Der KI-Hype ist real, die Ernüchterung aber auch. Während 85 Prozent der deutschen Medienhäuser bereits generative KI in der Medienproduktion einsetzen und sie auch zum Dauerthema jeder Branchenkonferenz geworden ist, liefern laut MIT 95 Prozent aller KI-Pilotprojekte in Unternehmen keinen messbaren Return on Investment (ROI). Wer glaubt, mit dem richtigen Tool-Stack sei KI Journalismus und Automatisierung Medienunternehmen schon halb gewonnen, geht das Problem falsch an. Die entscheidende Frage ist nicht, welche Software man kauft, sondern was man dabei zu verlieren bereit ist.
Das Paradoxon der digitalen Avantgarde
Die Zahlen klingen nach Aufbruch: 41 Prozent der deutschen Unternehmen nutzen laut Bitkom KI-Studie inzwischen Künstliche Intelligenz aktiv, eine Verdopplung gegenüber dem Vorjahr. In der Medienbranche geht die Durchdringung noch weiter. Der BDZV/Retresco KI-Reifegrad-Report 2025 zeigt, dass 85 Prozent der deutschen Medienhäuser generative KI in redaktionellen Prozessen einsetzen, und 52 Prozent der Entscheider sehen Automatisierung als den wichtigsten Hebel für mehr Effizienz.
Doch hinter der Kulisse der begeisterten Pressemitteilungen klafft eine strategische Leerstelle. Nur 21 Prozent der deutschen Unternehmen verfügen über eine formale Strategie für KI in der Medienproduktion. Mehr als die Hälfte aller Firmen nennt mangelndes Know-how im eigenen Team als größtes Hindernis, und Akzeptanzprobleme innerhalb der Belegschaft sind branchenübergreifend dokumentiert. In der Medienbranche, wo redaktionelle Identität und Handwerksstolz tief in der Unternehmenskultur verwurzelt sind, wiegen diese Widerstände besonders schwer. 34 Prozent der Deutschen fürchten laut einer YouGov-Umfrage, ihren Arbeitsplatz durch KI zu verlieren. In einer Redaktion, die davon lebt, gesellschaftliche Stimmungen aufzufangen, ist diese Zahl nicht nur eine Statistik, sondern eine Warnung an die eigene Belegschaft.
Das eigentliche Paradoxon: Medienhäuser sind bei der Einführung von KI schneller als bei der Frage, was diese KI eigentlich für ihre Kernleistung bedeutet. Man kauft das Tool, bevor man die Strategie hat. Man automatisiert Prozesse, bevor man entschieden hat, welche Prozesse die menschliche Hand verdienen.
95 Prozent Scheitern als Lernangebot
Der MIT GenAI Divide Report 2025 ist in seiner Aussage brutal klar: 95 Prozent aller KI-Pilotprojekte in Unternehmen liefern keinen messbaren, dokumentierten Produktivitätsgewinn innerhalb von sechs Monaten nach dem Piloten. Nicht weil die Modelle schlecht wären, sondern weil Datenqualität, Workflow-Integration und die Ausrichtung auf echte Geschäftsziele fehlen.
Ein Anschauungsbeispiel aus einer anderen Branche zeigt, wie ernüchternd es sein kann, wenn man diese Grundlagen vernachlässigt: Starbucks rollte ab September 2025 das KI-gestützte Inventar-Tool „Automated Counting“ in über 11.000 nordamerikanischen Filialen aus. Die App sollte Bestände per Computer Vision erfassen und Mitarbeitern repetitive Zählarbeit abnehmen. Im Mai 2026, nach nur neun Monaten, wurde das Programm still eingestellt. Grund: Die Software verwechselte regelmäßig ähnliche Milchsorten, übersah Produkte und scheiterte an der Erkennung bestimmter Flaschen. Was als Entlastung gedacht war, wurde zur Fehlerquelle.
Für Medienproduzenten ist diese Geschichte aufschlussreicher als jede Branchenstudie. Wenn ein globaler Konzern an der praktischen Komplexität einer simplen Zählaufgabe scheitert, was bedeutet das für die wesentlich schwerer formalisierbare Aufgabe, Nachrichtenwert zu beurteilen, ein Interview zu gewichten oder die Bildsprache eines Magazins zu definieren?
Noch näher an der Branche liegen die eigenen Erschütterungen: Netflix geriet unter massiven Druck europäischer Synchronsprecher, als bekannt wurde, dass ihre Aufnahmen ohne explizite Zustimmung für KI-Training genutzt werden sollten. Die Süddeutsche Zeitung erlebte heftigen Widerstand, als sie versuchte, redaktionelle Inhalte über angepasste AGB für KI-Training freizugeben. In beiden Fällen zeigte sich: Die Belegschaft ist nicht gegen KI, aber sie besteht darauf, als Akteur und nicht als Datenmasse behandelt zu werden.
Was Connective Labor mit Redaktion zu tun hat
Allison Pugh, Soziologieprofessorin an der University of Virginia, beschreibt in ihrem 2024 erschienenen Buch „The Last Human Job: The Work of Connecting in a Disconnected World“ einen Typus von Arbeit, den sie „Connective Labor“ nennt. Journalistische Kommentatoren haben Pughs Kernthese sinngemäß so zugespitzt: Wenn Automatisierung alle Arbeit erfasst, wird Arbeit zum Luxus, der einer Elite vorbehalten bleibt.
Für Führungskräfte in Medienhäusern lohnt es sich, diesen Begriff ernst zu nehmen. Redaktionelle Arbeit ist in weiten Teilen Connective Labor. Wenn ein Interviewer das Schweigen seines Gegenübers deutet, wenn eine Bildredakteurin aus tausend Optionen das eine Foto wählt, das die Stimmung eines Moments trägt, wenn ein Ressortleiter einem Autor sagt, welche Geschichte nicht erzählt werden darf, weil sie eine andere verdrängen würde, dann geschieht folgendes: Jemand sieht jemanden, und dieser jemand fühlt sich gesehen. Das ist keine sentimentale Beschreibung von Redaktionskultur. Das ist die Leistung, für die Leser und Zuschauer zahlen.
KI kann Headlines variieren, Transkripte zusammenfassen, Metadaten befüllen, SEO-Checks automatisieren und Archivmaterial verschlagworten. Sie kann keinen Gesprächspartner wirklich lesen und keinen redaktionellen Urteilsakt vollziehen. Diese Grenze zu kennen und zu verteidigen, ist keine Technikverweigerung, sondern strategische Klarheit.
Was Entscheider jetzt tun sollten
Erstens: Den menschlichen Kern definieren. Nicht abstrakt, sondern konkret und dokumentiert. Welche Schritte im Produktionsprozess erfordern redaktionelles Urteil, emotionale Intelligenz oder journalistische Verantwortung? Diese Tätigkeiten gehören schriftlich erfasst und aktiv geschützt. Der Deutsche Journalisten-Verband hat recht, wenn er fordert, dass KI Redakteure nicht ersetzen darf und menschliche Letztverantwortung erhalten bleiben muss. Das ist keine Schutzbehauptung, sondern publizistische Qualitätssicherung.
Zweitens: Den Schmerz auslagern, nicht das Handwerk. Der Grundsatz „outsource the crap, not the craft“ gilt auch dann, wenn man ihn auf Deutsch formuliert. Automatisierungspotenzial liegt in der Transkription, im Formatieren von Agenturmeldungen, in der Rechercheunterstützung, im Archivabgleich. Die dpa hat mit ihrem Modell der „KI-Lotsen“ gezeigt, wie das geht: Spezialisierte Ansprechpersonen in Redaktionen, die konkrete Werkzeuge vermitteln und den Transferprozess moderieren, ohne Handwerksidentität zu gefährden.
Drittens: Transparenz als Führungsaufgabe verstehen. 90 Prozent der Deutschen fordern laut Umfragen eine klare Kennzeichnung KI-generierter Inhalte. Wer das als Bürde begreift, hat die Chance verpasst, die dahintersteckt. Offene Kommunikation darüber, was automatisiert wird und was nicht, stärkt das Vertrauen bei Publikum und Belegschaft gleichermaßen. Medienhäuser, die das als Wettbewerbsvorteil begreifen, werden die Debatte führen statt ihr hinterherzulaufen.
Wer das Erzählen besitzt, besitzt die Zukunft
KI wird die Medienproduktion dauerhaft verändern. Dieser Satz stimmt, ist aber zu wenig. KI wird die Medienproduktion in genau dem Maße verändern, in dem Führungskräfte bereit sind zu entscheiden, was unverhandelbar menschlich bleiben soll. Wer diese Entscheidung dem Markt überlässt, hat sie bereits getroffen, nur ohne Kontrolle über das Ergebnis.
Die Redaktionen, die in fünf Jahren noch eine erkennbare Handschrift haben, werden nicht diejenigen sein, die am meisten automatisiert haben. Es werden jene sein, die am klarsten gewusst haben, was sie nicht automatisieren wollen.