Content-Aktivierung mit KI: Vom Einzelprompt zum wiederholbaren Redaktionssystem

20 Prozent der Arbeit stecken im Erstellen eines Inhalts, 80 Prozent in seiner Aktivierung. Diese Rechnung beschreibt Mike Kaput, Chief Content Officer bei SmarterX, in seinem Beitrag über das Content-Activation-Playbook. Sie deckt sich mit dem, was ich bei Kunden sehe: Das Whitepaper erscheint, wird eine Woche beworben und liegt danach still. SmarterX hat daraus ein wiederholbares Redaktionssystem gebaut, das gegen jedes neue Interview der Serie läuft. Dieser Schritt vom Einzelprompt zum Redaktionssystem fehlt in den meisten Teams.

Die 80 Prozent, an denen Teams hängen bleiben

Kaput teilt die Arbeit klar auf. Das Erstellen des Podcasts, des Reports oder des Interviews ist der kleinere Teil. Der größere beginnt danach. Aus einer Aufnahme müssen viele Inhalte werden, verteilt über mehrere Kanäle und zugeschnitten auf die Zielgruppen, die sich dafür interessieren. Diese Arbeit kostet Zeit und redaktionelles Urteil, und sie wiederholt sich bei jedem neuen Stück. Deshalb bleibt sie liegen. Laut Kaput fehlen dafür die menschlichen Arbeitsstunden.

Ein Prompt löst eine Episode, ein Format löst die Serie

SmarterX hat eine Interview-Reihe zu KI-Transformation im Rahmen des Podcasts The Artificial Intelligence Show gestartet. Jedes Gespräch liefert viel Substanz. Statt jedes Mal neu zu überlegen, welcher Blickwinkel trägt, hat das Team einen Rahmen gebaut. Grundlage war ein Codex-Projekt, also ein Arbeitsbereich, in dem alle Vorbereitungsunterlagen und Transkripte der Serie schon lagen. Drei fertig aufgenommene Transformationsgeschichten gingen als Kontext hinein. Danach hat das Team im Dialog mit dem Modell geprüft, ob dieselben redaktionellen Winkel über deutlich unterschiedliche Geschichten hinweg funktionieren. Trägt ein Rahmen nur für ein einzelnes Interview, bleibt es Handarbeit.

Drei Formate, die für jedes Interview gelten

Am Ende standen drei Beitragstypen, die für jedes Interview der Reihe erscheinen. Das Adoption-Playbook zeigt, wie ein Unternehmen von ersten Experimenten zu dauerhaftem Handeln mit KI kommt. Dazu kommt ein Deep-Dive, der einen einzelnen Workflow oder eine Customer Journey herausgreift und Schritt für Schritt zeigt, wie das Unternehmen vorgegangen ist. Der dritte Typ arbeitet auf Organisationsebene und behandelt Rollen, Verhalten, Wissensaustausch und die Änderungen im Betrieb, damit die Transformation hält.

Aus jedem dieser Formate wurde eine eigene KI-Skill, also eine feste Arbeitsanweisung, die das Modell jedes Mal gleich abarbeitet. Sie liest das Transkript, schlägt einen Blickwinkel vor, zieht Beispiele und Kennzahlen heraus, prüft die Belege und schreibt einen ersten Entwurf in der Stimme von SmarterX.

Die menschliche Prüfung ist gesetzt

Die Skill liefert HTML als Rohentwurf. Danach nimmt eine menschliche Autorin oder ein Autor den Text in Google Docs komplett redaktionell auseinander. Erst dann wandert das Ergebnis als HubSpot-fähiges HTML in die Veröffentlichung. Die KI baut das Gerüst. Das Urteil bleibt beim Menschen, vorne bei der redaktionellen Strategie und hinten bei Stimme und Freigabe. Kaput betont, dass das Rohmaterial ein echtes Interview ist und die Winkel von einem erfahrenen Content-Strategen geformt wurden. Ohne diese Vorarbeit mittelt die KI in Richtung Beliebigkeit. Genau das meine ich mit KI-Automation mit Kontrolle.

Was ich in Projekten beobachte

Bei meinen Kunden scheitert der Schritt selten an der Technik. Es gibt Prompt-Sammlungen in Notion, es gibt Zugänge zu drei Modellen, und nach vier Wochen nutzt sie niemand mehr. Der Grund liegt darin, dass niemand das Format vorher festgeschrieben hat. Ein Kunde aus dem B2B-Bereich hatte zwölf Webinar-Aufzeichnungen im Archiv. Wir haben zuerst zwei Beitragstypen definiert und an drei alten Aufzeichnungen von Hand geprüft, ob sie tragen. Erst danach kam die Automatisierung in n8n. Diese Reihenfolge entscheidet, ob ein System nach drei Monaten noch läuft.

Die Qualitätskontrolle kostet Zeit und lohnt sich

Jeder Entwurf aus einem Modell braucht eine Prüfung der Zahlen und Beispiele. Diesen Aufwand nenne ich die Verifizierungssteuer. Bei SmarterX steckt sie in der vollständigen Redaktionsrunde in Google Docs. Wer diesen Schritt streicht, spart eine Stunde und riskiert die Glaubwürdigkeit der Marke. Rechne die Prüfzeit von Anfang an ein, wenn du den Nutzen eines solchen Systems kalkulierst.

Messen, was aus einem Inhalt herauskommt

Kaput dreht die Erfolgsfrage um. Er misst die Reichweite pro produziertem Inhalt statt der Menge an neuen Beiträgen. Dort liegt laut ihm der Return im KI-Zeitalter. Ich halte das für die praktischste Kennzahl in diesem Bereich, weil sie sich ohne neues Tool messen lässt. Zähle, wie viele veröffentlichte Beiträge in den ersten 30 Tagen aus einer Aufnahme entstehen, und vergleiche den Wert mit dem Quartal davor. Wie du solche Abläufe technisch aufsetzt, beschreibe ich unter Prozesse automatisieren.

Dein nächster Schritt

Nimm dein letztes großes Interview oder Webinar und schreib zwei Formate auf, die du daraus jedes Mal veröffentlichen würdest. Prüfe die Formate gegen zwei weitere Aufzeichnungen aus dem Archiv. Halten sie dort auch, hast du die Grundlage für eine Skill. Halten sie nur beim ersten, war der Winkel zu speziell. Diese Prüfung dauert einen Nachmittag und ersetzt Monate an Tool-Recherche.

Die Details des SmarterX-Ansatzes stammen aus dem AI Use Case Spotlight in Episode 228 des Podcasts The Artificial Intelligence Show mit Paul Roetzer und Mike Kaput.