Inzwischen nutze ich ChatGPT immer öfter für etwas, das ich am Anfang nie auf dem Schirm hatte: Die KI soll nicht etwa Texte für mich schreiben, sondern meine fertigen Artikel einmal komplett auseinandernehmen.
Kurz vor dem Klick auf „Veröffentlichen“ bekommt sie den Beitrag vorgeschoben – zusammen mit einem ziemlich undankbaren Job: Finde die Schwachstellen. Suche nach widersprüchlichen Zahlen, übertriebenen Behauptungen, doppelten Gedankengängen, einer schlappen Überschrift oder Stellen, die schon aus drei Kilometern Entfernung nach KI-Floskeln riechen.
Klassische Rechtschreibfehler zu finden, ist dabei noch das Langweiligste.
Viel spannender ist für mich die Frage: Kann ein Sprachmodell als Sparringspartner im Redaktionsalltag taugen? Nach etlichen Durchläufen sage ich: Klar, absolut – allerdings nur, wenn man der KI punktgenau verklickert, wonach sie eigentlich suchen soll. Und vor allem: Wer ihr blind jedes Wort glaubt, ist selber schuld.
KI als Redaktionscheck: Der Artikel wird vor der Veröffentlichung auf Fakten, SEO, Stil und Discover-Potenzial geprüft. Foto: ChatGPT(mehr …)
GEO hat inzwischen seine eigenen Kennzahlen. Tools zeigen, wie sichtbar eine Website in ChatGPT, Gemini, Perplexity oder Google AI Overviews ist. Sie vergleichen Marken miteinander, zählen Quellenangaben und berechnen daraus einen „AI Visibility Score“. Das wirkt erstaunlich präzise. Eine Website erreicht vielleicht 27 Prozent Sichtbarkeit, der wichtigste Konkurrent 34 Prozent. Nach einer Optimierung steigt der eigene Wert auf 31 Prozent. Also hat die Maßnahme funktioniert?
So einfach ist es nicht. Je länger ich mich mit Generative Engine Optimization beschäftige, desto mehr interessiert mich deshalb eine andere Frage als die nächste GEO-Maßnahme: Was können wir bei GEO überhaupt seriös messen?
Die Antwort fällt zweigeteilt aus. Ob eine Website in KI-Antworten auftaucht, lässt sich inzwischen ziemlich gut beobachten. Wesentlich schwieriger ist der Nachweis, warum sich ihre Sichtbarkeit verändert hat.
GEO-Dashboards liefern präzise Kennzahlen zu AI Visibility, Citation Rate und Prompt Coverage. Doch unterschiedliche Prompts, wechselnde Quellen und schwankende KI-Antworten machen die Ergebnisse weniger eindeutig, als die Zahlen vermuten lassen.(mehr …)
Vor ein paar Tagen habe ich Daten aus der Google Search Console einer großen Fachwebsite ausgewertet. Ich wollte wissen, was sich aus mehreren Monaten Search- und Discover-Daten für die Themenplanung ableiten lässt.
Welche Themen funktionieren dauerhaft? Wo gibt es überraschend viel Nachfrage? Welche älteren Beiträge verlieren Sichtbarkeit, obwohl das Thema weiterhin gesucht wird? Und bei welchen Themen zeigen die Discover-Daten, dass sie möglicherweise ein größeres Publikum interessieren?
Am Ende hatte ich drei Listen: mögliche Evergreen-Themen, Ideen mit Potenzial für Google Discover und ältere Beiträge, bei denen sich eine Aktualisierung lohnen könnte. Ich stellte die Ergebnisse in der Redaktion vor. Nicht alle waren begeistert.
Ein Kollege sagte sinngemäß, er lasse sich doch von einer KI nicht sagen, worüber er schreiben solle. Themen könne er selbst auswählen. Ich musste über diesen Satz länger nachdenken. Denn eigentlich ging es bei der Diskussion gar nicht um KI.
Es ging um eine viel grundsätzlichere Frage:
Bauchgefühl trifft Daten: Redaktionelle Erfahrung und Nutzungsdaten liefern gemeinsam die Grundlage für fundierte Themenentscheidungen.(mehr …)
Google Discover gehört für mich zu den spannendsten, aber auch zu den unberechenbarsten Trafficquellen im Online-Journalismus. Ein Artikel kann dort innerhalb weniger Stunden mehr Leser erreichen als über Monate in der klassischen Google-Suche. Ein anderer Beitrag scheint mindestens genauso gut zu passen – und taucht im Feed praktisch gar nicht auf.
Das habe ich in den vergangenen Jahren immer wieder erlebt. Anfangs wollte ich natürlich herausfinden, woran es liegt. War die Überschrift besser? Das Bild? Das Thema? Der Veröffentlichungszeitpunkt? Oder gibt es bestimmte Formulierungen, die Google besonders gut gefallen?
Inzwischen bin ich mit solchen Erklärungen vorsichtiger geworden. Es gibt technische Voraussetzungen und klare Empfehlungen von Google. Und es gibt durchaus Muster, die sich in der täglichen Arbeit erkennen lassen. Eine verlässliche Formel nach dem Muster
habe ich aber bis heute nicht gefunden. Mittlerweile glaube ich sogar, dass die Suche nach einer solchen Formel in die falsche Richtung führt.
Bei ingenieur.de konnte ich schon vor einigen Jahren recht gut erkennen, welche Themen und Aufmachungen in Discover funktionieren können – und welche eher nicht. Bei meiner privaten Website bauredakteur.de hat das deutlich länger gedauert.
Dann kam vor einigen Wochen der erste Treffer. Kurz darauf folgten innerhalb relativ kurzer Zeit mehr als ein Dutzend weitere Beiträge, die über Discover sichtbar wurden. Für mich ist das besonders interessant, weil sich daraus inzwischen deutlich mehr ableiten lässt als aus einem einzelnen Zufallstreffer. Die Daten zeigen mir, welche Themen offenbar Potenzial haben – und helfen mir damit ganz konkret bei der Planung neuer Beiträge.
Google Discover kann einzelnen Beiträgen innerhalb kurzer Zeit enorme Reichweite bringen. Welche Themen, Bilder und Überschriften tatsächlich funktionieren, lässt sich trotzdem nur begrenzt planen.(mehr …)
Wenn ich mich mit Kolleginnen und Kollegen in meinem Alter unterhalte, kommt früher oder später fast immer dieselbe Frage auf: Hat man mit Mitte 50 überhaupt noch eine echte Chance, eine neue Stelle in einer Redaktion oder im Content-Marketing zu bekommen?
Ich kann absolut nachvollziehen, warum diese Frage viele umtreibt. Wir erleben den permanenten Wandel der Medienlandschaft, lesen von Stellenabbau in Verlagen, hören die üblichen Geschichten über frustrierende Absagen und merken vielleicht im eigenen Umfeld, dass Bewerbungsprozesse zäher laufen als früher. Schnell entsteht der Eindruck: Ab einem gewissen Alter ist man in der digitalen Medienwelt schlicht auf dem Abstellgleis.
Ich glaube allerdings, dass diese Sichtweise zu kurz springt. Ja, das Alter kann ein Nachteil sein. Aber ich bin fest davon überzeugt, dass viele erfahrene Text- und Medienprofis an etwas ganz anderem scheitern.
Wer sich derzeit mit KI-Suche, GEO oder LLMs beschäftigt, stößt früher oder später auf einen Begriff: Chunking.
Auf LinkedIn, in Blogartikeln und auf Konferenzen lese ich immer wieder Empfehlungen wie: „Schreibe chunkbar“, „Optimiere deine Chunks“ oder „Nur gute Chunks werden von KI-Systemen zitiert.“ Ich habe dabei allerdings oft den Eindruck, dass viele über völlig unterschiedliche Dinge sprechen. Denn technisch gesehen ist Chunking etwas ganz anderes als das, was in vielen Diskussionen darunter verstanden wird.
Für uns Redakteure ist das eine verdammt gute Nachricht. Denn wir müssen das Schreiben nicht neu lernen.
Sie sehen gerade einen Platzhalterinhalt von Facebook. Um auf den eigentlichen Inhalt zuzugreifen, klicken Sie auf die Schaltfläche unten. Bitte beachten Sie, dass dabei Daten an Drittanbieter weitergegeben werden.
Sie sehen gerade einen Platzhalterinhalt von Instagram. Um auf den eigentlichen Inhalt zuzugreifen, klicken Sie auf die Schaltfläche unten. Bitte beachten Sie, dass dabei Daten an Drittanbieter weitergegeben werden.
Sie sehen gerade einen Platzhalterinhalt von X. Um auf den eigentlichen Inhalt zuzugreifen, klicken Sie auf die Schaltfläche unten. Bitte beachten Sie, dass dabei Daten an Drittanbieter weitergegeben werden.
