, welche davon belastbar ist und welche eine Halluzination des Modells darstellt.

Da ist das Lektorat: Hier arbeitet die Maschine unermüdlich und bemerkt Wortwiederholungen auch dann, wenn die Konzentration am späten Abend nachlässt. Gleichzeitig neigen Sprachmodelle zu einer übermäßigen Glättung. Texte wirken schnell austauschbar und steril. Die meiste Zeit investieren wir heute nicht in den Rohbau, sondern darin, dem maschinell glattgebügelten Text wieder ein eigenes Profil und Ecken und Kanten zurückzugeben.

Da ist die Distribution: Teaser für soziale Netzwerke, alternative Überschriften, Meta-Beschreibungen, Verschlagwortung. Diese zeitraubende Routinearbeit läuft heute weitgehend automatisiert im Hintergrund ab. Das ist der eigentliche Effizienzgewinn: Wir gewinnen Zeit zurück, die früher in mechanischen Aufgaben versickert ist.

Welche Interessen hier aufeinandertreffen

Jede neue Konstellation schafft Gewinner und Risiken. Ein realistischer Blick verlangt, diese Dynamiken offenzulegen.

Unser eigener Vorteil liegt auf der Hand: Eine Einzelperson oder ein Minimalteam kann heute einen Output erzeugen, der früher Büros, feste Gehälter und redaktionsinterne Abstimmungsschleifen erforderte. Dieser Spielraum bringt allerdings Einsamkeit bei Richtungsentscheidungen mit sich. Es gibt kein Korrektiv am Nebentisch, das rechtzeitig vor Fehleinschätzungen warnt.

Die Interessen der Modellanbieter sind ebenfalls eindeutig: Sie binden Nutzer an ihre Ökosysteme, sodass Prozesse und Arbeitsweisen tief mit ihren Schnittstellen verflochten sind. Aktuell sind die Zugangskosten überschaubar. Niemand garantiert jedoch stabile Preise, wenn Workflows erst einmal vollständig von diesen Diensten abhängen. Wer Unabhängigkeit auf fremder technischer Infrastruktur aufbaut, geht ein strategisches Klumpenrisiko ein.

Zudem steht das Interesse des Lesers im Raum. Dem Publikum ist gleichgültig, ob hinter einem Artikel zwanzig Personen oder eine einzelne Redaktionskraft stehen. Leser verlangen verlässliche, eigenständige Inhalte statt des Einheitsbreis, der im Netz kursiert. Genau hier liegt das Paradoxon: Dieselben Werkzeuge, die kleinen Projekten Schlagkraft verleihen, ermöglichen es unzähligen Akteuren, das Netz mit generischen Texten zu fluten. Der anfängliche Produktivitätsvorsprung egalisiert sich rasant.

Wo das Modell in der Praxis scheitert

Es geht nicht darum, das Bild des mühelos arbeitenden Solopreneurs zu zeichnen. Es gibt drei zentrale Schwachstellen, die im Redaktionsalltag immer wieder auftreten:

Erstens: die vorgetäuschte Sicherheit. Ein Sprachmodell deklariert Wissenslücken selten transparent. Es formuliert Falschaussagen mit derselben sprachlichen Eleganz wie verifizierte Fakten. Im Nachrichtenbereich ist das eine existentielle Gefahr: Ein einziger unbemerkter Fehler kann jahrelang aufgebautes Vertrauen beschädigen. Jedes Detail, das nicht unabhängig gegengeprüft wurde, muss daher wie eine unsichere Quelle behandelt werden.

Zweitens: der Verlust an Schreibpraxis. Wer über Monate jeden Rohentwurf von Modellen erstellen lässt, trainiert die eigenen Formulierungsfähigkeiten ab. Wir betrachten diesen Effekt als klares Warnsignal. Analytische Stücke und Leitartikel verfassen wir deshalb ganz bewusst manuell von Grund auf. Die kleinen Unebenheiten im Text belegen dabei schlicht, dass hier ein denkender Mensch am Werk war.

Drittens: die Illusion der Skalierung. Weil Systeme problemlos zehn Artikel am Tag auswerfen können, entsteht die Versuchung, diese auch zu veröffentlichen. Quantität verdrängt dann schnell Relevanz. Eine Plattform mit der zehnfachen Beitragsmenge gewinnt dadurch nicht an Profil, sondern droht in Beliebigkeit zu versinken. Die eigentliche Disziplin besteht darin, bewusst selektiv zu bleiben.

Was dieser Partner ohne Bewusstsein wirklich ist

Die Bezeichnung „Partner“ birgt eine begriffliche Falle. Ein echter Partner verfolgt eigene Ziele, trägt unternehmerisches Risiko und widerspricht bei Fehlern. All das leistet generative KI nicht: Sie hat kein Risikobewusstsein, übernimmt keine Haftung und liefert meist genau die Bestätigung, die angefordert wird, solange man sie nicht gezielt auf Gegenargumente trimmt.

Dennoch fühlt sich der Umgang im Alltag eher nach Kooperation als nach Werkzeugbedienung an. Ein Texteditor schlägt keine Assoziationen vor. Ein Sprachmodell tut das ununterbrochen - teils unbrauchbar, teils erstaunlich treffend, und das in Sekundenschnelle. Man arbeitet mit einer Art extrem belesenem Assistenten, der weder Ermüdung noch Frustration kennt, aber eben auch für nichts geradesteht.

Das bedeutet: In einem schlanken KI-gestützten Newsroom lastet die gesamte redaktionelle Sorgfaltspflicht auf den Schultern des Menschen. Es gibt keine Hierarchie mehr, die Schnitzer abfängt. Man agiert gleichzeitig als Autor, Schlussredakteur, Justiziar und ethisches Korrektiv.

Ein Fazit, das wenig beruhigt

Aus dieser Praxis ergibt sich eine nüchterne Erkenntnis:

Künstliche Intelligenz hat das publizistische Projekt nicht erschaffen. Sie hat lediglich die technischen und administrativen Barrieren beseitigt, die früher erhebliche Ressourcen banden. Die Einstiegshürden sind gesunken, die monotone Routine schrumpft zusammen. Geblieben ist die zentrale Anforderung, die Maschinen auf absehbare Zeit nicht leisten können: die verbindliche Entscheidung, ob eine Information wahr, relevant und veröffentlichungsreif ist.

Der Wert journalistischer Arbeit verlagert sich damit weg vom reinen Textvolumen oder von der Verarbeitungsgeschwindigkeit - beides ist zur Commodity geworden. Der Wert liegt im menschlichen Urteil: in der Bereitschaft zu sagen, warum ein Sachverhalt zählt und dafür mit dem eigenen Namen einzustehen. Alles andere ist reine Infrastruktur.

Wenn morgens die vorbereiteten Themenlisten der Systeme vor uns liegen, wird deutlich: Die eigentliche Redaktionsarbeit beginnt erst in dem Moment, in dem die Generierung endet. Denn Modelle liefern Faktenmuster und Satzketten - aber keinen Grund, warum etwas für Leser von Bedeutung ist. Diesen Grund müssen wir selbst liefern. Und solange das so bleibt, bleibt redaktionelles Handwerk unersetzlich.

// weiterlesenVerleger von einem: Wie ich mit KI allein gegen ganze Redaktionen antreteMagazinCustomer.io Anleitung: Personen, Events und erste AutomationAnleitungenAmazon will Prime Video mit KI personalisieren - und ich merke, dass mich nicht der Algorithmus stoert, sondern das Ende des ZufallsTechnik

Kinetyra