Pressemitteilungen für Messeankündigungen automatisieren

Das echte Ausmaß des Problems

Pressemitteilungen sind in der Messekommunikation kein Randthema, und sie kosten entweder Honorar oder Arbeitszeit.

Eine PR-Agentur berechnet für eine Pressemitteilung in der Regel 1.000 bis 3.000 Euro, und darin stecken neben dem Text auch die Medienliste und das Media Pitching (Industrie-Contact, „Was kostet PR?”, 2024). Wie viel davon auf den Text entfällt, weist die Übersicht nicht aus. In-House kostet eine PM kein Honorar, aber Arbeitszeit: Im Beispiel oben sind es sechs Stunden für drei Mitteilungen, also rund zwei Stunden je Text samt Umschreiben für ein zweites Medium.

Für mittelgroße Aussteller auf zwei bis drei Messen pro Jahr mit jeweils vier bis fünf Pressemitteilungen, also 8 bis 15 Mitteilungen im Jahr, ergibt sich:

• Interner Aufwand: 8 bis 15 mal rund zwei Stunden, also etwa 16 bis 30 Stunden PR-Redaktion pro Jahr
• Externe Kosten (falls ausgelagert): 8 bis 15 mal 1.000 bis 3.000 Euro, also 8.000 bis 45.000 Euro pro Jahr, inklusive Medienliste und Pitching
• Typische Medientypen, die je eigene Versionen verlangen: Fachpresse, Wirtschaftspresse, regionale Medien, Online-Portale

Das strukturelle Problem dahinter: Jede Pressemitteilung besteht aus einem harten Kern (die Fakten, die Zitate, das Neue) und einer weichen Hülle (Tonalität, Aufbau, Lead-Formulierung, Länge), die für jedes Medium anders geformt sein muss. Den harten Kern zu erarbeiten ist die eigentliche intellektuelle Arbeit, die weiche Hülle immer wieder neu zu formen ist handwerkliche Routine. Und genau da greift KI-Unterstützung an.

Eine Stanford-Studie um James Zou (Liang u. a., „The Widespread Adoption of Large Language Model-Assisted Writing Across Society”, 2025) schätzt, dass Ende 2024 bis zu 24 Prozent des Textes in Unternehmenspressemitteilungen auf Sprachmodelle zurückgingen. Das ist ein Anteil am Text über alle Mitteilungen, nicht der Anteil vollständig KI-geschriebener Mitteilungen. Die Richtung ist trotzdem klar, und schlechte KI-PMs fallen auf, wie wir im Abschnitt zu den Einwänden noch besprechen.

Mit vs. ohne KI, ein ehrlicher Vergleich

Die Zeitwerte folgen dem Beispiel oben (sechs Stunden für drei Mitteilungen, davon rund 45 Minuten echte journalistische Arbeit je Text) und sind keine Erhebung. Wer heute länger braucht, spart mehr; miss es mit dem Protokoll weiter unten.

Der größte Unterschied zeigt sich in der Parallelisierung: Medienversionen und Headline-Varianten entstehen in Minuten statt in einem zweiten Schreibdurchgang, und Sabine Kern widmet ihre Zeit der Qualitätskontrolle, nicht der Rohtext-Produktion. Die 45 Minuten für Recherche, Zitat-Auswahl und den richtigen Winkel bleiben.

Einschätzung auf einen Blick

Zeitersparnis, niedrig (2/5) Rund 30 bis 60 Minuten pro Pressemitteilung sind real, aber klein: Wer 8 bis 15 Mitteilungen im Jahr schreibt, gewinnt 4 bis 15 Stunden. Der Effekt setzt sofort ein, schon die erste PM zeigt, wie schnell Medienversionen und Headline-Varianten entstehen. Mehr als 2/5 wäre es nur bei deutlich mehr Mitteilungen, etwa für Veranstalter oder Agenturen mit vielen Ausstellern. Faktenchecks, Zitat-Einpassung und Redaktionsschleifen fallen nicht weg: Eine PM, die direkt vom KI-Output rausgeht, ist kein guter Plan.

Kosteneinsparung, mittel (3/5) Wer PMs bisher bei einer Agentur einkauft, spart den Textanteil des Honorars; wie groß der ist, sagt die Preisübersicht nicht, frag deine Agentur nach dem Preis ohne Text. Wer intern schreibt, gewinnt Zeit, aber kein Geld, solange niemand deswegen weniger arbeitet oder weniger einkauft. Nicht 4/5, weil der Geldeffekt nur im Agenturfall entsteht.

Schnelle Umsetzung, sehr schnell (5/5) Kein Tool-Kauf, kein Onboarding, kein Pilotprojekt mit IT. Du brauchst ein ChatGPT - oder Claude -Konto (beide haben kostenlose Einstiege), einen guten Prompt und ein strukturiertes Briefing-Template. Das dauert zwei Stunden. Damit ist dieser Anwendungsfall der schnellste Einstieg in der gesamten Messe-Kategorie.

ROI-Sicherheit, hoch (4/5) Der Nutzen ist direkt messbar: Stunden pro PM vorher und nachher. Das unterscheidet diesen Use Case von komplexeren KI-Projekten, bei denen Nutzen erst nach Monaten sichtbar wird. Einschränkung: Die gemessenen Stunden sind Zeit, kein Geld. Wer sie nicht aktiv für andere Aufgaben nutzt, sieht den Nutzen nur auf dem Papier.

Skalierbarkeit, sehr hoch (5/5) Ein guter Prompt-Workflow skaliert ohne Mehraufwand. Fünf Messen statt einer, zwanzig Aussteller statt zwei, der Prozess bleibt identisch. Das Briefing-Template kann standardisiert werden; Redakteure reproduzieren den Workflow, ohne es neu lernen zu müssen.

Richtwerte, stark abhängig von Anzahl der Pressemitteilungen pro Jahr, bisheriger Erstellungsweise (intern vs. Agentur) und Komplexität der Messeneuheiten.

Was die KI konkret macht

Die technische Basis ist ein Large Language Model (LLM), also ein Generative KI-Modell, das auf großen Textkorpora trainiert wurde und Sprache auf hohem Niveau verarbeitet und erzeugen kann. Was im Hintergrund passiert, ist kein Verstehen im menschlichen Sinne, sondern hochentwickeltes Muster-Matching: Das Modell kennt aus tausenden Pressemitteilungen, wie eine PM für Fachmedien strukturiert ist, wie ein DACH-Wirtschaftsblatt-Lead klingt und was ein Redakteur in seiner VDI-Nachrichten-Inbox ignoriert.

Was du dem System gibst, der sogenannte Prompt, steuert das Ergebnis vollständig. Ein guter PM-Prompt enthält:

1. Fakten-Block: Ausstellerdaten, Hallennummer, Produktname, Kernaussage der Neuheit, technische Spezifikationen
2. Zitate: Wörtliche Originalzitate des Geschäftsführers oder Produktleiters (KI formt diese ein, erfindet sie nicht, das ist entscheidend)
3. Zielmedium: „Schreibe für ein technisches Fachpublikum der Maschinenbaubranche” vs. „Schreibe für die Wirtschaftsredaktion eines überregionalen Blatts”
4. Formale Vorgaben: Länge, Inversion-Stil oder klassischer News-Lead, Pressemitteilungs-Textbausteine (Boilerplate am Ende)

Das Ergebnis ist ein Rohling, den ein erfahrener Redakteur in 20–30 Minuten auf Publikationsreife bringt, nicht ein Fertigtext, der direkt rausgeht.

Wo KI gut ist und wo sie stolpert

Gut: Umformulierungen für verschiedene Zielgruppen. Headline-Varianten generieren. Boilerplate-Texte konsistent halten. Lead-Sätze anders formulieren. Absätze umstrukturieren.

Stolpert: Technische Spezifikationen korrekt darstellen (wenn unklar oder fehlerbereinigt im Prompt). Reale Messenummer korrekt ausgeben (muss im Prompt stehen). Zitate korrekt einbetten (muss im Prompt geliefert werden). Branchenspezifische Insider-Formulierungen, die nur ein Fachredakteur kennt.

Das bedeutet: Je strukturierter das Briefing, desto besser der Rohling. Wer dem System eine handgeschriebene E-Mail und die Hoffnung gibt, bekommt einen mittelmäßigen Text zurück. Wer ein klares Briefing-Template ausfüllt, bekommt einen soliden Rohling, der in 30 Minuten fertig ist.

Stil-Briefing: Wie KI die Sprache verschiedener Redaktionen lernt

Das ist die Stelle, an der KI wirklich nützlich wird, und die in vielen Beschreibungen dieses Anwendungsfalls fehlt. Denn “eine Pressemitteilung schreiben” ist zu einfach gedacht. Das Echte ist: dieselben Fakten in drei völlig andere Erzählformen verwandeln.

Für die Fachpresse (VDI Nachrichten, MM MaschinenMarkt) gilt:

• Technische Spezifikationen zuerst, Unternehmenskontext danach
• Präzise Fachbegriffe, keine Marketing-Euphemismen
• Lead: Was ist das technisch Neue, und warum ist es ein Fortschritt?

Für die Wirtschaftspresse (Handelsblatt, WirtschaftsWoche, Branchen-IHK-Magazine):

• Marktposition und Wettbewerbskontext zuerst
• Investitionsvolumen, Wachstumspotenzial, strategische Bedeutung
• Lead: Welche Marktbewegung steckt dahinter?

Für Regionalmedien (Neue Westfälische, Ruhr Nachrichten, Stadtanzeiger):

• Lokaler Bezug zuerst, Mitarbeiterzahl, Standort, lokale Bedeutung
• Keine Insider-Terminologie, allgemein verständlich
• Lead: Was bedeutet das für den Standort und die Menschen dahinter?

In einem KI-Prompt bildest du das so ab: Du schreibst drei Varianten desselben Briefings, nur mit unterschiedlicher Zielmedien-Anweisung. Die Fakten bleiben identisch. Der Text, den du zurückbekommst, klingt wie von drei verschiedenen Redakteuren geschrieben, mit konsistentem Faktengerüst.

Diesen Mechanismus kannst du in einem Workflow-Dokument festhalten (z. B. in Notion ): Drei Prompt-Vorlagen, eine je Medientyp, mit festen Platzhaltern für Fakten-Blöcke. Dein Team befüllt nur noch die Platzhalter, den Rest übernimmt das Modell.

Konkrete Werkzeuge, was wann passt

Für die meisten Messe-PR-Teams ist der Einstieg mit einem allgemeinen KI-Textgenerierungstool richtig, keine spezialisierte Lösung nötig, kein aufwendiges Setup.

ChatGPT (OpenAI), Der breiteste Einstieg. ChatGPT schreibt sehr solide Pressetexte auf Deutsch, auch für technische Themen. Mit dem Free-Plan bereits nutzbar, für intensive Nutzung lohnt ChatGPT Plus (23 €/Monat). Custom Instructions ermöglichen es, den typischen Stil deiner PM-Vorlage einmalig zu hinterlegen. Schwäche: Datenhaltung in den USA; für vertrauliche Produktdaten vor dem Launch relevant.

Claude (Anthropic), Besonders stark bei längeren, sprachlich differenzierten Texten. Claude schreibt auf Deutsch tendenziell natürlicher als ChatGPT, weniger “KI-Ton”, mehr journalistisches Gefühl. Claude Pro kostet 20 €/Monat. Die “Projects”-Funktion erlaubt es, Hintergrunddokumente (Produktunterlagen, Zitate, bisherige PMs als Stilreferenz) dauerhaft zu hinterlegen. Ebenfalls US-Hosting.

Notion AI , Ideal, wenn das PR-Team Briefings und PM-Entwürfe sowieso in Notion verwaltet. Notion AI kann direkt in der Briefing-Datenbank arbeiten: Text zusammenfassen, Rohlings-PM aus Notizen generieren, Headline-Varianten vorschlagen. Kein Toolwechsel nötig. Kosten: im Business-Tarif enthalten, 19,50 € je Person und Monat bei jährlicher Abrechnung, 23,50 € bei monatlicher.

Jasper , Lohnt sich, wenn du englischsprachige PM parallel zu deutschen schreibst (z. B. für internationale Fachmedien) und eine definierte Brand Voice über mehrere Aussteller hinweg halten willst. Für rein deutsche Kommunikation überdimensioniert und teurer als nötig (ab 59 USD je Sitz und Monat bei jährlicher Zahlung). US-Hosting.

Wann welcher Ansatz:

• Einzelne PR-Verantwortliche oder kleine Teams → ChatGPT Plus oder Claude Pro
• PR-Team, das Briefings in Notion verwaltet → Notion AI
• Internationales Multi-Aussteller-Portfolio auf Englisch → Jasper
• Kein Tool-Budget vorhanden → ChatGPT Free-Tier (begrenzte Nutzung, aber Einstieg möglich)

Datenschutz und Datenhaltung

Produktinformationen sind keine personenbezogenen Daten, Name, Funktion und Zitat einer Führungskraft dagegen schon (Art. 4 Nr. 1 DSGVO), auch wenn sie zur Veröffentlichung bestimmt sind. Das Risiko ist klein, weil die Person dem Zitat ohnehin zustimmt, aber es ist da. Wer im Prompt Platzhalter statt Namen verwendet und die Namen erst im Redaktionsdurchgang einsetzt, ist auf der sicheren Seite. Relevanter ist ein anderer Aspekt: Produktankündigungen, die noch nicht öffentlich sind.

Wer KI-Tools für Messe-PM nutzt und dabei unveröffentlichte Produktdaten, nicht-öffentliche Preisstrategien oder Taktiken gegenüber Wettbewerbern eingibt, schickt diese Information an externe Server, typischerweise in den USA. Das ist kein rechtliches Problem im DSGVO-Sinne, aber ein Geschäftsgeheimnis-Risiko.

Empfehlung: Gib nur Informationen ein, die zum Zeitpunkt der Messe sowieso öffentlich werden. Verwende Platzhalter für vertrauliche Spezifikationen, die noch nicht kommuniziert werden dürfen (z. B. exakter Preis, genaues Release-Datum), und füge diese erst im Redaktionsdurchgang ein.

Sobald Namen, Zitate oder Kontaktdaten von Personen in den Prompt fließen, verarbeitet der Anbieter personenbezogene Daten für dich, dann gehört ein Auftragsverarbeitungsvertrag (AVV) nach Art. 28 DSGVO dazu. Den gibt es bei ChatGPT und Claude in den Business- und Team-Tarifen (jeweils ab zwei Nutzern), nicht in Plus oder Pro. Wer in Plus oder Pro arbeitet, lässt Namen und Kontaktdaten draußen und setzt sie erst im Redaktionsdurchgang ein.

Urheberrecht und Kennzeichnung: Ein reiner KI-Text ist keine persönliche geistige Schöpfung und damit nicht urheberrechtlich geschützt (§ 2 Abs. 2 UrhG); bei Pressemitteilungen, die ohnehin zum Abdruck gedacht sind, spielt das kaum eine Rolle. Eine Kennzeichnungspflicht für KI-Texte sieht Art. 50 Abs. 4 der KI-Verordnung seit dem 2. August 2026 nur für Texte vor, die die Öffentlichkeit über Angelegenheiten von öffentlichem Interesse informieren sollen, und auch dann nicht, wenn ein Mensch den Text redaktionell geprüft hat und jemand die redaktionelle Verantwortung trägt. Eine redigierte Messe-PM mit Pressekontakt fällt damit in aller Regel nicht darunter.

Was es kostet, realistisch gerechnet

Einrichtungskosten Fast null. Du brauchst ein Konto bei einem der genannten Tools (teilweise kostenlos), eine Stunde Zeit für die Prompt-Entwicklung und ein strukturiertes Briefing-Template. Externe Unterstützung brauchen die meisten PR-Teams dafür nicht, sie schreiben ohnehin.

Laufende Kosten (monatlich)

• ChatGPT Free: 0 €/Monat (begrenzte Nutzung, in Deutschland seit August 2026 mit Werbung)
• ChatGPT Plus: 23 €/Monat
• Claude Pro: 20 €/Monat
• Notion AI (im Business-Tarif): 19,50 €/Person/Monat bei jährlicher Abrechnung

Für ein typisches Messe-PR-Team mit einer bis drei Personen: von 1 mal 20 Euro bis 3 mal 23 Euro, also 20–69 Euro monatlich.

Was du dagegen rechnest

Rechnung mit den Zahlen dieser Seite: 8 bis 15 Mitteilungen im Jahr, je 30 bis 60 Minuten gespart, das sind 4 bis 15 Stunden im Jahr. Das ist Zeit, kein Geld, solange niemand deswegen weniger arbeitet oder weniger einkauft. Ein Abo für eine Person kostet dagegen 12 mal 20 bis 23 Euro, also 240 bis 276 Euro im Jahr. Bei so wenigen Mitteilungen ist das Abo ein Komfortgewinn; der kostenlose Plan reicht für den Anfang. Je mehr Mitteilungen, etwa bei einem Veranstalter mit vielen Messen, desto eher trägt die gewonnene Zeit ein Abo.

Wer PMs bisher bei einer Agentur einkauft: Die 1.000 bis 3.000 Euro je PM decken Text, Medienliste und Media Pitching. Übernimmst du den Text selbst, sparst du den Textanteil, und der ist die Differenz zwischen dem bisherigen Honorar und dem, was die Agentur für Medienliste und Pitching allein verlangt. Frag danach, bevor du rechnest, und zieh deine eigenen 60 bis 90 Minuten je Mitteilung ab.

Wie du den Nutzen tatsächlich misst Miss die Erstellungszeit pro PM vorher (drei Wochen ausprobieren, Protokoll führen) und nachher. Zähle, wie viele Medienversionen du vorher und nachher pro PM produzierst. Zähle, wie viele PMs pro Messe du vorher und nachher schaffst. Das reicht.

Typische Einstiegsfehler

1. Den KI-Output direkt rausschicken. Das ist der häufigste und kostspieligste Fehler. KI-generierte Pressemitteilungen, die ohne Redaktions-Review versandt werden, haben ein erhöhtes Fehlerrisiko: falsche Produktspezifikationen, die aus schlecht strukturierten Briefings entstanden sind; Zitate, die minimal vom Original abweichen; Formulierungen, die für ein anderes Zielmedium optimiert wurden als das gewünschte. Journalisten merken es, und wenn ein Journalist einmal eine fehlerhafte PM von dir bekommen hat, ist das Vertrauen dauerhaft beschädigt. Wer mit einem Journalisten zusammenarbeiten will, muss den Qualitätsanspruch sichtbar halten, das geht nur mit dem Vier-Augen-Prinzip.

2. Kein strukturiertes Briefing verwenden. Wer dem Modell eine formlose E-Mail und die Bitte “schreib mir eine Pressemitteilung daraus” gibt, bekommt eine mittelmäßige Pressemitteilung zurück. Der Unterschied zwischen einem 30-Minuten-Rohling und einem 90-Minuten-Rohling liegt fast ausschließlich in der Qualität des Inputs. Investiere eine Stunde in ein Briefing-Template, das alle Felder vorschreibt: Produktname, Kernaussage in einem Satz, drei wichtigste Features mit Spezifikation, Originalzitat, Messestand, Preisrahmen, Verfügbarkeitsdatum. Einmal gemacht, wiederholst du es bei jeder PM.

3. Das System nie kalibrieren, und nach einem halben Jahr unzufrieden sein. Ein Prompt, der im März gut funktioniert hat, muss nach der Sommerurlaubspause nicht mehr passen, weil die Modelle sich ändern, weil neue Medientypen dazugekommen sind, weil ein Zielmedium einen neuen Stil bevorzugt. Plane alle drei bis vier Messen eine Kalibrierungsrunde ein: Nimm eine alte PM, die du selbst als gut bewertest, und prüfe, ob das aktuelle Modell mit deinem Prompt etwas Vergleichbares produziert. Wenn nicht, pass den Prompt an.

4. Zitate erfinden lassen. Das ist eine harte rote Linie: Lass die KI niemals Zitate für Führungskräfte generieren, die du nicht vorher abgestimmt hast. Wörtliche Zitate in Pressemitteilungen sind Zitate, sie stehen für eine Person. Wenn ein Redakteur in der Lage ist, dieses Zitat zu verifizieren, und die Person es nicht so gesagt hat, ist das ein Glaubwürdigkeitsproblem. KI ist hervorragend darin, gelieferte Zitate stilistisch einzubetten, aber die Zitate selbst müssen von der realen Person kommen.

Was mit der Einführung wirklich passiert, und was nicht

Die Einführung von KI im PR-Workflow ist überraschend reibungslos, weil PR-Profis mit Sprache arbeiten und intuitiv verstehen, was das Modell tut und was nicht. Die typischen Widerstände, die man aus anderen KI-Projekten kennt (Angst vor Jobverlust, technische Überforderung), sind hier seltener, jedenfalls, wenn du den Einstieg richtig framt.

Was hilft: Zeige nicht “KI schreibt unsere PMs”. Zeige “KI macht den Rohling, wir machen das, was Journalisten eigentlich lesen wollen, die fundierte Einschätzung, den guten Winkel, das präzise Zitat”. Die Zeitersparnis ist keine Bedrohung für den Redakteur, der weiß, was gute Kommunikation ausmacht. Sie ist eine Entlastung von der Routine.

Was nicht funktioniert: KI-PM-Workflows, die als Kostensenkungsprojekte kommuniziert werden. Wenn das Team das Gefühl bekommt, dass weniger Planstellen das Ziel sind, schaltet es auf Widerstand, und das zurecht. Der Nutzen liegt in besserer Qualität und mehr Output, nicht in weniger Menschen.

Womit du rechnen solltest: Die gewonnene Zeit fließt realistisch in mehr Mitteilungen pro Messe, mehr Medienversionen oder bessere Pressearbeit, nicht in weniger Stellen. Sag das dem Team, bevor du anfängst.

Realistischer Zeitplan mit Risikohinweisen

Der gesamte Einstieg dauert weniger als eine Woche. Das ist der Unterschied zu fast allen anderen Use Cases in der Messekategorie: Kein IT-Ticket, kein Vendor, kein Pilotprojekt mit mehrwöchigem Vorlauf.

Häufige Einwände, und was dahintersteckt

„Journalisten merken sofort, dass das KI ist, und ignorieren die PM.” Das stimmt, wenn die PM unredigiert rausgeht. Erkennbar sind KI-Mitteilungen an generischen Formulierungen, austauschbaren Leads und fehlenden echten Zitaten, also an genau dem, was der Redaktionsdurchgang entfernt. Eine gut redigierte PM mit echten Zitaten und konkreten Fakten liest sich wie jede andere gute PM. Der Standard ist nicht “kein KI-Einsatz”, sondern “keine erkennbare KI-Qualität”. Wer den Feinschliff sorgfältig macht, hat das Problem nicht.

„Unsere Produkte sind zu komplex für KI.” Die Komplexität liegt im Briefing, nicht in der Textgenerierung. Ein Redakteur, der einen Zeilen-Scan-Laserscanner mit 1.000-Punkt-Matrixsensor für die PM beschreiben soll, recherchiert die technischen Details zuerst, und fügt sie dann strukturiert ein. Genau das machst du auch mit KI: Du lieferst die technisch korrekte Beschreibung im Briefing, das Modell verpackt sie in die richtige Form. Das Risiko liegt nicht im Thema, sondern in einem unvollständigen Briefing.

„Das spart kaum Zeit, weil wir ohnehin viel überarbeiten müssen.” Das ist ein echtes Risiko, und hängt direkt von der Briefing-Qualität ab. Wenn der erste Rohling schlechter als erwartet ist, überarbeitest du mehr. Aber: Selbst wenn nur die Formarbeit schneller wird, im Beispiel oben gut eine Stunde je Text neben 45 Minuten echter journalistischer Arbeit, bleibt ein spürbarer Unterschied. Der Schlüssel ist nicht, sofort 80 Prozent zu sparen, sondern 30 Prozent zuverlässig zu sparen, und mit verbessertem Prompt mehr.

Woran du merkst, dass das zu dir passt

Dieser Workflow passt gut zu dir, wenn:

• Du oder dein Team mehr als eine Pressemitteilung pro Messe schreibt, ab zwei PMs lohnt sich die Prompt-Entwicklung
• Du regelmäßig verschiedene Medientypen bedienst (Fach, Wirtschaft, Regional) und jedes Mal neu formulierst
• Du Messeauftritte für mehrere Aussteller kommunizierst, PR-Agentur, Messeveranstalter oder Verbandsarbeit
• Die Erstellungszeit für PMs ein spürbarer Engpass ist, nicht die inhaltliche Substanz (die weißt du bereits)
• Du bereit bist, 20–30 Minuten pro PM für Redaktion und Faktencheck zu investieren, nachdem der Rohling steht

Wann es sich (noch) nicht lohnt, drei harte Ausschlusskriterien:

1. Kein internes PR-Knowhow vorhanden. Wenn niemand im Team in der Lage ist, eine schlechte PM von einer guten zu unterscheiden, ist KI das falsche Einstiegs-Tool. Dann fehlt das Korrektiv für den Rohling. Zuerst PR-Kompetenz aufbauen oder einen Profi hinzuziehen, dann KI als Beschleuniger einsetzen.

2. Krisenkommunikation oder vertrauliche Produktankündigungen unter Embargo. In Krisensituationen ist Tempo wichtig, aber Präzision und Abstimmung wichtiger. KI kann hier schnell eine Situation verschlimmern, wenn ein falsches Detail oder ein ungeprüftes Zitat in der ersten Stunde rausgeht. Gleiches gilt für Produkte unter NDA oder Embargo: Diese Daten gehören nicht in externe Cloud-Tools.

3. Messen mit hochreguliertem Fachkontext (Medizintechnik auf der MEDICA, Pharma, Luft- und Raumfahrt mit sicherheitsrelevanten Specs). Hier können Fehler in der PM-Formulierung regulatorische oder haftungsrechtliche Konsequenzen haben. KI-Rohlinge für diese Kontexte brauchen nicht nur einen Redakteur, sondern eine fachliche Freigabe, was den Zeitvorteil wieder aufhebt.

Das kannst du heute noch tun

Öffne ChatGPT kostenlos, kein Konto nötig für den ersten Test. Nimm eine echte Pressemitteilung, die du vor kurzem geschrieben hast. Gib dem Modell alle Fakten daraus (Produkt, Zitat mit Platzhalter statt Namen, Messe, Datum), und bitte es, daraus eine Version für die Fachpresse und eine Version für die Wirtschaftspresse zu schreiben.

Das dauert fünf Minuten. Was du danach weißt: Wie gut das Modell mit deinen Fakten umgeht, ob der Ton passt, wo der Rohling noch Überarbeitungsbedarf hat. Das ist der ehrlichste Praxistest, ohne Kosten und ohne Commitment.

Für den strukturierten Workflow kannst du direkt mit folgendem Prompt starten:

Quellen & Methodik

• Industrie-Contact (2024): „Was kostet PR?”, 1. Februar 2024. Pressemitteilung bei einer PR-Agentur in der Regel 1.000–3.000 €, darin enthalten neben dem Text auch Medienliste und Media Pitching. industrie-contact.de/blog/was-kostet-pr/, abgerufen am 19.09.2026.
• Liang, Zhang, Codreanu, Wang, Cao, Zou (2025): „The Widespread Adoption of Large Language Model-Assisted Writing Across Society”, Stanford University, arXiv 2502.09747, Februar 2025. Ergebnis: Bei Unternehmenspressemitteilungen gehen Ende 2024 bis zu 24 Prozent des Textes auf Sprachmodelle zurück. arxiv.org/abs/2502.09747, abgerufen am 19.09.2026.
• KI-Verordnung, Art. 50 Abs. 4: Kennzeichnungspflicht für KI-Texte zu Angelegenheiten von öffentlichem Interesse, Ausnahme bei menschlicher Prüfung und redaktioneller Verantwortung, anwendbar ab 2. August 2026. artificialintelligenceact.eu/article/50, abgerufen am 19.09.2026.
• Zeitwerte: aus dem Beispiel oben abgeleitet (sechs Stunden für drei Mitteilungen, davon rund 45 Minuten journalistische Arbeit je Text), keine Erhebung.
• Preisangaben Tools: laut unseren Toolseiten, Stand September 2026. ChatGPT Plus: 23 €/Monat. Claude Pro: 20 €/Monat. Notion AI: im Business-Tarif enthalten, 19,50 € je Person und Monat bei jährlicher Abrechnung (notion.com/de/pricing, abgerufen am 18.09.2026). Jasper Pro: 59 USD je Sitz und Monat bei jährlicher Zahlung.

Du willst wissen, welcher Workflow für euren Messe-PR-Prozess konkret am meisten bringt, und wie ihr das Briefing-Template am besten aufbaut? Meld dich, das klären wir in einem kurzen Gespräch.