Warum OpenAI sich für eure Stadtratssitzungen interessiert

KI-Modelle bleiben nur dann zuverlässig, wenn sie einen stetigen Strom frischer, verifizierter, von Menschen recherchierter Informationen aufnehmen. Aber das Angebot dieser Informationen, besonders im Lokaljournalismus, bricht zusammen. Der Medill State of Local News Report 2025 zählte im vergangenen Jahr 136 Zeitungsschließungen, mehr als zwei pro Woche. Die Zahl der US-Landkreise ohne Lokalzeitung stieg auf einen Rekordwert von 213. Rund 50 Millionen Amerikaner haben jetzt nur noch eingeschränkten oder gar keinen Zugang mehr zu lokalen Nachrichten. Erst letzte Woche kündigte die Pittsburgh Post-Gazette an, im Mai den Betrieb einzustellen. Es wäre die erste Schließung einer großen Metropolzeitung seit der Tampa Tribune 2016.

Gleichzeitig füllt sich das offene Web mit KI-generiertem Müll, Bot-Nachrichtenseiten und SEO-Spam. Modelle, die mit diesem Material trainiert werden, verschlechtern sich schnell. Und kein Billionen-Dollar-KI-Unternehmen kann sich dieses Risiko leisten.

Jennifer Brandel (Hearken-CEO, Stanford JSK Fellow) beschreibt die Konsequenzen in ihrer Nieman-Vorhersage für 2026: KI-Unternehmen bezahlen bereits einige Medienunternehmen, um die Informationsversorgung zu sichern, von der ihre Modelle abhängen. Sie prognostiziert, dass 2026 das Jahr wird, in dem sie anfangen, Reporternetzwerke aufzubauen oder Medienunternehmen direkt zu kaufen.

Erste Schritte sind sichtbar: OpenAI finanziert die Expansion von Axios Local. Google unterstützt kalifornische Lokalmedien-Initiativen. Microsoft ist eine Partnerschaft mit Semafor eingegangen. Große Lizenzdeals häufen sich mit AP, Axel Springer, Financial Times und News Corp.

Das ist keine Philanthropie, sondern Lieferketten-Management. Wenn ein kritischer Input instabil wird, integrieren Konzerne vertikal.

Das eröffnet Chancen für lokale Medienunternehmen, wirft aber auch eine Frage auf: Was passiert, wenn die größten Abnehmer von Journalismus gleichzeitig seine Geldgeber sind?

Derek Willis (University of Maryland) argumentiert in seiner Nieman-Vorhersage, dass lokale Archive Informationen enthalten, deren Neuerstellung für Tech-Unternehmen "unerschwinglich teuer" wäre: nicht nur Storys, sondern auch Bekanntmachungen, Veranstaltungskalender, Nachrufe, Highschool-Sportstatistiken. Seine Studenten, die mit dem Archiv einer Lokalzeitung in Maryland arbeiteten, fanden Details, die sie nirgendwo sonst auftreiben konnten.

Die Schlussfolgerung: Lokale Redaktionen sitzen auf Vermögenswerten, ohne deren Wert zu kennen. In meinem Report "The Human-Augmented Newsroom" dokumentiere ich, wie einige Medienunternehmen beginnen, diese Werte zu aktivieren.

Der Philadelphia Inquirer hat eine Vektordatenbank mit 200 Jahren Berichterstattung aufgebaut, die Abfragen im Konversationsstil über das gesamte Archiv ermöglicht. Der Baltimore Banner nutzte KI-Klassifizierung für 15.000 Artikel und entdeckte, dass menschenzentrierte Storys Abonnements antrieben, während Policy-Berichterstattung unterdurchschnittlich abschnitt. Das führte zu einer Neuausrichtung der redaktionellen Ressourcen. Auf nationaler Ebene bearbeitet der Lars-Chatbot des Wall Street Journal, ein KI-Steuerassistent für Leser, monatlich 9.000 Abonnenten-Gespräche auf Basis archivierter Steuerberichterstattung.

Diese Anwendungen teilen ein Muster: Sie setzen KI für klar definierte Probleme mit überprüfbaren Ergebnissen ein. Semantische Suche und Klassifizierung liefern Mehrwert ohne die Genauigkeitsrisiken der Content-Generierung.

Willis nennt einen entscheidenden Punkt: Archive müssen als "erstklassiges Produkt der Redaktion behandelt werden, nicht als Nebenprodukt." Die meisten lokalen Redaktionen hatten nie einen Grund, so zu denken. Jetzt haben sie einen, und zwar in zwei Richtungen: interner Wert (durchsuchbarer Kontext, schnelleres Onboarding, redaktionelle Intelligenz) und externer Hebel (Lizenzeinnahmen von Unternehmen, die genaue lokale Trainingsdaten brauchen).

Aber die größere Veränderung besteht nicht nur darin, Archive zu monetarisieren. Es geht darum, neu zu denken, was ein lokales Medienunternehmen eigentlich tut.

2006 veröffentlichte Adrian Holovaty einen wegweisenden Essay. Er argumentierte, dass Lokaljournalisten jeden Tag strukturierte Informationen sammeln (Brände, Genehmigungen, Gerichtsverfahren) und sie dann in Prosa vergraben, die nicht durchsucht oder wiederverwendet werden kann. Sechs Jahre später argumentierte Jeff Jarvis aus persönlicher Perspektive ähnlich nach Hurrikan Sandy. Er musste wissen, welche Straßen passierbar waren und welche Tankstellen Benzin hatten. Sein lokales Medium lieferte ihm Storys. "Gebt mir keine Storys", schrieb er. "Gebt mir Listen."

Beide Argumente kursierten jahrelang, ohne viel zu verändern. Den meisten lokalen Redaktionen fehlten die Entwickler und Budgets, um Infrastruktur zu bauen. KI verändert die Wirtschaftlichkeit. Tools, die früher eigene Forschungs- und Entwicklungs-Abteilungen erforderten, funktionieren jetzt über eine Slack-Integration.

Die Pioniere, die ich dokumentiert habe, haben etwas gemeinsam: KI verarbeitet Volumen (Ratssitzungen, Gerichtsakten, kommunale Dokumente), Menschen interpretieren und berichten. iTromsø in Norwegen baute DJINN, ein Tool das monatlich 12.000 kommunale Dokumente durchsucht und die Recherchezeit um 94 Prozent reduziert. CT Mirror überwacht 169 Gemeinden in Connecticut und meldet Auffälligkeiten an die zuständigen Reporter. Village Media in Kanada lizenziert seine Tools zur Behördenüberwachung an über 100 Verlage.

Was diese Projekte auszeichnet: Sie verändern die Beziehung zwischen Redaktion und Community. Village Medias Aufsichtsratsvorsitzender Richard Gingras sagte mir, sie verstehen sich nicht mehr als Medienunternehmen, sondern als "Community Impact Organization." Ihre Plattform ermöglicht es Bürgern, lokale Themen zu verfolgen wie bei Reddit. Die Redaktion wird zur Infrastruktur.

Eric Ulken (früher Baltimore Banner, jetzt Stanford JSK Fellow) formuliert den Wandel präzise in seiner Nieman-Vorhersage: "Die neue erste Frage lautet nicht 'Welche Story wollen wir erzählen?', sondern 'Welches Problem lösen wir, und für wen?'"

Das bedeutet nicht, Journalismus aufzugeben, sondern anzuerkennen, dass Publikumsservice das Vertrauen schafft, das Public Service Journalismus erst möglich macht. Lokale Nachrichtenpakete haben ihre praktischen Vorteile vor Jahren verloren (TV-Programmseiten?) ohne sie zu ersetzen. Das Infrastruktur-Modell füllt diese Lücke.

Ein Vorbehalt ist wichtig. Forschung von Trusting News zeigt, dass Publikum negativ reagiert, wenn es erfährt, dass KI journalistische Beiträge verfasst, selbst wenn Menschen im Prozess involviert sind. Die Medill Local News Survey 2025 ergab: 47 Prozent sind mit KI-unterstütztem Journalismus einverstanden, aber nur 17 Prozent akzeptieren Inhalte, die überwiegend von KI erstellt wurden.

Die erfolgreichen Implementierungen lösen dieses Dilemma, indem sie KI zum Verarbeiten nutzen, nicht zum Produzieren. Sie behalten menschliches Urteilsvermögen an entscheiden Punkten. Und sie sind transparent, was KI tut und was Journalisten tun.

Wenn das nächste Mal ein Hurrikan kommt, werden Bewohner in vorausschauenden Communities wissen, welche Tankstellen Benzin haben und welche Straßen frei sind. Nicht aus Artikeln, sondern aus der Infrastruktur, die ihre lokale Redaktion aufgebaut hat. Zwanzig Jahre nachdem Holovaty seine Vision beschrieb, existieren endlich die Werkzeuge dafür.

Archive und lokale Infrastruktur sind zwei von fünf strategischen Mustern in meinem Report "The Human-Augmented Newsroom: AI in Journalism Strategic Patterns 2025." Der vollständige Report (englisch) enthält Action Roadmaps, Geschäftsmodell-Muster und Abschnitte über publikumszugewandte KI und Authentizität als Wettbewerbsvorteil. [Für Premium-Abonnenten verfügbar.]