Überarbeitete Notiz vom 25. Mai 2026. Ursprünglich im Februar 2026 veröffentlicht — vollständige Überarbeitung. Diese Notiz absorbiert den Inhalt der zuvor unter den Titeln «KI mischt die Karten der Kreation neu: 5 Trends für 2026» und «Top 5 der KI-Werkzeuge für Redakteurinnen und Redakteure im Jahr 2026» geführten Notizen, die deindexiert und auf diese Seite weitergeleitet wurden.
Die öffentliche Debatte über die durch generative KI unterstützte Redaktion ist 2026 an einem Gleichgewichtspunkt angekommen, den sie 2023 nicht hatte. Die extremen Positionen — KI werde die Redaktorinnen und Redaktoren ersetzen, oder KI werde stets Texte produzieren, die menschlichen Texten unterlegen sind — haben sich gemildert. Was sich etabliert hat, ist eine differenziertere professionelle Praxis, in der der Wert der Redakteurin oder des Redakteurs nicht mehr an der reinen Schreibzeit gemessen wird, sondern an der Qualität der Rahmenfestlegung, der Korrekturlesung und der Kontextualisierung, die sie oder er einer nunmehr mit generativen Modellen geteilten Arbeit beisteuert.
Diese Notiz legt dar, was die redaktionelle Kanzleipraxis zu dieser Verschiebung beobachtet und was die am 15. Mai 2026 veröffentlichte Google-Doktrin dieser Diagnose hinzufügt.
Was sich zwischen 2023 und 2026 abgespielt hat
Drei Jahre haben genügt, um die Praxis zu stabilisieren. 2023 waren die ersten Einsätze von KI in der Redaktion von einer Faszination für das in kurzer Zeit produzierte Volumen geprägt. Viele Unternehmen haben in Serie generierte, wenig korrekturgelesene, wenig kontextualisierte Inhalte veröffentlicht. Diese Inhalte erwiesen sich rasch als beim Lesen erkennbar, wenig leistungsstark im Referenzieren und anfällig gegenüber den aufeinanderfolgenden algorithmischen Aktualisierungen Googles, die den Anspruch an den tatsächlichen Lesernutzen verschärften.
In den Jahren 2024 und 2025 hat sich in Strukturen, die akzeptiert haben, wieder in die redaktionelle Korrekturlesung zu investieren, eine disziplinierter geführte Praxis etabliert. Das Modell hat sich verschoben: Die KI produziert strukturiertes Rohmaterial, die professionelle Redakteurin oder der professionelle Redakteur nimmt dieses Material auf und injiziert das, was nicht generiert werden kann — das präzise Beispiel, den Markenton, die kulturelle Nuance, die redaktionelle Position, die faktische Überprüfung. Die Gesamtproduktivität des Prozesses ist tatsächlich gestiegen, jedoch ohne Wegfall der Redakteurin oder des Redakteurs; im Gegenteil, ihre oder seine Rolle hat sich präzisiert.
2026 hat die am 15. Mai veröffentlichte Google-Doktrin bestätigt, dass die generativen Funktionen der Suche auf den zentralen Ranking- und Qualitätssystemen der Suchmaschine aufbauen[1]. Diese Bestätigung hat eine Konsequenz für die Redaktion: Was mittelmässige Inhalte im klassischen Google-Ranking sanktionierte, sanktioniert sie nun auch in den generierten Antworten. Die Selektivität steigt. Redaktionelle Trägheit kostet teurer.
Was KI objektiv gut macht
Die in der Kanzlei beobachtete Praxis, abgestützt durch eine 2023 veröffentlichte MIT-Studie, bestätigt vier greifbare Beiträge der generativen Modelle zur redaktionellen Arbeit.
Ideenfindung und Sondierung. Eine Redakteurin oder ein Redakteur kann bei einem neuen Thema in wenigen Minuten Austausch mit einem Modell ein thematisches Feld kartieren, Blickwinkel identifizieren, einen vorläufigen Aufbau strukturieren. Diese Arbeit verlangte zuvor mehrere Stunden vorgängiger dokumentarischer Recherche. Der Gewinn ist real und schafft Zeit für die Arbeit mit höherem Wert.
Umformulierung und Adaptation. Einen bestehenden Inhalt an mehrere Kanäle oder Zielgruppen anzupassen verlangte eine substanzielle Neuredaktion. Die Modelle produzieren in wenigen Minuten korrekte Varianten, die die Redakteurin oder der Redakteur anschliessend anpasst. Für Strukturen, die ihre Inhalte in Französisch, Deutsch und Englisch deklinieren müssen — eine in der Schweiz häufige Situation —, ist dieser Gewinn besonders deutlich.
Der erste strukturierte Entwurf. Bei einem durch einen präzisen Brief gut umrissenen Thema produziert ein Modell eine erste Fassung, die das Skelett des endgültigen Inhalts enthält: Abschnitte, Übergänge, aggregierte Fakten, korrekte Formulierungen. Die Arbeit der Redakteurin oder des Redakteurs besteht dann weniger im Schreiben als im Aufnehmen, Anreichern und Korrigieren.
Querprüfung und Synthese. Bei einem dokumentierten Thema können die Modelle mehrere Quellen vergleichen, divergierende Positionen synthetisieren, Inkohärenzen signalisieren. Diese Funktion ist nützlich unter der Bedingung, dass sie kontrolliert wird — die Modelle erfinden noch regelmässig Referenzen, Zitate oder Zahlen, und jede faktische Aussage muss an der Quelle überprüft werden.
Eine 2023 vom MIT durchgeführte Studie hat in einem kontrollierten experimentellen Rahmen, der realistische professionelle Schreibaufgaben (E-Mails, kurze Berichte, strukturierte Notizen) betraf, eine durchschnittliche Reduktion von 37 % der Redaktionszeit bei diesen Aufgaben dokumentiert, wenn sie modellgestützt waren, mit einer von unabhängigen Bewertenden wahrgenommenen Qualität, die jener nicht unterstützter Texte gleichwertig oder überlegen war[2]. Diese Grössenordnung bleibt eine nützliche Referenz, um die möglichen Magnituden des Gewinns einzurahmen. Sie stellt keine auf jede redaktionelle Produktion verallgemeinerbare Garantie dar — lange Aufgaben, anspruchsvolle Markeninhalte oder Arbeiten mit hoher strategischer Dimension weisen andere Profile auf, die vom Untersuchungsbereich nicht abgedeckt sind.
Was KI nicht leistet
Die beobachteten Grenzen sind seit 2023 stabil, trotz der aufeinanderfolgenden Verbesserungen der Modelle. Das authentische Storytelling, das auf gelebter Erfahrung oder feiner Kenntnis eines Publikums beruht, bleibt menschliches Terrain. Die Modelle produzieren korrekte, aber selten einprägsame Erzählungen. Humor, Doppeldeutigkeit und präzise kulturelle Referenzen bleiben schwer handhabbar — eine Westschweizer Redakteurin oder ein Westschweizer Redakteur weiss, wann eine lokale Referenz oder ein auf kantonale Sensibilitäten kalibrierter Ton einzuflechten ist; die Modelle bleiben wörtlich oder bedienen sich ungeschickt.
Die regulatorischen und sektoralen Nuancen, die dem Schweizer Kontext eigen sind — Bankvokabular, DSG-Anforderungen, arbeitsrechtskonforme Formulierungen, dem Obligationenrecht eigene juristische Wendungen —, verlangen eine Expertise, über die die Modelle nicht systematisch verfügen. Die klare redaktionelle Stellungnahme, die ein Thema entscheidet, statt es vorsichtig auszubalancieren, bleibt ebenfalls schwer von einem Modell zu erhalten ohne substanzielle redaktionelle Rahmensetzung — die Modelle tendieren zum Konsens und zur Neutralität.
Wohin sich der Wert der Redakteurin oder des Redakteurs verschiebt
Diese Feststellung zeichnet eine präzise Verschiebung. Der Wert einer professionellen Redakteurin oder eines professionellen Redakteurs misst sich nicht mehr am Volumen pro Stunde geschriebener Wörter. Er misst sich an vier Dingen.
Die Qualität des anfänglichen Briefs. Ein präziser Brief (Zielpublikum, Ton, Position, Zwänge, Länge, Quellen) bestimmt, was ein Modell produzieren kann. Ein vager Brief produziert einen vagen Inhalt. Die Redakteurin oder der Redakteur, die oder der einen strukturierten Brief formulieren kann, erhält beim ersten Versuch verwertbares Material.
Die Strenge der Korrekturlesung. Eine Korrekturlesung, die nur Fehler entfernt, lässt semantische Redundanz, den erkennbaren generischen Ton, leere Floskeln, faktische Annäherungen durchgehen. Eine Korrekturlesung, die den Text durch Streichen, Umschreiben und Injizieren menschlicher Expertise verwandelt, erzeugt den vom Leser beobachtbaren Wert.
Die ausserhalb des Textes eingebrachte sektorale Expertise. Die Redakteurin oder der Redakteur, die oder der den Sektor kennt — Treuhand, Uhrenindustrie, MedTech, Recht, Finanzen —, bringt in den Text Präzisierungen, Beispiele und Nuancen ein, die das Modell nicht korrekt erfinden kann. Diese Expertise ist genau das, was Google in seinem E-E-A-T-Rahmen (Experience, Expertise, Authoritativeness, Trustworthiness) anerkennt, der heute für das Ranking und damit auch für die KI-Zitierbarkeit strukturierend ist.
Die redaktionelle Kohärenz über die Dauer. Eine Markenstimme baut sich auf Dutzenden untereinander kohärenten Veröffentlichungen auf, nicht auf einer isolierten Veröffentlichung. Die Redakteurin oder der Redakteur, die oder der diese Kohärenz im Zeitverlauf hält, produziert einen kumulativen Wert, den die Modelle nicht reproduzieren.
Was Mai 2026 dieser Praxis hinzufügt
Die Google-Doktrin vom Mai 2026 hat zwei direkte Konsequenzen für die Praktiken der KI-gestützten Redaktion. Erstens bestätigt sie, dass der Kampf gegen mittelmässige generierte Inhalte über die zentralen Ranking-Systeme der Suche geführt wird, nicht über einen den generativen Funktionen spezifischen Mechanismus. Ein qualitativer Inhalt, ob KI-unterstützt oder nicht, wird von der Suche nach seinem Verdienst behandelt. Ein träger Inhalt, ob unterstützt oder nicht, ebenfalls.
Zweitens verstärkt sie das Argument, wonach die KI-unterstützte Redaktion weder eine Abkürzung noch eine Bedrohung, sondern ein Werkzeug ist — dessen Wert vollständig von der Strenge der Praxis abhängt, die es einsetzt. Ein Unternehmen, das in eine disziplinierte Arbeitskette investiert (strukturierter Brief, unterstützter erster Entwurf, strenge menschliche Anreicherung, redaktionelle Korrekturlesung, faktische Überprüfung), produziert Inhalte, die zugleich schneller zu publizieren und solider gegenüber der zunehmenden Selektion der generativen Komponenten sind.
Diese Disziplin ist kein technologisches Thema. Sie ist ein Thema redaktioneller Methode, und die Praxis in der Kanzlei zeigt, dass sie heute Strukturen, die eine verlässliche redaktionelle Präsenz halten, von solchen unterscheidet, die sie verlieren.
Quellen
[1] Google Search Central, Optimizing your website for generative AI features on Google Search, veröffentlicht am 15. Mai 2026. developers.google.com/search/docs/fundamentals/ai-optimization-guide [↩]
[2] Noy, Shakked, and Whitney Zhang. Experimental Evidence on the Productivity Effects of Generative Artificial Intelligence. MIT, 2023. economics.mit.edu/sites/default/files/inline-files/Noy_Zhang_1.pdf [↩]
Jérôme Deshaie ist CEO der MCVA Consulting SA, Schweizer Kanzlei für strategische Beratung in künstlicher Intelligenz mit Sitz im Wallis.