Künstliche Intelligenz

Künstliche Intelligenz ist ein Sammelbegriff für Computersysteme, die Aufgaben übernehmen, für die bislang menschliches Denken erforderlich war: Sprache verstehen, Texte und Bilder erzeugen, Muster in Daten erkennen, Vorhersagen treffen. Diese Systeme lernen ihr Können aus Beispielen, statt festen Regeln zu folgen.

Muster statt Regeln: so arbeitet künstliche Intelligenz

Der Unterschied zu gewohnter Software liegt genau dort. Klassische Programme arbeiten Regeln ab, die ein Mensch vorher aufgeschrieben hat: Bei Eingabe A folgt Ergebnis B, jedes Mal gleich. Ein Sprachmodell bekommt stattdessen Milliarden Sätze zu sehen und leitet daraus selbst ab, welche Fortsetzung zu einer Eingabe am besten passt. Aus dieser Ableitung entsteht alles Weitere: Text, Bild, Auswertung, Antwort.

Unter dem Sammelbegriff stecken dabei verschiedene Bauarten. Sprachmodelle wie ChatGPT, Gemini oder Claude erzeugen Text und arbeiten mit Wahrscheinlichkeiten über Wortfolgen. Bildmodelle setzen denselben Gedanken auf Pixel um und erzeugen Motive aus einer Beschreibung. Vorhersagemodelle wiederum schätzen Werte: die Wahrscheinlichkeit eines Kaufabschlusses, den passenden Anzeigenpreis, das nächste Produkt in einer Empfehlung. Für Website-Betreiber begegnen sich diese Bauarten an drei Stellen — in der Suche, in der eigenen Redaktion sowie in Werbung und Analyse.

Daraus ergibt sich die Stärke dieser Systeme ebenso wie ihre Schwäche. Ein Modell formuliert flüssig, höflich und selbstsicher, auch dann, wenn die Angabe darin frei erfunden ist. Fachleute sprechen von Halluzinationen: Das System erzeugt eine plausible Formulierung, weil Plausibilität das Ziel des Trainings war, und liefert Wahrheit nur insoweit mit, wie sie in den Daten steckte. Jahreszahlen, Zitate, Preise und Fachbegriffe geraten deshalb regelmäßig durcheinander.

Für die tägliche Arbeit folgt daraus eine klare Aufgabenteilung. Die Maschine liefert Tempo, Varianten und Struktur, also alles, was sich aus vorhandenem Material ableiten lässt. Der Mensch liefert Urteil, Prüfung und Verantwortung, also alles, was eine Quelle, eine Erfahrung oder eine Entscheidung erfordert. Diese Trennlinie zieht sich durch jeden der folgenden Bereiche.

Die Suche gibt die Antwort selbst

Die sichtbarste Veränderung für Website-Betreiber steht direkt auf der Ergebnisseite. Google beantwortet immer mehr Fragen inzwischen selbst: Über den klassischen Treffern erscheint eine zusammengefasste Antwort, daneben stehen wenige Quellen als kleine Verweise. Diese AI Overviews erscheinen vor allem bei erklärungsbedürftigen Fragen, und im AI Mode führt Google die Suche vollständig als Gespräch mit Rückfragen und Folgeantworten.

Für die Zahlen in der Search Console bedeutet das zweierlei. Einfache Faktenfragen enden häufiger in einer Zero-Click-Suche: Die Antwort steht oben, der Besuch der Website entfällt. Gleichzeitig kommen die verbleibenden Besucher gezielter, weil ein Klick nach einer bereits gelesenen Zusammenfassung echtes Interesse an der Tiefe zeigt. Die Impressionen bleiben also hoch, die Klickrate sinkt, und die Qualität der einzelnen Sitzung steigt.

In der Search Console lässt sich diese Verschiebung ablesen, sobald die Zahlen über mehrere Monate nebeneinander liegen: steigende Impressionen bei sinkender Klickrate, dazu eine längere Verweildauer bei den verbliebenen Sitzungen. Sinnvoll ist deshalb ein Blick auf die Zusammensetzung statt auf die reine Summe. Fragen mit einer klaren, kurzen Antwort verlieren Klicks, während Themen mit Tiefe, Vergleich oder eigener Erfahrung ihren Zulauf behalten.

Daraus entstand ein eigenes Arbeitsfeld: GEO, kurz für Generative Engine Optimization. Dahinter steht die Frage, welche Inhalte ein Sprachmodell als Quelle auswählt. Zitiert wird bevorzugt, was eindeutig, belegbar und eigenständig ist: konkrete Zahlen mit Quellenangabe, klar abgegrenzte Definitionen, eigene Erhebungen, Erfahrungen aus der Praxis. Hilfreich sind außerdem eine saubere Struktur mit sprechenden Überschriften, Antworten direkt unter der jeweiligen Frage sowie ausgezeichnete Daten, an denen ein System Ihre Marke als Entität erkennt. Manche Websites hinterlegen zusätzlich eine llms.txt, die Sprachmodellen die wichtigsten Inhalte in aufbereiteter Form anbietet.

Tiefer steigen zwei Beiträge in dieses Feld ein: AI Overviews und AI Mode beschreibt die beiden Oberflächen im Detail, GEO und AEO zeigt die Aufbereitung Schritt für Schritt. Für Empfehlungsinhalte gilt eine verschärfte Fassung derselben Regel, nachzulesen in Affiliate-Inhalte in der KI-Suche.

Sprachmodelle im Redaktionsalltag

Der zweite Bereich liegt in der eigenen Werkstatt. Sprachmodelle übernehmen inzwischen große Teile der Fleißarbeit rund um einen Beitrag: Recherchequellen zusammenfassen, Gliederungen entwerfen, Rohfassungen schreiben, Meta-Descriptions formulieren, Alt-Texte ergänzen, Bildideen liefern, Texte für andere Kanäle kürzen. Was früher Stunden gekostet hat, dauert inzwischen Minuten.

Der Gewinn hat eine Bedingung: Die Substanz muss weiterhin von außen kommen. Ein Modell kann formulieren, was bereits gedacht wurde, und es verliert seinen Wert genau dort, wo eigene Zahlen, eigene Tests, Kundengespräche oder eine erkennbare Haltung gefragt sind. Beiträge, die allein fremde Angaben neu sortieren, geraten unter Druck, weil eine Maschine diese Leistung inzwischen in Sekunden erbringt.

Google bewertet Inhalte weiterhin nach den E-E-A-T-Kriterien: Erfahrung, Fachkenntnis, Autorität und Vertrauenswürdigkeit. Maschinell erzeugter Text erfüllt davon zunächst wenig, weil ihm die eigene Erfahrung fehlt und die Fachkenntnis auf fremden Quellen beruht. Ein genannter Autor mit Werdegang, eine transparente Quellenlage und eine gepflegte Redaktion gleichen das aus. Entscheidend bleibt die Prüfung: Erlaubt ist maschinelle Hilfe seit jeher, gefordert ist ein Ergebnis mit Substanz.

Praktisch bewährt sich ein fester Ablauf: Zuerst das eigene Material sammeln, dann die Struktur festlegen, danach das Modell entwerfen lassen, anschließend jede Behauptung an der Quelle prüfen und zum Schluss die eigene Stimme darüberlegen. Wie ein solcher Ablauf im Detail aussieht, zeigt KI im Content-Workflow. Auf der technischen Seite rückt die Arbeit näher ans System: WordPress bringt mit Version 7.0 eine eigene Schnittstelle für KI-Anbieter mit, beschrieben in WordPress 7.0 für Redaktionen.

Automatisierte Werbung und Analyse

Im dritten Bereich arbeitet KI bereits am längsten, oft unbemerkt. In den Werbeplattformen steuern Algorithmen Gebote, Zielgruppen, Platzierungen und Anzeigentexte. Bei Kampagnentypen wie Performance Max entscheidet das System eigenständig, auf welcher Google-Fläche eine Anzeige erscheint, während die Steuerung über Ziele, Budgets und Signale läuft. Der Beitrag Performance Max erklärt ordnet ein, wo dieser Kampagnentyp seine Stärken hat.

Damit verschiebt sich die tägliche Arbeit. Statt einzelne Gebote zu justieren, geht es um saubere Conversion-Daten, klar definierte Ziele, aussagekräftige Signale und gepflegte Produktdaten. Die Qualität dieser Grundlagen entscheidet über das Ergebnis, weil das System genau darauf optimiert, was es messen kann.

In der Auswertung ist die Entwicklung ähnlich weit. Assistenten fassen Berichte zusammen, erklären Veränderungen und beantworten Fragen in normaler Sprache, sodass Auswertungen auch ohne Kenntnis der Oberfläche möglich werden. Googles Ask Advisor arbeitet genau so, nachzulesen in Ask Advisor. Der Rat aus dem ersten Abschnitt gilt hier besonders: Eine genannte Zahl gehört im Bericht selbst gegengeprüft, bevor sie in eine Entscheidung einfließt.

Transparenzpflichten seit dem 2. August 2026

Über allem liegen die Regeln der EU-KI-Verordnung, deren Transparenzpflichten seit dem 2. August 2026 gelten. Der Grundgedanke ist schlicht: Menschen sollen erkennen können, wann sie einer Maschine gegenüberstehen und wann ein Inhalt maschinell erzeugt wurde.

Für Texte auf einer Website bleibt der Aufwand überschaubar. Sobald ein Mensch den Inhalt geprüft hat und jemand die redaktionelle Verantwortung dafür trägt, entfällt die Offenlegungspflicht. Bei KI-erzeugten Bildern greift die Kennzeichnung deutlich schneller, ebenso bei Chatbots, die im Kundenkontakt stehen. Die Einzelheiten samt Umsetzung im Alltag beschreibt KI-Bilder kennzeichnen. Für den konkreten Einzelfall hilft eine rechtliche Beratung, da die Auslegung sich weiterentwickelt.

Der Kurs für die eigene Website

Ein Muster zieht sich durch alle vier Bereiche: Je mehr eine Maschine selbst formulieren kann, desto wertvoller wird das, was sie schwer erzeugt. Eigene Zahlen, eigene Tests, Erfahrungen aus der täglichen Arbeit, eine klare Haltung, eine erkennbare Stimme. Genau diese Bestandteile machen einen Inhalt zitierfähig, und sie sind zugleich der Grund, warum Besucher nach einer KI-Antwort trotzdem klicken.

Fünf Schritte bringen eine Website in diese Richtung:

• Fragen früh beantworten und die Begründung danach liefern, damit die Antwort für sich allein zitierfähig bleibt.
• Definitionen so schreiben, dass sie außerhalb ihres Absatzes verständlich sind, und Werte in Tabellen mit Quellenangabe setzen.
• Eigenes Material aufbauen: Auswertungen aus dem eigenen Konto, Fallzahlen aus Projekten, Beobachtungen aus dem Support.
• Struktur und Auszeichnung pflegen, damit Suchsysteme Themen, Marke und Zusammenhänge sicher zuordnen.
• Jede maschinell erzeugte Angabe an der Quelle prüfen und die redaktionelle Verantwortung sichtbar machen.

Künstliche Intelligenz verändert damit vor allem die Gewichte. Routine wird billiger, Substanz wird teurer, und die Prüfung an der Quelle wird zur eigentlichen redaktionellen Leistung. Die Beiträge weiter oben auf dieser Seite vertiefen die einzelnen Bereiche und zeigen die Umsetzung an konkreten Beispielen.