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:
Wie viel Bauchgefühl verträgt Themenplanung heute noch?
Natürlich kann ein guter Redakteur Themen finden
Ich würde nie behaupten, Daten könnten journalistische Erfahrung ersetzen. Im Gegenteil. Je länger ich als Redakteur arbeite, desto wichtiger erscheint mir Erfahrung. Ich sehe häufig schon bei einer Pressemitteilung, ob sich darin eine Geschichte versteckt. Ich weiß, welche technischen Entwicklungen für unsere Leser interessant sein könnten. Und manchmal habe ich bei einem Thema sofort eine Überschrift im Kopf und weiß: Daraus könnte etwas werden.
Darüber habe ich auf texte-im-web.de schon in meinem Beitrag „Wer keine gute Überschrift findet, hat die Geschichte nicht verstanden“ geschrieben.
Aber Erfahrung hat einen Haken. Sie fühlt sich irgendwann verdammt sicher an. Wer seit vielen Jahren über bestimmte Themen entscheidet, entwickelt zwangsläufig Überzeugungen darüber, was Leser interessiert und was nicht. Vieles davon stimmt. Manches stimmt nur deshalb scheinbar, weil es nie überprüft wurde.
Genau an dieser Stelle werden Daten interessant.
Früher konnte ich sagen: Das interessiert unsere Leser nicht
Heute kann jemand antworten: Woher weißt du das? Das verändert Diskussionen. Ich habe selbst oft genug erlebt, dass Themen, die ich eher unscheinbar fand, erstaunlich viel Reichweite erzielt haben. Umgekehrt gab es Geschichten, bei denen ich mir sicher war, dass sie hervorragend funktionieren würden – und die kaum jemanden interessierten.
Wer journalistisch arbeitet, kennt solche Überraschungen. Das Problem beginnt für mich dort, wo aus Erfahrung Gewissheit wird. Wenn ich sage: „Dieses Thema interessiert unsere Leser“, ist das zunächst eine Annahme. Wenn Nutzungsdaten diese Annahme stützen, wird sie belastbarer. Wenn sie ihr widersprechen, sollte ich zumindest darüber nachdenken, warum. Das empfinde ich nicht als Angriff auf meine redaktionelle Kompetenz.
Im Gegenteil: Daten helfen mir, meine eigenen Fehleinschätzungen zu entdecken.
Die Search Console sagt mir nicht, was ich schreiben soll
Dabei muss man sauber unterscheiden, was solche Daten überhaupt leisten können. Die Google Search Console zeigt unter anderem, wie häufig Inhalte meiner Website in der Google-Suche gesehen und angeklickt werden. Bei Suchanfragen sehe ich außerdem, über welche Begriffe Nutzer auf meine Inhalte stoßen.
Vollständig sind diese Daten nicht. Google blendet beispielsweise bestimmte seltene Suchanfragen aus Datenschutzgründen aus und begrenzt die angezeigten Tabellen. Trotzdem lässt sich daraus sehr viel lernen. Bei Discover sieht es wieder anders aus. Dort suche ich nicht nach Keywords, sondern betrachte vor allem Seiten, Impressionen, Klicks und Klickrate.
Search und Discover beantworten also unterschiedliche Fragen. In der Suche interessiert mich beispielsweise:
Wonach suchen Menschen aktiv?
Bei Discover eher:
Welche Themen bekommen Aufmerksamkeit, obwohl niemand in diesem Moment danach gesucht hat?
Warum diese Unterscheidung wichtig ist, habe ich ausführlicher in meinem Beitrag „Google Discover aus der Praxis: Warum sich Erfolg kaum planen lässt“ beschrieben.
Ein Discover-Hit ist deshalb noch lange kein gutes Evergreen-Thema. Und ein Beitrag, der dauerhaft starken Search-Traffic erzielt, muss in Discover überhaupt nicht funktionieren. Wer einfach alle Zahlen in einen Topf wirft, lernt daraus wenig.
Daten sind Hinweise, keine Arbeitsaufträge
Das ist für mich der wichtigste Punkt. Aus 20.000 Suchanfragen entsteht noch kein guter Artikel. Aus einer hohen Discover-Klickrate ebenfalls nicht.
Ich muss weiterhin entscheiden, ob ein Thema zu unserem Medium passt. Ich muss recherchieren, ob es überhaupt etwas Neues zu erzählen gibt. Ich muss einschätzen, welche Perspektive wir anbieten können, die über das hinausgeht, was bereits hundertmal im Netz steht.
Genau deshalb sehe ich datengetriebene Themenplanung nicht als Gegensatz zu redaktioneller Arbeit. Sie erweitert sie. In meinem Beitrag „Themen statt Keywords: Mein System für bessere Inhalte im Web“ habe ich beschrieben, wie ich Themen aus Zielgruppenwissen, Suchintention, Daten und eigener Erfahrung entwickle. Das ist etwas anderes als eine Redaktion nach einem Keyword-Tool zu steuern. Ein Datensignal kann eine Idee auslösen. Die Entscheidung bleibt journalistisch.
Der Einwand gegen Daten ist trotzdem nicht völlig falsch
Es wäre allerdings genauso töricht, eine Redaktion ausschließlich nach Zahlen zu steuern. Daten schauen häufig zurück. Sie zeigen, was bereits gesucht, gelesen oder angeklickt wurde. Journalismus muss aber auch Themen erkennen, bevor ein großes Publikum danach sucht.
Manche Geschichten werden wichtig, obwohl das Suchvolumen bei null liegt. Manche technischen Entwicklungen betreffen zunächst nur wenige Spezialisten und verändern einige Jahre später eine ganze Branche. Und manche Themen müssen Redaktionen behandeln, obwohl sie wissen, dass damit keine Reichweitenrekorde zu erwarten sind.
Wenn Redaktionen ausschließlich auf Klickzahlen schauen, entsteht kein besserer Journalismus. Dann entsteht eine Maschine zur Maximierung von Reichweite. Das ist nicht mein Ziel. Deshalb würde ich auch nie verlangen, dass Redakteure nur noch Themen aus Search Console, Analytics oder SEO-Tools auswählen.
Die bessere Frage lautet für mich:
Wann helfen mir Daten – und wann entscheide ich mich bewusst gegen sie?
Verschiedene Daten erzählen verschiedene Geschichten
Auch deshalb reicht es nicht, von „den Daten“ zu sprechen. Eine Suchanfrage zeigt ein anderes Interesse als ein Klick im Discover-Feed. Ein Newsletter-Abonnent verhält sich anders als jemand, der über Google zum ersten Mal auf eine Website kommt.
Social Media kann zeigen, welche Themen Diskussionen auslösen. Das bedeutet noch lange nicht, dass diese Themen langfristig gesucht werden. Analytics wiederum zeigt, was Nutzer auf der eigenen Website tun. Auch das ist etwas anderes als Suchnachfrage.
Wer datengetrieben arbeitet, muss deshalb vor allem eine Frage beantworten:
Was sagt mir diese Kennzahl tatsächlich?
Das klingt banal. Ist es aber nicht. Aus Korrelationen werden schnell vermeintliche Erfolgsrezepte. Eine bestimmte Überschrift hat gut funktioniert? Dann sollen künftig alle Überschriften so aussehen. Listen liefen einige Wochen hervorragend? Plötzlich werden überall Listen produziert.
Gerade bei Publisher-SEO ist das gefährlich. Die verschiedenen Kanäle funktionieren sehr unterschiedlich. Darüber schreibe ich auch in „In den News: So funktioniert Publisher-SEO“. Gute Datenanalyse sucht deshalb nicht nur Bestätigung. Sie sucht Gegenbeispiele.
Und was hat KI damit zu tun?
In meinem konkreten Fall wurde die Diskussion schnell zu einer KI-Diskussion. Dabei war die KI lediglich das Werkzeug, mit dem ich eine größere Datenmenge ausgewertet und Themenmuster schneller sichtbar gemacht hatte. Ich hätte die Daten auch in Excel sortieren können. Oder mit Python. Oder mit einem SEO-Tool.
Das Ergebnis hätte länger gedauert, die journalistische Frage wäre dieselbe geblieben. Natürlich kann eine KI bei einer solchen Analyse Unsinn produzieren. Sie kann Zusammenhänge sehen, die gar nicht existieren. Sie kann Themen vorschlagen, die längst abgearbeitet sind oder überhaupt nicht zur Redaktion passen.
Deshalb kontrolliere ich solche Vorschläge. Das unterscheidet die Arbeit mit KI aber nicht grundsätzlich von anderen Werkzeugen. Auch ein SEO-Tool interpretiert nichts für mich. Und auch eine hübsche Analytics-Grafik wird nicht automatisch zur redaktionellen Erkenntnis.
Ich habe bereits in „Kommt jetzt die goldene Ära der Redakteure?“ argumentiert, dass KI journalistische Urteilskraft eher wichtiger als überflüssig macht. Hier gilt dasselbe.
Was Daten in Redaktionen tatsächlich verändern
Ich glaube deshalb, dass hinter der Ablehnung datengetriebener Themenplanung manchmal noch etwas anderes steckt. Daten verändern die Art, wie Entscheidungen begründet werden. Früher reichte in einer Redaktionskonferenz möglicherweise ein Satz wie:
„Das funktioniert bei unseren Lesern nicht.“
Heute kann jemand fragen:
„Woran sehen wir das?“
Das ist ein kleiner Unterschied mit großen Folgen. Plötzlich werden Annahmen überprüfbar. Vielleicht zeigt sich, dass ein vermeintliches Randthema seit Monaten kontinuierlich wächst. Vielleicht stellt sich heraus, dass ein Themengebiet, auf das die Redaktion große Hoffnungen setzt, kaum Publikum findet.
Oder die Daten bestätigen genau das, was ein erfahrener Redakteur längst vermutet hat. Auch das passiert. Daten müssen Erfahrung nicht widerlegen. Sie können sie genauso gut bestätigen. Aber aus einer persönlichen Einschätzung wird dann eine belastbarere Entscheidung.
Daten bedrohen nicht redaktionelle Kompetenz
Deshalb störe ich mich an der Vorstellung, Daten würden die Themenhoheit von Redakteuren infrage stellen. Ich sehe es genau andersherum. Ein guter Redakteur muss nicht recht haben, bevor er die Daten gesehen hat. Er muss in der Lage sein, mit dem Ergebnis umzugehen.
Vielleicht bestätigt es seine Einschätzung. Vielleicht widerspricht es ihr. Beides ist nützlich. Problematisch wird es erst, wenn die Antwort bereits vorher feststeht und Daten nur willkommen sind, solange sie die eigene Meinung bestätigen.
Das gilt übrigens genauso für SEO-Leute, Analysten und KI-Enthusiasten. Auch Daten können falsch interpretiert werden. Auch eine wunderschöne Kurve kann in die Irre führen. Und auch ich muss mich immer wieder daran erinnern, nicht aus drei erfolgreichen Artikeln sofort eine neue redaktionelle Regel abzuleiten.
Ich möchte mein Bauchgefühl behalten – aber nicht allein damit arbeiten
Nach vielen Jahren im SEO und einigen Jahren im Journalismus verlasse ich mich häufig auf Erfahrung. Ich möchte darauf auch gar nicht verzichten. Aber ich möchte wissen, wenn die Realität meinem Bauchgefühl widerspricht.
Genau deshalb analysiere ich Suchanfragen, Reichweiten, Discover-Daten und erfolgreiche wie erfolglose Artikel. Nicht weil Google entscheiden soll, was ich schreibe. Nicht weil eine KI besser weiß, was unsere Leser interessiert. Sondern weil ich meine Entscheidungen auf möglichst viele Informationen stützen möchte.
Für mich ist das keine Schwächung journalistischer Arbeit. Es gehört heute dazu. Und vielleicht ist das die eigentliche Herausforderung datengetriebener Redaktionen:
Daten bedrohen nicht journalistische Kompetenz. Sie bedrohen vor allem unbegründete Gewissheiten.