Die Redakteurin öffnet morgens ihr System und die ersten Aufgaben sind bereits erledigt. Die KI hat Texte zusammengefasst, Zwischenüberschriften vorgeschlagen, Bildunterschriften formuliert und aus einem Interview automatisch mehrere Content-Formate erzeugt. Was früher Stunden dauerte, passiert heute in wenigen Minuten. Doch mit jeder neuen Automatisierungsstufe wächst auch ein anderes Problem: Wer kontrolliert eigentlich noch die Qualität, den Kontext und die Glaubwürdigkeit der Inhalte? Und was passiert, wenn immer mehr Wissen, Arbeitsweisen und Entscheidungen in externe KI-Systeme abwandern?

Längst hat Künstliche Intelligenz Einzug in die professionelle Redaktionsarbeit gehalten. Texte zusammenfassen, Überschriften formulieren, Bilder vorschlagen, Inhalte übersetzen oder komplette Artikel entwerfen – vieles entsteht heute auf Knopfdruck. Für Content-Produzierende ist Generative Künstliche Intelligenz (GenKI) damit zu einem alltäglichen Werkzeug geworden. Doch je leistungsfähiger die Systeme werden, desto stärker verändert sich auch die Rolle der Menschen, die mit ihnen arbeiten. Aus Schreibenden und Recherchierenden werden zunehmend Prüfende, Kuratierende und Kontrollinstanzen KI-generierter Inhalte. Seriöse Content-Anbietende wie Medienhäuser, Nachrichtenagenturen, Bildungs-, Forschungs- oder Kultureinrichtungen stehen dadurch vor einer doppelten Herausforderung: Sie müssen die Produktivitätsgewinne der KI nutzen, ohne Qualität, Glaubwürdigkeit und Kontrolle über Wissen und Wertschöpfung zu verlieren. Denn auch im Zeitalter automatisierter Content-Produktion bleibt die Verantwortung beim Menschen. Inhalte müssen weiterhin gründlich recherchiert, faktenbasiert und auf verlässliche Quellen zurückführbar sein. Genau daran entscheidet sich, ob KI zum produktiven Werkzeug wird – oder zur neuen Belastung.

Der neue Redaktionsalltag

Kein Zweifel: Die Leistungsfähigkeit aktueller GenKI-Tools ist beeindruckend. Beinahe täglich überbieten sich OpenAI, Google, Anthropic und Microsoft mit neuen Erfolgsmeldungen. Gerade im Textbereich liefern aktuelle KI-Modelle Ergebnisse, die noch vor wenigen Jahren kaum vorstellbar gewesen wären. Doch längst geht es nicht mehr nur um lesbare Texte. Die KI-Anbietenden versprechen inzwischen komplette Content-Produktion auf Knopfdruck – vom Blogartikel über Präsentationen bis hin zu fertigen Websites. Tools wie Claude Cowork von Anthropic sollen sogar mehrstufige Aufgaben direkt auf dem Computer ausführen können. Der KI-Agent wird zum digitalen Kollegen, der Arbeitsabläufe automatisiert übernimmt. Das Versprechen dahinter: Einzelne Mitarbeitende erreichen mit KI plötzlich die Produktivität ganzer Teams. In der Praxis zeigt sich jedoch ein deutlich komplexeres Bild. KI-Systeme können menschliche Expertise sinnvoll unterstützen, sie ersetzen sie aber nicht. Denn je komplexer die Aufgaben werden, desto stärker steigt auch der Aufwand für Kontrolle, Einordnung und Qualitätssicherung. Genau dort beginnt die eigentliche Herausforderung der KI-gestützten Content-Produktion.

Vom Produzieren zum Kontrollieren

Was zunächst wie eine massive Arbeitserleichterung wirkt, verändert in Wirklichkeit die Rolle der Content-Produzierenden grundlegend. Denn trotz aller Marketingversprechen: KI-Systeme haben kein Verständnis für Inhalte und können nicht selbst denken. Je komplexer die Aufgabenstellung, desto höher wird die Fehleranfälligkeit. Die Arbeit verschwindet dadurch nicht – sie verlagert sich. Immer mehr KI-generierte Inhalte müssen überprüft, korrigiert und eingeordnet werden. Aus Schreibenden, Recherchierenden und Kreativen werden zunehmend Kontrollinstanzen automatisierter Systeme. Die Gefahr dieser Rollenumkehr ist real: Entweder sinkt die Qualität der Inhalte, oder die versprochenen Effizienzgewinne gehen durch aufwendiges Nacharbeiten wieder verloren. Besonders problematisch wird das bei hohem Produktionsdruck. Denn je schneller KI Inhalte erzeugt, desto größer wird die Menge an Material, die geprüft werden muss. Was als Produktivitätsgewinn beginnt, kann schnell zu einem KI-generierten Overload werden. Die mentale Belastung sinkt nicht zwangsläufig – sie verändert nur ihre Form.

Wenn Wissen nach außen wandert

Hinzu kommt ein weiteres Problem. Solange Organisationen Inhalte, Ideen und internes Wissen in vermeintlich kostenlose Chatsysteme eingeben, wächst die digitale Abhängigkeit Europas von US-amerikanischen KI-Anbietenden weiter. Zahlreiche Content-Anbietende versuchen inzwischen, die nicht genehmigte Nutzung ihrer Inhalte zum Training von KI-Modellen zu verhindern. Gleichzeitig nutzen Mitarbeitende im Arbeitsalltag oft frei verfügbare KI-Chatbots – und speisen damit ungewollt organisationsinternes Wissen in externe Systeme ein. Besonders deutlich zeigt sich das in den sogenannten Memory-Funktionen moderner KI-Chatbots. Ziel der Anbietenden ist es, die Systeme anhand der eingegebenen Daten zu personalisieren und kontinuierlich leistungsfähiger zu machen. Dabei geschieht etwas Grundsätzliches: Arbeitsweisen, internes Wissen und Teile der Wertschöpfung wandern schrittweise in KI-Systeme, über die Organisationen kaum Kontrolle besitzen. Damit entsteht eine neue Form digitaler Abhängigkeit. Ähnlich wie beim Siegeszug großer Cloud-Anbietender droht die Gefahr, dass Unternehmen und Institutionen ihre zentralen Prozesse langfristig an wenige Plattformen binden. Die Kontrolle über Wissen, Arbeitsabläufe und Wertschöpfung verlagert sich damit zunehmend außerhalb Europas.

Souveräne KI statt vollständiger Abhängigkeit

Europäische Unternehmen und Organisationen stehen damit vor einem Dilemma. Künstliche Intelligenz nicht zu nutzen, ist keine realistische Option. Wer auf die Innovationssprünge moderner KI-Systeme verzichtet, riskiert erhebliche Wettbewerbsnachteile. Gleichzeitig wächst jedoch die Gefahr, zentrale Wissens- und Wertschöpfungsprozesse an externe Plattformen auszulagern. Die entscheidende Frage lautet deshalb nicht, ob KI eingesetzt werden soll, sondern unter welchen Bedingungen. Ziel muss es sein, die Vorteile leistungsfähiger KI-Systeme zu nutzen und gleichzeitig Kontrolle über Daten, Prozesse und Wissen zu behalten. Genau an diesem Punkt setzt das Forschungsprojekt GenKI4Media an, das von 3pc GmbH Neue Kommunikation gemeinsam mit weiteren Entwicklungs- und Anwendungspartnern wie der Deutschen Presse-Agentur (dpa) und der Deutschen Welle (DW) umgesetzt wird. Gefördert vom Bundesministerium für Forschung, Technologie und Raumfahrt (BMFTR), entsteht dabei eine offene KI-Plattform für redaktionelle Arbeitsprozesse in Kultur, Politik und Bildung. Im Mittelpunkt steht kein vollständig automatisierter Newsroom, sondern ein Assistenzsystem, das menschliche Redaktionen unterstützt. Grundlage bleiben redaktionell geprüfte Inhalte, die mithilfe von KI effizienter verarbeitet und in unterschiedliche Formate übertragen werden können – etwa durch präzises Kürzen von Texten, automatische Zwischenüberschriften, Quizformate, Bildempfehlungen oder die Umwandlung von Audioinhalten in definierte Nachrichtenformate.

Strategische Unabhängigkeit statt Tool-Abhängigkeit

Die bisherigen Erfahrungen aus dem Projekt zeigen ein differenziertes Bild. Führende kommerzielle KI-Modelle sind kleineren Open-Source-Modellen derzeit in vielen Bereichen noch überlegen – insbesondere bei komplexen Arbeitsanweisungen und der zuverlässigen Verarbeitung redaktioneller Aufgaben. Gleichzeitig wächst jedoch die Leistungsfähigkeit frei verfügbarer Modelle kontinuierlich. Deshalb setzt 3pc auf eine hybride Strategie. Kommerzielle KI-Systeme können gezielt genutzt werden, um Innovationspotenziale auszuschöpfen. Parallel dazu sollen offene und kontrollierbare Lösungen die digitale Abhängigkeit reduzieren. Eine wichtige Rolle spielen dabei sogenannte Wrapper-Plattformen. Sie bündeln unterschiedliche KI-Modelle in einer gemeinsamen Oberfläche und ermöglichen es Organisationen, flexibel zwischen kommerziellen und offenen Modellen zu wechseln. Bei 3pc kommt dafür die Open-Source-Software LibreChat zum Einsatz. Sie verbindet aktuelle KI-Modelle wie GPT5 oder Claude mit frei verfügbaren Open-Source-Modellen. Der entscheidende Vorteil: Wissen, Arbeitsabläufe und KI-Agenten verbleiben innerhalb der eigenen Systeme. Wertschöpfende Prozesse bleiben damit unter eigener Kontrolle – und genau darin liegt langfristig der entscheidende Unterschied zwischen produktiver KI-Nutzung und digitaler Abhängigkeit.

Die Verantwortung bleibt beim Menschen

Konzeptionell orientiert sich 3pc eng an den Anforderungen seriöser Content-Produktion. Ziel ist nicht, die menschliche Expertise durch vollautomatisierte Content-Erstellung zu ersetzen, sondern ein System, das die kognitive Last bei Routineaufgaben reduziert und damit wirkliche Effizienzgewinne erzielt. Im Fokus der aktuellen Entwicklungsarbeiten stehen Anwendungsfälle, die bereits vor zwanzig Jahren in Zusammenhang mit semantischen Web-Technologien unter dem Schlagwort content reutilization diskutiert wurden: ein Pool redaktionell geprüfter Inhalte, der nicht oder nur mit großem Aufwand nachgenutzt wird. Der Einsatz von GenKI-Technologien bei der Transformation und Aggregation von Text- und Bildmaterial bewirkte einen Quantensprung, der sich im redaktionellen Kontext hervorragend nutzen lässt. Konkret geht es um nachrichtenspezifische Anwendungsfälle wie das präzise Kürzen von Texten ohne semantische Abweichungen, die Generierung kontextbezogener Zwischenüberschriften, um das Erstellen leicht konsumierbarer Formate wie Quizze und Faktensammlungen, um Bildempfehlungen und -unterschriften sowie die Umwandlung von Audiomaterial in definierte Newsformate. Grundlage der KI-generierten Inhalte bleiben dabei stets geprüfte Datenbestände, die in neue Formate übertragen werden. Nach einem Jahr Forschungs- und Entwicklungsarbeit mit experimentellen Prototypen wird deutlich: Führende kommerzielle KI-Modelle sind den kleineren Open-Source-Modellen (OSM) deutsch-europäischer Herkunft deutlich überlegen. Besonders im „instruction following“ setzen Modelle wie GPT5 den Maßstab. Diese Fähigkeit bildet die Grundlage, um über „function calling“ das Leistungsspektrum von Large Language Models (LLMs) zu erweitern – etwa beim Rechnen oder beim Kürzen von Texten auf eine bestimmte Zeichenanzahl. Viele Funktionen aktueller KI-Agenten greifen für solche Aufgaben im Hintergrund auf klassische Software zurück, deren Mechanismen für die Nutzenden oft intransparent bleiben. 3pc hat hier in Zusammenarbeit mit den Anwendungspartnern des Projekts und der agenturinternen Redaktion eigene Lösungen entwickelt, um OSMs mit ihren offen einsehbaren Mechanismen nutzbar zu machen. Dabei zeigen derzeit frei verfügbare Modelle von Mistral die beste Performance. Im weiteren Projektverlauf wird die Qualität der entwickelten KI-Systeme im engen Austausch mit den Forschungs- und Anwendungspartnern geprüft und evaluiert.

Kontrolle über Wissen bleibt entscheidend

Künstliche Intelligenz wird die professionelle Content-Produktion dauerhaft verändern. Die Frage ist längst nicht mehr, ob KI eingesetzt wird, sondern wie Organisationen ihre eigene Rolle in diesem Wandel definieren. Wer KI lediglich als Werkzeug zur maximalen Automatisierung versteht, riskiert Qualitätsverlust, Wissensabfluss und neue digitale Abhängigkeiten. Langfristig erfolgreich werden jene Organisationen sein, die technologische Innovation mit strategischer Kontrolle verbinden. Dazu gehört, eigene Datenbestände zu schützen, Arbeitsprozesse nachvollziehbar zu halten und menschliche Expertise nicht aus den Redaktionen zu verdrängen, sondern gezielt zu stärken. Denn gerade im Zeitalter automatisierter Inhalte wird Vertrauen zur wichtigsten Ressource. Und Vertrauen entsteht nicht durch möglichst viel KI-generierten Content, sondern durch Menschen, die Verantwortung für Inhalte übernehmen.