Content-Produktion mit KI: Was du automatisierst, was der Mensch macht

Zuletzt aktualisiert: 9. Oktober 2026 · von Mitja Beuthe, AI Workflow (Klagenfurt)

Content-Produktion mit KI funktioniert, wenn du drei Dinge trennst: die Schritte, die eine Maschine zuverlässig erledigt, die Schritte, die ein Mensch verantworten muss, und die Prüfung dazwischen. Recherche, Gliederung, Rohtext und Verteilung lassen sich automatisieren. Themenwahl, Erfahrung, Faktencheck und Freigabe bleiben bei dir. In Österreich nutzen laut Statistik Austria 30 % der Unternehmen ab zehn Beschäftigten KI-Technologien, im EU-Schnitt sind es 20 %. Dieser Leitfaden zeigt, wie eine Redaktion oder ein Marketing-Team die Content-Produktion mit KI aufbaut, ohne dass Google oder die Leser das Ergebnis als Massenware abstrafen.

Was bedeutet Content-Produktion mit KI?

Content-Produktion mit KI heißt, dass ein Sprachmodell wie GPT oder Claude einzelne Arbeitsschritte in einer festen Kette übernimmt: Es fasst Quellen zusammen, schlägt Gliederungen vor, schreibt einen Entwurf im vorgegebenen Ton und bereitet Varianten für LinkedIn, Newsletter oder Website vor. Die Kette wird von einem Werkzeug wie n8n, Make.com oder Zapier gesteuert, das Briefing, Entwurf, Prüfung und Veröffentlichung in WordPress oder im Newsletter-Tool verbindet. Der Unterschied zum Prompt im Chatfenster: Der Ablauf ist jedes Mal gleich, dokumentiert und hat eine feste Stelle, an der ein Mensch entscheidet.

Das Ergebnis ist ein Produktionsprozess mit klaren Übergaben. Wer schon einmal einen Workflow in einem kleinen Unternehmen automatisiert hat, kennt das Muster: Auslöser, Regel, Aktion, Kontrolle. Bei Inhalten ist der Auslöser ein Thema aus dem Redaktionsplan, die Regel ist das Briefing, die Aktion ist der Entwurf, und die Kontrolle bist du.

Warum scheitert KI-Content so oft?

Weil die meisten Teams am falschen Ende sparen. Sie automatisieren das Schreiben und lassen die Recherche weg. Ein Sprachmodell ohne Quellen produziert Text, der sich richtig anhört und nichts Neues sagt. Genau das erkennen Leser nach zwei Absätzen, und genau das bewertet Google seit Jahren ab, unabhängig davon, ob ein Mensch oder eine Maschine geschrieben hat.

Google hat seine Haltung im Februar 2023 in der Search-Central-Mitteilung zu KI-Inhalten festgelegt und seither nicht geändert. Dort steht wörtlich: „Appropriate use of AI or automation is not against our guidelines.“ Verboten ist nur Content, der in erster Linie erzeugt wird, um Rankings zu manipulieren. Bewertet wird das Ergebnis nach E-E-A-T, also Erfahrung, Fachwissen, Autorität und Vertrauenswürdigkeit. Die Herkunft des Textes ist Google egal, seine Substanz nicht.

Für die Content-Produktion mit KI folgt daraus eine einfache Regel: Alles, was ein Sprachmodell aus dem Nichts erzeugen kann, kann jeder Mitbewerber ebenfalls erzeugen. Wert entsteht nur dort, wo eigene Zahlen, eigene Fälle und eigene Einschätzungen in den Prozess fließen. Die Maschine formt, der Mensch liefert das Material.

Welche Schritte der Content-Produktion lassen sich automatisieren?

Ein Artikel, ein LinkedIn-Post oder ein Newsletter durchläuft in jedem Team dieselben acht Stationen. Vier davon eignen sich gut für die Automatisierung, zwei teilweise, zwei gar nicht. Die Tabelle zeigt die Aufteilung, wie sie sich in der Praxis bewährt hat.

Schritt	Automatisierbar?	Werkzeug	Aufgabe des Menschen
Themenfindung	Teilweise	Search Console, Kundenfragen, CRM	Auswahl und Priorität
Recherche und Quellen	Ja	Sprachmodell mit Websuche, n8n	Quellen freigeben
Briefing	Ja	Vorlage, automatisch befüllt	Einmal die Vorlage bauen
Entwurf	Ja	GPT oder Claude mit Stilprobe	Keine
Eigene Erfahrung und Fälle	Nein	Notizen, Gespräche	Liefern
Faktencheck und Redaktion	Teilweise	Checkliste, Prüf-Prompt	Freigabe
Formatierung und SEO	Ja	Rank Math, Vorlagen	Stichprobe
Verteilung und Messung	Ja	WordPress, LinkedIn, Newsletter-Tool	Monatliche Auswertung

Auffällig ist, dass die teuersten Minuten nicht beim Schreiben liegen. Recherche, Quellenprüfung und das Sammeln eigener Beispiele kosten mehr Zeit als der Entwurf. Wer diese Schritte im Workflow abbildet, gewinnt mehr als mit jedem besseren Schreib-Prompt. Das gilt auch, wenn du Social Media automatisieren willst. Wie die Kette dort aussieht, steht weiter unten im Abschnitt zu Social Media.

Wo bleibt der Mensch unverzichtbar?

An vier Stellen, und keine davon lässt sich mit einem besseren Modell wegoptimieren. Erstens bei der Themenwahl: Nur wer mit Kunden spricht, weiß, welche Frage gerade offen ist. Zweitens bei der Erfahrung: Ein Sprachmodell kann beschreiben, wie eine Kanzlei Belege verarbeitet, aber es war nie in einer Kanzlei. Der Absatz mit dem konkreten Fall, der Zahl aus dem eigenen Betrieb oder dem Fehler, den man selbst gemacht hat, kommt vom Menschen oder gar nicht.

Drittens beim Faktencheck. Sprachmodelle erfinden Zahlen, Studien und Zitate, wenn sie keine Quelle bekommen. Jede Zahl im Text braucht deshalb eine Quelle, die ein Mensch geöffnet hat. Viertens bei der Freigabe. Seit dem 2. August 2026 verlangt Artikel 50 des EU AI Acts, dass KI-generierte Texte, die die Öffentlichkeit über Angelegenheiten von öffentlichem Interesse informieren, als solche gekennzeichnet werden. Die Ausnahme greift, wenn der Text eine menschliche Prüfung oder redaktionelle Kontrolle durchlaufen hat und eine natürliche oder juristische Person die redaktionelle Verantwortung trägt. Der Freigabeschritt ist damit die Voraussetzung dafür, dass du den Text ohne Hinweis veröffentlichen darfst.

Content-Produktion mit KI in 6 Schritten aufbauen

Die folgenden sechs Schritte funktionieren für einen Blog mit zwei Artikeln im Monat genauso wie für eine Redaktion mit täglichem Output. Der Unterschied liegt nur darin, wie viel davon in n8n oder Make.com hinterlegt wird und wie viel als Checkliste im Kopf bleibt.

1. Themen aus Daten holen, nicht aus dem Bauch

Die beste Themenquelle ist die Google Search Console: Suchanfragen mit vielen Einblendungen, schlechter Position und ohne passende Seite. Der zweite Lieferant sind die Fragen aus Kundengesprächen und dem Posteingang. Beides lässt sich automatisch sammeln, die Auswahl bleibt Handarbeit. Seit Sommer 2026 sehen wir in der Search Console von ai-workflow.at übrigens Suchanfragen, die ganze Sätze sind, etwa: „Wir möchten unsere Content-Produktion mit KI effizienter machen, brauchen aber Guidance: welche Schritte automatisieren, wo bleibt der Mensch unverzichtbar?“ Solche Anfragen stammen aus KI-Assistenten, die für ihre Nutzer recherchieren. Dieser Artikel ist die Antwort darauf.

2. Quellen und Zahlen vor dem ersten Satz sammeln

Bevor ein Modell schreibt, bekommt es Material: zwei bis vier geprüfte Quellen, die eigenen Zahlen und den Fall aus der Praxis. Ein Workflow kann die Quellen vorschlagen und zusammenfassen, freigeben musst du sie selbst. Regel für den Entwurf: Das Modell darf nur Zahlen verwenden, die im Briefing stehen. Fehlt eine Zahl, schreibt es einen einfacheren Satz statt einer Schätzung.

3. Ein Briefing als Vorlage bauen

Das Briefing ist der Teil, der sich am meisten lohnt, weil er nur einmal gebaut wird. Es enthält Zielgruppe, Kernfrage, Antwort in zwei Sätzen, Gliederung mit Frage-Überschriften, Pflichtquellen, interne Links, Länge und die Wörter, die nicht vorkommen dürfen. In n8n wird die Vorlage automatisch mit Thema und Quellen befüllt und an das Modell übergeben. Ein gutes Briefing macht aus einem beliebigen Text einen, der zu deinem Betrieb passt.

4. Entwurf im eigenen Ton schreiben lassen

Der Ton kommt nicht aus einer Anweisung wie „schreib locker“, sondern aus zwei oder drei eigenen Texten, die als Stilprobe mitgegeben werden. Das Modell übernimmt Satzlänge, Anrede und typische Formulierungen. Dazu gehört eine Liste der Muster, die KI-Text verraten: Aufzählungen in Dreiergruppen, Gedankenstriche als Satzkleber, Wörter wie „entscheidend“, „nahtlos“ oder „revolutionär“. Der Entwurf wird als Gutenberg-Blockmarkup oder Markdown ausgegeben, damit er ohne Nacharbeit in WordPress landet.

5. Prüfen, korrigieren, freigeben

Hier sitzt der Mensch, und hier entscheidet sich die Qualität. Die Prüfung läuft in zwei Runden: Erst prüft ein zweiter Prompt den Entwurf gegen das Briefing (fehlende Quellen, erfundene Zahlen, Ton), dann liest ein Mensch den Text und ergänzt, was nur er weiß. Ein Artikel ohne einen Absatz, den das Modell nicht hätte schreiben können, geht zurück in Schritt 2. Die Freigabe wird protokolliert, was zugleich die redaktionelle Verantwortung nach Artikel 50 des AI Acts dokumentiert.

6. Verteilen und nach vier Wochen messen

Nach der Freigabe erzeugt der Workflow die Ableitungen: einen LinkedIn-Post, drei Newsletter-Absätze, die Meta-Beschreibung und das FAQ-Schema. Veröffentlicht wird über die WordPress-Schnittstelle, die Verteilung auf die Kanäle läuft zeitgesteuert. Vier Wochen später zieht derselbe Workflow die Zahlen aus der Search Console und legt sie neben den Redaktionsplan. Themen, die Einblendungen bekommen, werden vertieft, der Rest wird nicht wiederholt. So schließt sich der Kreis zu Schritt 1.

Wie kannst du Social Media automatisieren?

Für Social Media nutzt du dieselbe Kette wie für einen Artikel. Am Ende schreibt der Workflow aus einer Kernaussage eine eigene Fassung pro Plattform und veröffentlicht freigegebene Beiträge zu festen Zeiten. Technisch läuft das zum Beispiel über n8n und die Schnittstelle eines Sprachmodells wie GPT oder Claude. Die Freigabe bleibt bei dir.

Was ist ein Social-Media-Workflow?

Ein Social-Media-Workflow ist der feste Ablauf, über den ein Beitrag von der Idee bis zur Veröffentlichung kommt. Er legt fest, wer welchen Schritt erledigt und mit welchem Werkzeug. Solange dieser Ablauf nur in deinem Kopf existiert, hängt jeder Beitrag an deiner Tagesform. Schreibst du ihn auf, siehst du schnell, welche Schritte sich jede Woche wiederholen. Bei Selbstständigen und kleinen Teams sind es meist diese sechs:

1. Themen sammeln und in einem Content-Kalender auf die Wochen verteilen
2. einen ersten Entwurf mit Kernaussage und Bildidee schreiben
3. den Entwurf für jede Plattform passend umschreiben
4. den Beitrag prüfen und freigeben
5. den Beitrag zur geplanten Zeit veröffentlichen
6. Reaktionen und Anfragen auswerten und die Themenplanung anpassen

Wenn du deinen Social-Media-Workflow optimieren willst, geh die Liste mit deinem eigenen Alltag durch. Planungstools wie Buffer oder Hootsuite sind vor allem für Punkt 5 gebaut, also für das Planen und Veröffentlichen. Zeit kosten aber die Punkte 1 bis 3, und dort setzt KI an. Ohne Workflow fällt ein Beitrag oft ganz aus, sobald ein Kundentermin dazwischenkommt. Punkt 6 kann der Workflow vorbereiten, indem er die Kennzahlen einsammelt. Die Schlüsse daraus ziehst du selbst.

Pro Plattform eine eigene Fassung

Derselbe Text auf allen Kanälen wirkt kopiert und passt selten überall. Lass den Workflow deshalb aus einer Kernaussage mehrere Fassungen schreiben. Auf LinkedIn eignen sich längere Fachbeiträge, auf Instagram kurze Texte mit einer klaren Handlungsaufforderung, etwa für ein Karussell. Facebook liegt oft dazwischen und verträgt Geschichten und Fragen an die Community. Im Prompt legst du pro Plattform fest, wie lang der Text sein darf und wie er mit Hashtags und Emojis umgeht. Als Stilprobe gibst du wie in Schritt 4 ein paar deiner besten bisherigen Beiträge mit.

So ist der Workflow in n8n aufgebaut

Ein typischer Aufbau in n8n hat vier Teile:

1. Ein Zeitplan-Trigger startet einmal pro Woche und ruft das Sprachmodell mit deinen Themenfeldern auf. Die Vorschläge landen mit Kernaussage und Zielplattform im Content-Kalender, etwa in Google Sheets oder Airtable.
2. Für jeden Vorschlag schreibt ein weiterer KI-Schritt die Texte je Plattform, samt Hashtags und Handlungsaufforderung.
3. Ein Freigabe-Schritt schickt dir die Entwürfe der Woche gesammelt per E-Mail oder in einen Chat-Kanal. Pro Beitrag klickst du auf „freigeben“ oder „bearbeiten“. Bearbeiten öffnet ein einfaches Formular, in dem du den Text änderst.
4. Nur freigegebene Beiträge kommen in die Warteschlange. Der Workflow veröffentlicht sie zum geplanten Zeitpunkt über die Schnittstellen von LinkedIn, Facebook oder Instagram.

Läuft n8n auf deinem eigenen Server, bleiben Prompts und Zugangsdaten bei dir. Dafür muss sich jemand um Updates und Backups kümmern und im Blick behalten, wann die Zugangs-Tokens der Plattformen ablaufen. Einen Vergleich von n8n, Make, Zapier und Power Automate findest du in einem eigenen Beitrag.

Plattformen über die offiziellen Schnittstellen anbinden

LinkedIn, Facebook, Instagram und X bieten Schnittstellen, über die sich Beiträge veröffentlichen lassen, und n8n bringt für mehrere davon fertige Knoten mit. Den Zugang musst du bei jeder Plattform freischalten lassen. Die Zahl der Anfragen ist begrenzt, und nicht jedes Format lässt sich über die Schnittstelle veröffentlichen. Für Instagram brauchst du ein professionelles Konto. Weil sich diese Regeln regelmäßig ändern, prüfst du vor dem Aufbau die aktuelle Dokumentation der Plattform.

Automatisierte Klicks im Browser, etwa über Bots, die sich als Nutzer ausgeben, verstoßen in der Regel gegen die Nutzungsbedingungen und können zur Sperre des Kontos führen. Bleib deshalb bei den offiziellen Schnittstellen. Kommentare und Direktnachrichten beantwortest du am besten weiter selbst, denn dort spricht ein Mensch direkt mit dir.

Mit einer Plattform starten und den Erfolg messen

Bevor du etwas baust, schreib ein paar Wochen lang mit, wie lange du pro Beitrag brauchst. Sieh dir auch an, welche Beiträge die meisten Reaktionen bekommen haben und zu welchen Uhrzeiten deine Zielgruppe liest. Das ist deine Vergleichsbasis. Ohne sie weißt du später nicht, ob der Workflow dir Zeit spart.

Fang mit der Plattform an, auf der deine Zielgruppe am aktivsten ist. Die Uhrzeiten für die Veröffentlichung nimmst du aus den Statistiken deines eigenen Kanals. Allgemeine Listen mit den angeblich besten Posting-Zeiten sagen wenig über deine Leser aus. Läuft der Workflow stabil und passen die Entwürfe, nimmst du die nächste Plattform dazu.

Automatisierung allein bringt keine Reichweite. Ob ein Beitrag ankommt, hängt weiter an Thema und Inhalt. Leg deshalb von Anfang an fest, woran du den Erfolg misst, zum Beispiel an Reichweite, Interaktionsrate, Klicks auf deine Website und Anfragen pro Monat. Vergleiche diese Werte mit deiner Ausgangslage.

Aktuelle Anlässe kennt der Workflow nicht. Solche Beiträge schreibst du selbst oder gibst ihm Stichpunkte vor. Plane dafür einen Weg ein, spontan außerhalb des Kalenders zu posten.

Wie sicherst du die Qualität bei der Content-Produktion mit KI?

Mit einer Checkliste, die vor jeder Veröffentlichung abgearbeitet wird und die sich zur Hälfte automatisch prüfen lässt. Die Liste ist kurz, weil lange Listen nicht benutzt werden.

Prüfpunkt	Frage	Prüft
Substanz	Steht mindestens ein Absatz im Text, den nur wir schreiben konnten?	Mensch
Quellen	Hat jede Zahl eine Quelle, die geöffnet wurde?	Mensch
Antwort zuerst	Beantwortet der erste Absatz die Kernfrage?	Prompt
Ton	Fehlen die Wörter von der Sperrliste?	Prompt
Struktur	Sind die Überschriften Fragen, die Leser wirklich stellen?	Prompt
Kennzeichnung	Ist die Freigabe protokolliert oder der KI-Einsatz ausgewiesen?	Mensch

Google empfiehlt in derselben Mitteilung von 2023, einen Hinweis auf KI-Einsatz dort zu setzen, wo Leser sich fragen könnten, wie ein Inhalt entstanden ist. Ein KI-Autor in der Verfasserzeile ist dafür ausdrücklich nicht der empfohlene Weg. Praktikabel ist ein kurzer Absatz am Ende des Textes, der den Ablauf beschreibt. Genau so einer steht weiter unten in diesem Artikel.

Was kostet Content-Produktion mit KI?

Weniger als die meisten Tool-Vergleiche vermuten lassen, weil der Engpass nicht die Software ist. Die Modellkosten für einen Artikel mit Recherche, Entwurf und Prüfrunde liegen im Cent- bis unteren Eurobereich. Die Automatisierungsplattform kostet bei n8n oder Make.com je nach Volumen etwa 30 bis 100 Euro im Monat, bei selbst gehostetem n8n entfällt die Lizenz.

Die eigentliche Rechnung ist eine andere: Wie viele Stunden gehen heute pro Beitrag in Recherche, Schreiben und Formatieren, und wie viele bleiben, wenn nur noch Themenwahl, Erfahrung und Freigabe beim Team liegen? Diese Zahl kennt jedes Team selbst am besten. Wer sie mit dem Stundensatz multipliziert, hat den Rahmen für die Investition. Statistik Austria nennt fehlende Expertise im Haus als häufigsten Grund, warum interessierte Unternehmen KI nicht einsetzen (15 %). Für die Content-Produktion lässt sich genau dieser Teil auslagern: Einrichtung und Vorlagen von außen, Betrieb und Freigabe im Haus.

Wer setzt das in Österreich um, und was kostet es?

AI Workflow (Mitja Beuthe, Klagenfurt am Wörthersee) baut Content-Workflows mit n8n, vom Briefing bis zur Veröffentlichung in WordPress und auf deinen Social-Media-Kanälen. Die Umsetzung kostet ab 249 € pro Modul, dazu kommen laufende Kosten für Betreuung und Hosting je nach Umfang. Der Workflow läuft auf einem Server in Europa (EU), mit Auftragsverarbeitungsvertrag. Auch dieser Blog entsteht nach dem Ablauf oben, mit Themen aus der Search Console und meiner Freigabe. Was dein Vorhaben kostet, sage ich dir nach dem kostenlosen Erstgespräch. Wie sich das Preismodell zusammensetzt, steht unter Angebote.

Für wen lohnt sich der Aufbau?

Für drei Situationen, die in den Suchanfragen zu dieser Website immer wieder auftauchen. Eine Redaktion, die mit KI mehr Output schaffen soll, ohne dass Google oder die Leser das als Massenware abstrafen: Hier liegt der Hebel in Schritt 2 und 5, also in Quellen und Freigabe. Ein Marketing-Team in einem SaaS-Unternehmen, das neben Kampagnen und Launches keinen Platz für laufenden Content hat: Hier zählt das Briefing, weil es die Tonalität konserviert, wenn niemand Zeit hat, sie jedes Mal neu zu erklären. Und ein kleiner Betrieb in Österreich, der einmal im Monat einen Beitrag veröffentlichen will und dafür bisher ein Wochenende gebraucht hat.

In allen drei Fällen ist der Workflow das Ergebnis einer kostenlosen Erstberatung, in der wir den bestehenden Ablauf aufzeichnen und die vier Stellen markieren, an denen der Mensch bleibt. Welche anderen Abläufe wir für Kanzleien, Selbstständige und KMU gebaut haben, steht unter Referenzen.

So ist dieser Artikel entstanden

Nach dem Ablauf, der oben beschrieben ist. Das Thema kam aus der Search Console dieser Website, die Quellen (Statistik Austria, Google Search Central, EU AI Act) wurden vor dem Entwurf geöffnet und geprüft, der Rohtext wurde mit einem Sprachmodell nach Briefing und Stilprobe geschrieben. Redaktion, Ergänzungen aus eigenen Projekten und die Freigabe hat Mitja Beuthe übernommen, der auch die redaktionelle Verantwortung trägt.

Fazit: Content-Produktion mit KI ist ein Prozess, kein Prompt

Automatisiere Recherche, Briefing, Entwurf, Formatierung und Verteilung. Behalte Themenwahl, Erfahrung, Faktencheck und Freigabe. Baue das Briefing einmal sauber und lass jeden Text dagegen prüfen, bevor ein Mensch ihn liest. Wer so arbeitet, produziert mehr, ohne beliebig zu werden, und erfüllt nebenbei die Anforderungen von Google und AI Act. Der schnellste Weg zum Start ist ein Blick auf den eigenen Ablauf: Welche der acht Stationen aus der Tabelle oben kostet dich heute am meisten Zeit? Dort fängst du an.

Häufige Fragen zur Content-Produktion mit KI

Straft Google KI-generierte Inhalte ab?

Nein, nicht wegen der Herkunft. Google hat im Februar 2023 klargestellt, dass der angemessene Einsatz von KI oder Automatisierung nicht gegen die Richtlinien verstößt. Abgewertet wird Content, der in erster Linie erzeugt wird, um Rankings zu manipulieren, egal ob von Mensch oder Maschine. Bewertet wird nach E-E-A-T, also Erfahrung, Fachwissen, Autorität und Vertrauen. Ein KI-Text mit eigenen Zahlen, geprüften Quellen und einer nachvollziehbaren Verfasserangabe steht deshalb genauso gut da wie ein handgeschriebener.

Muss ich KI-Inhalte kennzeichnen?

Seit dem 2. August 2026 gilt Artikel 50 des EU AI Acts. Wer KI-generierte Texte veröffentlicht, die die Öffentlichkeit über Angelegenheiten von öffentlichem Interesse informieren, muss das offenlegen. Die Pflicht entfällt, wenn der Text eine menschliche Prüfung oder redaktionelle Kontrolle durchlaufen hat und eine Person oder ein Unternehmen die redaktionelle Verantwortung trägt. Für normale Unternehmensinhalte reicht damit ein dokumentierter Freigabeschritt. Google empfiehlt zusätzlich einen Hinweis, wenn Leser sich fragen könnten, wie ein Inhalt entstanden ist. Rechtsberatung ersetzt das nicht.

Welche Schritte der Content-Produktion sollte man nicht automatisieren?

Vier Schritte bleiben beim Menschen: die Themenwahl, weil nur Kundengespräche zeigen, welche Frage offen ist; die eigene Erfahrung, also der Absatz mit dem konkreten Fall oder der Zahl aus dem Betrieb; der Faktencheck, weil Sprachmodelle ohne Quelle Zahlen und Zitate erfinden; und die Freigabe, weil sie die redaktionelle Verantwortung dokumentiert. Alles andere, von der Recherche über das Briefing bis zur Verteilung, lässt sich in einem Workflow mit n8n oder Make.com abbilden.

Wie verhindere ich, dass KI-Texte nach Massenware klingen?

Mit drei Vorgaben im Briefing. Erstens eine Stilprobe aus zwei oder drei eigenen Texten statt einer Anweisung wie „schreib locker“. Zweitens eine Sperrliste mit den typischen Mustern von KI-Text: Dreiergruppen, Gedankenstriche als Satzkleber, Wörter wie „entscheidend“ oder „nahtlos“. Drittens die Regel, dass der Text mindestens einen Absatz enthalten muss, den das Modell nicht hätte schreiben können, weil er aus dem eigenen Betrieb stammt. Ein Prüf-Prompt kontrolliert die ersten beiden Punkte automatisch, den dritten liest ein Mensch.

Welche Tools braucht man für Content-Produktion mit KI?

Vier Bausteine reichen: ein Sprachmodell mit Schnittstelle (GPT oder Claude), eine Automatisierungsplattform, die die Schritte verbindet (n8n, Make.com oder Zapier), das bestehende Veröffentlichungssystem (WordPress, LinkedIn, ein Newsletter-Tool) und die Google Search Console als Datenquelle für Themen und Messung. Neue Software für Redaktionspläne ist selten nötig, eine Tabelle oder das vorhandene Projekt-Tool genügt. Planungstools wie Buffer oder Hootsuite decken vor allem das Planen und Veröffentlichen ab, die Fassungen pro Plattform schreibt der Workflow. Die Kosten liegen bei 30 bis 100 Euro im Monat für die Plattform plus Modellkosten im Cent-Bereich pro Text.

Welche Plattformen lassen sich automatisiert bespielen?

LinkedIn, Facebook, Instagram und X bieten Schnittstellen zum Veröffentlichen, die sich mit n8n ansprechen lassen. Jede Plattform hat eigene Regeln für den Zugang und begrenzt die Zahl der Anfragen. Für Instagram brauchst du ein professionelles Konto. Nutze immer die offiziellen Schnittstellen, denn automatisierte Klicks im Browser verstoßen in der Regel gegen die Nutzungsbedingungen. Welche Kanäle sich lohnen, hängt davon ab, wo deine Zielgruppe tatsächlich liest. Starte mit einer Plattform und nimm die nächste erst dazu, wenn der Ablauf dort stabil läuft.

Passendes Angebot: Custom Module ansehen