Der Content-Bedarf steigt massiv. Gleichzeitig haben Marketing-Teams begrenzte Ressourcen. GenAI wird zwar überall eingesetzt, aber die Ergebnisse sind enttäuschend. Der Text-Output ist inkonsistent, den KI-Texten fehlt die Relevanz und eine echte Integration in bestehende Prozesse der Texterstellung existiert selten.
AI kann heute in Sekunden Texte schreiben. Warum brauchen wir trotzdem Stunden pro Content Piece? Weil der typische Workflow aktuell so aussieht:
1. LLM-Prompt schreiben
2. Output prüfen
3. Text korrigieren und formatieren
4. Text ins jeweilige System kopieren
Jeder dieser Schritte kostet Zeit und produziert darüber hinaus oft «AI Content Slop». AI Slop beschreibt minderwertige oder zu generische Texte, die mit Hilfe künstlicher Intelligenz erstellt wurden. Sie zeichnen sich häufig durch repetitive Strukturen, inhaltsleere Floskeln, Buzzwords ohne Substanz, zusammenfassende Textmuster mit Standardphrasen wie «Darüber hinaus» und übermässigem Einsatz von Gedankenstrichen aus.
Qualitativ hochwertiger AI Content sieht anders aus. Er hat Struktur-Variationen in Absatz- und Satzlängen, ist kreativ und fachlich konkret, nutzt aktivierende Textformen und hat eine klare, zielgerichtete Ansprache mit Haltung.
Automation Framework in 3 Schritten
Um das zu erreichen, haben wir von Advance Metrics ein Automation Framework entwickelt, das auf drei Schritten basiert. Unser Ziel war es, ein skalierbares Produktionssystem inklusive integrierter Qualitätskontrolle für qualitativ hochwertigen Content zu schaffen.
| Schritt 1: Strukturiertes Template | Wir brauchen ein vollständiges Template mit allen Bausteinen und Kapiteln des gewünschten Marketing-Texts. |
| Schritt 2: KI im mehrstufigen Flow einsetzen | Statt «Master Prompt Engineering» wird die Aufgabe in viele, einfache Einzelschritte unterteilt und es werden ausreichend viele Input-Informationen mitgegeben, um es den KI-Modellen so einfach wie möglich zu machen. |
| Schritt 3: Strikte Kontrolle zur Qualitätssicherung | Jeder KI-Output bzw. jeder KI-Schritt benötigt innerhalb der Automation eine Überprüfung, um sicherzustellen, dass die Anforderung an den jeweiligen Inhalt eingehalten wurde. |
Ob für Anzeigentexte, Organic Posts, Blog-Artikel oder Webseiten-Inhalte, unser Framework lässt sich für verschiedene Textsorten im Marketing anwenden.
Schritt 1: Strukturiertes Template für skalierbare Marketing-Texte erstellen
Bevor die KI auch nur einen Satz schreibt, braucht es ein durchdachtes Template. Dieses Template ist der Startpunkt jeder Automatisierung und definiert exakt, wie der fertige Marketing-Text aussehen soll. Dieses Template ist nicht nur die Vorlage für KI generierte Inhalte, sondern dient auch als Anforderungskatalog für die Qualitätskontrolle und ist somit eine wichtige Säule in der Qualitätssicherung.
Ein KI- und UX-optimiertes Template folgt einer klaren Hierarchie. Am Beispiel eines Blog-Artikels bedeutet das: Zuoberst steht eine Zusammenfassung (Executive Summary), die den gesamten Artikel auf den Punkt bringt. Darunter folgen die Unterpunkte oder Kapitel, zum Beispiel Thema 1, Thema 2, Thema 3 oder Service 1, Service 2, Service 3. Jeder dieser Unterpunkte enthält wiederum klar definierte Inhalte: Use Cases, Vorteile, Beispiele oder andere relevante Elemente.
Das Entscheidende daran ist, die Unterpunkte so zu strukturieren, dass sie später per KI dynamisch erstellt werden können. Dasselbe gilt für die Inhalte pro Unterpunkt. Und die Zusammenfassungen werden so eingebaut, dass diese basierend auf den anderen Inhalten automatisch generiert werden können, nicht umgekehrt.
In der Praxis heisst das: Das Template wird manuell erstellt und ist sowohl für die KI-Verarbeitung als auch für die Nutzerfreundlichkeit (UX) optimiert. Im Automatisierungstool wird dieses Template dann zum Ausgangspunkt des gesamten Workflows.
Schritt 2: KI im mehrstufigen Flow einsetzen
Im folgenden Schritt unterteilen wir die Texterstellung in viele kleine Einzelschritte. Und das ist wohl der grösste Unterschied zur bisherigen Nutzung von GenAI Automation. Statt eines einzelnen «Master Prompts», der dem LLM befiehlt alles auf einmal zu erledigen, unterteilen wir die Aufgaben in Einzelschritte und geben jedem Schritt ausreichend viele Input-Informationen mit. Das macht es den KI-Modellen so einfach wie möglich, die gewünschten Inhalte zu erstellen.
Die Regel ist simpel: Ein Thema entspricht einem KI-Schritt. Jeder Inhaltspunkt bekommt seinen eigenen KI-Aufruf, sei es das Erstellen der Unterpunkte, das Generieren einzelner Inhalte wie Use Cases, Vorteile oder Beispiele, oder das Schreiben der Zusammenfassung.
Was braucht jeder einzelne KI-Schritt als Input? Zwei Dinge: einen Prompt und Daten. Beim Prompt geht es nicht nur um die Aufgabenstellung, sondern auch um den Kontext. Das umfasst Informationen zum Unternehmen, zu Produkten und Services, zur Zielgruppe, zu Zielsetzung und Keywords, zu CI/CD, Tonalität und Kommunikationsstil. Dazu kommen bereits bestehende Texte. Diese können von der Webseite, aus Anzeigen oder anderen Quellen stammen und dienen als Referenz für Stil und Inhalt.
Auf der Ergebnis-Seite definieren wir die Textsorte (SEO-Texte, Anzeigentexte, Newsletter-Texte, Produkttexte, Social Posts) und die Text-Anforderungen in Bezug auf Format, Länge und Struktur.
Ein klarer Vorteil des mehrstufigen Ansatzes: Unterschiedliche KI-Modelle können für die jeweilige Inhaltserstellung getestet werden. Nicht jedes Modell ist für jede Aufgabe gleich gut geeignet. Manche glänzen bei kreativen Texten, andere bei strukturierten Zusammenfassungen. Durch die Aufteilung in Einzelschritte kann für jeden Schritt das optimale Modell gewählt werden.
In unserem Automation Framework sieht das in der Praxis so aus: Das strukturierte Template speist mehrere parallele KI-Schritte, die jeweils ihren eigenen Prompt und ihre eigenen Daten erhalten. Die Outputs fliessen dann zusammen in den finalen Marketing-Text.
Schritt 3: Strikte Kontrolle bei jedem Schritt
Qualität entsteht nicht durch Hoffnung, sondern durch systematische Kontrolle. Deshalb wird in unserem Framework jeder einzelne KI-Output überprüft, bevor er weiterverarbeitet wird. Diese Prüfung kann auf zwei unterschiedliche Weisen stattfinden:
Entweder wird jeder KI-Output mithilfe von Code auf die Basics überprüft. Das heisst: Stimmt das Format? Ist die Länge korrekt? Sind die geforderten Strukturen vorhanden?
KI-Tools können dabei helfen, diesen Validierungscode zu erstellen.
Je nach Inhalt kann der KI-Output aber auch mit einem Tool überprüft werden. Hier geht es darum, ob die Inputs wie gewünscht berücksichtigt wurden: Wurde die Tonalität eingehalten? Stimmt der fachliche Inhalt? Wurden die Keywords integriert? Auch bei dieser Evaluierung lohnt es sich, verschiedene KI-Tools zu testen.
Diese strikte Kontrolle stellt sicher, dass jeder einzelne Baustein des finalen Texts den definierten Anforderungen entspricht. Erst wenn ein Output den jeweiligen Check besteht, wird er in den Gesamttext übernommen.
Fazit
Da die generierten Inhalte mit dem erstellten Template bereits in der richtigen Form vorliegen, können sie direkt auf die gewünschte Plattform hochgeladen werden. Hier können Content Pieces per API vollautomatisch, ohne manuelles Kopieren und Formatieren direkt eingesetzt werden, ob CMS, Newsletter-Tool oder Social-Media-Kanal.
Der gesamte Prozess, vom Template über die mehrstufige KI-Generierung mit Qualitätskontrolle bis zum Upload, läuft somit in einem einzigen Automatisierungs-Workflow. Was früher Stunden pro Content Piece gedauert hat, wird zu einem reproduzierbaren, skalierbaren System, das konsistent hochwertige Marketing-Texte produziert. So kann ein skalierbares Produktionssystem inklusive integrierter Qualitätskontrolle für qualitativ hochwertigen Content geschaffen werden.
Trotz der hier vereinfachten Erläuterung unseres Automations Ansatzes darf die Komplexität im Aufbau einer solchen Automation nicht unterschätzt werden. Die Konzeption, der Aufbau und die Wartung solcher Automationen erfordern Spezialisten, die sowohl die Automatisierungstools als auch die KI-Modelle sicher bedienen können. Ohne dieses Know-how bleibt das Framework ein theoretisches Konzept.
Zudem ist es wichtig zu verstehen, dass sich Automationen natürlich nur für Textsorten und Aufgaben eignen, die tatsächlich repetitiv und skalierbar sind: Produkttexte für einen grossen Katalog, Anzeigentexte in verschiedenen Varianten, wiederkehrende Newsletter-Formate oder standardisierte Social Media Posts. Wer hingegen jeden Blog-Beitrag individuell und kreativ gestalten und unterschiedlichen Formen folgen möchte, kommt mit einer Automation, die einem standardisierten Template folgt, nicht besonders weit.
Die Stärke des Automation Frameworks liegt also nicht darin, Kreativität zu ersetzen, sondern darin, wiederkehrende Content-Produktion auf ein neues Qualitäts- und Effizienzniveau zu heben.
