Hallo, ich bin Medieninnovationsjournalistin Ulrike Langer und dies ist mein wöchentlicher Newsletter. Falls diese Ausgabe an Dich weitergeleitet wurde, solltest Du auf den “Abonnieren” Button klicken und keine Ausgabe mehr verpassen. Falls Du ein kostenloses Abo hast - das Premium-Abo bietet noch mehr…
Bild generiert mit Nano Banana Pro. Prompt (optimiert mit NotebookLM): A conductor standing at a simple podium, directing an orchestra of floating screens and machines. The conductor is a human figure with beige skin tone. The floating screens and machines are filled with a green electronic circuit board pattern texture, connected by thick black cables representing workflow. Minimalist composition, flat vector editorial illustration, thick black outlines, minimal shading, grainy paper texture, white background, palette of emerald green, orange, light grey and beige, style of Alvaro Bernis or crisp editorial art. (Ich prompte grundsätzlich auf english, weil die Tools darauf besser reagieren.)
Wir gehen ins vierte Jahr der Experimente mit generativer KI. Trotzdem beschreiben laut Nic Newmans Reuters Institute Journalism and Technology Trends and Predictions 2026 nur 13 Prozent der Medienführungskräfte ihre KI-Initiativen als "transformativ". Weitere 42 Prozent nennen sie "begrenzt". Zwei Drittel berichten von keinerlei Stellenabbau durch KI-Effizienzgewinne. Die versprochenen Einsparungen sind (noch) nicht eingetreten.
"2023-24 haben viele Nachrichtenproduzenten einzelne Redaktionsaufgaben automatisiert", schreibt David Caswell, ein britischer Experte für angewandte KI in Nachrichtenprodukten und Workflows, in einer Prognose für das Reuters Institute vom Januar 2026: "2025 sind die Grenzen der 'Aufgabenautomatisierung' deutlich geworden. Zeit- und Kostenersparnisse sind enttäuschend, und aufgabenfokussierte KI erscheint als strategische Sackgasse."
Caswell argumentiert, dass die nächste Phase einen grundlegenden Wandel erfordert: weg von der Automatisierung einzelner Aufgaben, hin zum Einsatz von agentischer KI, die End-to-End-Workflow-Automatisierung übernimmt. Der Unterschied ist wichtig. Aufgabenautomatisierung beschleunigt einzelne, isolierte Schritte. Agentische Systeme steuern ganze Prozesse, treffen Entscheidungen und leiten Arbeit weiter, ohne ständige menschliche Anleitung.
Aber die warnenden Beispiele aus der Ära der Aufgabenautomatisierung häufen sich weiter. Sports Illustrated veröffentlichte Artikel unter gefälschten, KI-generierten Autorennamen. CNETs KI-geschriebene Beiträge enthielten faktische Fehler. Gannett erntete Shitstorms wegen automatisierter Inhalte. Die L.A. Times zog ihr "Insights"-Tool nach einem Tag zurück. Im Dezember 2025 sah sich die Washington Post mit einer interne Revolte wegen fehlerhafter KI-Podcasts konfrontiert.
Das öffentliche Vertrauen spiegelt die Skepsis wider. Eine Umfrage des Pew Research Center vom Frühjahr 2025 ergab, dass rund 50 Prozent der US-Amerikaner erwarten, dass KI die Nachrichten in den nächsten 20 Jahren negativ beeinflussen wird. Nur 10 Prozent erwarten positive Effekte.
Vor diesem Hintergrund zeichnen sich zwei unterschiedliche Wege für Redaktionen ab, die über den Pilotmodus hinausgehen wollen.
Prompt: Close up of human hands (beige skin tone) assembling a wall made of large rectangular bricks. The bricks are not made of stone, but are filled with a glowing green electronic circuit board pattern texture. This represents building the digital infrastructure. A blueprint lies on the table nearby with orange accents, flat vector [….] .
Die New York Times baut interne Kapazitäten auf
Die New York Times steht für ein Modell: Investition in ein kleines, fokussiertes Team, das maßgeschneiderte Tools entwickelt und gleichzeitig verändert, wie Journalisten über KI denken.
Zach Seward, Editorial Director of AI Initiatives bei der New York Times, schätzt, dass er in den vergangenen zwei Jahren mit 93 Prozent der Redaktion in Kontakt war. Er begann damit, KI-Begriffe zu klären und Richtlinien für generative KI festzulegen, bevor praktische Versuche starteten.
Reporter nutzen KI inzwischen routinemäßig für investigative Arbeit, etwa um "riesige, unübersichtliche Datensätze" zu ordnen. Dazu gehören auch öffentliche Aussagen von Beamten der Trump-Regierung, die gemeinsam mit der NYT-Redaktion in Washington analysiert wurden.
Sein Team ist von isolierten Projekten zu Tools übergegangen wie "Cheat Sheet" (für Spreadsheet-Zusammenfassungen großer Dokument-, Bild- und Transkript-Sammlungen) und der täglichen "Manosphere"-E-Mail (die rechtsgerichtete, auf Männer ausgerichtete Podcasts zusammenfasst).
"Die Leute kommen mit vielen bestehenden Gedanken und Überzeugungen, weshalb es umso wichtiger ist, dass wir persönlich da sind", sagte mir Seward im Oktober 2025. "Manche sind super begeistert und bereit loszulegen. Andere sind das genaue Gegenteil – verständlicherweise entsetzt über einiges, was sie bei anderen Verlagen mit KI sehen." Das Ziel ist nicht, Skeptiker zu Enthusiasten zu bekehren. Es geht darum, spezifische, komfortable Anwendungsfälle zu finden.
Um die Pilotprojekt-Falle zu vermeiden, nutzt Seward eine Methode aus Basecamps Shape Up-Methodologie: Er definiert einen "Appetite" statt eines Umfangs. "Jemand sagt: 'Ich möchte kleine Modelle für Zusammenfassungen erkunden.' Ich sage vielleicht: 'Das ist interessant. Ich habe zwei Tage Appetite (d.h. Zeit) dafür.' Das bedeutet: Arbeite zwei Tage daran, und nach zwei Tagen hören wir auf, egal was der Stand ist."
Skalierungsdenken prägt jedes Projekt. "Du musst diese Videos transkribieren, analysieren lassen und deinen Artikel veröffentlichen. Darauf konzentrieren wir uns. Aber im Hinterkopf denken wir: 'Das ist nicht das letzte Mal, dass wir gebeten werden, einen Haufen Videos zu transkribieren. Also machen wir es so, dass es beim nächsten Mal einfacher wird.'"
Für kleinere Redaktionen glaubt Seward, die Hürde sei niedriger als angenommen: "Man kann mit einer einzigen engagierten Person ziemlich weit kommen – idealerweise Vollzeit, aber das hängt von der Größe der Redaktion ab. Vielleicht ist es die enthusiastischste Person in der Redaktion, die nebenbei noch fünf andere Jobs hat."
Prompt: A stylized conveyor belt system on a desk. On the left, a stack of messy papers enters the machine. The machine itself is a sleek box filled with green electronic circuit board pattern texture. On the right, a perfectly folded newspaper comes out. An orange warning light sits on top of the machine, flat vector […]
News Corp geht eine Partnerschaft mit Symbolic.ai ein
News Corp hat ebenfalls mehrere erfolgreiche KI-Experimente durchgeführt. Die Flaggschiff-Zeitung Wall Street Journal entwickelte einen eigenen Steuer-Bot namens Lars. Aber auf der systemischen Ebene des Publizierens hat sich der Konzern jetzt für einen Anbieter entschieden. Am 15. Januar 2026 kündigte das Unternehmen eine Partnerschaft mit Symbolic.ai an, um eine einheitliche KI-Publishing-Plattform in seinen Medien einzusetzen, beginnend mit Dow Jones Newswires. TechCrunch berichtete, der Deal positioniere Symbolic als potenziellen Industriestandard.
Symbolic.ai wurde von Devin Wenig gegründet, dem ehemaligen eBay-CEO, der zuvor Thomson Reuters Markets leitete, sowie Jon Stokes, Mitgründer von Ars Technica. Die Plattform bietet einen Workspace für Transkription, Dokumenten-Extraktion, Newsletter, Faktencheck, Headlines und SEO-Optimierung. Sie leitet Aufgaben an mehrere KI-Modelle weiter, statt von einem einzigen Anbieter abhängig zu sein.
Laut Symbolics Pressemitteilung erzielte Dow Jones Newswires bei der frühen Nutzung von Symbolic Produktivitätssteigerungen von bis zu 90% bei komplexen Rechercheaufgaben.
Der Plattform-Ansatz verspricht Geschwindigkeit und Standardisierung. Statt eigene Tools zu bauen, docken Redaktionen an bestehende Infrastruktur an. Für Medien ohne eigene Entwicklungsressourcen könnten Drittanbieter-Plattformen, die mehrere KI-Fähigkeiten zu kohärenten Workflows orchestrieren statt isolierte Tools anzubieten, der einzig gangbare Weg über die verstreute KI-Experimentierphase hinaus sein.
Fragen vor der Weichenstellung
Upasna Gautam, Senior Product Manager bei CNN, stellte im Dezember 2024 im Newsroom Robots podcast ihr Framework vor. Bevor sie ein KI-Tool implementiert, stellt sie drei Fragen: Was ist dein größtes Ziel? Was ist dein wichtigster Schmerzpunkt? Wie misst du Erfolg? "Ich spare nie bei Kontext und Begründung", sagte Gautam. Diese grundlegenden Fragen haben sich nicht geändert, aber sie sind folgenreicher geworden, wenn mehr auf dem Spiel steht als nur Erfolg oder Misserfolg eines KI-Experiments in einer Sandbox.
Die Build-or-Buy-Entscheidung hängt von ehrlichen Antworten ab. Organisationen mit einzigartigen redaktionellen Workflows, proprietären Archiven oder schützenswerten Wettbewerbsvorteilen könnten von Eigenentwicklung profitieren. Wer Effizienzgewinne bei Standardprozessen sucht, fährt mit Plattformen möglicherweise schneller.
Francesco Marconi formulierte es in den Nieman Lab 2026 Predictions so: "2026 ist das Jahr, in dem Redaktionen ihren Neuaufbau von Grund auf für die KI-Ära beginnen. Es ist das Jahr, in dem wir aufhören, Journalismus als Content-Fabrik zu behandeln, und anfangen, ihn als Wissens- und Community-Institution neu aufzubauen."
Die Experimente haben Lehren gebracht. Jetzt kommt die härtere Arbeit: diese Lehren in Infrastruktur zu verwandeln – ob von Grund auf gebaut oder von der Stange gekauft.
Konkrete Take-Aways:
Jetzt die Build-or-Buy-Entscheidung treffen. Die Experimentierphase ist vorbei. Entweder in ein dediziertes Team investieren, das maßgeschneiderte Tools baut (wie die siebenköpfige Einheit der NYT), oder sich auf eine Plattform festlegen, die End-to-End-Workflows abdeckt (wie News Corps Symbolic.ai-Deal). Im Pilotmodus zu verharren ist die schlechteste Option.
Von Aufgabenautomatisierung zu Workflow-Automatisierung wechseln. Einzelne Tools, die isolierte Aufgaben beschleunigen, haben ihr Limit erreicht. Die nächste Phase erfordert Systeme, die ganze Prozesse steuern: von der Recherche über den Entwurf bis zum Faktencheck und zur Veröffentlichung. Caswell nennt das agentische KI. Es ist der Unterschied zwischen einem Transkriptionstool und einer Infrastrukturebene.
Wettbewerbsvorteile prüfen, bevor man sich entscheidet. Wenn der eigene Wert in proprietären Archiven, einer unverwechselbaren redaktionellen Stimme oder investigativer Kompetenz liegt: intern bauen, um diese Assets zu schützen und auszubauen. Wenn der Wert in Geschwindigkeit, Volumen oder geografischer Abdeckung liegt, liefert eine Plattform möglicherweise schnellere Ergebnisse.
Budget für Menschen einplanen, nicht nur für Lizenzen. Das KI-Team der NYT verbringt die meiste Zeit damit, mit Journalisten zu sprechen, nicht Code zu schreiben. Auch der Plattform-Deal von News Corp erfordert redaktionelle Aufsicht. Infrastruktur bedeutet Personal für Adoption, Training und Governance – nicht nur Beschaffung.