KI im Content Marketing: Was sie leistet & wo sie Marken gefährdet

KI im Content-Marketing bedeutet, generative Systeme entlang des gesamten Content-Prozesses gezielt einzusetzen: von der Themenfindung über die Recherche und Erstellung bis zur Optimierung und Distribution.

Wie weit das in der Praxis reicht, zeigen drei aktuelle Untersuchungen aus dem DACH-Raum. Die Content Marketing Studie 2025 der ZHAW School of Management and Law befragte 924 Unternehmen in der Schweiz und liefert die detaillierteste Auswertung der KI-Anwendungsbereiche im Content-Marketing.¹ Die Studie Marketing im digitalen Wandel 2026 des deutschen Branchenverbands Bitkom ergänzt diesen Befund mit Daten aus 180 Unternehmen:² ³

• 84 % bezeichnen KI als wichtigsten Marketingtrend
• 67 % sind überzeugt, dass Marketing ohne KI-Einsatz künftig nicht mehr erfolgreich sein wird
• 51 % sehen generative KI heute bereits als wesentlichen Teil der kreativen Marketingarbeit

Die Content Marketing Trendstudie 2024 von Statista zeigt für den gesamten DACH-Raum: KI-basierte Tools sind für 55 % der B2B-Unternehmen von hoher Bedeutung - Platz zwei nach „Community Building".⁴

Trotz dieser hohen Erwartungshaltung steht die Mehrheit der Unternehmen noch am Anfang der KI-Integration. In der ZHAW-Erhebung ordnet sich knapp die Hälfte der KI-Anwender der Experimentierphase oder den allerersten Schritten zu. Nur 8,2 % haben KI vollständig in ihre Content-Prozesse integriert. 87 % der Anwender arbeiten erst seit weniger als drei Jahren mit KI, also seit dem Durchbruch generativer Systeme mit ChatGPT Ende 2022.¹ Wir sehen eine Übergangsphase, in der sich Unternehmen pragmatisch herantasten.

Für welche Aufgaben KI eingesetzt wird

Unternehmen setzen KI vor allem in zwei Bereichen ein, während die übrigen Anwendungsfelder deutlich zurückliegen:¹

• 53,9 % Content-Produktion - davon nutzen 79 % KI für das Verfassen von Textinhalten und 46,4 % für Recherche
• 53,5 % Ideenfindung
• 30,1 % Analytics
• 27,3 % Content-Strategie
• 24,2 % Distribution
• 10,9 % Verwaltung

Bemerkenswert ist dabei eine Lücke zwischen Anspruch und Praxis: 58,2 % der Unternehmen sehen den grössten Mehrwert von KI in der automatisierten Erstellung von Texten, Bildern und Videos. Bild- und videogenerierende Tools werden aber deutlich seltener eingesetzt.¹ Genutzt wird KI also vor allem dort, wo sie am zuverlässigsten funktioniert: beim Text.

Visuelle und audiovisuelle Aufgaben werden hingegen weiterhin überwiegend an menschliche Dienstleister vergeben.¹ Das hat zwei Gründe: Erstens funktionieren textgenerative Modelle technisch besser als bildgenerative. Zweitens sind die handwerklichen Anforderungen an audiovisuelle Markeninhalte ungleich höher.

Welche KI-Tools zum Einsatz kommen

Im Werkzeugkasten der DACH-Content-Teams gibt es eine klare Marktdominanz:¹

• 75,8 % ChatGPT
• 29,3 % DeepL für Übersetzungen
• 24,6 % Microsoft Copilot
• 19,9 % Canva

Bei uns sieht der Werkzeugkasten etwas anders aus:

• Claude für Recherche und Textarbeit
• Nano Banana 2 für Bilder
• Sora 2 für Videos
• Canva für die visuelle Aufbereitung

Welches Tool für welche Aufgabe am besten geeignet ist, ändert sich derzeit laufend. Die Entscheidung für einen Anbieter sollte deshalb regelmässig überprüft werden.

KI kann vieles, aber nicht alles. Sie schreibt schnell und formuliert korrekt. Nur: Ob das Geschriebene stimmt, weiss sie nicht. Und eine eigene Handschrift hat sie auch nicht. Damit fehlt ihr genau das, worauf es im Content-Marketing ankommt: einzigartige Inhalte mit echtem Mehrwert für Nutzer.

Die Sorgen darüber sind in der DACH-Wirtschaft konkret messbar. In der ZHAW-Erhebung nennen die befragten Unternehmen als grösste Herausforderungen beim KI-Einsatz:¹

• 49,1 % den Verlust der menschlichen Qualität
• 41,9 % Datenschutz- und Sicherheitsbedenken
• 37,7 % Zweifel an der Qualität KI-generierter Inhalte

In der deutschen Bitkom-Erhebung gibt mehr als die Hälfte der Unternehmen (52 %) zudem an, dass es in Marketingabteilungen häufig an den nötigen Kompetenzen fehle, um KI sinnvoll einzusetzen.² ³ Konkret prägen zwei Probleme den Umgang mit generativen Modellen:

Halluzinationen

Die KI erfindet Informationen, die es nie gegeben hat - sie halluziniert. Weiss sie etwas nicht, gibt sie das nicht zu, sondern liefert eine Antwort, die glaubwürdig klingt. Erfundene Zahlen, Zitate oder Quellen werden im selben überzeugten Ton vorgetragen wie korrekte Angaben. Genau darin liegt die Gefahr: Dem Text ist nicht anzusehen, wo er stimmt und wo nicht. Deshalb sind Zahlen, Studienverweise und Zitate die Stellen, an denen ein Faktencheck unbedingt ansetzen muss.

AI-Slop

Das zweite Problem ist qualitativer Natur. Mit der Verbreitung generativer Modelle hat sich ein neuer Begriff etabliert: AI-Slop - die Flut massenhaft generierter, austauschbarer Inhalte ohne erkennbare Handschrift, ohne eigene Recherche, ohne Markenstimme.

Dagegen hilft kein besserer Prompt, sondern nur das, was ein Modell nicht liefern kann: eigene Daten, eigene Erfahrung, eine erkennbare Position. Konkret heisst das, jeden Entwurf redaktionell zu überarbeiten, interne Zahlen und Praxisbeispiele einzubringen und Inhalte unter einem sichtbaren Namen zu veröffentlichen. Wer stattdessen auf Frequenz setzt, produziert genau die Beliebigkeit, vor der sich die befragten Unternehmen fürchten.

Dass diese Sorgen berechtigt sind, zeigen vier dokumentierte Fälle aus den vergangenen Jahren mit jeweils unterschiedlichen Learnings für Marketing-Teams.

CNET & ungeprüfter KI-Text

Das US-Techportal CNET liess ab November 2022 still mehr als 70 Finanzratgeber von einem experimentellen KI-System schreiben - suchoptimierte Affiliate-Inhalte, ausgewiesen nur durch die unauffällige Byline „CNET Money Staff".⁵ ⁶ Schon kurz darauf zeigten sich schwere inhaltliche Fehler: von grob falsch berechneten Zinsen bis zu irreführenden Aussagen über Kredite und Sparprodukte - Fehler, die gerade finanziell unerfahrene Leser treffen, die solche Erklärtexte für bare Münze nehmen.⁷

Mehr als die Hälfte der Artikel musste korrigiert werden, zudem fanden sich mutmassliche Plagiate. Die Folgen reichten weiter: Anfang 2023 entzog Wikipedia der jahrzehntelang als verlässlich geltenden Marke den Status einer „generally reliable" Quelle und stufte die Inhalte aus der beschriebenen KI-Phase als „generally unreliable" ein.⁶

Die Lehre: Ungeprüfter KI-Text scheitert genau dort, wo es zählt - bei Korrektheit und Autorität, den Kernpfeilern von E-E-A-T. Gerade bei sensiblen Geld- und Gesundheitsthemen beschädigt das die Glaubwürdigkeit einer Marke nachhaltig und untergräbt am Ende genau die Sichtbarkeit, die der Aufwand erst schaffen sollte.

Sports Illustrated & die erfundenen Autoren

Im November 2023 deckte das US-Magazin Futurism auf, dass das Traditionsmagazin Sports Illustrated Produkt-Reviews unter erfundenen Autorennamen wie „Drew Ortiz" veröffentlichte - samt KI-generierter Porträtfotos der nicht existenten Redakteure. Laut Futurism-Quellen waren auch die Texte KI-generiert; Arena Group bestreitet dies und verweist auf den Drittanbieter AdVon, dessen Autoren unter Pseudonym schrieben.⁸ Mehrere Top-Manager der Mutter Arena Group, darunter der Geschäftsführer, wurden in den Wochen darauf entlassen.⁹

Die Lehre: Fehlende Transparenz und die bewusste Täuschung der Leserschaft sind das grösste Reputationsrisiko überhaupt - grösser als jeder denkbare Effizienzgewinn. Diese Irreführung im Affiliate-Geschäft kostete eine Medienmarke Jahrzehnte aufgebauten Vertrauens.

ZacJohnson.com & die Masse-Falle

Wie schnell sich massenhaft publizierter Content rächt, zeigt der Blog ZacJohnson.com: Zwischen September 2023 und März 2024 veröffentlichte er über 60'000 Artikel (durchschnittlich mehr als 325 pro Tag) zu beliebigen, oft zusammenhanglosen Trendthemen. Statt Sichtbarkeit brachte das den Totalverlust: Im Zuge des Google-Updates vom März 2024 verschwand die Seite vollständig aus dem Index.¹⁰

Auf dem Höhepunkt hatte sie über 100'000 Besucher pro Tag aus Google gezogen; über Nacht fiel dieser Wert auf null. Johnson räumt ein, die Inhalte seien mit KI erstellt, betont aber, dass echte Menschen jeden Artikel überarbeiteten und die Seite eigene, lizenzierte Fotos nutzte - ein bewusster Spam sei es nicht gewesen.¹¹ Für Googles Systeme zählte am Ende dennoch die schiere Masse wenig differenzierter Beiträge - genau das Muster, das das März-Update ins Visier nahm.

Die Lehre: Skalierung ohne Substanz ist kein SEO-Vorteil, sondern ein existenzielles Risiko. Wer KI nutzt, um Masse statt Mehrwert zu erzeugen, wird von genau den Suchsystemen aussortiert, deren Sichtbarkeit er gewinnen will. Google hat seine Ranking- und Spam-Systeme gezielt gegen solche Masse geschärft.

Coca-Cola & der „Holidays Are Coming"-Spot

Der Getränkekonzern liess seine ikonische Weihnachtskampagne 2024 erstmals vollständig per KI generieren. Aufmerksame Zuschauer entdeckten Inkonsistenzen und technische Fehler: Lastwagenräder, die über den Boden glitten statt zu rotieren, und unnatürlich wirkende Gesichter¹² - die Online-Reaktionen reichten von „seelenlos" bis „gruselig".¹³

Trotz der Kritik hielt Coca-Cola am KI-Ansatz fest und produzierte den Folgespot 2025 aus 70'000 generierten Clips in nur rund 30 Tagen, ein Bruchteil der sonst üblichen Produktionszeit von etwa einem Jahr.¹² ¹⁴ Doch auch der zweite Anlauf überzeugte nicht restlos: Die Lkw-Räder drehten sich diesmal zwar korrekt, doch Kritiker entdeckten erneut zahlreiche Inkonsistenzen und typische KI-Fehler.¹²

Die Lehre: Effizienzgewinne können Markenwerte unterminieren, wenn sie auf Kosten von Authentizität und handwerklicher Sorgfalt gehen. Sichtbare, grobe KI-Mängel fallen sofort auf und wiegen schwerer als jede Zeit- oder Kostenersparnis. Eine Marke, die sich seit Jahrzehnten über emotionale Wärme positioniert, gefährdet ihren wichtigsten Differenzierungsfaktor, wenn KI-Inhalte nicht mit derselben Liebe zum Detail erstellt werden wie Nicht-KI-Inhalte. Wer KI zum Selbstzweck macht, riskiert genau die Marke, die er stärken will.

Es liegt nicht an der KI, es liegt an uns

Diese Fälle verbindet ein gemeinsames Muster: KI wurde als Effizienz- oder Innovationsversprechen eingesetzt, nicht als Verstärker einer durchdachten Idee. Der wirtschaftliche Schaden - ob in Vertrauen, Markenwahrnehmung oder Branchenruf - übersteigt in allen vier Fällen die eingesparten Produktionskosten deutlich.

KI ist ein mächtiges Werkzeug, und genau deshalb verlangt sie einen bewussten und verantwortungsvollen Umgang. Denn KI verstärkt, worauf man sie richtet: Auf eine dünne Idee angesetzt, skaliert sie nur die Beliebigkeit; einer starken, redaktionell verantworteten Idee verleiht sie neue gestalterische Möglichkeiten und schnellere Umsetzung.

Entscheidend ist deshalb nicht, ob ein Unternehmen KI einsetzt, sondern wie gut Strategie, menschliches Urteil und handwerkliche Sorgfalt zusammenspielen - woran sich, wie der nächste Abschnitt zeigt, auch die Sichtbarkeit im Web entscheidet.

Mit der Verbreitung generativer Antwortsysteme wie Google AI Overviews, Perplexity und ChatGPT Search verschiebt sich die Sichtbarkeitslogik des Webs. Viele Nutzer beziehen ihre Informationen inzwischen direkt aus der KI-Antwort, statt einzelne Seiten zu öffnen - und wer dort als Quelle zitiert wird, gewinnt damit unmittelbar an Glaubwürdigkeit. Massgeblich bleiben dabei die längst etablierten E-E-A-T-Kriterien (Experience, Expertise, Authoritativeness, Trust): eigene Erfahrung, fachliche Tiefe, nachweisbare Autorität und belegbare Vertrauenswürdigkeit. Generische KI-Inhalte ohne Quellenangaben, ohne Autor, ohne erkennbare Position erfüllen diese Kriterien strukturell schlechter als redaktionell verantwortete Inhalte.

Mit dem Core- und Spam-Update vom März 2024 erklärte Google die massenhafte Erzeugung wenig origineller Inhalte ausdrücklich zum Spam-Verstoss („Scaled Content Abuse") - unabhängig davon, ob Mensch oder generative KI sie produziert - und verankerte die Bewertung „hilfreicher" Inhalte noch fester im Kern-Ranking.¹⁵ Diese Linie hat Google seither in zahlreichen weiteren Core- und Spam-Updates konsequent fortgeführt.¹⁶ Die Botschaft bleibt über alle Updates hinweg dieselbe: Bestraft wird nicht der Einsatz von KI, sondern fehlende Originalität, Qualität und Vertrauenswürdigkeit. Entscheidend ist allein, ob Inhalte für Menschen hilfreich sind.¹⁷

Hinzu kommt ein Aspekt, der unter dem Stichwort Generative Engine Optimization (GEO) diskutiert wird: Damit Inhalte in KI-gestützten Suchsystemen zitiert werden, brauchen sie strukturierte Aufbereitung, klare Frage-Antwort-Logik und transparente Quellenangaben. GEO ist damit weniger eine neue Disziplin als die natürliche Erweiterung bewährter SEO-Standards, weshalb auch hier die E-E-A-T-Kriterien massgeblich dazu beitragen, von KI-Systemen als Quelle genannt oder gar zitiert zu werden. Wir vertiefen GEO in einem eigenen Beitrag. Im Kontext dieses Beitrags genügt der Befund, dass die Distributionslogik moderner Suchsysteme Qualität und Belegbarkeit weiterhin eher belohnt als Masse.

Künstliche Intelligenz macht Content-Marketing schneller, datengetriebener und in Teilen kreativer. Sie ersetzt aber weder Strategie noch Markenstimme, weder redaktionelle Verantwortung noch eigene Recherche. Wie gross die Erwartungen sind, zeigt die Studie der ZHAW: 70,4 % der befragten Unternehmen rechnen damit, dass KI in den kommenden drei bis fünf Jahren eine wichtige Rolle im Content-Marketing spielen wird.¹ Die Bitkom-Daten aus Deutschland deuten in dieselbe Richtung, mit 67 % Zustimmung zur These, dass Marketing ohne KI künftig nicht mehr erfolgreich sein werde.² Diese Erwartung ist berechtigt. Sie wird sich aber nur für jene Unternehmen erfüllen, die KI als Verstärker einer klaren Strategie verstehen, nicht als Abkürzung um sie herum.

Wer jetzt einen sauberen Workflow etabliert, KI-Kompetenz im Team aufbaut und sich rechtzeitig auf die Anforderungen des EU AI Act vorbereitet, gewinnt doppelt: an Effizienz im Tagesgeschäft und an Vertrauen bei den Zielgruppen, die Marken zunehmend nach Authentizität und Belegbarkeit beurteilen. Das ist - nüchtern betrachtet - die robusteste Investition, die ein Marketing-Team in den kommenden zwölf Monaten treffen kann.