Im B2B-Marketing gibt es ein neues Problem: Ihr könnt heute so viel Content produzieren, wie ihr wollt. Ob davon etwas raus sollte, wisst ihr deshalb noch nicht. Und ob es zur Marke passt, auch nicht.
Die KI liefert Text, der erst mal plausibel klingt, in jeder Menge. Was dagegen knapp wird, ist das Urteil darüber, was davon gut ist. Das ist der Flaschenhals, um den es hier geht.
Die meisten Teams holen sich dann mehr Leute fürs Review. Oder die vorhandenen sollen schneller lesen. Das bringt ein bisschen, mehr nicht. Die bessere Frage ist für mich, wie das Content-System an sich gebaut ist: An welcher Stelle kommt das Urteil rein? Was wird im Gespräch mit der KI schon geprüft, bevor überhaupt jemand einen Entwurf liest? Und wer bringt das Wissen ein, das dem Modell fehlt?
Was ich hier mit Urteil meine
Urteil heißt hier fast dasselbe wie Geschmack. Man erkennt, ob ein Argument interessant ist. Ob aus einer Erkenntnis etwas folgt. Ob die Belege den Schluss auch tragen. Und ob der Text dem Leser, für den er gedacht ist, überhaupt etwas Neues erzählt.
Und man entscheidet, ob das Ganze gut genug ist, dass die Firma damit nach draußen gehen kann.
Erfahrene Redakteure und Fachleute haben das oft in Sekunden raus. Sie haben genug gelesen, geschrieben und Interviews geführt, um Qualität zum Teil einfach wiederzuerkennen.
Warum mit KI mehr auf dem Spiel steht
Ein Junior mit guten KI-Tools baut euch heute einen Artikel zu einem technisch anspruchsvollen Thema zusammen, glättet die Sprache, ergänzt Beispiele und liefert fertigen Content ab. Sieht auf den ersten Blick hochprofessionell aus.
Wer den Prozess fährt, merkt aber womöglich nicht, dass die zentrale These banal ist. Dass ein Beispiel den Punkt gar nicht belegt. Dass eine wichtige Einschränkung unterwegs verloren ging. Oder dass ein erfahrener Kunde das Argument für naiv hält. Im B2B wiegt das schwerer als in den meisten anderen Ecken des Marketings.
Führungskräfte lesen Thought Leadership, weil sie bei schwierigen Fragen weiterkommen wollen. Oft bei Fragen, auf die es noch keine fertige Antwort gibt, oder nur eine umstrittene. Sie erwarten eine scharfe Diagnose, eine Unterscheidung, mit der sie etwas anfangen können, einen überraschenden Befund oder einen Standpunkt, den man ihnen abnimmt.
Früher hat der Aufwand ganz nebenbei als Qualitätsfilter funktioniert. Ein großer Artikel oder Report war so viel Arbeit, dass vorher irgendjemand überzeugt sein musste, dass sich die Idee lohnt. Diesen Filter schwächt die KI. Produzieren geht jetzt schnell und in Masse. Erfahrenes Urteil skaliert nicht mit.
Produzieren geht schnell und in Masse. Erfahrenes Urteil skaliert nicht mit.
„Human in the loop“ beschreibt einen Ablauf, nicht die Qualität des Reviews. Die hängt davon ab, wer da drüberliest. Ein Kollege mit weniger Erfahrung prüft Tonalität, Formatierung und Messaging vielleicht einwandfrei. Ob ein Argument inhaltlich trägt, kann er trotzdem oft nicht beurteilen.
Damit ist der Flaschenhals eine Systemfrage. Und zwar mit drei Teilen.
Frage 1: An welcher Stelle kommt das Urteil in eure KI-Content-Erstellung?
In den meisten Workflows kommt das Urteil ganz zum Schluss, als Freigabe. Da liest sich der Entwurf längst flüssig, die Deadline steht vor der Tür, und die Idee noch zu kippen fühlt sich „teuer“ an. Die ganze Zeit, die ganze Arbeit, umsonst.
Meine Erfahrung: Ein spätes Review repariert Sätze. Eine schwache Prämisse kippt es so gut wie nie.
Ein spätes Review repariert Sätze. Eine schwache Prämisse kippt es so gut wie nie.
Beim Content entscheidet sich das meiste an vier Stellen: Welches Thema nehmen wir? Was lesen wir aus den Daten? Wie lautet die zentrale These? Und die Freigabe am Ende. Drei von vier passieren, bevor überhaupt jemand ein Wort schreibt.
Die KI macht das Feld größer: mehr Fragen, mehr Hypothesen, mehr mögliche Aufbauten. Eingrenzen muss es ein Mensch mit Erfahrung. Mein Rat: Grenzt früh ein. Und legt fest, wer das macht.
Frage 2: Welche Leitplanken haben eure Gespräche mit der KI?
Jeder Entwurf fängt heute als Gespräch an: jemand aus dem Team, ein Modell. Dieses Gespräch gehört zum Content-System. Nur kümmert sich in den meisten Firmen keiner darum, wie es läuft. Was rauskommt, hängt davon ab, was der Person gerade einfällt.
Leitplanken sind die Fragen und Checks, die fest in dieses Gespräch eingebaut sind, noch bevor ein Mensch drüberliest. Hat der Entwurf eine zentrale Aussage? Was belegt sie, und woher kommen die Belege? Auf welche Einschränkung würde ein Experte bestehen? Was weiß der Leser sowieso schon?
Ein erfahrener Redakteur stellt genau diese Fragen im Review. Eingebaut in den KI-Workflow laufen sie bei jedem Entwurf mit. Auch bei denen, die entstehen, während die Senior-Leute gerade in Meetings sitzen.
Genau das steckt hinter der Idee, erfahrenes Urteil als Skill-Sets in eure KI zu packen. Die erfahrene Person legt Fragen, Checks und Standards einmal fest. Danach läuft jeder Entwurf im Team damit. Das Senior-Review gibt es weiterhin. Es fängt nur mit einem besseren Entwurf an, und die Korrekturrunden für die Basics fallen weg.
Frage 3: Wer gibt der KI den Kontext?
Ein Modell schreibt zu fast jedem Thema flüssig. Was es nicht wissen kann: was eure Kunden letztes Quartal von euch gehört haben. Welche Aussage eure Ingenieure für übertrieben halten. Was der Vertrieb draußen ständig zu hören bekommt. Welche Ideen ihr schon ausprobiert und wieder verworfen habt.
Das Wissen steckt in ganz bestimmten Köpfen: bei den Fachleuten, bei den Account-Verantwortlichen, bei der Redakteurin, die das Programm seit Jahren betreut. Wenn keiner dafür zuständig ist, es in den Workflow zu holen, füllt das Modell die Lücke mit der Allerwelts-Version des Themas. Und der Junior, der den Prozess fährt, merkt den Unterschied oft gar nicht.
Darum braucht Kontext einen Zuständigen. Und einen festen Weg in die KI.
Ein anderer Maßstab für KI-Reife
Ob, wann, wo und wie das Urteil bei euch zum Flaschenhals wird, verändert auch, woran Firmen ihre KI-Reife im B2B-Marketing messen sollten. Output-Menge und Tempo sind im Tagesgeschäft wichtig. Ob eine Firma in Thought Leadership besser wird, sieht man daran aber nicht.
Deshalb sage ich gern: Je leichter Content zu produzieren ist, desto wertvoller wird der Blick dafür, was davon überhaupt in die Welt gehört.
Wer KI gut einsetzt, baut sein Content-System um genau diese Frage herum: Wo kommt dieser Blick her?