Wie eine Radsport-Website ihre Newsroom-Tools zum Produkt gemacht hat

Hallo, ich bin Medieninnovations-Journalistin Ulrike Langer und Du liest News Maschinen. Peter Stuart von Velora Cycling und ich waren Speaker beim European Publishing Congress (EPC) in Wien am 18. Juni. Leider konnte ich seinen Vortrag nicht verfolgen, weil unsere Sessions parallel liefen, aber wir haben uns kurz unterhalten und mir wurde sofort klar: Velora Cycling muss eine Case Study für News Maschinen werden. Diese Ausgabe beruht auf einem einstündigen Meet-Call mit Peter Stuart am 29. Juni.

Peter Stuart startete Velora Cycling Ende 2025 als Ein-Personen-Fachmedium, mit einem KI-lastigen Workflow im Kern: Tools, die Artikel entwerfen, Nachrichten-Leads aufspüren, Social-Media-Posts generieren, Bilder auswählen, Interviews transkribieren und jedes Zitat zurück zur Originalquelle verfolgen. Stuart, früher Chefredakteur von Cycling News, redigiert alles selbst. Sein Mitgründer Danny Bellion, ehemals Head of AI beim Fintech-Anbieter Capital on Tap, entwickelte die Plattform.

Dieser Workflow befähigt eine Ein-Personen-Redaktion befähigt im Tempo eines kleinen Teams zu arbeiten. Sieben Monate nach dem Start hat Velora nach Stuarts Angaben zehn Medienunternehmen als zahlende Lizenznehmer der Plattform. Die Radsport-Website ist das Schaufenster. Die Plattform ist das eigentliche Geschäftsmodell.

„Die Website hat für uns wahrscheinlich besser als Showcase für die Plattform funktioniert, die andere jetzt nutzen und lizenzieren", sagte Stuart mir Ende Juni in einem einstündigen Gespräch. „Die Website ist nicht so weit monetarisiert, dass sie eigenständig mein Gehalt und das meines Partners bezahlen würde."

Die Publikation nutzt weiterhin KI, um über mehr als generische Inhalte zu veröffentlichen und Radsport-Journalismus mit eigenem Charakter zu betreiben –, aber sie leistet diese Arbeit inzwischen im Dienst des Software-Geschäftsmodells (SaaS), das darunter liegt.

Der ursprüngliche Plan war Effizienz. „Anfangs überlegten wir nur, wie wir KI nutzen, um unsere Workflows zu unterstützen und Dinge schneller zu erledigen", so Stuart. „Aber die Produktion von generischen Inhalten lässt sich ziemlich leicht automatisieren."

Der Markt verschob sich innerhalb weniger Monate. Nach Stuarts Einschätzung brach der Wert von Allerwelts-Berichten um November 2025 herum ein — vor allem für neue Domains ohne Stammpublikum lohnte es sich nicht mehr, Content zu veröffentlichen, den alle haben. „Niemanden interessiert es sich, wenn man über das berichtet, was andere schon vermeldet haben. Selbst wenn man der Erste war, der eine Meldung gebracht hat, spielt das keine Rolle, weil das Publikum sie schneller auf einer etablierteren Website findet."

Also setzte Velora seine KI-Kapazitäten für vielversprechendere Bereiche ein. Velar entwickelte Tools, die anzeigen, wenn ein Entwurf nicht unverwechselbar genug ist und Ergänzungen braucht – eine zusätzliche Perspektive oder Erfahrung aus erster Hand. Transkriptions- und Draft-Pipelines, die auf Interviews aufsetzen statt auf Umformulierungen von Meldungen. Eine Recherchefunktion, die für jede Behauptung die Originalquelle sucht, nicht einfach nur eine leichter zu findende Sekundärquelle. Auf die Frage, ob er den Code geknackt hat, gleichzeitig effizient und unverwechselbar zu sein, wollte Stuart sich nicht so weit hinauslehnen. „Das ist eine sehr harte Nuss."

Velora Cycling nähert sich derzeit 50.000 Besuchen pro Monat, das Ziel liegt bei 100.000 – das ist die Schwelle, ab der First-Party-Display-Werbung nach Stuarts Erfahrung für potentielle Werbekunden interessant wird. Ein freiberuflicher Reporter liefert aus Oxford 15 bis 20 Beiträge pro Woche. 

Stuart entschied sich bewusst für Qualität statt Quantität. Er könnte mit KI 20 oder 30 Storys pro Tag veröffentlichen, tut es aber nicht, weil ein einzelner Redakteur so viele Beiträge nicht persönlich prüfen kann. „Selbst mit Automatisierung braucht man jemanden, der um 20 Uhr britischer Zeit arbeitet. Man braucht jemanden, der am Wochenende arbeitet. Das ist für eine einzelne Person sehr schwierig."

Die Radsport-Website trägt sich nach Stuarts eigener Aussage wirtschaftlich nicht selbst – und muss es auch nicht. Sie demonstriert, was die Plattform für die Medienunternehmen im Lizenzmodell leisten kann.

Stuart und Bellion verlangen rund 300 Pfund pro Website und Monat (etwa 400 Dollar) für einen Workflow, der rund 150 Artikel unterstützt, mit gestaffelten Preisen für Multi-Site- und Enterprise-Kunden. Zehn Medienunternehmen nutzen die Plattform aktuell, einige davon mit mehreren Websites – überwiegend B2B- und Consumer-Direct-Titel, dazu einige aus dem Finanzbereich. Stuart will die Namen seiner Kunden vorerst nicht nennen. „Ab 30 Kunden oder 30 Websites werden wir wahrscheinlich tragfähig sein." Das wäre dann immer noch bootstrapped, mit geringem externem Investment.

Stuart spricht offen über die Kosten von Transparenz beim Thema KI-Einsatz. Eine lautstarke Minderheit von vielleicht 20 oder 30 Radsport-Lesern, sagt er, nehme seine Offenheit als Anlass, die Website Velora Cycling als KI-generiert abzuschreiben. Er vermutet, dass Wettbewerber KI stärker einsetzen als er selbst, aber weniger darüber sprechen.  Zeitweilig habe Google zeitweilig explizite Hinweise auf KI-Nutzung als Signal für minderwertigen Content abgestraft, glaubt Stuart, was Transparenz zusätzlich unattraktiv machte. Sein Ansatz: das feindselige Publikum als Sunk Cost verbuchen und über die Qualität der Inhalte konkurrieren.

Veloras redaktioneller Vorteil beruht darauf, dass ein einzelner Redakteur nah genug an jedem Output sitzt, um jede Unebenheit zu spüren – eine enge Feedback-Schleife, die KI nicht replizieren kann. Stuart würde aber langfristig gern „ein oder zwei Redakteure" einstellen. Und die Plattform ist genau darauf ausgelegt, den Workflow zu skalieren, den Velora demonstriert: ein Redakteur, der jeden Output persönlich prüft – für Käufer, die den Workflow nicht zwangsläufig so betreiben werden wie Stuart.

Velora, die Publikation, setzt auf Originalität. Velora, die Plattform, lässt sich in jede Richtung einsetzen. Die Kunden entscheiden selbst, ob sie die freigesetzte KI-Kapazität für mehr originäre Inhalte einsetzen, für Skalierung, oder für austauschbaren Inhalte, die sich laut Stuart nicht mehr lohnen.

Veloras Workflow zur Halluzinations-Erkennung zeigt, was die Plattform tatsächlich leistet. Ihr Research-Agent führt jedes Zitat und jede Behauptung zurück auf eine Originalquelle (Source Mapping) und markiert alles, was er nicht verankern kann.

Er fängt Halluzinationen ab, die sich bereits durch die Berichterstattung ziehen. Stuart schilderte einen Fall, bei dem sich ein Zitat zur Verletzung eines Athleten durch die Radsportmedien fortpflanzte; Veloras Source Map verfolgte es zurück zu einem dänischsprachigen Artikel, in dem dieses Zitat gar nicht existierte. Das KI-Tool eines anderen Mediums hatte es vermutlich aus dem Kontext falsch abgeleitet. Das erfundene Zitat wurde dann von Redaktionen übernommen, die es nicht überprüften. Über alle Erkennungskategorien hinweg – Parodie, Parasite SEO (Trittbrettfahrer-Inhalte auf reputationsstarken Fremd-Domains), Halluzinationen – schafften es weniger als fünf Fälle je bis in die Rohfassungs-Phase, keiner davon bis zur Veröffentlichung. 

Aber das Problem reicht tiefer. Halluzinierte Zitate dringen durch schlampige KI-Workflows immer mehr in den Journalismus ein und verbreiten sich weiter über Redaktionen, die solche Zitate nicht prüfen. Ohne Source Mapping oder ein vergleichbares Verfahren zur Quellenprüfung wird jedes Medienunternehmen, das KI-Tools einsetzt, zum potenziellen Verstärker von Falschinformationen.

Das ist der Teil der Plattform, den Stuart mit den wenigsten Vorbehalten verkaufen kann. Unverwechselbarkeit ist ein Anspruch. Quellenverifikation ist ein Prozess – und einer, der zunehmend notwendig wird, unabhängig davon, wie die redaktionelle Arbeit darüber geleistet wird.

Auf die Frage, ob sein Stack ein Wettrennen gegen die Frontier-Modelle ist – ob die nächste Version von ChatGPT oder Claude den Vorsprung von Velora einebnet –, sagte Stuart, dass Veloras USP die Koordination von KI-Modellen, Tools und Agenten ist, nicht ein einzelnes Modell oder Tool.

„Jemand wird immer den besseren Research-Agenten, den besseren Image-Selection-Agenten oder das bessere Writing-Tool haben." Die Wertschöpfung bestehe darin, für jede Aufgabe das richtige Modell auszuwählen und die Auswahl gegen neue Modelle immer wieder zu testen. 

Dieser Vorteil besteht allerdings nur so lange, bis ein einzelnes Modell alle Aufgaben gleichermaßen gut bewältigt. Stuart tut nicht so, als läge dieser Moment in weiter Ferne. Wenn ein einzelnes Modell bei jeder Aufgabe glänzt, sagt er, sei die Frage nicht mehr, was mit Velora passiert – sondern was mit dem Journalismus insgesamt passiert, wenn Leser einfach einen KI-Agenten fragen können.

Stuart hat bereits getestet, wo derzeit die Grenze verläuft. In der Anfangsphase ließ Velora einen KI-Agenten gegen ihn antreten – Maschine gegen Mensch, im Editing-Job für dieselbe Website. „Es war katastrophal", sagte Stuart. „Die KI hat komplett versagt. Die für die Veröffentlichung geplanten Storys ergaben keinen Sinn." Der Agent lieferte Leads. Aber er konnte keine sinnvollen redaktionellen Entscheidungen treffen. Genau diese Lücke ist Veloras Geschäftsmodell. Medienunternehmen kaufen die Software, die die KI-Modelle koordiniert. Die redaktionellen Entscheidungen behalten sie selbst in der Hand. Zumindest so lange, bis KI auch in diesen Bereich eindringt.

Mit der gleichen KI-Kapazität lassen sich unterschiedliche KI-native Produkte bauen. Bei Tomorrow's Publisher ist die Pop-up-Publikation selbst das Produkt, das (Medien-)Unternehmen für zeitlich begrenzte Kampagnen oder Events lizenzieren (hier die Case Study). Velora verkauft die Software, die die KI-Modelle unter der Publikation koordiniert. Wenn KI Routineaufgaben übernimmt, bleibt die Frage offen, wofür die freigesetzten Kapazität eingesetzt werden soll. Entscheide bewusst.

Beim Publizieren mit KI dürfte Orchestrierung der einzige Vorteil sein, der neue Modell-Releases übersteht. Wetten auf ein einzelnes Modell werden vom nächsten Frontier-Release plattgemacht. Ein Workflow, der für jede Teilaufgabe den besten Agenten auswählt und die Auswahl regelmäßig gegen neue Modelle testet, verliert langsamer an Wert, weil sich die Schicht darunter austauschen lässt. Die Prämisse fällt trotzdem in sich zusammen, sobald ein einzelnes Modell für jede redaktionelle Aufgabe gut genug sein wird. Medienunternehmen, die auf KI bauen, sollten wissen, wie lange der Lebenszyklus ihrer Produkte sein kann.

Halluzinationen breiten sich bereits im Journalismus aus, und Redaktionen erkennen sie oft nicht. Zitate, die KI-Tools aus fremdsprachiger Berichterstattung abgeleitet haben, werden realen Personen zugeschrieben und verbreiten sich unverifiziert durch die traditionellen Medien. Redaktionen mit Source-Mapping-Disziplin – jede Behauptung zurück zur Originalquelle – fangen einen Teil davon ab. Redaktionen ohne diese Disziplin werden zu Verstärkern von Fehlinformationen. Verifikation ist inzwischen ein Wettbewerbsvorteil, nicht mehr nur eine ethische Frage.

Austauschbare Inhalte lohnen sich für neue Websites nicht mehr. Etablierte Medienunternehmen können Allerweltsberichte noch einigermaßen monetarisieren, weil ihr Publikum schon da ist. Neue Websites mit den gleichen Inhalten verdienen damit nichts – das Publikum kommt über Distributionswege, die eine neue Website nicht hat, weil sie über generische Inhalte nicht gefunden wird.

Die feindliche Einstellung des Publikums zu Medien, die KI einsetzen, ist ein strukturelles Problem. Medien, die ihre KI-Nutzung offenlegen, verlieren gegenüber Medien, die KI einfach heimlich einsetzen. Der Markt belohnt Intransparenz. Ohne branchenweite Offenlegungsnormen oder Auditing-Infrastruktur sind  die transparenteren Medien im Nachteil gegenüber den weniger ehrlichen. Das ist kein individuelles sondern ein Koordinationsproblem der gesamten Medienbranche – und es verschärft sich derzeit eher noch.