Wer uns fragt, wo KI in der Content-Produktion ansetzen soll, bekommt von uns selten eine Antwort mit Sternchen dran. Meistens reicht eine einzige Frage: Ist die Aufgabe repetitiv und lässt sich klar beschreiben? Dann ja. Braucht sie ein Urteil, einen Ton, eine Idee? Dann eher nicht, oder nur als erster Aufschlag, den jemand danach noch einmal anfasst. Diese Grenze ist unspektakulär, aber sie hält in der Praxis erstaunlich zuverlässig.
Wo es wirklich funktioniert
Der Datencheck ist das unglamouröseste, aber verlässlichste Beispiel. Hunderte Produktbeschreibungen auf fehlende Pflichtfelder prüfen, Formatierungsfehler in einem CMS-Export finden, doppelte Einträge markieren — das ist Fleißarbeit mit einer klaren Definition von "richtig" und "falsch". Ein Mensch macht das auch, nur langsamer und mit mehr Frustpotenzial ab der dreihundertsten Zeile. Ähnlich beim Bildzuschnitt: ein Motiv für Instagram-Quadrat, Story-Format und Website-Header parat zu haben, ist reine Geometrie plus ein paar Regeln zum Bildausschnitt. Keine Kreativleistung, nur Wiederholung in Varianten. Und bei der ersten Sortierung großer Content-Mengen — tausend Artikel nach Thema vorclustern, Interviews grob nach Aussagen kategorisieren, ein Bildarchiv nach dominanten Motiven vorsortieren — liefert KI eine brauchbare Grobstruktur, die ein Mensch danach in Minuten statt Tagen verfeinert. In allen drei Fällen ist vorher klar, was ein gutes Ergebnis ist. Genau das macht die Aufgabe für Software lösbar.
Wo es kippt
Sobald Urteilsvermögen gefragt ist, wird es dünn. Ein Redakteur, der entscheidet, welche von drei möglichen Schlagzeilen zur Kernbotschaft passt und welche nur lauter ist, trifft eine Abwägung, die von Kontext lebt, den kein Prompt vollständig einfängt. Genauso beim Ton: Ob ein Text für eine Industriemarke "bestimmt" oder schon "arrogant" klingt, ist eine Nuance, die man aus Erfahrung mit der Marke kennt, nicht aus einem Stilhandbuch ableitet. Und die eigentliche Idee — der Dreh, mit dem eine Kampagne aus zehn ähnlichen heraussticht — entsteht aus Reibung zwischen Menschen, aus Zufall, aus jemandem, der eine Nacht drüber schläft. KI kann zehn Varianten davon simulieren, aber sie hat keinen Standpunkt, den sie verteidigen will. Genau der fehlt aber, wenn ein Text wirklich für etwas stehen soll.
Was uns dabei selbstkritisch macht: Wir haben KI-Tools ausprobiert, die genau an dieser Grenze scheiterten, weil wir sie zu ambitioniert eingesetzt haben — Konzepttexte statt Datenbereinigung, Markenstimme statt Formatkonvertierung. Das Ergebnis war nicht "ganz gut mit Nacharbeit", sondern musste komplett neu geschrieben werden, was länger dauerte als ohne KI. Die Lehre daraus ist unspektakulär, aber wir ziehen sie konsequent durch: KI dort einsetzen, wo die Aufgabe vorher schon eine klare Antwort hat, und dort Menschen entscheiden lassen, wo die Antwort erst im Prozess entsteht. Wer diese Grenze kennt, spart an den richtigen Stellen Zeit — und verschwendet sie nicht an den falschen.