Im März 2023 sperrte die italienische Datenschutzbehörde ChatGPT landesweit. Für Forscher der National University of Singapore war das ein seltenes Geschenk: ein natürliches Experiment über den Einfluss von KI auf Content-Qualität.
Liu, Wang und Yang analysierten Mailänder Restaurantbetreiber und deren Instagram-Posts vor, während und nach der Sperre. Ihr Befund: Während des Verbots wurde der Content messbar unterschiedlicher. 15 Prozent weniger lexikalische Ähnlichkeit zwischen den Beiträgen verschiedener Restaurants. 12 Prozent weniger syntaktische Ähnlichkeit. Die Likes stiegen um 3,5 Prozent, obwohl seltener und kürzer gepostet wurde. Als ChatGPT zurückkam, kehrte die Konvergenz zurück.
Das ist kein Meinungsartikel. Das ist ein Kausalnachweis aus einem Arbeitspapier, das derzeit die Runde in der Forschungscommunity macht: KI-generierter Content gleicht sich an. Und weniger Ähnlichkeit erzeugt mehr Engagement.
Der Maßstab: 74 Prozent des neuen Webs
Das Mailand-Experiment beschreibt kein Rand-Phänomen. Ahrefs hat im Mai 2025 rund 900.000 neu erstellte Webseiten analysiert. Ergebnis: 74,2 Prozent enthalten messbaren KI-generierten Content. Nur 2,5 Prozent davon ist “pure AI” ohne menschliche Nachbearbeitung. Der Rest, also 71,7 Prozent, ist human+AI-Mix.
87 Prozent der Content-Marketer nutzen KI für die Erstellung oder Unterstützung von Inhalten.
Das bedeutet: Wenn du mit KI einen Redaktionsplan baust, konkurrierst du nicht mit dem Handwerk einzelner Autoren. Du konkurrierst mit einer Infrastruktur, die auf denselben Trainingsdaten basiert wie deine.
Semrush hat es direkt benannt: “Many sites are in a sea of sameness.” Market Brew, eine SEO-Agentur, formuliert es schärfer: “The era of AI sameness is already here.”
Was das architektonisch bedeutet
Das Problem ist nicht, wie du die KI nutzt. Es liegt in dem, was KI technisch produziert.
Sprachmodelle erzeugen statistisch wahrscheinliche Antworten aus gemeinsamen Trainingsdaten. Wenn du nach einem Redaktionsplan für B2B-SaaS-Marketing fragst, bekommst du den Mittelpunkt aller Strategien, die das Modell je gesehen hat. Deine Konkurrentin bekommt denselben Mittelpunkt. Google erkennt das durch Embedding-Analysen: Seiten, die identische Ideen mit kleinen Formulierungsvariationen ausdrücken, werden algorithmisch als austauschbar behandelt.
Jasper, einer der führenden Content-KI-Anbieter, hat das implizit eingestanden. Der Jasper Content Calendar AI Agent verspricht, “a complete editorial calendar across social media, blogs, videos, podcasts, and case studies” auf Knopfdruck zu generieren. Was das Tool als Feature verkauft, ist mechanistisch betrachtet eine Konvergenzmaschine: Je mehr Marketer dasselbe Tool mit denselben Prompts nutzen, desto ähnlicher werden die Ergebnisse.
Die Rechnung, die HubSpot bezahlt hat
Das ist nicht theoretisch. HubSpot hat es gelernt.
Das Unternehmen hatte jahrelang massiven Content-Output auf informationelle Queries optimiert: “Was ist X”, “Wie funktioniert Y”, Anleitungen, Ratgeber. Alles SEO-konform, alles skalierbar, alles mit KI-Unterstützung produziert. Als Google AI Overviews ausrollte, brach der Blog-Traffic um 75 Prozent ein: von 24,4 Millionen auf 6,1 Millionen organische Besuche, zwischen März 2023 und Januar 2025, laut SEMrush-Daten. Der Grund: AI Overviews übernehmen genau die informationellen Queries, auf die HubSpot seine Skalierung gebaut hatte.
Die Strategie war nicht falsch. Sie war zu gewöhnlich.
Beim Google Core Update im März 2024 wurden 837 Websites vollständig deindiziert. Diese Sites hatten zusammen 20,7 Millionen organische Besucher pro Monat. 100 Prozent der betroffenen Sites zeigten nachweislich KI-generierte Inhalte. Google kommunizierte das Ziel, unbrauchbare Inhalte um 40 Prozent zu reduzieren, und übertraf es mit 45 Prozent.
Das ist nicht Google gegen KI. Das ist Google gegen Gleichförmigkeit.
Wo KI in der Content-Planung echten Wert erzeugt
Damit das keine Fundamentalkritik an KI wird: Es gibt Teile der Content-Planung, bei denen KI strukturell überlegen ist.
Zielgruppen-Fragen extrahieren. Du beschreibst deine Zielgruppe und ihr Themenfeld, das Modell generiert Fragen, die diese Gruppe stellt. Prompt-Beispiel: “Du berätst Content-Manager im B2B-SaaS-Bereich. Welche konkreten Fragen stellen sie sich beim Planen ihrer Content-Strategie für das nächste Quartal?” Das Ergebnis enthält Fragen, die du selbst nicht als relevant eingestuft hättest. Dann prüfst du: Welche davon kann dein Unternehmen mit einer Position beantworten, die andere nicht haben?
Redaktionsstruktur aufbauen. Du definierst Themencluster und saisonale Anker, die KI schlägt die Verteilung vor. Der Plan wird einen soliden Rahmen liefern. Er wird nicht wissen, dass dein Team im August Urlaub macht, dass ihr einen Product-Launch vorbereitet, oder dass ihr “How-To-Artikel” bewusst meidet, weil ihr dort keine Differenzierung habt.
Keyword-Cluster strukturieren. Für ein übergeordnetes Thema identifiziert KI relevante Unteraspekte schnell. Ob diese Themen in deinem Markt gesucht werden, sagen dir Ahrefs oder Google Search Console. KI hat keine aktuellen Suchvolumendaten.
Das ist echter Wert. Planungsarbeit, die früher einen halben Tag dauerte, geht jetzt in einer Stunde.
Das reicht aber nicht mehr.
Der einzige Ausweg
In deinen Strategie-Prompt gehört, was kein Modell selbst erzeugen kann:
Deine Positionierung in einem Satz: Was macht euren Ansatz konkret anders als den der drei nächstgelegenen Wettbewerber? Eure bewussten Auslassungen: welche Themen ihr nicht bespielt und warum. Ein konkretes Beispiel aus einem vergangenen Beitrag, der gut performt hat, mit dem Grund, warum er funktioniert hat. Was euer Gründer nie sagen würde.
Je mehr davon im Prompt steht, desto weniger generisch der Output. Aber das setzt voraus, dass du diesen Kontext überhaupt kennst. Das ist Strategiearbeit. Kein Prompt-Engineering.
Die Redaktionspläne, die aus der Masse heraustreten, bauen auf Aussagen, die nicht alle teilen: “Warum Weekly-Newsletter die meisten Leser verlieren.” “Content-Marketing ohne SEO-Obsession.” “Drei Annahmen über B2B-Content, die ich bereue.” Diese Positionen entstehen nicht aus Prompts. Sie entstehen aus echten Überzeugungen, aus der Bereitschaft, eine Zielgruppe zu polarisieren, um die richtige Zielgruppe zu binden.
Die Konsequenz, die kaum jemand erwartet
Gartner hat 2024 eine Vorhersage veröffentlicht, die zunächst paradox klingt: Bis 2027 werden 20 Prozent der Marken die Abwesenheit von KI in ihren Produkten und ihrer Kommunikation aktiv als Differenzierungsmerkmal positionieren.
Das ist die Zuspitzung des Mailand-Experiments. Wenn genug Marketer dieselben Tools mit denselben Prompts nutzen, wird die Abweichung zum Vorteil. Nicht weil KI schlecht ist, sondern weil Gleichförmigkeit messbar schlechter performt als Eigenständigkeit.
Dein KI-Redaktionsplan kann gut sein. Er kann sogar sehr gut sein. Aber er beginnt erst dort zu differenzieren, wo du einbringst, was kein Modell aus deinen Prompts ableiten kann: eine Überzeugung, die Reibung riskiert.
Konkrete Workflows für KI in der Content-Produktion und SEO-Optimierung mit KI zeigen, wie Teams diese Trennung in der Praxis umsetzen.
Wer nur das Tool hat, plant schneller in die Gleichschaltung. Wer weiß, was seine Marke von allen anderen unterscheidet, und das aktiv einbringt, gewinnt doppelt: Geschwindigkeit durch KI, Unverwechselbarkeit durch den Menschen dahinter. Italiens Restaurants haben das unfreiwillig bewiesen.
Wenn du regelmäßig praxisnahe Impulse für deinen Content-Workflow willst, ohne KI-Hype, liefert der KI-Syndikat Newsletter genau das.