Du tippst „Schreib mir einen Blogbeitrag über nachhaltige Verpackungen" und bekommst nach zwölf Sekunden 900 Wörter. Sie sind grammatikalisch fehlerfrei, thematisch korrekt und vollständig austauschbar. Kein Satz darin könnte nicht auch von einem beliebigen Wettbewerber stammen.
Du löschst den Text und schreibst ihn selbst. Zeitersparnis: null. Und im nächsten Meeting sagt jemand, KI liefere eben keine brauchbare Qualität.
Die Qualität von KI-Texten hängt weniger am Modell als am mitgelieferten Kontext. Wer Rolle, Ausgangslage, Ziel, Auftrag, Beispiel und Format vorgibt, bekommt verwertbare Entwürfe. Wer nur ein Thema nennt, bekommt den Durchschnitt aller Texte zu diesem Thema. Das ist keine Modellschwäche, sondern eine Briefinglücke.
Warum eure KI-Texte generisch klingen
In der Praxis gibt es fast immer dieselben drei Ursachen, und keine davon liegt beim Modell.
- Kein Kontext. Das Modell weiß nicht, wer ihr seid, für wen ihr schreibt und was ihr bereits veröffentlicht habt. Ohne diese Information mittelt es über alles, was es zum Thema kennt.
- Kein Beispiel. „Schreib professionell" ist keine Anweisung, sondern ein Wunsch. Ein echter Text von euch als Vorlage verändert das Ergebnis stärker als jede Tonalitätsbeschreibung.
- Ein Schritt statt mehrerer. Wer in einem Prompt Recherche, Gliederung und Ausformulierung gleichzeitig verlangt, bekommt bei allen dreien Mittelmaß.
Die gute Nachricht: Alle drei Ursachen lassen sich in einer halben Stunde beheben.
Das 7-Punkte-Prompt-Gerüst
Dieses Gerüst funktioniert unabhängig vom eingesetzten Modell, weil es nicht auf Modellbesonderheiten setzt, sondern auf vollständige Information. Ihr braucht nicht jeden Punkt bei jeder Aufgabe, aber je wichtiger das Ergebnis, desto vollständiger sollte das Briefing sein.
- Punkt 1Rolle festlegenIn welcher Funktion soll das Modell arbeiten? Nicht „du bist ein Experte", sondern konkret: „Du bist Fachredakteur für technische B2B-Inhalte im Maschinenbau und schreibst für Einkaufsverantwortliche."
- Punkt 2Ausgangslage liefernWer ist euer Unternehmen, was verkauft ihr, wer liest das? Je präziser die Zielgruppe, desto weniger Allgemeinplätze. „Marketingverantwortliche im Mittelstand" ist besser als „Unternehmen", „Head of Marketing in Fertigungsbetrieben mit 200 bis 2.000 Mitarbeitenden" ist deutlich besser.
- Punkt 3Ziel benennenWas soll der Text bewirken? Sichtbarkeit für ein bestimmtes Keyword, Vertrauen bei einer bestimmten Rolle, oder eine konkrete Handlung? Ein Text ohne Ziel wird gefällig statt wirksam.
- Punkt 4Auftrag präzisierenErklärt die Aufgabe so, wie ihr sie einer neuen Kollegin am ersten Tag erklären würdet. Welche Aspekte gehören rein, welche ausdrücklich nicht, welche Fragen soll der Text beantworten?
- Punkt 5Beispiel mitgebenDer wirksamste einzelne Hebel. Hängt einen eurer gelungenen Texte an und sagt dazu, was daran gut ist: Satzlänge, Aufbau, Umgang mit Fachbegriffen. Zwei Beispiele wirken besser als eine lange Stilbeschreibung.
- Punkt 6Format vorgebenGliederung mit Zwischenüberschriften, Stichpunkte, Tabelle oder Fließtext? Länge in Wörtern, nicht in Zeichen. Ohne Formatvorgabe verbringt ihr die gesparte Zeit mit Umbauen.
- Punkt 7In Teilschritten arbeitenErst Gliederung, prüfen, korrigieren. Dann Abschnitt für Abschnitt. Der Aufwand fühlt sich höher an, ist aber niedriger, weil ihr Fehler früh abfangt statt am fertigen Text.
„Schreib mir einen SEO-Blogbeitrag über Redaktionsplanung, ungefähr 1.000 Wörter, professioneller Ton."
„Du bist Fachredakteur für Content Operations und schreibst für Head-of-Marketing-Rollen in Fertigungsbetrieben mit 200 bis 2.000 Mitarbeitenden. Ziel: Sichtbarkeit für die Suchanfrage „Redaktionsplan Excel Grenzen" und Vertrauen bei Leserinnen, die ein Budget vorbereiten. Der Text soll drei Fragen beantworten: Woran erkennt man den Kipppunkt, was kostet der Status quo, wann bleibt Excel sinnvoll. Nicht behandeln: Toolvergleiche. Orientiere dich an Aufbau und Satzlänge des angehängten Beispieltexts. Liefere zuerst nur die Gliederung mit Zwischenüberschriften."
Wo ChatGPT im SEO-Prozess hilft und wo nicht
Ein Sprachmodell ist ein Textwerkzeug, kein Datenwerkzeug. Diese Unterscheidung erspart euch die meisten Enttäuschungen.
| Aufgabe | Eignung | Begründung |
|---|---|---|
| Suchintention hinter einem Keyword einordnen | gut | Sprachliche Interpretationsaufgabe, keine Datenfrage |
| Gliederungen und Textstrukturen entwerfen | gut | Musterarbeit, an der Modelle stark sind |
| Bestehende Texte umformen, kürzen, für Kanäle ableiten | gut | Fakten stehen fest, es geht um Form |
| Semantisch verwandte Begriffe sammeln | brauchbar | Als Ideenliste tauglich, Priorisierung braucht Daten |
| Suchvolumen und Wettbewerbsdaten | ungeeignet | Dafür braucht ihr ein SEO-Werkzeug mit eigener Datenbasis |
| Aktuelle Rankings und Wettbewerbsanalysen | ungeeignet | Auch mit Websuche unzuverlässig für systematische Auswertungen |
| Fachlich prüfbare Aussagen ohne Quellenvorgabe | ungeeignet | Erfindungsrisiko. Gebt Quellen mit oder prüft jede Aussage |
Selbstcheck: Woran liegt es bei euch?
Hak an, was auf euren aktuellen Umgang mit KI-Texten zutrifft.
Sichtbarkeit in KI-Suchsystemen mitdenken
Seit KI-gestützte Antworten in Suchmaschinen und Assistenten verbreitet sind, hat sich die Frage verschoben. Es geht nicht mehr nur darum, in einer Ergebnisliste zu erscheinen, sondern darum, in einer generierten Antwort zitiert zu werden.
Was dabei hilft, ist weitgehend deckungsgleich mit gutem Fachtext, aber mit anderer Betonung:
- Eigenständige Antwortabsätze. Ein Abschnitt sollte auch dann verständlich sein, wenn er isoliert gelesen wird. Vermeidet Rückverweise wie „wie oben beschrieben".
- Klare Subjekt-Prädikat-Aussagen. „Ein Redaktionsplan in Excel funktioniert bis etwa drei planende Personen" ist zitierbar. „Es kommt darauf an" nicht.
- Zahlen mit Zeitraum und Herkunft. Eine Angabe ohne Datum und Quelle wird eher ignoriert als übernommen.
- Tabellen für Vergleiche. Strukturierte Gegenüberstellungen werden zuverlässiger korrekt wiedergegeben als Fließtext.
- Definitionen früh im Text. Wer einen Begriff erklärt, bevor er ihn benutzt, wird als Quelle für diesen Begriff wahrscheinlicher herangezogen.
Beachte dabei: Wie genau einzelne Systeme Quellen auswählen, ist nicht öffentlich dokumentiert und verändert sich laufend. Die obigen Punkte sind Ableitungen aus der Funktionsweise generativer Antwortsysteme, keine bestätigten Ranking-Faktoren.
Prompt-Vorlage: Fachbeitrag, Schritt 1 von 2 (Gliederung)
Rolle: Du bist Fachredakteur für [Themenfeld] und schreibst für [konkrete Rolle] in [Branche, Unternehmensgröße].
Ausgangslage: Wir sind [Unternehmen], wir [Angebot in einem Satz]. Unsere Leserinnen und Leser stehen typischerweise vor folgendem Problem: [Problem in eigenen Worten].
Ziel des Textes: [Sichtbarkeit für Suchanfrage X / Vertrauen bei Rolle Y / Vorbereitung einer internen Entscheidung].
Auftrag: Der Beitrag soll diese drei Fragen beantworten: [Frage 1], [Frage 2], [Frage 3]. Ausdrücklich nicht behandeln: [Ausschluss].
Beispiel: Orientiere dich an Aufbau, Satzlänge und Umgang mit Fachbegriffen im angehängten Text. Gut daran ist: [zwei bis drei konkrete Punkte].
Format: Gliederung mit H2- und H3-Überschriften. Jede Überschrift muss eine Frage beantworten oder eine Aussage treffen, keine Ein-Wort-Überschriften. Zielumfang des späteren Textes: [Zahl] Wörter.
Wichtig: Liefere in diesem Schritt ausschließlich die Gliederung. Erfinde keine Zahlen, Studien oder Zitate. Wo du eine Quelle für nötig hältst, markiere die Stelle mit [QUELLE PRÜFEN].
Fünf Fehler im Umgang mit ChatGPT
- Zahlen und Studien ungeprüft übernehmenSprachmodelle erzeugen plausible Angaben, auch wenn sie nicht existieren. Jede Zahl, jedes Zitat und jede Quellenangabe gehört gegengeprüft, bevor sie veröffentlicht wird.
- Firmendaten in ungeprüfte Konten ladenKundenlisten, Strategiepapiere oder Vertragsentwürfe in einem privat angelegten Konto sind ein Datenschutzthema. Klärt Vertragslage und Trainingsnutzung, bevor ihr sensible Inhalte hochladet.
- Den ersten Entwurf veröffentlichenEin KI-Entwurf ist eine Arbeitsgrundlage, kein fertiger Text. Der Wert liegt darin, dass ihr mit einem Rohbau statt mit einem leeren Dokument startet.
- Prompts nicht teilenWenn jede Person eigene Formulierungen nutzt, entsteht keine Lernkurve im Team. Legt eine gemeinsame Sammlung an, auch wenn es nur ein geteiltes Dokument ist.
- Fehlende Qualität dem Modell anlastenBevor ihr auf ein anderes Werkzeug wechselt, prüft Kontext, Beispiel und Schrittfolge. In den meisten Fällen liegt die Ursache dort.
Transparenzhinweis: Ich arbeite als Senior Consultant bei contentbird, einem Anbieter für KI-gestützte Content-Software. Plattformen dieser Art lassen Markensprache, Personas und Referenztexte zentral hinterlegen, sodass der Kontext nicht in jedem Prompt neu mitgegeben werden muss. Für kleine Teams reicht dafür oft eine geteilte Prompt-Sammlung. Die Entscheidungskriterien stehen im Beitrag zur Auswahl von KI-Content-Software.
Wann ChatGPT nicht das richtige Werkzeug ist
Bei Inhalten mit rechtlicher oder medizinischer Tragweite, bei denen jede Formulierung geprüft werden muss, ist der Korrekturaufwand häufig höher als der Zeitgewinn. Dasselbe gilt für sehr kurze Texte, bei denen das Briefing länger dauert als das Schreiben.
Ebenfalls ungeeignet: alles, was auf eurem eigenen, nicht öffentlichen Wissen beruht. Ein Erfahrungsbericht, eine Positionierung oder eine strategische Einschätzung lässt sich nicht generieren, sondern nur formulieren, nachdem ihr sie selbst gedacht habt.
Fazit: Der Engpass liegt im Briefing
Modelle werden weiter besser, aber sie werden nicht raten lernen, was ihr nicht dazusagt. Wer Kontext, Beispiel und Schrittfolge liefert, bekommt verwertbare Entwürfe. Wer ein Thema nennt, bekommt einen Durchschnittstext. Diese Regel gilt heute und wird auch beim nächsten Modellwechsel gelten.
Häufige Fragen
Bestraft Google Inhalte, die mit KI erstellt wurden?
Nach den öffentlich zugänglichen Qualitätsrichtlinien von Google ist nicht die Entstehungsart entscheidend, sondern die Qualität und der Nutzen des Inhalts. Problematisch sind Inhalte, die primär für Suchmaschinen und ohne eigenständigen Mehrwert massenhaft erzeugt werden. Ein sorgfältig erstellter Fachbeitrag, bei dem KI ein Werkzeug im Prozess war, fällt nicht darunter. Prüft den aktuellen Stand der Richtlinien, sie werden regelmäßig angepasst.
Müssen wir KI-Inhalte kennzeichnen?
Das hängt vom Inhalt und vom Rechtsrahmen ab. Die KI-Verordnung der EU sieht Transparenzpflichten für bestimmte KI-generierte Inhalte vor, insbesondere bei synthetischen Bild-, Audio- und Videoinhalten. Für redaktionelle Texte ist die Lage differenzierter. Klärt den für euch geltenden Stand mit eurer Rechtsabteilung, bevor ihr eine interne Regel festlegt.
Welches Modell sollten wir nutzen?
Für die meisten redaktionellen Aufgaben ist der Unterschied zwischen den führenden Modellen kleiner als der Unterschied zwischen einem guten und einem schlechten Prompt. Relevanter als die Modellwahl sind Vertragslage, Datenschutz und die Frage, ob eure Eingaben zum Training verwendet werden.
Wie viel Zeit spart KI realistisch?
Das lässt sich nicht seriös pauschal beziffern, weil es stark von Textsorte, Briefingqualität und Prüfaufwand abhängt. Belastbar wird die Zahl erst, wenn ihr sie selbst erhebt: Messt bei fünf vergleichbaren Texten die reine Bearbeitungszeit vorher und nachher. Rechnet dabei die Prüfzeit mit ein, sonst rechnet ihr euch die Ersparnis schön.
Wie lässt sich euer Marketingalltag einfacher machen?
In 30 Minuten schauen wir gemeinsam darauf, wo euch heute unnötige Abstimmungen, manuelle Aufgaben, Toolwechsel oder wiederkehrende Content-Arbeit Zeit kosten.
Du bekommst eine konkrete Einordnung, welche Aufgaben ihr vereinfachen, automatisieren oder besser organisieren könnt und wo KI und Tools tatsächlich helfen, statt zusätzliche Komplexität zu schaffen.
Alles an eurem tatsächlichen Marketingalltag.
30 Minuten, um deinen Marketingalltag zu vereinfachenKostenfrei. Du nimmst konkrete Ansatzpunkte mit, die ihr intern direkt weiterverwenden könnt.
Dennis Gumprich
Dennis begleitet Marketing- und Kommunikationsteams bei der Frage, wie generative KI in bestehende Content-Prozesse passt, ohne Qualität, Markensprache und Freigaben zu untergraben. Schwerpunkte: Content Operations, AI Governance und Toolauswahl in Mittelstand und Konzern.
Transparenzhinweis: Dennis arbeitet für contentbird, einen Anbieter von KI-gestützter Content-Software. Produkterwähnungen sind im Beitrag gekennzeichnet. Mehr über Dennis · LinkedIn
Weiterlesen
Quellen
- Google Search Central, Richtlinien zu hilfreichen, zuverlässigen und nutzerorientierten Inhalten. Aktuellen Stand vor Verwendung prüfen.
- Verordnung (EU) 2024/1689 (KI-Verordnung), Artikel 50, zu Transparenzpflichten bei KI-generierten Inhalten.
Aktualisierung
Ursprünglich veröffentlicht am 10. Februar 2025. Vollständig überarbeitet am 5. August 2026: Ursachenanalyse für generische Ergebnisse, Gegenüberstellung schlechter und guter Prompts, Eignungstabelle, Selbstcheck und Abschnitt zu KI-Suchsystemen ergänzt. Der Schwerpunkt auf WDF*IDF wurde reduziert, da die Methode in der Praxis überbewertet wird. Produktteil deutlich gekürzt und gekennzeichnet. Nächste Prüfung geplant für Februar 2027.
Entstehung dieses Beitrags
Dieser Beitrag ist unter Einsatz von KI entstanden. Struktur, Recherche und Formulierungsentwürfe wurden KI-gestützt erarbeitet. Fachliche Einordnung, Prüfung der Aussagen und die finale Fassung liegen bei Dennis Gumprich.
Unzufrieden mit euren KI-Ergebnissen?
Kurz sprechen