Wer stoppt den plausiblen Fehler? Governance für KI-Redaktionen Wer stoppt den plausiblen Fehler? Governance für KI-Redaktionen

16.40 Uhr, der Text ist fertig

Ein bewusst fiktiver Fall: Für die Einführung eines neuen Angebots soll eine deutsche Produktseite für Österreich angepasst werden. Das Sprachmodell übernimmt Ton, Aufbau und Suchbegriffe. Eine Fachperson liest die technischen Passagen, die Redaktion glättet den Text, die Marktverantwortliche prüft Bezeichnungen. Kurz vor der Veröffentlichung bleibt ein Satz stehen, der eine Leistung für alle Varianten zusichert.

Jede beteiligte Person hat den Text gesehen. Trotzdem hat niemand genau diese Behauptung gegen die gültige österreichische Produktquelle geprüft. Die Fachperson hielt die Marktzuordnung für geklärt, die Redaktion verstand ihre Aufgabe als sprachliche Prüfung, die finale Freigabe galt vor allem dem Termin.

Falls der Satz falsch ist, liegt der Fehler nicht nur beim Modell. Er liegt in einer Übergabe, an der Lesen mit Prüfen verwechselt wurde. Aus Perspektive des ANORA Journals beginnt redaktionelle Governance deshalb nicht mit einem Regelkatalog. Sie beginnt mit der Frage: Wer darf und muss diesen Satz stoppen?

Ein starker Absatz kann auf einer schwachen Grundlage stehen

Sprachmodelle erzeugen aus ihrem Kontext eine plausible sprachliche Fortsetzung. Sie stellen nicht eigenständig fest, ob eine Produktangabe aktuell, für den richtigen Markt freigegeben oder im vorliegenden Zusammenhang vollständig ist. Gerade ein souveräner Absatz kann die Unsicherheit seiner Grundlage verdecken.

Eine Quellenanbindung verbessert den verfügbaren Kontext, beseitigt dieses Problem aber nicht. Ist ein Dokument veraltet, widersprüchlich oder nur für einen anderen Kanal gültig, kann das System den falschen Bezug überzeugend weiterverarbeiten. Retrieval liefert Material. Ob das Material maßgeblich ist, bleibt eine redaktionelle und fachliche Entscheidung.

Auch ein erfolgreicher Testlauf ist kein dauerhafter Qualitätsnachweis. Modellversion, Anweisung, Wissensbestand und Eingabe beeinflussen das Ergebnis. Governance muss daher nicht den einen gelungenen Text erklären, sondern die Bedingungen, unter denen immer neue Texte veröffentlicht werden.

Im fiktiven Ausgangsfall wurden mehrere Qualitätsziele sogar erreicht: Der Ton stimmt, der Aufbau ist verständlich, die Suchintention passt. Gescheitert ist die weniger sichtbare Dimension der Qualität: die Gültigkeit einer konkreten Aussage. Ein pauschaler Qualitätsscore würde diesen Unterschied leicht verwischen. Redaktionelle Qualität bleibt eine Gewichtungsentscheidung.

Das mittlere Risiko ist am schwersten zu erkennen

Eine kurzlebige Bildunterschrift und eine dauerhaft auffindbare Leistungsbeschreibung brauchen nicht denselben Prüfweg. Der erste Inhalt lässt sich meist schnell korrigieren. Der zweite kann Kaufentscheidungen beeinflussen, in weitere Kanäle einfließen und lange über die Suche auffindbar bleiben.

Ein Risikoprofil sollte deshalb nicht allein an Format oder Reichweite hängen. Entscheidend sind die möglichen Folgen eines Fehlers, seine Erkennbarkeit, seine Korrigierbarkeit und die Frage, wie weit sich die Aussage automatisiert verteilt. Besonders heikel sind Inhalte, die redaktionell harmlos wirken, aber Produktversprechen, Konditionen oder technische Voraussetzungen übernehmen.

Genau hier wird der Human-in-the-Loop oft überschätzt. Der Satz „von einem Menschen geprüft“ beschreibt noch keine wirksame Kontrolle. Eine Person kann Stil, Verständlichkeit oder Vollständigkeit beurteilen und dennoch nicht für die fachliche Gültigkeit zuständig sein. Ohne klaren Prüfauftrag, zugängliche Quellen und das Recht, die Veröffentlichung anzuhalten, bleibt die menschliche Freigabe ein Ritual.

Content Governance muss deshalb Rollen nicht nur benennen, sondern ihre Entscheidungskompetenz abgrenzen. Wer eine fachliche Behauptung freigibt, braucht einen anderen Blick als jemand, der Ton und Dramaturgie verantwortet. Beides kann in einer Person zusammenfallen. Es darf nur nicht stillschweigend vorausgesetzt werden.

Kontrolle wirkt an den Übergängen

Vor dem Entwurf wird entschieden, was gilt

Der erste relevante Eingriff geschieht vor der Generierung. Für welchen Markt, Kanal und Zeitraum gilt der Auftrag? Welche Quelle hat Vorrang, wenn Dokumente einander widersprechen? Welche Angaben fehlen noch? Solche Lücken sollten sichtbar bleiben. Eine flüssige Formulierung ist keine Antwort auf einen ungeklärten Geltungsbereich.

Damit verändert sich auch die Rolle des sogenannten Prompts. Er ist nicht bloß eine Schreibanweisung, sondern Teil eines redaktionellen Auftrags. Zweck, Zielgruppe, zugelassene Quellen und verantwortliche Rolle gehören in denselben Zusammenhang.

Bei der Behauptung muss ihre Herkunft sichtbar werden

Nicht jeder Satz braucht einen Einzelnachweis. Wohl aber jede Aussage, deren Fehler für Leser oder Organisation relevant wäre. Zahlen, Verfügbarkeiten, Kompatibilitäten und weitreichende Leistungsversprechen sind typische Kandidaten für eine gezielte Prüfung.

Qualitätssicherung mit KI kann dabei Vorarbeit leisten: Systeme können auffällige Formulierungen markieren, Quellenbezüge vergleichen oder fehlende Pflichtangaben erkennen. Sie entscheiden damit noch nicht, ob eine Aussage verantwortbar ist. Der entscheidende Schritt bleibt die Beurteilung durch eine Rolle, die Bedeutung und Geltungsbereich der Quelle versteht.

Für die spätere Nachvollziehbarkeit sind verwendete Quellen, relevante System- und Vorlagenversionen, erzeugte Fassungen, redaktionelle Änderungen und die Freigabeentscheidung aussagekräftiger als eine vermeintliche Rekonstruktion interner Modellgedanken. Dokumentiert werden sollte, worauf die Veröffentlichung tatsächlich beruhte.

Vor der Vervielfältigung wechselt der Maßstab

Ein geprüfter Ausgangstext kann zur Quelle für Landingpages, Newsletter, Social Posts oder lokalisierte Varianten werden. Damit wird aus einem einzelnen Fehler ein Verteilungsfehler. Die entscheidende Freigabe liegt dann nicht nur vor der ersten Veröffentlichung, sondern vor dem Moment, in dem eine Aussage skaliert.

Nach der Publikation muss der Weg in die Gegenrichtung offenbleiben. Meldet eine Fachabteilung oder die Leserschaft einen Fehler, reicht es nicht, nur die sichtbare Seite zu ändern. Auch die zugrunde liegende Quelle, Vorlage oder Regel muss korrigiert werden. Sonst taucht dieselbe Aussage in der nächsten Generierung wieder auf.

SEO-Automatisierung vergrößert den falschen Satz

Suchorientierte Produktion verschärft den Konflikt, weil Varianten und Aktualisierungen vergleichsweise leicht skaliert werden können. Das ist wirtschaftlich attraktiv. Es schafft aber einen Anreiz, formal passende Seiten zu veröffentlichen, bevor geklärt ist, ob sie eine eigenständige Aufgabe für Leser erfüllen.

Google erklärt in seinen Hinweisen zum Einsatz generativer KI, dass die angemessene Nutzung von KI oder Automatisierung nicht grundsätzlich gegen die Richtlinien verstößt. Werden Inhalte jedoch primär erzeugt, um Suchrankings zu manipulieren, kann dies gegen die in den Google Search Essentials verankerten Spamrichtlinien verstoßen.

Für eine KI-Redaktion ist deshalb nicht die vermeintliche Erkennbarkeit des Modelltexts die zentrale Frage. Wichtiger ist der Veröffentlichungszweck: Beantwortet die Seite eine eigene Leserfrage? Fügt sie belegbare Information oder eine nachvollziehbare Einordnung hinzu? Oder variiert sie lediglich vorhandene Aussagen, weil weitere Suchbegriffe verfügbar sind?

Auch technische Auszeichnung ersetzt diese Entscheidung nicht. Strukturierte Daten sollen den sichtbaren Seiteninhalt zutreffend beschreiben, wie die Google-Dokumentation zu strukturierten Daten erläutert. Markup kann eine klare Einordnung unterstützen. Fehlende Substanz oder einen falschen Produktbezug kann es nicht reparieren.

Reibung gehört an den Punkt ohne einfachen Rückweg

Zu viel Kontrolle kann eine KI-Redaktion ebenso unbrauchbar machen wie zu wenig. Wenn jeder kurze, leicht korrigierbare Text denselben Prüfweg wie eine folgenreiche Leistungsbeschreibung durchläuft, wird Governance zur Verwaltung des eigenen Misstrauens. Der wirtschaftliche Nutzen der Automatisierung verschwindet, ohne dass die entscheidenden Aussagen zwangsläufig besser geprüft werden.

Der Gegenentwurf ist jedoch kein vollständiger Autopilot. Automatisierung darf dort schnell sein, wo Fehler begrenzt, sichtbar und reversibel bleiben. Bewusste Reibung gehört vor die Übernahme einer zweifelhaften Quelle, vor eine folgenreiche Behauptung und vor die Verteilung auf weitere Kanäle.

Die reife KI-Redaktion erkennt man daher nicht an der Zahl ihrer Freigaben. Sie zeigt sich in einem strittigen Moment: Der Text ist fertig, der Termin drängt, der Satz klingt makellos. Trotzdem ist klar, wer seine Grundlage prüfen muss und wer die Veröffentlichung stoppen darf. Geschwindigkeit bleibt wertvoll. Zurechenbarkeit entscheidet, wann sie vertretbar ist.