Die meisten Anleitungen zum Thema "KI-Content-Workflow" enden beim Verfassen des Entwurfs. Briefing rein, Entwurf raus, vielleicht noch ein kurzer menschlicher Blick, bevor veroeffentlicht wird. Genau deshalb liest sich so viel KI-Content gleich: derselbe Rhythmus aus kurzen, knackigen Saetzen, dieselbe Konstruktion nach dem Muster "es geht nicht nur um X, sondern um Y", dieselbe Dreipunkt-Liste, die in jedem Abschnitt auftaucht, ob das Thema sie braucht oder nicht. Der Workflow war nie darauf ausgelegt, so etwas abzufangen. Er war darauf ausgelegt, schnell Text zu produzieren.
Ein Workflow, der wirklich standhaelt, braucht eine Stufe mehr als die, die die meisten Teams fahren: einen Qualitaetscheck, der gezielt nach den typischen KI-Merkmalen sucht, bevor irgendetwas ausgeliefert wird, plus die Marken- und Belegdaten, die dafuer sorgen, dass ein erster Entwurf nach Ihrem Team klingt und nicht nach einer Vorlage. Nachfolgend finden Sie die sechsstufige Version, was Sie in jede Stufe einspeisen und die genauen Merkmale, auf die Sie an dem Checkpoint achten muessen, den die meisten Workflows ueberspringen.
Warum KI-Content-Workflows standardmaessig generische Ergebnisse liefern
Large Language Models sind darauf trainiert, statistisch wahrscheinlichen Text zu erzeugen. Wahrscheinlicher Text klingt per Definition wie der Text aller anderen. Ohne gezielte Eingaben, die dem entgegenwirken, konvergiert ein KI-Workflow unabhaengig vom Thema immer auf dieselben Marotten:
- Gleichfoermiger Rhythmus. Kurze Aussagesaetze hintereinander, dann ein laengerer als Kontrast, immer im selben Kreislauf.
- Absichern-und-dann-Umschwenken. "Es geht nicht nur um X, sondern um Y" taucht auf, ob der Gegensatz nun real ist oder nicht.
- Symmetrische Listen. Drei Punkte, drei Beispiele, drei Schritte, selbst wenn die tatsaechliche Antwort zwei oder fuenf hat.
- Vage Autoritaet. "Studien zeigen" und "viele Experten sind sich einig" statt einer namentlich genannten Quelle oder einer konkreten Zahl.
- Flache Selbstsicherheit. Keine Einschraenkung, wo eine Einschraenkung ehrlich waere, keine klare Meinung, wo eine angebracht waere, weil das Modell auf unanstoessige Plausibilitaet optimiert, nicht auf einen Standpunkt.
Nichts davon ist ein Versagen des Modells. Es ist ein Modell, das genau das tut, worum es gebeten wurde: schnell plausiblen Text produzieren. Die Loesung ist nicht allein ein besserer Prompt, sondern ein Workflow, der die fehlenden Zutaten liefert (echte Markenstimme, echte Details, ein echter Standpunkt) und dann vor der Veroeffentlichung auf die typischen Merkmale prueft.
Der sechsstufige Workflow
| Stufe | Was passiert | Wer oder was verantwortet es |
|---|---|---|
| 1. Briefing | Definieren Sie die Suchanfrage, den Leser, den Blickwinkel und 2 bis 3 konkrete Fakten oder Beispiele, die der Entwurf enthalten muss | Redakteur oder Stratege |
| 2. Kontext | Speisen Sie dem Modell Ihren Style Guide, vergangene Top-Beitraege und Produktfakten ein, nicht nur das Thema | Redakteur, in das KI-Tool eingespeist |
| 3. Entwurf | Erzeugen Sie den ersten Durchgang auf Basis von Briefing und Kontext, nicht aus einem blanken Prompt | KI-Tool |
| 4. Menschliche Bearbeitung | Ueberarbeiten Sie fuer die Stimme, streichen Sie Absichern-und-Umschwenken-Formulierungen, ersetzen Sie vage Aussagen durch Konkretes | Redakteur oder Autor |
| 5. Qualitaetscheck auf KI-Merkmale | Suchen Sie gezielt nach den unten genannten Merkmalen, bevor irgendetwas eingeplant wird | Redakteur, checklistengestuetzt |
| 6. Veroeffentlichen und Monitoring | Bringen Sie es raus, beobachten Sie dann, wie es tatsaechlich performt und ob es eine Auffrischung braucht | Gesamtes Team |
Die meisten Teams fahren die Stufen 1, 3 und 6. Die Stufen, die lesbaren KI-gestuetzten Content von offensichtlich nach KI klingendem Content trennen, sind 2, 4 und 5. Behandeln Sie diese also als nicht verhandelbar, nicht als optionalen Feinschliff.
Stufe 1: Briefing, bevor Sie prompten
Ein Briefing ist nicht das Keyword. Es ist der Blickwinkel, die tatsaechliche Frage des Lesers und mindestens zwei oder drei konkrete Details, die der Entwurf enthalten muss: eine echte Zahl, ein namentlich genanntes Tool, ein konkretes Szenario. Wenn das Briefing nur ein Thema und ein Keyword enthaelt, hat das Modell nichts, worueber es konkret werden koennte, und greift auf generische Formulierungen zurueck, um den Platz zu fuellen.
Stufe 2: Geben Sie ihm Kontext, nicht nur Anweisungen
"Schreibe in einem freundlichen, professionellen Ton" ist kein Kontext, sondern eine Stimmung. Tatsaechlicher Kontext ist ein kurzes Stil-Dokument mit Beispielsaetzen, an denen das Modell Muster abgleichen kann, drei bis fuenf Ihrer besten bestehenden Beitraege, um Rhythmus und Vokabular festzulegen, und die Produkt- oder Fachfakten, die ein generisches Modell niemals kennen wuerde. Ohne diesen Schritt hat das Modell keinen Anker zu Ihrer Stimme und faellt auf seinen trainingsdurchschnittlichen Ton zurueck, also die generische KI-Stimme, die jeder wiedererkennt.
Stufe 3: Der Entwurf auf Basis des Briefings
Das ist der Schritt, den die meisten Anleitungen ueberhaupt nur behandeln. Erzeugen Sie den Entwurf auf Basis von Briefing und Kontext, nicht aus einem einzeiligen Prompt. Ein Modell, dem ein echtes Briefing und echte Beispiele vorliegen, produziert einen roheren, aber konkreteren Entwurf. Diese Rohheit ist in dieser Phase ein Vorteil: Es ist leichter, einem schlichten Satz Konkretes einzuarbeiten, als einem uebermaessig glattpolierten, uebermaessig verallgemeinerten Satz den Lack abzukratzen.
Stufe 4: Bearbeiten Sie fuer Stimme und Konkretes, nicht nur die Grammatik
Das ist ein Ueberarbeitungsdurchgang, kein Korrekturlesen. Die Aufgabe des Redakteurs ist es, "viele Unternehmen kaempfen damit" durch das tatsaechliche Problem zu ersetzen, jeden Satz zu streichen, der unveraendert in einem Konkurrenzartikel zum selben Thema stehen koennte, und den Text laut zu lesen. Wenn er sich wie eine Keynote-Rede anhoert, braucht er einen weiteren Durchgang.
Stufe 5: Der Qualitaetscheck, den die meisten Workflows ueberspringen
Bevor irgendetwas veroeffentlicht wird, pruefen Sie den Entwurf anhand einer kurzen, konkreten Liste, nicht anhand eines vagen Bauchgefuehls nach dem Motto "klingt das menschlich":
- Zaehlen Sie die Vorkommen von "es geht nicht nur um X, sondern um Y" oder aehnlichen Varianten. Mehr als eines in einem Beitrag von Artikellaenge ist ein verraeterisches Merkmal.
- Achten Sie auf Gedankenstriche, die als Rhythmus-Kruecke statt als echte Einschuebe in Klammern verwendet werden.
- Pruefen Sie, ob jeder Abschnitt genau drei Aufzaehlungspunkte oder drei Beispiele hat. Wenn ja, ist diese Symmetrie die Standardeinstellung des Modells, keine bewusste Struktur.
- Suchen Sie nach mindestens einer konkreten Zahl, einer genannten Quelle oder einem konkreten Beispiel pro Hauptabschnitt. Wenn ein Abschnitt nur aus Allgemeinplaetzen besteht, wurde er noch nicht bearbeitet.
- Lesen Sie den ersten und den letzten Satz jedes Abschnitts. Wenn sie sich in ihrer Struktur mit dem ersten und letzten Satz jedes anderen Abschnitts reimen, ist das ein schablonenhafter Rhythmus.
Ein Entwurf, der bei zwei oder mehr dieser Punkte durchfaellt, braucht einen weiteren Bearbeitungsdurchgang, bevor er ausgeliefert wird, nicht einen Ansatz nach dem Motto "erst veroeffentlichen, spaeter korrigieren".
Stufe 6: Veroeffentlichen und Monitoring, weil die Arbeit bei "klingt gut" nicht getan ist
Content, der sich am ersten Tag gut liest, kann trotzdem duenn sein oder kann verfallen, waehrend sich das Thema weiterbewegt und Konkurrenten aktualisieren. Ob ein Beitrag KI-gestuetzt oder vollstaendig von Menschen verfasst ist: Der Workflow endet nicht beim Veroeffentlichen. Jemand oder ein System muss verfolgen, ob er tatsaechlich rankt und sich haelt, und ihn markieren, wenn er anfaengt abzurutschen, genau wie bei jeder anderen Seite der Website.
Ein durchgearbeitetes Beispiel: vor und nach dem Qualitaetscheck
Hier ist ein einzelner Satz aus einem ersten KI-Entwurf fuer einen B2B-SaaS-Blog und derselbe Satz nach Stufe 4 und 5:
Vorher: "Es geht nicht nur darum, Content schneller zu schreiben, sondern darum, einen wiederholbaren Prozess aufzubauen, der mit den Anforderungen Ihres Teams skaliert."
Nachher: "Der Punkt ist nicht Geschwindigkeit. Der Punkt ist, dass ein dreikoepfiges Marketing-Team jetzt denselben Output aufrechterhalten kann wie ein fuenfkoepfiges Team vor zwei Jahren, weil der Engpass beim Verfassen weg ist."
Die "Nachher"-Version verwirft die Absichern-und-Umschwenken-Struktur, fuegt eine konkrete und ueberpruefbare Aussage hinzu (drei Personen gegenueber fuenf, ein konkreter Zeitrahmen) und liest sich, als haette tatsaechlich jemand ueber den Zielkonflikt nachgedacht, statt dem Leser die Praemisse zurueckzuspiegeln.
Was automatisieren und was menschlich bleiben sollte
Nicht jede Stufe profitiert vom gleichen Mass an Automatisierung. Als grobe Faustregel:
- Kann weitgehend automatisiert werden: Erstellung des ersten Entwurfs auf Basis eines soliden Briefings, Formatierung, Entwuerfe von Meta-Tags, Vorschlaege fuer interne Links, Uebersetzung eines bereits freigegebenen Beitrags.
- Braucht jedes Mal einen Menschen in der Schleife: das Briefing selbst, der Kontext und die Beispiele, die dem Modell eingespeist werden, die Ueberarbeitung fuer die Stimme und der abschliessende Qualitaetscheck.
- Niemals vollstaendig automatisieren: die Entscheidung zu veroeffentlichen. Selbst eine schnelle Pruefung schlaegt ein ungeprueftes Auto-Publishing, denn der Fehlerfall beim Ueberspringen der Pruefung ist nicht "etwas schlechterer Content", sondern das Veroeffentlichen von etwas, das sich wie eine Vorlage mit Ihrem Logo darauf liest.
Das gilt mehr, nicht weniger, je groesser das Volumen wird. Ein einzelner KI-gestuetzter Artikel mit uebersprungenem Pruefschritt ist eine schlechte Seite. Dieselbe Luecke, multipliziert ueber fuenfzig oder zweihundert programmatisch erzeugte Seiten, ist ein Muster, das sowohl Googles Ranking-Systeme als auch menschliche Bewerter darauf ausgelegt sind zu erkennen, und genau das ist das eigentliche Risiko bei KI-Content im grossen Massstab, nicht die KI selbst.
Den Workflow konsistent halten, waehrend Sie skalieren
Die oben genannten Stufen funktionieren fuer einen Artikel, der von einer Person geschrieben wird. Die schwierigere Version dieses Problems ist es, Stufe 2 (Kontext) und Stufe 5 (den Qualitaetscheck) konsistent zu halten, wenn fuenf Autoren oder ein KI-Tool, das Dutzende Seiten aus einer Vorlage erzeugt, gleichzeitig Content produzieren. Genau hier verdient sich eine gemeinsame, strukturierte Wissensbasis ihren Platz: ein einziger Ort, der Ihre Markenstimme, Ihren Ton und Ihre Produktfakten enthaelt und auf den sich jede Generierung bezieht, statt dass fuenf verschiedene Personen jeweils aus dem Gedaechtnis raten, was "nach uns klingt". Der KI-Content-Workflow von Murkuz funktioniert auf diese Weise und bezieht sich auf eine gemeinsame Wissensbasis (HyBrain), damit Entwuerfe in der Stimme bleiben, ob nun eine Seite erzeugt wird oder hundert aus einer einzigen Vorlage entstehen. Anschliessend laeuft der erzeugte Content zudem durch ein Monitoring auf Seitenebene, sodass eine Seite, die zu verfallen beginnt, markiert wird, statt still Rankings zu verlieren. Wenn Sie Seiten in diesem Massstab produzieren, ist das ausserdem genau das Problem, das programmatisches SEO loesen soll: einzigartiger, markenkonsistenter Content, der aus einer Vorlage und Daten erzeugt wird, nicht duenne Seiten mit ausgetauschten Variablen.
Welche Tools auch immer in Ihrem Stack stecken, der Workflow selbst aendert sich nicht: Briefing, Kontext, Entwurf, Bearbeitung, Qualitaetscheck, Veroeffentlichen und Monitoring. Ueberspringen Sie die mittleren drei Stufen und Sie bekommen schnellen, generischen Content. Fahren Sie alle sechs und KI wird zu einem echten Kraftverstaerker fuer ein kleines Team, statt zu einer Moeglichkeit, mehr vom Gleichen zu veroeffentlichen, das alle anderen auch veroeffentlichen.
FAQ
Wie bringe ich ChatGPT oder Claude dazu, weniger nach KI zu klingen?
Speisen Sie ihm echten Kontext ein, Ihren Style Guide, Beispielsaetze aus Beitraegen, denen Sie bereits vertrauen, und konkrete Fakten, statt nur ein Thema und eine Ton-Anweisung. Bearbeiten Sie dann die Ausgabe fuer die Stimme und lassen Sie sie durch einen Qualitaetscheck auf Absichern-und-Umschwenken-Formulierungen, symmetrische Aufzaehlungslisten und vage Aussagen laufen, bevor sie ausgeliefert wird. Das Modell allein kann das nicht beheben; der Workflow drumherum muss es tun.
Was ist die "30-Prozent-Regel", die bei KI-Content erwaehnt wird?
Es gibt keine einzelne offizielle Regel, aber der Gedanke dahinter, dass ein bedeutender Anteil jedes KI-gestuetzten Entwurfs von einem Menschen substanziell umgeschrieben oder ergaenzt werden sollte, bevor er veroeffentlicht wird, passt zu den Punkten aus Stufe 4 und Stufe 5 oben. Behandeln Sie das als Untergrenze, nicht als Zielwert: Ein Entwurf, der nur ein leichtes Lektorat braucht, hatte wahrscheinlich schon starke Briefing- und Kontext-Eingaben.
Kann man erkennen, ob ein Inhalt von KI geschrieben wurde?
Oft ja, an den Mustern, die im Abschnitt zum Qualitaetscheck aufgelistet sind: Absichern-und-Umschwenken-Formulierungen, ungewoehnlich gleichmaessiger Satzrhythmus, generische Aussagen ohne konkrete Quelle und symmetrische Listenstrukturen, die sich ueber Abschnitte hinweg wiederholen. Keines davon ist fuer sich genommen ein Beweis, aber mehrere zusammen sind ein starkes Signal, und genau deshalb prueft der Qualitaetscheck darauf vor der Veroeffentlichung, statt sich hinterher auf ein KI-Erkennungstool zu verlassen.
Schadet der Einsatz von KI fuer Content den SEO-Rankings?
Googles eigene Vorgabe lautet, dass es Content nach Qualitaet und Hilfreichkeit bewertet, nicht danach, wie er erstellt wurde. Das Risiko ist nicht das Tool, sondern unbearbeitete, generische, mit wenig Aufwand erzeugte Ausgaben im grossen Massstab. Ein Workflow mit einer echten Bearbeitungs- und Qualitaetscheck-Stufe produziert Content, der dieselbe Messlatte erfuellt wie vollstaendig von Menschen geschriebene Arbeit.
Wie viel sollte ein Mensch an einem ersten KI-Entwurf bearbeiten?
So viel, dass die Details, die Beispiele, die Zahlen, die genannten Quellen, nicht mehr generisch sind, und so viel, dass sich das laute Lesen nicht wie eine Vorlage anhoert. In der Praxis ist das ueblicherweise eine substanzielle Ueberarbeitung von mindestens einem Drittel des Entwurfs, kein leichtes Korrekturlesen, insbesondere bei den ersten und letzten Zeilen jedes Abschnitts, wo sich KI-Marotten am staerksten ballen.
Junaid Khalid ist der Gruender von Ertiqah, dem Unternehmen hinter Murkuz. Er hat SEO als ersten Wachstumskanal in mehreren seiner eigenen SaaS-Produkte aufgebaut, darunter der KI-Content-Workflow, den dieser Artikel beschreibt.
