KI-Journalismus: Wenn Redaktionen automatisch schreiben

Rund 3,7 Millionen Artikel wurden allein bei der Nachrichtenagentur Associated Press zuletzt jährlich von Maschinen generiert — eine Zahl, die verdeutlicht, wie tief Künstliche Intelligenz bereits im Journalismus verwurzelt ist. Doch hinter den Erfolgsmeldungen großer Medienhäuser verbergen sich strukturelle Risiken, handfeste Fehler und ungeklärte Fragen zur Zukunft des Berufsbilds.

Von Quartalsberichten bis Sportticker: Wie AP, Reuters und Co. automatisieren

Die Associated Press war eine der ersten großen Nachrichtenorganisationen, die auf sogenanntes Automated Journalism setzte — also auf Systeme, die aus strukturierten Datensätzen selbstständig lesbare Texte formulieren. Das Prinzip klingt simpel: Eine Software erhält Rohdaten, etwa Quartalsergebnisse von Börsenunternehmen, und wandelt diese in Standardartikel um. Kein Redakteur tippt dabei eine Zeile. Die AP kooperiert zu diesem Zweck seit Jahren mit dem Technologieunternehmen Automated Insights, dessen Plattform Wordsmith solche Texte in Sekunden ausspuckt.

Reuters geht einen ähnlichen, aber technisch anspruchsvolleren Weg. Die britisch-kanadische Agentur setzt auf ein eigenes KI-System namens Lynx Insight, das Redakteure nicht ersetzt, sondern unterstützen soll. Die Plattform analysiert eingehende Datenströme, erkennt Anomalien und gibt Hinweise, welche Entwicklungen besonders berichtenswert sein könnten. Ein Algorithmus schlägt also vor, worüber Menschen dann schreiben. Das klingt nach einem vernünftigen Mittelweg — doch auch hier gibt es blinde Flecken. Wenn das Modell falsch kalibriert ist oder auf verzerrten Trainingsdaten basiert, filtern die Maschinen systematisch bestimmte Themen heraus, ohne dass dies für Außenstehende erkennbar wäre.

Besonders aktiv ist der Axel Springer Konzern in Deutschland. Das Haus testet KI-Systeme nicht nur für einfache Texte, sondern auch für komplexere Recherchehilfen und die automatische Aufbereitung von Pressemitteilungen. Springers hauseigene KI-Strategie umfasst nach eigenen Angaben die Integration von Large Language Models (LLMs) — also großen Sprachmodellen, die ähnlich wie ChatGPT funktionieren — in redaktionelle Workflows. LLMs werden dabei mit riesigen Mengen an Textdaten trainiert und können daraufhin sprachlich kohärente Inhalte erzeugen, zusammenfassen oder übersetzen. Das klingt effizient, birgt aber ein grundlegendes Problem: Diese Modelle erfinden gelegentlich Fakten — in der Fachwelt spricht man von sogenannten Halluzinationen.

Das Halluzinations-Problem: Wenn KI Fakten erfindet

Der Begriff „Halluzination" beschreibt in der KI-Forschung den Effekt, dass Sprachmodelle mit hoher Überzeugungskraft Informationen produzieren, die schlicht nicht stimmen. Namen werden verdreht, Zitate erfunden, Zahlen falsch zugeordnet. Für einen Sportbericht über Ligatabellenplätze ist das noch korrigierbar. Für investigativen Journalismus oder politische Berichterstattung ist es eine ernste Gefahr.

Ein vieldiskutiertes Beispiel lieferte der US-Sender CNET, der monatelang KI-generierte Finanzartikel veröffentlichte, ohne dies transparent zu kennzeichnen. Als die Fehler entdeckt wurden — darunter sachlich falsche Erklärungen zu Zinsberechnungen — war der Imageschaden erheblich. CNET musste zahlreiche Artikel nachträglich korrigieren. Die Redaktion hatte offenbar keinen ausreichenden Faktencheck-Prozess etabliert, der die KI-Ausgaben vor Veröffentlichung prüfte.

Auch in Europa gab es vergleichbare Vorfälle. Mehrere regionale Verlage, die automatisch generierte Lokalmeldungen einsetzten, mussten Korrekturen veröffentlichen, weil Namen von Personen, Ortsbezeichnungen oder Terminangaben fehlerhaft wiedergegeben worden waren. Die Systeme waren auf Effizienz getrimmt, nicht auf Präzision.

Axel Springer im Detail: Strategie mit Risiko

Axel Springer hat sich öffentlich ambitionierte Ziele gesetzt: KI soll die Produktivität erhöhen, Kosten senken und neue Geschäftsfelder erschließen. Dabei geht es dem Konzern nicht nur um das Schreiben von Artikeln. KI wird auch zur Personalisierung von Inhalten eingesetzt — also dazu, Lesern individuell zugeschnittene Nachrichtenpakete auszuliefern. Das erhöht die Verweildauer auf Plattformen wie Bild.de oder Welt.de, wirft aber gleichzeitig Fragen zur Meinungsvielfalt auf: Wenn Algorithmen entscheiden, was ein Nutzer liest, entsteht eine sogenannte Filterblase.

Springer hat zudem in mehrere KI-Startups investiert und mit OpenAI eine Partnerschaft geschlossen. Inhalte des Verlags dienen dabei als Trainingsdaten für KI-Modelle — ein Geschäftsmodell, das in der Branche heiß diskutiert wird. Kritiker monieren, dass Verlage durch solche Deals ihre journalistische Substanz vermarkten, ohne die langfristigen Folgen vollständig absehen zu können. Dass sich große Konzerne strategisch mit Technologieanbietern vernetzen, ist keine Besonderheit des Mediensektors — man beobachtet ähnliche Dynamiken auch in anderen Industrien, wie etwa die Investitionen der Schwarz-Gruppe in das Quantencomputer-Startup Eleqtron zeigen.

Transparenz als Knackpunkt: Wer kennzeichnet was?

Eine der drängendsten Fragen im KI-Journalismus ist die nach der Kennzeichnungspflicht. Müssen Leser wissen, ob ein Text von einem Menschen oder einer Maschine verfasst wurde? In Deutschland gibt es dazu derzeit keine einheitliche gesetzliche Regelung. Der Presserat hat Empfehlungen ausgesprochen, die auf freiwillige Transparenz setzen — ein Ansatz, der in der Praxis uneinheitlich umgesetzt wird.

Reuters kennzeichnet automatisch generierte Inhalte in der Regel mit einem entsprechenden Hinweis. Die AP verfährt ähnlich, zumindest bei bestimmten Content-Typen. Axel Springer hingegen kommuniziert selektiv, welche Inhalte maschinell entstanden sind. Das erzeugt ein Vertrauensproblem, das die gesamte Branche betrifft. Laut einer Umfrage von Statista geben mehr als 70 Prozent der deutschen Nachrichtenleser an, es sei ihnen wichtig zu wissen, ob ein Artikel von KI oder einem Menschen geschrieben wurde. Dieses Bedürfnis wird von den Verlagen noch längst nicht flächendeckend bedient.

Die Debatte um Transparenz und Datensicherheit in digitalen Systemen ist im Übrigen kein exklusives Medienthema. Wie fragil digitale Infrastrukturen sein können, zeigt etwa das Beispiel, dass Passwörter im Microsoft Edge-Browser im Klartext auslesbar waren — ein Vorfall, der verdeutlicht, wie viel bei der Implementierung digitaler Werkzeuge schiefgehen kann, wenn Sicherheitsstandards vernachlässigt werden.

Was KI kann — und was sie strukturell nicht kann

Es wäre unredlich, KI im Journalismus pauschal zu verdammen. Für bestimmte Aufgaben ist automatisierte Texterstellung tatsächlich sinnvoll: Wiederholende, datenreiche Formate wie Börsenmeldungen, Wetterdienste, Sportergebnisse oder standardisierte Behördenberichte lassen sich maschinell schneller, günstiger und ohne Qualitätsverlust produzieren. Kein Leser gewinnt etwas dadurch, dass ein Mensch stundenlang Quartalszahlen in Fließtext umwandelt, was eine Maschine in Millisekunden erledigt.

Doch Journalismus ist mehr als Datenwiedergabe. Investigative Recherchen, Interviewführung, der Aufbau von Vertrauensverhältnissen mit Quellen, kontextuelle Einordnung komplexer politischer Entwicklungen, das Erkennen von Widersprüchen in offiziellen Statements — all das erfordert menschliches Urteilsvermögen, das aktuelle KI-Systeme nicht simulieren können. Sprachmodelle haben keinen Zugang zur Realität. Sie kennen keine Quellen im journalistischen Sinne. Sie können keine Akteneinsicht beantragen. Sie riechen nicht, wenn eine Pressemitteilung zu glatt formuliert ist.

Das betrifft auch politischen Journalismus im weiteren Sinne. Wenn etwa über komplexe Gesetzgebungsprozesse berichtet wird — wie zuletzt beim neuen Heizungsgesetzentwurf des Wirtschaftsministeriums —, braucht es Redakteure, die Hintergründe kennen, Interessenkonflikte einordnen und Lobbyeinflüsse identifizieren können. Eine KI, die Pressemitteilungen zusammenfasst, leistet das nicht.

Der Arbeitsmarkt unter Druck: Was passiert mit Journalisten?

Die Frage, die Berufsverbände und Gewerkschaften umtreibt, ist die nach den Konsequenzen für Beschäftigte. Bitkom hat ermittelt, dass KI-Automatisierung im Mediensektor vor allem einfache, repetitive Tätigkeiten betrifft — zunächst. Langfristig könnten jedoch auch Stellen im Bereich Redigat, Nachrichtenaufbereitung und lokale Berichterstattung gefährdet sein, wenn Verlage auf günstigere KI-Lösungen umstellen.

Tatsächlich haben in den vergangenen Jahren mehrere US-amerikanische Verlage Redaktionen verkleinert und gleichzeitig KI-Investitionen ausgeweitet. Ob das kausal zusammenhängt oder parallele Entwicklungen sind, ist schwer zu belegen — doch der zeitliche Zusammenhang ist auffällig. In Deutschland sind die Strukturen robuster, auch weil Tarifverträge und Betriebsräte einen gewissen Schutz bieten. Dennoch warnt der Deutsche Journalisten-Verband vor einem schleichenden Abbau journalistischer Kapazitäten, der durch KI-Rhetorik verschleiert werden könnte.

Digitale Transformation verändert Berufsbilder branchenübergreifend — das zeigt sich auch im Telekommunikationssektor, wo die Abschaltung des 2G-Mobilfunkstandards durch A1 Telekom Austria das Ende einer technologischen Ära markiert und zugleich den Druck auf Unternehmen erhöht, Infrastruktur und Personal schnell anzupassen. Vergleichbare Umbrüche, wie die Vodafone-Übernahme von Three für fünf Milliarden Euro, verdeutlichen, wie stark Konsolidierungsdruck und Technologiewandel zusammenspielen — ein Muster, das auch Medienhäusern vertraut ist.

Regulierung: Europa hinkt hinterher

Der EU AI Act, der derzeit schrittweise in Kraft tritt, regelt KI-Systeme nach Risikoklassen. Journalistische KI-Anwendungen fallen dabei in der Regel nicht in die höchste Risikokategorie — obwohl die gesellschaftlichen Auswirkungen erheblich sein können. Kritiker fordern eine eigene Regulierungsschiene für mediale KI-Anwendungen, die Transparenzpflichten, redaktionelle Verantwortlichkeit und Kennzeichnungsstandards verbindlich vorschreibt.

Die Europäische Kommission hat entsprechende Konsultationen eingeleitet, doch konkrete Gesetzgebungsvorhaben sind noch nicht spruchreif. In der Zwischenzeit reguliert sich die Branche de facto selbst — mit den beschriebenen Ergebnissen. Laut einer Gartner-Analyse ist das Vertrauen in KI-generierte Inhalte in der Bevölkerung geringer als in menschlich verfasste Texte, selbst wenn die sachliche Qualität vergleichbar ist. Das ist eine wichtige Information für Verlage, die auf Reichweite und Nutzerbindung angewiesen sind.

Am Ende steht eine Branche im Wandel, die zwei gegensätzliche Impulse ausbalancieren muss: den ökonomischen Druck zur Automatisierung und die publizistische Verantwortung gegenüber einer Öffentlichkeit, die auf verlässliche Informationen angewiesen ist. KI kann dabei Werkzeug sein — aber kein Ersatz für journalistische Integrität, Quellenverantwortung und das redaktionelle Urteil, das am Ende eines jeden glaubwürdigen Artikels steht.