Reality Check: Wann lohnt sich KI? Und wann nicht?

Die Erwartungen an generative Künstliche Intelligenz sind oft astronomisch. Nach unseren Vorträgen und Workshops kommen regelmäßig zwei oder drei Teilnehmende auf uns zu und stellen ihre KI-Ideen vor – viele davon sind großartig. Andere sind noch nicht ausgereift, aber in ihren Grundzügen nachvollziehbar. Und manchmal sind es Vorschläge, bei denen Generative AI aus unserer Sicht der falsche Ansatz ist.

Als Kompetenzzentrum für KI in den Medien teilen wir den Enthusiasmus vieler Medienschaffender für neue Projekte mit Künstlicher Intelligenz. Zu einem sachgerechten und zukunftsorientierten Umgang mit KI gehört jedoch auch die Einsicht: Nicht jedes Problem benötigt KI, um gelöst zu werden. Aber wie lässt sich das einschätzen? Der folgende Leitfaden soll dir helfen, fundierte Entscheidungen zu treffen.

Wann sollte ich auf den Einsatz von KI verzichten?

Bei unstrukturierter Datenlage

Chaotische, unstrukturierte Datensätze können auch durch KI-Systeme nicht korrigiert werden. Jedes System ist nur so gut wie die Daten, die ihm zugrunde liegen. Ein intelligentes Archiv, das 50 Jahre Bild- und Textmaterial durchsuchbar macht? Eine hervorragende Idee, denn häufig verstaubt wertvoller Content in Redaktionssammlungen. Aber wenn das Material nicht nach einheitlichen Standards verschlagwortet wurde und Metadaten Mangelware sind, kann auch Künstliche Intelligenz nicht weiterhelfen.

In solchen Fällen ist es sinnvoll, zunächst die Grundlagen zu schaffen. Das bedeutet konkret: Einigung auf standardisierte Metadatenfelder, Erfassung der Inhalte nach diesem Schema und entsprechende Kategorisierung neuen Contents. Das klingt nach viel Arbeit und das ist es auch. Aber es ist notwendig, um ein KI-System nicht auf Sand zu bauen.

Ein pragmatischer Einstieg: Beginne mit einem überschaubaren Sample-Datensatz. Nimm die letzten sechs Monate, bereite sie strukturiert auf und teste erst dann, ob KI einen Mehrwert bringt. Wenn das funktioniert, kannst du schrittweise weiter ins Archiv vordringen.

Wann sollte ich KI nur mit Vorsicht einsetzen?

Bei vollautomatisierten Workflows

Die Vorstellung klingt verlockend: Jeden Morgen schreibt KI automatisch News-Teaser für Social Media, erstellt Newsletter-Texte und generiert Bildunterschriften. Eine Redakteur:in muss das Ergebnis nur noch freigeben. Diese Vision ist in manchen Redaktionen bereits Realität und funktioniert erstaunlich gut. Bis zu dem Moment, wo es nicht mehr funktioniert.

Das eigentliche Problem ist weniger die KI selbst als vielmehr der Gewöhnungseffekt. Je länger ein Workflow einwandfrei läuft, desto oberflächlicher wird die Qualitätskontrolle. Wenn ein Prozess 50 Mal funktioniert hat, warum nicht auch beim 51. Mal? Weil dennoch ein Teaser mit unglücklicher Formulierung durchrutschen kann, die in einem bestimmten Kontext eine völlig andere Bedeutung hat.

Keine KI – so leistungsfähig sie auch sein mag – erfasst jede situative Feinheit zuverlässig. Die Welt ist zu komplex, Wahrnehmung zu individuell. Wenn dann doch etwas schiefgeht, ist das erste Signal oft die explodierende Kommentarspalte oder der Notfallanruf aus der Rechtsabteilung. Das bedeutet meist: Es wird peinlich und schlimmstenfalls auch teuer.

Der entscheidende Unterschied: Bei klassischen Redaktionsfehlern sprechen wir von menschlichem Versagen. Bei KI-gestützten Workflows stellt sich zusätzlich die Frage, ob die Qualitätssicherungsprozesse angemessen waren.

Wann lohnt sich der Einsatz von KI?

Bei regelmäßig wiederkehrenden Aufgaben

Ein Prozess, der zweimal im Jahr läuft, rechtfertigt in der Regel den Aufwand nicht. Der Invest in Entwicklung, Testing und Wartung übersteigt den Nutzen bei Weitem. KI ist dann sinnvoll, wenn die Aufgabe täglich oder mindestens wöchentlich anfällt. Dann summiert sich die Zeitersparnis schnell und die anfängliche Investition amortisiert sich.

Bei klar messbarem Output

Wer nicht nachvollziehen kann, ob eine KI gut oder schlecht arbeitet, hat ein Problem. Die Messbarkeit hängt vom Einzelfall ab, aber typische Kriterien sind: Wie viel Zeit wird durch den KI-Einsatz gespart? Hat sich die Qualität des Produktes verbessert? Ist die Klickrate gestiegen? Ohne klare Metriken kannst du weder den Erfolg bewerten noch das System kontinuierlich weiterentwickeln.

Bei guter Datengrundlage

KI-Projekte mit chaotischer Datenlage sind meist zum Scheitern verurteilt. Brauchbare Daten müssen entweder vorhanden sein oder mit vertretbarem Aufwand geschaffen werden können. Wer zu Projektbeginn erst sechs Monate in Datenaufbereitung investieren muss, sollte genau prüfen, ob sich die Investition lohnt.

Bei hohem manuellem Zeitaufwand

Wenn eine automatisierbare Aufgabe deine Redaktion täglich zwei Stunden kostet, lohnt sich der KI-Einsatz fast immer. Das sind zehn Stunden pro Woche, über 400 Stunden im Jahr. Selbst wenn KI-Systeme nur 70 Prozent der Arbeit übernehmen, ist das ein massiver Gewinn.

Wenn der Return on Investment stimmt

Gerade in Zeiten sich wandelnder Geschäftsmodelle muss die Rechnung aufgehen: API-Kosten plus Review-Aufwand müssen deutlich kleiner sein als die gesparte Arbeitszeit oder der geschaffene Mehrwert. Kalkuliere ehrlich und konservativ, bevor du startest. Beachte dabei unbedingt versteckte Kosten für Systemwartung und kontinuierliche Anpassungen.

Wenn die Fehlertoleranz akzeptabel ist

Perfekte Ergebnisse gibt es nicht. Für die meisten Aufgaben sind 95 Prozent Genauigkeit völlig ausreichend, sofern ein Qualitätscheck eingeplant ist. Entscheidend ist, dass du eine Toleranzgrenze definierst und weißt, wie du mit den restlichen 5 Prozent der Fälle umgehst.

Treffen mehrere dieser Punkte nicht auf dein Problem zu, ist Künstliche Intelligenz vermutlich nicht die richtige Lösung – zumindest nicht jetzt.

Das Wichtigste zum Schluss

KI ist kein Selbstzweck. Die Leitfrage sollte immer lauten: „Ist KI in diesem konkreten Fall die beste Lösung?“ Wenn die Antwort unter Berücksichtigung aller Faktoren ein ehrliches Ja ist, spricht das für den Einsatz. Wenn die Antwort – wie häufig – Nein lautet, ist für KI (noch) nicht der richtige Zeitpunkt.

Unsere Empfehlung: Starte klein. Wähle einen überschaubaren, klar abgegrenzten Anwendungsfall, bei dem die genannten Kriterien zutreffen. Teste, lerne, iteriere. Wenn es funktioniert, skaliere. Wenn nicht, ist dein Verlust überschaubar, aber du gewinnst wertvolle Erfahrung.

Wenn du unsicher bist, ob deine Idee von Künstlicher Intelligenz profitiert, komm zu uns. Wir finden gemeinsam heraus, ob KI die richtige Lösung für dein Problem ist – oder ob es einen besseren Weg gibt.