KI-gestützte Podcast-Produktion und Vermarktung

Das echte Ausmaß des Problems

Die Aufnahme ist der einfachste Teil der Podcast-Produktion. Was danach kommt, kostet mehr Zeit, als die meisten Podcasterinnen und Podcaster einkalkulieren.

Eine realistische Aufschlüsselung der Post-Produktionszeit für eine einstündige Episode:

• Transkription (manuell oder mit Korrekturen): 1,5–2,5 Stunden
• Shownotes mit Zeitstempeln und Kapitelmarken: 45–90 Minuten
• Episodenbeschreibung für Plattformen (SEO-optimiert): 20–30 Minuten
• Social-Media-Posts (3–5 Plattformen): 30–60 Minuten
• Newsletter-Abschnitt oder Blogartikel: 30–60 Minuten

In der Summe: 3,5 bis 5,5 Stunden Post-Produktion für eine 60-Minuten-Episode. Wer zweimal pro Woche veröffentlicht, verbringt pro Woche mehr Zeit mit Post-Produktion als mit dem eigentlichen Gespräch.

Das Ergebnis: Laut einer 2024 durchgeführten Umfrage des deutschen Podcast-Hosters Podigee unter 384 aktiven Podcast-Produzierenden nutzt bereits die Hälfte (50,4 Prozent) KI-Tools in der Produktion — und fast 74 Prozent setzen KI für das Erstellen von Titeln, Beschreibungen oder Shownotes ein. Der häufigste Wunsch der Community: Automatische Transkription mit Kapitelmarken (68,9 Prozent) und automatische Spracherkennung. Der zweitgrößte Schmerzpunkt nach Qualitätsfragen: die schiere Zeit, die Shownotes und Social-Media-Content verschlingen.

Wer die Post-Produktion weglässt, verliert konkret:

• Auffindbarkeit: Plattformen wie Spotify und Apple Podcasts ranken Episoden mit vollständigen Beschreibungen und Transkripten besser. Laut Daten des Podcast-Hosting-Anbieters Buzzsprout (2024) gewinnen Episoden mit Transkript im Schnitt 12–28 Prozent mehr organischen Traffic.
• Social-Reichweite: Eine Episode ohne Social-Posts erreicht nur die bestehenden Abonnentinnen und Abonnenten. Mit 3–5 Posts zu verschiedenen Themen der Episode entstehen bis zu einer Woche lang neue Einstiegspunkte für Nicht-Hörer.
• Wiederverwendbarkeit: Ohne Transkript bleibt der Inhalt einer Episode dauerhaft in der Audiodatei eingeschlossen — nicht durchsuchbar, nicht verlinkbar, nicht für andere Formate verwendbar.

Mit vs. ohne KI — ein ehrlicher Vergleich

Die Zeitersparnis tritt sofort ein — ab der ersten Episode. Der Qualitätsunterschied zu manuell erstellten Shownotes ist in der Regel gering, solange das Fachvokabular nicht zu speziell ist. Mehr dazu im Abschnitt zu Grenzen und Fehlerquellen.

Einschätzung auf einen Blick

Zeitersparnis — sehr hoch (5/5) Post-Produktion fällt von 3,5 bis 5,5 Stunden auf 45 bis 75 Minuten je Episode — das ist der stärkste Zeitgewinn unter allen Medien-Anwendungsfällen. Anders als bei KI-Übersetzung oder Archivierung, wo die Ersparnis über Wochen anfällt, spürst du diesen Effekt bei der ersten Folge. Für Podcaster, die wöchentlich produzieren, entspricht das einem halben Arbeitstag pro Woche.

Kosteneinsparung — mittel (3/5) Die Toolkosten (ab ca. 21 USD/Monat für Castmagic, kostenlos mit Whisper lokal) sind überschaubar. Die echte Einsparung ist der eingesparte Freelancer-Aufwand für Shownotes (in Deutschland typischerweise 50–150 Euro pro Episode). Wer diesen Posten aktuell auslagert, amortisiert das Tool-Budget in wenigen Episoden. Wer alles selbst macht, spart Arbeitszeit — aber die Toolkosten laufen trotzdem. Keine Kategorie-5-Einsparung, weil Tool-Abo und eventuell niedrigerer Freelancer-Aufwand gegeneinander stehen.

Schnelle Umsetzung — sehr hoch (5/5) Mit ChatGPT und einem rohen Transkript als Eingabe kannst du heute noch Shownotes generieren — ohne Setup, ohne Integration, ohne Lernkurve. Riverside und Descript sind nach einem Tag Einarbeitung einsatzbereit. Nur der Schritt zu einer vollständig automatisierten Pipeline (Audiodatei rein, alle Formate raus) braucht 1–2 Wochen. Damit ist diese Anwendung die am schnellsten startbare im Medienbereich.

ROI-Sicherheit — hoch (4/5) Die Zeitersparnis ist unmittelbar messbar: Stoppuhr vor und nach dem ersten KI-unterstützten Durchgang, und du hast deinen konkreten Wert. Die zusätzliche Reichweite durch mehr Social-Posts ist echter, aber indirekter Effekt — schwerer einem bestimmten Post zuzuordnen. Daher kein 5er: Der ROI ist zu 70 Prozent direkt messbar (Zeit), zu 30 Prozent indirekt (Reichweite).

Skalierbarkeit — sehr hoch (5/5) Hier unterscheidet sich Podcast-Post-Produktion fundamental von vielen anderen KI-Anwendungen: Eine einmal eingerichtete Pipeline braucht für die zehnte Episode genauso viel Aufwand wie für die erste. Wer von einer auf fünf Episoden pro Woche wächst, muss den Prozess nicht anpassen — nur mehr Episoden durchlaufen lassen. Das gilt für Einzelpodcaster genauso wie für Medienhäuser mit zwanzig Shows.

Richtwerte — stark abhängig von Episodenvolumen, Fachgebiet und ob Freelancer-Kosten bisher angefallen sind.

Was die KI-Postproduktion konkret macht

Der typische Workflow läuft in drei Phasen:

Phase 1 — Transkription Eine Audiodatei wird automatisch in Text umgewandelt. Moderne Transkriptions-KI (auf Basis von Whisper oder vergleichbaren Modellen) schafft das in etwa einem Zehntel der Spieldauer — eine 60-Minuten-Episode in 6–8 Minuten. Das Transkript enthält Zeitstempel pro Satz und, bei guter Aufnahmequalität, Sprecherzuordnung (wer hat was gesagt).

Phase 2 — Inhaltsextraktion Auf Basis des Transkripts extrahiert ein LLM — also ein Sprachmodell wie GPT-4 oder Claude — die wichtigsten Themen, Kernaussagen, bemerkenswerte Zitate und Handlungsempfehlungen. Das Modell kennt den vollständigen Text der Episode und kann daraus strukturierte Ausgaben erzeugen: eine Gliederung für Shownotes, fünf LinkedIn-Post-Entwürfe mit unterschiedlicher Perspektive, ein Tweet mit dem stärksten Zitat, eine Kurzzusammenfassung für den Newsletter.

Phase 3 — Formatierung und Ausgabe Die extrahierten Inhalte werden in die jeweiligen Zielformate gebracht: Shownotes als Markdown mit Kapitelmarken und Zeitstempeln, Social-Media-Posts auf die jeweiligen Zeichenbeschränkungen zugeschnitten, eine SEO-optimierte Episodenbeschreibung mit relevanten Keywords.

Was die KI dabei nicht entscheidet: Welche Aussagen wirklich die stärksten sind. Das ist ein Urteil, das redaktionelle Erfahrung braucht. KI wählt nach statistischer Relevanz — nach dem, was im Transkript am häufigsten angesprochen und sprachlich hervorgehoben wurde. Ob das auch das Interessanteste für deine Zielgruppe ist, weißt du besser.

Was KI noch nicht kann: Warum das Editing-Urteil beim Menschen bleibt

Dieser Abschnitt existiert, weil er der ehrlichste Teil der Seite ist.

Halluzinationen in Transkripten. Whisper und ähnliche Modelle erfinden gelegentlich Sätze, die nie gesprochen wurden — besonders bei Stille-Pausen, Hintergrundgeräuschen und Fachbegriffen. Forschende der University of Michigan fanden in einer 2024 veröffentlichten Studie (präsentiert auf der ACM Conference on Fairness, Accountability, and Transparency) Halluzinationen in “mehr als der Hälfte von über 100 Stunden” untersuchter Whisper-Transkriptionen. Das klingt beunruhigend — und ist es für medizinische oder rechtliche Anwendungen auch. Für Podcast-Shownotes bedeutet es: Du musst das Transkript nicht Wort für Wort prüfen, aber die generierten Shownotes gegen die tatsächlichen Aussagen der Episode gegenlesen. Erfundene Zitate in Shownotes sind ein Glaubwürdigkeitsproblem.

Mehrsprechererkennung bleibt fehleranfällig. Wenn zwei Personen ähnliche Stimmlagen haben oder einander ins Wort fallen, verwechselt die Sprecherzuordnung regelmäßig, wer was gesagt hat. Bei einem Interview zwischen Moderatorin und Gast ist das meistens handhabbar — bei Tischgesprächen mit vier Personen verlierst du eine Stunde mit Zuordnungskorrekturen.

Fachvokabular und Eigennamen. Branchenspezifische Begriffe, Personennamen, Produktnamen und Abkürzungen werden oft falsch transkribiert oder falsch interpretiert. Ein Podcast über Bilanzbuchhaltung wird “Rückstellungen” möglicherweise als “Rückforderungen” transkribieren. Ein Podcast über das Startup “Celonis” wird wahrscheinlich “Selonis” produzieren. Das löst sich zum Teil durch Nachkorrektur, zum Teil durch eigene Vokabular-Listen — aber nicht vollständig und nicht ohne manuellen Aufwand.

KI trifft keine redaktionellen Urteile. Sie entscheidet nicht, welches Zitat das zündendste ist, welcher Abschnitt das beste Clip-Material für ein Reels wäre oder welches Thema für deine Zielgruppe gerade besonders brennend ist. Sie kann Vorschläge machen — die du dann bewerten musst.

Das ändert nichts an der Nützlichkeit des Werkzeugs. Es bedeutet, dass der Mensch nicht ersetzt wird, sondern entlastet — von den mechanischen Teilen, damit mehr Zeit für die Urteile bleibt, die nur er treffen kann.

Konkrete Werkzeuge — was wann passt

Castmagic — wenn der gesamte Post-Produktions-Workflow in einem Tool landen soll. Das einzige Tool dieser Liste, das explizit für Podcast-Post-Produktion gebaut wurde. Du lädst die Audiodatei hoch und bekommst automatisch Transkript, Shownotes, Kapitelmarken, Social-Media-Posts, Newsletter-Entwurf und Blog-Artikel-Rohfassung — in einer Oberfläche, mit anpassbaren Vorlagen für deinen wiederkehrenden Stil. Preis: ab 21 USD/Monat (jährlich, 5 Stunden/Monat) bis 79 USD/Monat (jährlich, 20 Stunden/Monat). Schwachstelle: US-Datenhosting, kein Deutsch als Arbeitssprache in der Oberfläche, Qualität für deutschsprachigen Content merklich schlechter als für Englisch.

Descript — wenn du gleichzeitig schneiden und Shownotes generieren willst. Text-basiertes Editing: Du bearbeitest das Transkript wie ein Textdokument — streichst Absätze, und das entsprechende Audio wird aus der Episode entfernt. Integrierte KI generiert Kapitelmarken und Beschreibungen direkt aus dem Transkript. Ideal für Podcaster, die noch im Schnitt sind und Post-Produktion nicht als separaten Schritt sehen wollen. Preis: Creator-Plan 24 USD/Monat (30 Stunden/Monat). Schwachstelle: Deutsche Transkriptionsqualität schlechter als Englisch, kein EU-Datenhosting.

Riverside — wenn du remote aufnimmst und Clips gleichzeitig extrahieren willst. Riverside nimmt lokal auf beiden Seiten auf — kein Qualitätsverlust durch Verbindungsprobleme. Die KI-Funktion “Magic Clips” extrahiert automatisch die stärksten Ausschnitte als Social-Media-Clips. Gut, wenn die Aufnahme und erste Clip-Extraktion in einem Schritt passieren sollen. Preis: Pro-Plan 24 USD/Monat (15 Stunden/Monat). Schwachstelle: Kein EU-Hosting, Deutsch-Transkription nur akzeptabel.

Whisper + ChatGPT / Claude — wenn du maximale Kontrolle und günstigen Einstieg willst. Whisper transkribiert die Audiodatei (kostenlos als Open-Source, oder ca. 0,006 USD/Minute über die OpenAI API). Das Transkript gibst du dann als Input in ChatGPT oder Claude mit einem Prompt für Shownotes, Social-Posts und Beschreibung. Mehr manuellen Aufwand als die All-in-one-Tools, aber günstiger und flexibler. Whisper lokal betrieben ist datenschutzkonform — keine Cloud, keine AVV nötig. Technisches Level: Whisper erfordert Python-Kenntnisse; Alternativen für Nicht-Entwickler: Otter.ai für die Transkription.

Otter.ai — kostenloser Einstieg für deutschsprachige Transkription. Otter.ai bietet einen kostenlosen Plan (600 Minuten/Monat Transkription) und ist deutlich zugänglicher als Whisper für Nicht-Entwickler. Die Transkriptionsqualität für Deutsch ist solide. Für reine Transkription eine gute Startlösung, ohne gleich für ein Vollpaket zu zahlen.

Zusammenfassung:

• Vollständiger automatisierter Workflow → Castmagic
• Schnitt + Post-Produktion in einem → Descript
• Remote-Aufnahme + erste Clips sofort → Riverside
• Maximale Kontrolle, technisch versiert → Whisper + ChatGPT
• Kostenloser Einstieg, deutschsprachige Transkription → Otter.ai

Datenschutz und Datenhaltung

Podcast-Aufnahmen sind in den meisten Fällen öffentlich geplante Inhalte — das heißt, die Datenschutzanforderungen sind in der Regel geringer als bei Patientengesprächen oder Rechtsberatungsmandaten. Trotzdem gibt es Szenarien, die eine sorgfältige Prüfung brauchen.

Was die DSGVO hier konkret bedeutet: Wenn deine Episoden Interviews mit Gästen enthalten, verarbeitest du personenbezogene Daten — mindestens Namen, Stimmen, möglicherweise private Aussagen. Sobald du diese Aufnahmen an einen Cloud-Dienst außerhalb der EU übermittelst, greift Art. 28 DSGVO: Du brauchst einen Auftragsverarbeitungsvertrag (AVV) mit dem Anbieter.

Tool-Übersicht nach Datenhaltung:

• Castmagic: US-Server, AVV auf Anfrage erhältlich. Für öffentliche Podcast-Inhalte in der Regel akzeptabel, solange die Gäste über die Nutzung informiert sind. Für interne Unternehmens-Podcasts oder vertrauliche Gesprächsformate kritisch prüfen.
• Descript: US-Server, kein Standard-AVV. Für öffentliche Episoden handhabbar; für Mandantengespräche oder unternehmenskritische Inhalte nicht geeignet.
• Riverside: US-Server, AVV für Business-Kunden. Für Marketing-Inhalte und öffentliche Interviews mit entsprechender Einwilligung akzeptabel.
• Whisper lokal: Keine Cloud, keine Datenübertragung — vollständig DSGVO-konform. Die einzige Option für wirklich vertrauliche Aufnahmen. Technisches Setup nötig.
• Otter.ai: US-Server; für öffentliche Podcast-Transkription ausreichend, AVV verfügbar.

Praktische Empfehlung für öffentliche Podcasts: Die Gäste einer öffentlichen Podcast-Episode haben in der Regel explizit zugestimmt, aufgenommen und veröffentlicht zu werden. Die Nutzung von US-Cloud-Tools ist in diesem Fall DSGVO-rechtlich vertretbar — vorausgesetzt, der AVV ist abgeschlossen und die Gäste sind informiert. Wer auf Nummer sicher gehen will, nutzt Whisper lokal für die Transkription und verarbeitet den Text (nicht die Audiodatei) weiter mit Cloud-LLMs.

Was es kostet — realistisch gerechnet

Tool-Kosten pro Monat:

• Castmagic Hobby: 21 USD/Monat (5 Std./Monat, ca. 8–10 Episoden)
• Castmagic Starter: 79 USD/Monat (20 Std./Monat, ca. 30–40 Episoden)
• Descript Creator: 24 USD/Monat (30 Std./Monat)
• Riverside Pro: 24 USD/Monat (15 Std./Monat Aufnahme)
• Whisper API: 0,006 USD/Minute — 60 Stunden Audiomaterial kosten ca. 21 USD
• Otter.ai: Free-Plan bis 600 Min./Monat; Pro-Plan 16,99 USD/Monat

Einmalige Setup-Kosten: Bei Cloud-Tools praktisch null: Registrierung, erste Vorlagen einrichten, ein bis zwei Testepisoden. Gesamtaufwand: 2–4 Stunden. Bei Whisper lokal: Entwickleraufwand für Setup und Skript, ca. 4–8 Stunden einmalig.

Was du dagegenrechnen kannst: Freelancer-Shownotes in Deutschland: erfahrungsgemäß 50–150 Euro pro Episode. Bei wöchentlicher Veröffentlichung sind das 200–600 Euro pro Monat. Ein Castmagic-Starter-Plan für 79 USD/Monat amortisiert sich in einer bis drei Wochen, wenn du bisher Shownotes ausgelagert hast.

Wer alles selbst macht, rechnet anders: Die eigene Zeit ist die Einsparung. Eine Stunde Podcast-Produktion pro Woche zurückgewonnen, mal 52 Wochen, ergibt 52 Stunden im Jahr — Zeit, die du in mehr Episoden, bessere Gäste oder einfach in etwas anderes investieren kannst.

Konservatives ROI-Szenario: Podcaster mit einer Episode pro Woche, Freelancer-Kosten bisher 80 Euro/Episode → 320 Euro/Monat. Mit Castmagic Starter (79 USD, ca. 73 Euro): Monatliche Einsparung ca. 247 Euro. Amortisation des ersten Monats: ab Episode 1. Wichtig: Die Qualitätsprüfung fällt nicht weg — plane 20–30 Minuten Nachbearbeitungszeit pro Episode ein, auch mit KI.

Wie du den Nutzen misst: Stoppuhr beim nächsten Durchgang — vor und nach dem KI-Einsatz. Dann in drei Monaten nochmal: Ist die Nutzungszeit stabil, oder verbringst du wieder mehr Zeit mit Korrekturen (Zeichen für zu hohes Fachvokabular im Podcast oder mangelnde Template-Qualität)?

Typische Einstiegsfehler

1. Transkript ungeprüft in die Shownotes übernehmen. KI-Transkriptionen sind gut, aber nicht fehlerfrei. Eigennamen, Produktbezeichnungen, Abkürzungen und Fachterminologie werden häufig falsch transkribiert. Wenn du das Transkript direkt als Shownotes-Rohfassung nutzt, landen diese Fehler öffentlich auf deiner Website und in den Podcast-Plattformen. Das kostet Glaubwürdigkeit — besonders wenn Gästenamen falsch geschrieben sind. Lösung: Die Shownotes-Rohfassung einmal diagonal gegenlesen, besonders auf Eigennamen und Kernaussagen achten.

2. Zu viele Formate auf einmal automatisieren wollen. Der verlockende Gedanke: eine Episode rein, zwölf Formate raus — LinkedIn-Post, Instagram-Reel-Script, Twitter-Thread, Newsletter, Blogartikel, Podcast-Zusammenfassung für drei Plattformen. In der Praxis sinkt die Qualität mit jedem weiteren Format. Starte mit zwei bis drei Kernformaten (Shownotes + ein Social-Post), mach die Vorlagen richtig, und erweitere erst dann. Zu viele mittelmäßige Outputs gleichzeitig kosten mehr Nachbearbeitungszeit als wenige gute.

3. Keine eigenen Vorlagen einrichten. Die Standard-Outputs der KI-Tools klingen generisch — gleiche Struktur, gleiche Formulierungen, nicht dein Stil. Die Tools, die Custom Prompts erlauben (Castmagic, ChatGPT, Claude), können deinen Stil lernen — aber nur, wenn du einmal Zeit investierst, gute Beispiele zu liefern. Drei eigene Shownotes, die du als Vorlage hinterlegst, machen den Unterschied zwischen “klingt nach KI” und “klingt nach uns”.

4. Den Post-Produktions-Workflow einmal einrichten und nie wieder überprüfen. Das ist der stille Fehler. Die Qualität der Outputs hängt von der Promptqualität und der Vorlagestruktur ab — und beide werden mit der Zeit schlechter, wenn das Podcast-Format sich ändert, neue Rubriken entstehen oder sich der Stil weiterentwickelt. Wer den Workflow nach sechs Monaten nicht einmal überprüft, produziert Shownotes, die nicht mehr zum aktuellen Podcast passen. Lösung: Quartalsweise einen Durchgang machen: Stimmen die Vorlagen noch? Gibt es neue Plattformen, die ein eigenes Format brauchen? Hat sich der Stil der Shownotes verändert?

Was mit der Einführung wirklich passiert — und was nicht

Post-Produktion ist in der Regel eine Einzelperson-Aufgabe — es gibt kein Team, das überzeugt werden muss, und keine Zugriffsrechtediskussion. Das macht die Einführung einfacher als bei anderen KI-Anwendungen. Aber es gibt trotzdem zwei Muster, die in der Praxis immer wieder auftauchen:

Das “Das klingt nicht wie ich”-Problem. Die ersten Outputs der KI fühlen sich fremd an. Die Shownotes klingen neutral, gleichmäßig, ohne Ecken und Kanten. Das ist kein Fehler der KI — es ist ein Fehler des Prompts. Eine KI, die nicht weiß, welchen Ton du pflegst, produziert mittleren Standard. Das löst sich durch Beispiele: Gib ihr drei Shownotes, die du selbst geschrieben und gut findest, und sag ihr, das ist dein Stil. Der Unterschied ist erheblich.

Das “Ich kontrolliere alles nochmal komplett”-Falle. Manche Podcasterinnen und Podcaster überprüfen jeden Satz der generierten Shownotes so gründlich, dass die Zeitersparnis wegfällt. Das kommt oft in den ersten Wochen vor, bevor Vertrauen aufgebaut ist. Die richtige Antwort ist nicht blindes Vertrauen, sondern kalibriertes Vertrauen: Eigennamen und Kernaussagen immer prüfen. Formulierungen im Mittelteil: großzügig sein. Wenn nach zehn Episoden kein Fehler in den Kernaussagen aufgetaucht ist, kann die Prüfungstiefe reduziert werden.

Was konkret hilft:

• Erste drei Episoden bewusst als “Lernphase” behandeln: Prompt verfeinern, nicht Ergebnisse als gegeben nehmen
• Feste 20 Minuten “Review-Zeit” einplanen — nicht mehr, nicht weniger
• Eine kleine Testbatterie anlegen: drei bis fünf typische Episoden-Typen (Solo-Episode, Interview mit Experten, Diskussionsrunde) und prüfen, wo die Outputs am schwächsten sind

Realistischer Zeitplan mit Risikohinweisen

Wichtig: Der vollständige Workflow ist nach einer Woche einsatzbereit. Automatisierung ist kein Muss — wer manuell hochlädt und die Outputs in Google Docs bekommt, hat denselben Zeitgewinn.

Häufige Einwände — und was dahintersteckt

„Die KI klingt generisch. Meinen Podcast-Stil kann sie nicht treffen.” Das stimmt für den Standard-Output ohne Vorlage. Mit drei bis fünf eigenen Shownotes als Beispiel-Prompt verbessert sich das deutlich. Was bleibt: Die KI trifft keine redaktionellen Urteile über das, was besonders erwähnenswert ist. Das Endurteil liegt immer beim Menschen. Aber “generisch” ist ein Prompt-Problem, kein KI-Problem.

„Mein Podcast ist zu speziell. Die KI kennt das Fachvokabular nicht.” Richtig beobachtet — und ehrlich gesagt einer der wichtigsten Faktoren bei der Tool-Wahl. Ein Podcast über Steuerbilanzrecht, Neurochirurgie oder industrielle Robotik wird mehr Transkriptions- und Shownotes-Korrekturen brauchen als ein Allgemein-Wissenspodcast. Das löst sich nicht vollständig, aber teilweise: Eigennamen und Fachbegriffe in einer benutzerdefinierten Vokabular-Liste hinterlegen (einige Tools bieten das), und Transkript-Korrekturen als feste Vor-Shownotes-Routine einplanen. Wenn mehr als 40 Prozent jeder Shownotes nachbearbeitet werden müssen, lohnt sich das Tool wahrscheinlich nicht — oder nur für Teile des Workflows.

„Ich habe schon genug KI-Abos. Noch ein Tool brauche ich nicht.” Gültiger Punkt. Wenn du bereits ChatGPT oder Claude abonniert hast, brauchst du für den Einstieg kein weiteres Tool: Transkript mit Otter.ai (kostenlos bis 600 Minuten), Shownotes-Prompt in ChatGPT oder Claude. Das kostet nichts extra und liefert 80 Prozent des Ergebnisses von Castmagic — mit etwas mehr manuellem Handling.

Woran du merkst, dass das zu dir passt

Du wirst von diesem Workflow am meisten profitieren, wenn:

• Du regelmäßig veröffentlichst — mindestens zwei Episoden pro Monat. Einmalige oder sehr seltene Publikationen rechtfertigen das Template-Setup nicht.
• Die Post-Produktion ein bekannter Schmerzpunkt ist — du weißt, dass Shownotes und Social-Posts regelmäßig zu kurz kommen oder auf “irgendwann” verschoben werden.
• Die Episoden auf Deutsch geführt werden, aber du mit englischen Interfaces arbeiten kannst — die Tools sind überwiegend auf Englisch, auch wenn sie Deutsch verarbeiten.
• Du bereit bist, 2–3 Stunden in das initiale Setup zu investieren — Templates entwickeln, Prompt feinjustieren, Workflow testen. Ohne dieses Setup bleiben die Outputs mittelmäßig.

Drei harte Ausschlusskriterien — wann du es (noch) lassen solltest:

1. Weniger als eine Episode pro Monat. Der Setup-Aufwand amortisiert sich nicht. Nutze stattdessen ChatGPT oder Claude einmalig pro Episode mit einem einfachen Shownotes-Prompt — ohne Abo, ohne Integration.

2. Sehr hohe Fachtiefe ohne bereitstehende Korrekturzeit. Wenn dein Podcast medizinische Diagnosen, Rechtsfragen oder hochspezialisierte technische Themen behandelt und du die generierten Shownotes nicht inhaltlich gegenliest, entstehen öffentlich sichtbare Fehler. Der Workflow setzt eine Mindest-Qualitätskontrolle voraus.

3. Vertrauliche Aufnahmeformate ohne Datenschutz-Lösung. Coaching-Sitzungen, interne Unternehmens-Podcasts mit sensiblen Inhalten, Mitarbeiterinterviews mit nicht-öffentlichen Inhalten — hier braucht es entweder eine EU-konforme Lösung oder Whisper lokal. Die meisten Cloud-Tools dieser Kategorie speichern auf US-Servern.

Das kannst du heute noch tun

Öffne Otter.ai — kostenlos, kein Setup, ein Google-Konto reicht. Lade die Audiodatei einer bereits erschienenen Episode hoch und lass das Transkript generieren. Das dauert 10 Minuten. Kopiere das Transkript dann in ChatGPT oder Claude und nutze folgenden Prompt — du wirst innerhalb von Minuten eine Shownotes-Rohfassung haben:

Quellen & Methodik

• Podigee-Umfrage zur KI-Nutzung in der Podcast-Produktion (2024): Podigee GmbH, Hamburg. Online-Befragung unter 384 aktiven Podcast-Produzierenden aus der deutschsprachigen Community, durchgeführt direkt im Publishing-Interface. Ergebnisse veröffentlicht unter podigee.com/de/blog/ki-podcast-produktion-ergebnisse-umfrage/. Zentrale Kennzahlen: 50,4 % nutzen KI-Tools in der Produktion; 73,9 % für Titel, Beschreibungen oder Shownotes; 68,9 % wünschen sich automatische Transkription mit Kapitelmarken.

• Whisper-Halluzinationsstudie (2024): Präsentiert auf der ACM Conference on Fairness, Accountability, and Transparency (ACM FAccT 2024). Forschungsgruppe der University of Michigan. Untersuchung von über 100 Stunden Audiotranskriptionen mit OpenAI Whisper; Halluzinationen in mehr als der Hälfte der Stichproben. Berichterstattung: TechCrunch, 26. Oktober 2024 (techcrunch.com/2024/10/26/openais-whisper-transcription-tool-has-hallucination-issues-researchers-say/).

• Transkriptions-Traffic-Gewinn: Buzzsprout Podcast-Statistiken 2024. 12–28 % mehr organischer Traffic für Episoden mit Transkription. buzzsprout.com/blog/podcast-statistics.

• Castmagic-Preise: Castmagic-Preisseite, Stand April 2026. castmagic.io/pricing.

• Freelancer-Shownotes-Kosten: Erfahrungswerte aus deutschen Podcast-Produktionsnetzwerken und Plattformen wie Upwork und Fiverr Deutschland, Stand 2024. Bandbreite 50–150 Euro/Episode für deutschsprachige Shownotes in normaler Marktlage.

• Post-Produktions-Zeiten: Eigene Schätzung auf Basis von Descript-Nutzerdaten (Descript Blog, 2024) und praktischen Erfahrungsberichten aus der deutschen Podcast-Community (Power to the Podcast, Podigee-Blog).

Du willst wissen, welcher Workflow zu deinem Podcast und deiner Veröffentlichungsfrequenz passt? Meld dich — das besprechen wir gerne in einem kurzen Gespräch.