KI-gestützte Recherche für Journalisten

Das echte Ausmaß des Problems

Wie viel ihrer Arbeitszeit Redakteurinnen und Redakteure heute mit Recherche verbringen, dazu haben wir keine aktuelle, belastbare Erhebung gefunden. Wer es für sich wissen will, führt eine Woche lang ein einfaches Protokoll: Uhrzeit, Aufgabe, Dauer. Die Mechanik dahinter ist trotzdem leicht zu sehen: Wo eine Redaktion Stellen abbaut und der Output-Anspruch bleibt, wird zuerst an der Recherche gekürzt, weil sie im fertigen Text am wenigsten auffällt.

Das erzeugt eine konkrete Praxis-Konsequenz: Oberflächliche Recherche nicht aus Faulheit, sondern aus Kapazitätszwang. Wer drei Stunden für Recherche hat, liest die ersten Treffer, die erste Hälfte des Dokuments, die zitierfähige Zusammenfassung. Tiefere Quellen, Primärquellen, Gegenpositionen, spezialisierte Datenbanken, fallen weg.

Für kleine und mittlere Redaktionen kommt ein zweites Problem hinzu: kein spezialisierter Research-Desk. Es gibt niemanden, der einfach mal fünf Experten anschreibt, während die Redakteurin schreibt. Das macht alles dieselbe Person.

Das hat eine Folge über die einzelne Geschichte hinaus: Wer für Journalismus bezahlt, bezahlt für das, was er anderswo nicht bekommt. Ein Stück, dem das entscheidende Detail von Seite 64 fehlt, ist genau das nicht.

Mit vs. ohne KI, ein ehrlicher Vergleich

Die Zeitwerte sind unsere Annahmen für den günstigen Fall, keine Messung: Eine Studie, die diese Einzelschritte in Redaktionen misst, haben wir nicht gefunden. Günstig heißt, das Dokument lässt sich gezielt befragen und die Frage ist klar. Die ROI-Rechnung weiter unten setzt deshalb für die ganze Orientierungs- und Dokumentenphase nur 40 Prozent Verkürzung an. Ob es bei dir mehr oder weniger ist, zeigt ein Rechercheprotokoll: eine Woche ohne, eine Woche mit KI, dieselben vier Aufgaben, jeweils mit Start- und Endzeit.

Ein wichtiger Caveat: KI ersetzt keine Primärquellen-Arbeit. Telefonate mit Expertinnen, Vor-Ort-Recherche, Akteneinsicht, vertrauliche Hinweisgeber, das bleibt menschliche Arbeit. KI beschleunigt die Orientierungsphase, nicht die Verifikation.

Einschätzung auf einen Blick

Zeitersparnis, hoch (4/5) Beschleunigt wird nur die Orientierungs- und Dokumentenphase. Macht sie ein bis zwei Stunden deines Recherchetags aus und verkürzt KI sie um 40 Prozent, sind das 0,4 bis 0,8 Stunden am Tag, an Tagen mit einem 80-seitigen Dokument deutlich mehr. Nicht maximal bewertet, weil Primärquellen-Arbeit (Interviews, Archivrecherche, Expertenkontakte) nicht beschleunigt wird.

Kosteneinsparung, mittel (3/5) Die Tool-Kosten sind niedrig: 20–60 Euro pro Monat. Eingespart wird dabei nichts, was in der Buchhaltung auftaucht: Der Nutzen kommt über höhere Qualität, bei Freien über zusätzliche verkaufte Stücke, sofern es die Nachfrage gibt. Schwieriger direkt zu rechnen als Übersetzung oder Transkription, wo die Kostenersparnis sofort greifbar ist.

Schnelle Umsetzung, sehr hoch (5/5) Kein Integrationsprojekt, keine IT-Abhängigkeit, keine Schulung außer der eigenen Einarbeitung. Perplexity und Claude sind sofort einsatzbereit, du kannst heute beginnen. Einfachster Einstieg in der gesamten Medienbranche-Kategorie.

ROI-Sicherheit, hoch (4/5) Die Zeitersparnis ist messbar: Recherchierst du heute drei Stunden für einen Artikel, kannst du nach zwei Wochen KI-Integration die Zeit direkt vergleichen. Das ist konkreter als Personalisierungs-ROI oder Reichweiten-KPIs. Eine Redakteurin, die dies ehrlich misst, sieht den Effekt in der ersten Woche.

Skalierbarkeit, niedrig (2/5) Das ist der entscheidende Schwachpunkt: Der Nutzen skaliert mit Personen, nicht mit der Redaktionsgröße. Eine Person mit KI recherchiert besser. Hundert Personen recherchieren hundertmal besser, aber es gibt keinen Netzwerkeffekt, kein System, das mit wachsenden Daten stärker wird. Anders als Churn-Prognose oder Content-Personalisierung, die mit mehr Daten deutlich besser werden.

Richtwerte, stark abhängig von Redaktionsgröße, Themengebiet und bisheriger Recherchepraxis.

Was KI-gestützte Recherche konkret macht

Drei unterschiedliche Einsatzweisen, die sich ergänzen:

1. Echtzeit-Webrecherche mit Syntheseleistung Perplexity durchsucht das Web nicht wie Google, es synthetisiert. Du bekommst keine Liste von Links, sondern eine strukturierte Antwort aus mehreren Quellen, mit Quellenangaben zu jeder Aussage. Das ist der entscheidende Unterschied für die Journalistenpraxis: Du siehst sofort, welche Quellen übereinstimmen und wo Widersprüche sind.

2. Dokumentenanalyse ohne vollständiges Lesen Claude und NotebookLM erlauben es, lange Dokumente gezielt zu befragen. Du lädst das 87-seitige GKV-Dokument hoch und fragst: “Was sagt das Dokument zur ambulanten Grundversorgung? Welche Zahlen nennt es? Welche Einschränkungen formuliert es selbst?” Das System liest vollständig, du liest nur die relevanten Abschnitte.

3. Gegenrecherche strukturieren Halluzination ist ein echtes Risiko, wenn KI eigenständig Fakten produziert. Aber als Gegenrecherche-Assistent ist KI stark: Du gibst deine These ein und fragst explizit: “Welche Argumente sprechen dagegen? Wer widerspricht dieser Position öffentlich?” Das erzwingt eine Perspektiverweiterung, die im Redaktionsalltag unter Zeitdruck oft entfällt.

Wichtig zu verstehen: Kein KI-System macht Primärquellen-Arbeit. Es gibt keine KI, die für dich beim Bundesministerium anruft, eine Akteneinsicht beantragt oder ein Hintergrundgespräch mit einem Experten führt. KI beschleunigt Sekundärrecherche und Dokumentenanalyse, die journalistische Kernarbeit bleibt menschlich.

Konkrete Werkzeuge, was wann passt

Perplexity ist das stärkste allgemeine Recherche-Tool für Journalistinnen. Es durchsucht das Web in Echtzeit, gibt Quellenangaben zu jeder Aussage und hat spezialisierte Such-Modi für akademische Quellen, Reddit und aktuelle Nachrichten. Ideal für schnellen Kontext, aktuelle Entwicklungen und Gegenprüfungen. Der kostenlose Plan (Suche mit Basis-Modellen, begrenzte tägliche Nutzung) reicht für gelegentliche Faktenfragen; Perplexity Pro (20 US-Dollar im Monat) für intensive Nutzung und stärkere Modelle.

Claude mit Dokumenten-Upload ist die erste Wahl für lange Texte: Gesetzentwürfe, Gutachten, Studien, Jahresberichte, Parlamentsprotokolle. Claude liest bis zu 200.000 Token vollständig, ein echter Vorteil gegenüber Tools mit kleinerem Kontextfenster. Pro-Plan: 20 Euro/Monat.

NotebookLM (Google, kostenlos) ermöglicht das gleichzeitige Befragen von bis zu 50 Dokumenten. Für investigative Recherchen mit vielen Quellen, etwa zehn Studien zu einem Thema, kombiniert mit Pressemitteilungen, ist das ein Vorteil gegenüber Einzeldokument-Tools. Komplett kostenlos.

ChatGPT mit Websuche für schnelle Überblicksrecherchen und strukturierte Zusammenfassungen. Schwäche gegenüber dem Recherche-Spezialisten oben: weniger verlässliche Quellenangaben. Stärke: starke Syntheseleistung bei klarer Fragestellung. 23 Euro/Monat für Plus.

Kombination für den Workflow: Perplexity für Erstrecherche und Echtzeitquellen → Claude für Dokumentenanalyse → NotebookLM für Mehrdokumenten-Projekte.

Datenschutz und Datenhaltung

Für die meisten journalistischen Recherchen ist Datenschutz kein Problem: Öffentliche Dokumente, Pressemitteilungen, frei zugängliche Studien können problemlos in Cloud-KI hochgeladen werden.

Kritisch wird es bei vertraulichen Quellen und sensiblen Dokumenten: Interne Unternehmensunterlagen, unveröffentlichte Dokumente von Whistleblowern, Dokumente mit personenbezogenen Daten Dritter. Diese gehören nicht in externe KI-Systeme. Das Medienprivileg (Art. 85 DSGVO mit den Landespressegesetzen) nimmt journalistische Arbeit zwar von großen Teilen der DSGVO aus, nicht aber von der Pflicht zur Datensicherheit, und am Quellenschutz ändert es gar nichts: Was auf den Servern eines Anbieters liegt, hast du nicht mehr allein in der Hand.

Für solche Fälle: lokale LLM-Lösung (z.B. Ollama mit Llama-3-Modell auf dem eigenen Rechner) oder vollständiger Verzicht auf KI bei hochsensiblem Material.

NotebookLM verarbeitet Daten auf Google-Infrastruktur. Claude und ChatGPT verarbeiten auf US-amerikanischen Servern. Perplexity ebenso. Für Standard-Recherchearbeit mit öffentlich zugänglichen Materialien ist das in der Praxis unproblematisch.

Was es kostet, realistisch gerechnet

Kostenloser Einstieg (heute möglich):

• Perplexity kostenlos: Suche mit Basis-Modellen für begrenzte tägliche Nutzung, für gelegentliche Faktenfragen ausreichend
• NotebookLM : vollständig kostenlos
• Zeitaufwand Einarbeitung: 2–3 Stunden für den Einstieg
• Tool-Kosten: 0 Euro

Professioneller Workflow:

• Perplexity Pro: 20 US-Dollar im Monat
• Claude Pro: 20 Euro/Monat
• Gesamt: rund 40 Euro im Monat, je nach Dollarkurs

ROI-Rechnung: Eine Redakteurin recherchiert täglich drei Stunden. Davon lässt sich nur die Orientierungs- und Dokumentenphase beschleunigen, Telefonate, Termine und Verifikation nicht. Nimm an, diese Phase ist die Hälfte, also 1,5 Stunden, und KI verkürzt sie um 40 Prozent: 0,6 Stunden am Tag, bei 220 Arbeitstagen 132 Stunden im Jahr. Beide Annahmen sind unsere, keine Messung. Dein Rechercheprotokoll aus einer Woche ersetzt sie.

Ob aus den Stunden Geld wird, hängt am Arbeitsverhältnis. Als angestellte Redakteurin bekommst du dasselbe Gehalt, die Stunden fließen in gründlichere Recherche, das ist der eigentliche Nutzen dieser Seite, aber kein Betrag, der in einer Kasse ankommt. Als freie Journalistin wird Zeit erst Geld, wenn du sie verkaufst, also zusätzliche Stücke schreibst und eine Redaktion sie abnimmt. Die Rechnung ist dann einfach: Die Tool-Kosten von 12 mal 40 Euro, rund 480 Euro im Jahr, sind gedeckt, sobald die gewonnene Zeit zusätzliche Honorare in dieser Höhe bringt. Wer keine zusätzlichen Aufträge bekommt, zahlt 480 Euro für bessere Recherche, und das kann die Sache trotzdem wert sein.

Vier typische Einstiegsfehler

Fehler 1: ChatGPT ohne Webzugang für Faktenrecherche nutzen ChatGPT ohne Internetanbindung arbeitet aus seinem Trainings-Wissen, das hat ein Ablaufdatum. Für Themen aus den letzten 12–18 Monaten bekommst du veraltete oder schlicht erfundene Informationen, die wie aktuell klingende Fakten aussehen. Für journalistische Recherche immer Perplexity, Claude mit Dokumenten-Upload oder ChatGPT mit aktivierter Websuche nutzen.

Fehler 2: KI-Quellenangaben ohne Prüfung übernehmen Perplexity ist verlässlicher als ChatGPT, aber auch hier gilt: Jede Quellenangabe muss überprüft werden. Die Quelle kann existieren, aber das Zitat kann falsch oder aus dem Kontext gerissen sein. Der Workflow ist: KI-Antwort als Orientierung, dann direkt in die genannte Quelle, nicht die KI-Zusammenfassung als Endprodukt.

Fehler 3: Kein fester Recherche-Workflow entwickeln Wer KI-Tools sporadisch nutzt, “wenn’s passt”, profitiert kaum. Der echte Effekt entsteht, wenn KI in jeden Artikel-Prozess integriert ist: Vor dem Schreiben immer Kontext-Check mit Perplexity, bei langen Dokumenten immer Upload in Claude, bei Thesen immer explizite Gegenrecherche-Anfrage. Das klingt rigide, ist aber notwendig, um die Tool-Nutzung zu automatisieren und den tatsächlichen Zeitvorteil zu realisieren.

Fehler 4: Recherche-Entscheidungen nicht dokumentieren, und bei Personalwechsel die KI-Nutzung neu erfinden Welche Prompts liefern für welche Themengebiete zuverlässige Ergebnisse? Welche Quellen werden grundsätzlich ausgeschlossen? Welche Fakten müssen immer manuell gegengeprüft werden? Ohne ein gepflegtes Recherche-Playbook, auch ein einfaches internes Dokument reicht, verliert die Redaktion dieses Wissen bei jedem Personalwechsel. Neue Kollegen entwickeln dann ihre eigene KI-Nutzung, oft weniger effizient als das, was schon funktioniert hat.

Was mit der Einführung wirklich passiert

In den ersten Wochen kostet KI-Recherche mehr Zeit, nicht weniger. Du lernst die Tools, entwickelst Prompts, gewöhnst dir neue Workflows an. Das ist normal und kein Zeichen, dass es nicht funktioniert.

Der Knackpunkt, den viele nicht antizipieren: Kritisches Misstrauen gegenüber KI-Outputs fühlt sich ineffizient an, und verleitet dazu, Prüfschritte zu überspringen. Die Abkürzung “ich überprüfe die Quelle schon später” wird zur Gewohnheit. Das Ergebnis sind Artikel mit fehlerhaften Details, die ein KI-Tool erfunden hat, das du nicht kritisch genug befragt hast.

Zwei Maßnahmen helfen dagegen: Erstens ein explizites Gegencheck-Protokoll (jede KI-Behauptung, die in den Artikel geht, bekommt eine Quelle außerhalb der KI). Zweitens das Framing von KI als “schneller erster Entwurf, immer zu verifizierende Hypothese”, nicht als verlässliche Faktenbasis.

Wenn es gut läuft, merkt man es nach einigen Monaten auch in der Konferenz: Wer breiter recherchiert, bringt mehr Perspektiven auf ein Thema mit, und das verändert die Diskussion und damit die Artikel. Ob es so kommt, hängt weniger am Tool als an der Disziplin beim Gegencheck.

Realistischer Zeitplan mit Risikohinweisen

Häufige Einwände, und was dahintersteckt

„KI erfindet Quellen, das ist für Journalisten inakzeptabel.” Das ist eine berechtigte Sorge, aber sie trifft vor allem ChatGPT ohne Webzugang. Perplexity und Claude mit Dokumenten-Upload arbeiten auf realen Quellen und erfinden deutlich seltener. Die Regel ist trotzdem absolut: Keine KI-Quellenangabe geht ungeprüft in einen Artikel. Wie bei jeder anderen Quelle auch. Das ist kein KI-spezifisches Problem, es ist gutes journalistisches Handwerk, das bei KI besonders wichtig ist.

„Das ist doch einfach eine bessere Google-Suche.” Nein. Google gibt Links. Perplexity synthetisiert mehrere Quellen zu einer Antwort mit Quellenangaben. Claude analysiert ein 100-seitiges PDF und sagt dir, was auf Seite 47 zu deiner Frage steht. Das ist strukturell anders, und im Redaktionsalltag mehrere Stunden pro Woche wert.

„Unsere Redaktion ist klein und hat keine Zeit für Einarbeitung.” Perplexity brauchst du 20 Minuten, um es produktiv zu nutzen. NotebookLM ist intuitiv genug, dass du ohne Anleitung startest. Die Hürde ist nicht die Einarbeitung, die Hürde ist die Entscheidung, es auszuprobieren. Start mit einer Person, die es zwei Wochen testet und dann der Redaktion berichtet.

Woran du merkst, dass das zu dir passt

Du recherchierst täglich und Recherche macht einen erheblichen Teil deiner Arbeitszeit aus, mindestens eine Stunde pro Tag. Du arbeitest mit langen Dokumenten wie Gutachten, Gesetzentwürfen oder Studien. Du hast das Gefühl, bei manchen Artikeln zu flach recherchiert zu haben, weil die Zeit fehlte.

Diese Lösung passt nicht zu dir, wenn:

• Du überwiegend Primärquellen-Journalismus machst (vor-Ort-Berichterstattung, Interviews, verdeckte Recherche), dort hilft KI kaum
• Deine Redaktion ausschließlich mit hochvertraulichen Quellen arbeitet, die nicht in Cloud-Systeme dürfen
• Du ein Themengebiet hast, das so spezialisiert ist, dass KI-Modelle keine sinnvolle Orientierung liefern (hochspezialisierte Wissenschaftsjournalistik, sehr spezifische Lokalpolitik ohne öffentliche Quellen)

Das kannst du heute noch tun

Öffne Perplexity und stelle ihm die Frage, die du in deiner letzten Recherche am meisten Zeit gekostet hat. Beobachte, ob das Ergebnis als Orientierungspunkt hilfreich ist. Das dauert fünf Minuten.

Quellen & Methodik

• Reuters Institute Digital News Report: Jährliche Erhebung zum digitalen Nachrichtenkonsum in Deutschland und international, reutersinstitute.politics.ox.ac.uk.
• Tool-Preise: Unsere Toolseiten zu Perplexity, Claude und ChatGPT, Stand September 2026.
• Zeitwerte der Vergleichstabelle und der ROI-Rechnung: Keine Quelle, sondern unsere Annahmen für den günstigen Fall. Die ROI-Rechnung setzt deshalb nur die Orientierungs- und Dokumentenphase an und nennt ihre Annahmen, das einwöchige Rechercheprotokoll ersetzt sie durch deine eigenen Werte.