Der KI-Text ist in 40 Sekunden fertig. Dann beginnt die eigentliche Arbeit. Der Fachbereich ergänzt Fakten, die Redaktion streicht falsche Zuspitzungen, die Marke klingt plötzlich beliebig. Schließlich verschiebt die Geschäftsführung noch die Gewichtung. Am Ende steht ein brauchbarer Text. Nur war er weder schnell noch günstig. Über Tokenpreise und Lizenzen wird trotzdem genauer gesprochen als über die Stunden danach. Dabei entscheidet sich genau dort, ob generative KI den Content-Prozess entlastet oder bloß einen zusätzlichen Prüfprozess erzeugt.
Die falsche Kennzahl
Die Kosten einer Abfrage lassen sich leicht ausweisen. Arbeitszeit ist unbequemer. Sie verteilt sich auf Redaktion, Fachexpertise, Kommunikation, Marke und Freigabe. Deshalb verschwindet sie in Kalendern, E-Mail-Verläufen und Budgets verschiedener Bereiche.
Ein günstiger Entwurf kann teuer werden, wenn vier Personen nacheinander dieselben Grundlagen reparieren. Zahlen werden geprüft, Begriffe vereinheitlicht, Aussagen relativiert und Formulierungen an die Tonalität angepasst. Anschließend geht der Text zurück in die nächste Runde. Der Modellpreis spielt in dieser Rechnung fast keine Rolle mehr.
Nicht jede Korrektur ist Verschwendung. Fachliche und strategische Prüfung gehört zu verantwortbarer Kommunikation. Wenn jedoch bei jedem Entwurf dieselben Produktnamen, Kernbotschaften oder No-Gos korrigiert werden, liegt kein Qualitätsproblem einzelner Texte vor. Dann fehlt eine Steuerungsgrundlage.
Die relevante Kennzahl lautet deshalb: Wie viel Aufwand entsteht zwischen Generierung und verantwortbarer Veröffentlichung? Wer nur Tokenkosten optimiert, spart womöglich am kleinsten Posten und lässt den größten ungemessen.
Wo Schleifen entstehen
Fakten ohne Herkunft
Generative KI formuliert auch dann plausibel, wenn die Faktenbasis dünn oder veraltet ist. Ohne gepflegte Quellen muss das Team Aussagen nachrecherchieren, Versionen vergleichen und Aktualisierungen einzeln nachziehen. In Organisationen mit mehreren Fachbereichen oder Gremien wird es noch absurder: Alle prüfen denselben Text, aber nicht zwingend gegen denselben Faktenstand.
Unterschiedliche Perspektiven sind sinnvoll. Unterschiedliche Wahrheiten sind es nicht.
Marke als Reparatur
Tonalität wird häufig wie Kosmetik behandelt. Erst entsteht der Text, danach soll die Redaktion ihn irgendwie nach Marke klingen lassen. Bevorzugte Begriffe, tabuisierte Aussagen, Zielgruppenperspektive und kommunikative Haltung kommen zu spät in den Prozess.
Der KI-Output war dann nicht zwingend schlecht. Er war nur kaum gesteuert. Die Redaktion wird zur Reparaturinstanz für Anforderungen, die bereits vor der Generierung bekannt waren. Das ist keine kreative Veredelung. Es ist wiederkehrende Nacharbeit.
Freigaben ohne Logik
Wenn unklar bleibt, wer was prüfen soll, landet auch Routinecontent bei zu vielen Beteiligten. Alle geben Kommentare ab, niemand trägt eindeutig die Entscheidung. Umgekehrt fallen sensible Aussagen manchmal erst kurz vor Veröffentlichung auf, weil die zuständige Expertise nicht früh genug eingebunden war.
Freigaben nach Gewohnheit erzeugen entweder Überkontrolle oder Lücken. Beides kostet Zeit. Beides lässt sich mit klaren Rollen strukturieren.
Briefings als Einzelfall
Ein gutes Briefing verbessert einen einzelnen Entwurf. Es löst aber wenig, wenn jede Person Markenwissen, Fakten und Formatregeln erneut zusammensuchen muss. Dann hängt die Qualität davon ab, wer gerade Zeit hat, wie gut alte Dokumente auffindbar sind und welche Vorgabe noch als aktuell gilt.
Wiederkehrende Anforderungen gehören nicht in persönliche Prompt-Sammlungen. Sie brauchen eine gemeinsame, gepflegte Basis.
Perfektion ist kein Ziel
Der erste Entwurf muss nicht veröffentlichungsfertig sein. Diese Erwartung wäre ebenso naiv wie die Annahme, menschliche Texte kämen ohne Prüfung aus. Fachliche, rechtliche oder reputationssensible Inhalte brauchen weiterhin klar verantwortete Kontrolle.
Entscheidend ist, womit sich diese Prüfung beschäftigt. Expertinnen und Experten sollten Aussagen bewerten, Risiken erkennen und Gewichtungen hinterfragen. Sie sollten nicht zum zwanzigsten Mal eine veraltete Zahl ersetzen oder erklären, dass ein bestimmter Begriff nicht zur Marke passt.
Ein guter KI-Prozess spart nicht das Denken. Er spart die Arbeit, die entsteht, weil Grundlagen jedes Mal neu erklärt werden müssen.
Ein belastbarer Erstentwurf schafft dafür Raum. Er liegt bereits nah genug an Fakten, Zielgruppe, Format und Markenlogik, damit die verbleibende Prüfung tatsächliche Expertise verlangt. Weniger Rework heißt nicht weniger Verantwortung. Im besten Fall wird Verantwortung sichtbarer.
Qualität vorher organisieren
Qualität entsteht nicht allein durch ein besseres Modell oder ausführlichere Prompts. Sie hängt davon ab, ob Markenwissen als Steuerungsgrundlage nutzbar ist. Dazu müssen Regeln und Quellen aktuell, auffindbar und für den jeweiligen Anwendungsfall anschlussfähig sein.
Gemeinsame Grundlagen
- geprüfte Kernfakten mit benannten, verantwortlichen Quellen
- Markensprache, verbindliche Terminologie und klare No-Gos
- Zielgruppenlogik für wiederkehrende Kommunikationsaufgaben
- definierte Textformate und nachvollziehbare Qualitätskriterien
Diese Grundlagen dürfen kein Archiv bilden, das einmal im Jahr aktualisiert wird. Sie müssen Teil des laufenden Systems sein. Sonst produziert generative KI mit alten Vorgaben nur schneller veraltete Inhalte.
Angemessene Freigaben
- Routineformate mit klaren Leitplanken können dezentral bearbeitet werden.
- Fachlich relevante Aussagen gehen an die zuständige Expertise.
- Rechtlich oder reputationssensible Inhalte folgen einem festen Freigabepfad.
- Änderungen an gemeinsamen Grundlagen werden zentral verantwortet und für alle aktualisiert.
Nicht jede Formulierung braucht zentrale Kontrolle. Markenhoheit zeigt sich gerade darin, dass Teams innerhalb verlässlicher Regeln eigenständig arbeiten können. Dafür müssen Rollen klarer sein als das diffuse Gefühl, zur Sicherheit noch eine weitere Person in Kopie zu setzen.
Korrekturen zurückführen
Wiederkehrende Korrekturen sind Prozessdaten. Wenn dieselbe Formulierung ständig beanstandet wird, fehlt vermutlich eine Regel oder sie ist zu unpräzise. Wenn Zahlen regelmäßig veralten, ist die Quellenpflege ungeklärt. Wenn Freigaben stocken, sind Rollen oder Risikostufen nicht eindeutig.
Solche Erkenntnisse dürfen nicht in einzelnen Dokumenten und Chatverläufen verschwinden. Sie müssen in die gemeinsame Marken- und Wissensbasis zurückfließen. Erst dann lernt der Prozess, statt nur das nächste Dokument zu reparieren.
Die Rechnung beginnt später
Die Debatte über KI-Kosten endet zu oft bei der Rechnung des Modellanbieters. Dort fängt sie erst an. Relevant ist, wie viele Menschen einen Entwurf erklären, korrigieren, absichern und neu abstimmen müssen, bevor er fachlich trägt und nach der eigenen Marke klingt.
Wer diesen Aufwand senkt, muss nicht möglichst viel Content erzeugen. Das wäre ohnehin eine fragwürdige Zielgröße. Wirtschaftlicher wird KI-Content, wenn der erste Entwurf belastbar genug ist, damit menschliche Arbeit dort einsetzt, wo sie tatsächlich gebraucht wird. Weniger Rettungsarbeit, klarere Verantwortung, kürzere Freigaben. Genau dieser Kostenblock lässt sich steuern.
