Auslandsrechte-Verkauf: Fremdsprachige Verlage automatisch identifizieren und ansprechen

Das echte Ausmaß des Problems

Die Shortlist-Situation ist ein seltenes Glück — aber das grundlegende Problem kennt jede Lizenzmanagerin in einem unabhängigen Verlag: Das Potenzial der Backlist wird systematisch unterschätzt, weil der Rechercheaufwand für jeden Titel in jedem Markt schlicht zu hoch ist.

Was eine sorgfältige Recherche für einen einzigen Titel bedeutet: die Identifikation von fünf bis zehn ernsthaft infrage kommenden Verlagen im Zielmarkt (Katalog, Programmschwerpunkte, aktuelle Neuheiten, Subgenre-Fit), das Herausfinden der richtigen Ansprechperson (nicht der allgemeinen Submissions-E-Mail, sondern der Lektorin für Umwelt-Sachbücher), das Formulieren eines Pitch-Schreibens, das die spezifische Stärke des Titels im Kontext des Zielprogramms hervorhebt — und das alles in der Zielsprache oder zumindest auf Englisch in einem Ton, der nicht generisch klingt. Branchenpraktiker:innen berichten übereinstimmend von fünf bis zehn Stunden pro Titel und Markt für einen Outreach, der tatsächlich Aufmerksamkeit verdient.

Bei 200 Backlist-Titeln und 15 potenziellen Märkten sind das theoretisch 1.500 bis 3.000 Arbeitsstunden — eine Vollzeitstelle über ein Jahr, nur für Erstrecherche. Keine Lizenzverhandlung, keine Messe, keine Kommunikation mit bestehenden Lizenznehmern.

Laut einer Analyse von Klopotek, einem der führenden Anbieter von Verlagssoftware, verbringen Rechtemanager:innen heute mehr Zeit mit dem Erstellen von Berichten als mit dem Verkaufen. Die eigentliche Vertriebsarbeit — Marktrecherche, Pitching, Beziehungsaufbau — leidet darunter. Das Resultat: Lizenzpotenzial wird reaktiv und messebezogen erschlossen. Wer zufällig in Frankfurt am richtigen Stand steht oder bekannt genug ist, bekommt Anfragen. Der Rest liegt brach.

Dabei ist die Nachfrage nach übersetzter Literatur international stabil. Typische Vorauszahlungen für Übersetzungsrechte liegen je nach Marktgröße und Titelstärke bei 1.500 bis 8.000 US-Dollar pro Titel und Sprache — zuzüglich Tantiemen nach Erscheinen (üblicherweise 6–10 Prozent des Nettoerlöses). Für einen Verlag, der zehn Deals im Jahr mehr abschließt, sind das 15.000 bis 80.000 Euro zusätzliche Einnahmen ohne Produktionskosten.

Mit vs. ohne KI — ein ehrlicher Vergleich

Die letzte Zeile ist wichtig: KI erhöht nicht automatisch die Trefferquote pro Pitch. Was sie verändert, ist die Anzahl der Pitches, die überhaupt stattfinden. Aus drei ernsthaft angesprochenen Märkten werden zwölf. Das ist der eigentliche Hebel.

Einschätzung auf einen Blick

Zeitersparnis — hoch (4/5) Der Rechercheaufwand von fünf bis zehn Stunden auf ein bis zwei Stunden je Titel und Markt zu reduzieren ist der klarste und messbarste Effekt dieses Ansatzes. KI erledigt das, was am meisten Zeit frisst: das Durchsuchen öffentlicher Kataloge, das Einordnen von Programmschwerpunkten, das Generieren einer Erstversion des Pitchbriefs. Was bleibt, ist die inhaltliche Prüfung, das Anpassen und der tatsächliche Versand. Dieser Wert ist im Verlagsvergleich hoch, weil die Zeitersparnis pro Arbeitseinheit besonders deutlich ist — ähnlich wie bei der automatisierten Übersetzungsunterstützung, die ebenfalls konkrete Stunden pro Seite einspart.

Kosteneinsparung — mittel (3/5) Direkte Kosteneinsparung im engeren Sinn gibt es kaum — es gibt keine teure Software, die KI ersetzt. Der Nutzen entsteht durch neue Einnahmen: mehr abgeschlossene Lizenzdeals. Wie viele davon aus dem breiteren Outreach folgen, ist unsicher. Aus 15 Pitches entsteht nach Erfahrungswerten aus unabhängigen Verlagen erfahrungsgemäß ein bis drei ernsthafte Verhandlungen — wie viele davon zu Abschlüssen führen, hängt vom Titel, dem Markt und dem persönlichen Netzwerk ab.

Schnelle Umsetzung — mittel (3/5) Das Setup erfordert mehrere Schritte, die aufeinander aufbauen: Metadaten der Titel aufbereiten, Marktprioritäten definieren, Prompts entwickeln, Airtable einrichten, erste Pitches draften und gegenlesen. Das ist kein Eintages-Projekt. Acht bis zwölf Wochen bis zur ersten professionellen Outreach-Kampagne sind realistisch. Damit liegt dieser Anwendungsfall in der Mitte der vergleichbaren Fälle im Verlagsbereich — aufwändiger als Pressemitteilungen automatisieren, aber deutlich zugänglicher als eine vollständige ERP-Integration.

ROI-Sicherheit — mittel (3/5) Der ROI hängt von einem Kettenglied ab, das KI nicht kontrolliert: dem Abschluss. KI verbessert die Vorarbeit und erhöht die Anzahl der Chancen — aber ob aus einem Pitch ein Vertragsabschluss wird, entscheidet sich in der menschlichen Verhandlung. Erfahrungsgemäß dauert es sechs bis achtzehn Monate vom Erstkontakt bis zu einer unterzeichneten Lizenz. Das macht den ROI schwer kurzfristig zu isolieren.

Skalierbarkeit — hoch (4/5) Jeder neue Backlist-Titel profitiert vom gleichen Ansatz. Wer einmal die Prompts entwickelt hat, die Metadaten-Struktur aufgebaut und den Tracking-Workflow etabliert hat, skaliert damit auf hundert Titel genauso wie auf zehn — mit sehr geringem Mehraufwand pro Titel. Das ist der typische Wachstumshebel für kleine Verlage mit großen Backlists.

Richtwerte — stark abhängig von Backlist-Größe, Netzwerktiefe in den Zielmärkten und vorhandener Titelmetadaten-Qualität.

Was KI im Lizenzvertrieb konkret macht

Der Prozess besteht aus drei Schritten, die früher alle manuell waren und heute teilweise automatisiert werden können:

Schritt 1 — Passende Verlage identifizieren Startpunkt ist eine klare inhaltliche Beschreibung des Titels: Genre, Thema, Subthema, Zielgruppe, Vergleichstitel (auf Deutsch und international). Mit diesem Steckbrief geht man in ein Recherche-Tool wie Perplexity und fragt gezielt: Welche Verlage in Spanien, Frankreich oder Polen veröffentlichen Umwelt-Sachbücher für ein breites Bildungspublikum? Was haben sie zuletzt im Programm? Gibt es vergleichbare Titel, die sie übersetzt haben?

Perplexity eignet sich hier besonders, weil es tagesaktuelle Quellen zitiert und damit Verlags-Websites, Pressemitteilungen und Buchankündigungen einbezieht, die klassische KI-Modelle ohne Webzugang nicht sehen. Das Ergebnis: eine Liste von fünf bis zehn qualifizierten Kandidaten pro Markt in dreißig bis sechzig Minuten statt vier Stunden.

Wichtige Einschränkung: KI halluziniert in diesem Schritt am häufigsten. Verlagsnamen, Programmschwerpunkte und besonders Ansprechpersonen müssen immer manuell auf der tatsächlichen Verlags-Website verifiziert werden. Wer ungeprüft einen Brief an „Frau Martínez, Lektorin für Umwelt-Sachbücher beim Planeta-Verlag” schickt, der möglicherweise gar nicht existiert, beschädigt den Eindruck nachhaltiger als gar kein Kontakt.

Schritt 2 — Personalisierte Pitches draften Ein Pitch-Brief im Lizenzvertrieb funktioniert anders als eine Bewerbung oder ein Marketingtext: Er soll zeigen, dass der:die Absender:in das Programm des angesprochenen Verlags kennt und argumentieren kann, warum dieser spezifische Titel dort hineinpasst. KI kann eine solide Erstversion in der Zielsprache generieren — auf Spanisch, Französisch, Polnisch, Koreanisch — wenn man ihr die richtigen Ausgangsinformationen gibt: Titelbeschreibung, zwei bis drei Vergleichstitel aus dem Programm des Empfängers, spezifischer Aufhänger (Buchpreis-Shortlist, aktuelle Nachrichtenlage, Jubiläum). Diese Erstversion reduziert den Aufwand für den finalen Brief von einer Stunde auf zwanzig Minuten — das Prüfen, Anpassen und Abschicken bleibt Mensch.

Claude und ChatGPT eignen sich beide gut für das Pitch-Drafting. Claude neigt zu sorgfältigeren Formulierungen bei komplexen argumentativen Texten; ChatGPT ist schneller und erlaubt es, durch iteratives Nachfragen verschiedene Tonalitäten zu testen. Für die sprachliche Überprüfung langer Briefe in Sprachen, die man selbst nicht perfekt beherrscht, ist DeepL als Gegenprobe sinnvoll.

Schritt 3 — Outreach verfolgen und nachfassen Das systematischste und am häufigsten unterschätzte Element: Wer schickt wann was an wen, hat wie reagiert, was ist der nächste Schritt? Für die meisten kleinen Verlage passiert das in Excel oder gar nicht. Mit Airtable oder Notion lässt sich ein einfaches Submission-Tracking aufbauen, das je Titel und Markt festhält: Verlagsname, Ansprechperson, Pitch-Datum, Status, Follow-up-Fälligkeitsdatum. KI kann dabei Erinnerungen generieren und Follow-up-Mails draften — nach sechs Wochen Schweigen braucht es ein kurzes Nachfassen, das nicht nach Spam klingt.

Welche Pitching-Dokumente KI erstellt — und welche nicht

Im internationalen Lizenzvertrieb gibt es eine Hierarchie von Dokumenten, die für verschiedene Phasen des Verkaufsprozesses benötigt werden. Nicht alle davon kann KI gleich gut unterstützen.

KI unterstützt stark:

• Pitch-Brief / Cover Letter — Erstversion in der Zielsprache, personalisiert auf Verlag und Ansprechperson
• Klappentextadaption — den deutschen Klappentext für den internationalen Kontext kürzen und anpassen
• Autorinnenvita — die deutschsprachige Vita für einen englischen oder spanischen Empfänger aufbereiten
• Marktanmerkungen — zwei bis drei Sätze, die erklären, warum ein Thema im Zielmarkt gerade relevant ist (Klimapolitik in Polen, Energiepolitik in Japan)

KI unterstützt bedingt (menschliche Prüfung notwendig):

• Synopsis / Exposé — KI kann zusammenfassen, aber Nuancen des Inhalts und die argumentative Stärke des Buches kann nur jemand beurteilen, der es gelesen hat
• Rights Catalogue Entry — Standardformat für internationale Rechtemessen; KI-Entwurf ist ein Ausgangspunkt, kein Endprodukt
• Preisangaben und Vertragsdetails — KI produziert keine korrekten Lizenzkonditionen; das ist Verlagsrecht und Verhandlung

KI hilft nicht:

• Persönliche Empfehlungsschreiben durch bekannte Kolleg:innen oder Literaturagent:innen — diese basieren auf menschlichen Netzwerken, die KI nicht ersetzen kann
• Messeauftritt und Beziehungspflege — die Beziehung zu einem spanischen Lektor, die über Jahre aufgebaut wird, ist durch kein Pitch-Tool zu ersetzen

Konkrete Werkzeuge — was wann passt

Perplexity — Für die initiale Verlags-Recherche. Mit Pro-Zugang (20 $/Monat) sind tagesaktuelle Web-Suchen möglich; die kostenlose Version hat Limits. Besonders nützlich für fremdsprachige Märkte, weil Perplexity auch nicht-englische Quellen gut verarbeitet. Einschränkung: Keine gesicherte Datenbankqualität — immer Primärquellen der Verlage verifizieren.

Claude — Für das Drafting von Pitch-Briefen und Synopsen. Gut bei längeren argumentativen Texten; das 200.000-Token-Kontextfenster erlaubt es, dem Modell umfangreiche Hintergrundinformationen zu geben (Titelinhalte, Vergleichsprogramme). Ca. 20 $/Monat für Pro.

ChatGPT — Ebenfalls gut für Pitch-Drafting; der eingebaute Web-Browser (Plus-Plan, ca. 20 $/Monat) erlaubt direktes Nachschlagen von Verlagswebsites während der Konversation. Etwas schneller im iterativen Dialog als Claude.

DeepL — Gegenprobe für fremdsprachige Briefe. Wer keinen Native Speaker zur Prüfung hat, sollte zumindest über DeepL übersetzen und den Rückweg kontrollieren. DeepL ist kostenlos für Texte bis 1.500 Zeichen; der Pro-Tarif (ab ca. 8,74 €/Monat) erlaubt längere Dokumente ohne Limits.

Airtable — Submission-Tracking. Die kostenlose Version reicht für bis zu 1.200 Einträge pro Base; für einen Verlag mit 100 Titeln und 15 Märkten sind das 1.500 Einträge — der erste bezahlte Plan (20 $/Monat) ist dann sinnvoll. Alternativ bietet Notion ähnliche Tracking-Möglichkeiten mit einer etwas flacheren Lernkurve.

Wann welcher Ansatz:

• Marktrecherche: Perplexity + manuelle Verifikation auf Verlags-Website
• Pitch-Drafting auf Englisch: ChatGPT oder Claude, je nach Präferenz
• Pitch-Drafting auf Spanisch / Französisch / Polnisch: Claude (bessere Qualität bei Nicht-Englisch)
• Pitch-Drafting auf Koreanisch / Japanisch / Arabisch: Erstversion mit ChatGPT, unbedingt Native-Speaker-Review
• Tracking und Follow-up: Airtable oder Notion

Datenschutz und Datenhaltung

Im Auslandslizenzvertrieb werden typischerweise keine sensiblen personenbezogenen Daten verarbeitet — die Kontaktdaten von Verlagsredakteur:innen sind beruflich und öffentlich. Das macht die DSGVO-Lage übersichtlicher als bei internen HR- oder Kundendaten.

Was dennoch zu beachten ist:

Pitchinhalte enthalten manchmal unveröffentlichte Buchauszüge oder Inhaltsangaben unveröffentlichter Titel. Wer diese in ein Cloud-LLM wie ChatGPT oder Claude einspeist, gibt sie im Prinzip an den Anbieter weiter (zur möglichen Verwendung für Modelltraining, sofern man das nicht explizit ausgeschlossen hat). Für unveröffentlichte oder vertraglich geschützte Inhalte sollte man entweder die API ohne Trainings-Opt-in nutzen oder die entsprechenden Passages anonymisieren oder weglassen.

OpenAI und Anthropic bieten AVV-Vorlagen an und verarbeiten Daten über EU-Rechenzentren, wenn die entsprechenden Einstellungen aktiv sind. DeepL ist deutsches Unternehmen und verarbeitet Daten standardmäßig in Deutschland — das ist hier ein echter Vorteil gegenüber US-Diensten. Wer ausschließlich mit deutschen oder EU-gehosteten Diensten arbeiten will, kann für Übersetzungsaufgaben auf DeepL setzen und für Drafting auf eine lokale LLM-Installation wie Ollama zurückgreifen — das ist technisch anspruchsvoller, aber vollständig datensouverän.

Was es kostet — realistisch gerechnet

Werkzeugkosten monatlich (laufend):

• Perplexity Pro: ca. 20 $/Monat
• Claude Pro oder ChatGPT Plus: ca. 20 $/Monat
• DeepL Pro (optional): ca. 8,74 €/Monat
• Airtable Plus (optional, ab ca. 1.200 Einträgen): 20 $/Monat

Gesamtkosten Tooling: rund 50–70 Euro/Monat, wenn man alle vier Dienste nutzt. Deutlich weniger, wenn man mit kostenlosen Basisversionen startet.

Einmaliger Setup-Aufwand: Das Aufsetzen einer ordentlichen Airtable-Datenbank (Titel, Märkte, Kontakte, Submission-Status), die Entwicklung von drei bis fünf Prompts für typische Pitch-Szenarien und das interne Klären der Prozesse dauert realistisch zwei bis drei Arbeitstage — verteilt über zwei bis drei Wochen, weil immer wieder Iterationen nötig sind. Das ist keine externe Investition, sondern interne Zeit.

Was du gegenzurechnen hast: Ein Lizenzvertrag über Übersetzungsrechte bringt typischerweise 1.500 bis 8.000 Dollar Voraus (zuzüglich Royalties). Wenn der KI-gestützte Ansatz es ermöglicht, drei zusätzliche Märkte pro Jahr ernsthaft zu bearbeiten und davon einer zu einem Abschluss führt, sind das 1.500 bis 8.000 Euro Mehreinnahmen ohne Produktionskosten. Das amortisiert die Tool-Kosten im ersten Quartal.

Konservatives Szenario: 15 Märkte für einen Titel angesprochen statt drei → zwei bis drei ernsthafte Verhandlungen statt keiner → ein Abschluss pro Titel und Jahr. Auf zehn Frontlist-Titel hochgerechnet: zehn zusätzliche Deals, ca. 20.000 bis 60.000 Euro Mehreinnahmen im Jahr. Das ist ein mittleres Szenario — kein Best Case, aber auch kein Worst Case, wenn die Titel Substanz haben.

Vier typische Einstiegsfehler

1. Perplexity-Ausgabe ungeprüft übernehmen. Das häufigste und folgenreichste Problem: Das KI-Modell nennt einen spanischen Verlag für Umwelt-Sachbücher, dazu eine Lektorin beim Namen — und man pitcht, ohne auf der Website nachzuschauen, ob die Person dort tatsächlich arbeitet. LLMs halluzinieren Kontaktdaten mit hoher Konfidenz. Ein Pitch an eine nicht existierende Redakteurin wirkt unprofessionell; ein Pitch an eine Adresse, die nicht mehr zum Verlag gehört, wandert in den Spam. Regel: Jeder Name, jede Funktion, jede E-Mail-Adresse wird vor dem Versand manuell auf der aktuellen Verlagswebsite verifiziert. Ausnahme: du hast diese Person persönlich auf einer Messe getroffen.

2. Den Pitch in der Zielsprache nicht gegenlesen lassen. KI-generiertes Spanisch klingt oft sprachlich korrekt, aber stilistisch leicht schief — die Wortwahl ist zu formal, die Satzstruktur zu deutsch, die Metaphern gelegentlich falsch übertragen. Ein spanischer Verlagsredakteur erkennt das sofort. Wenn du keinen Native Speaker hast: lass die Rückübersetzung durch DeepL laufen und prüfe, ob der deutsche Rückweg noch sinnvoll klingt. Für Sprachen mit nichtlateinischem Alphabet (Koreanisch, Japanisch, Arabisch) ist eine Native-Speaker-Prüfung nicht optional.

3. Nach dem Pitch nichts mehr tun. Verlagsredakteur:innen bekommen täglich Dutzende Pitches; sechs Wochen Schweigen bedeutet meistens: noch nicht gelesen, nicht: kein Interesse. Wer nach sechs bis acht Wochen nicht freundlich nachfragt, verschenkt die halbe Arbeit der Recherche. Das Nachfassen ist kurz und formlos möglich — und es ist genau der Schritt, den KI gut vorbereiten kann: ein kurzer Draft, der nicht nach automatisiertem Follow-up klingt, sondern nach persönlichem Interesse.

4. Den Prozess nach dem ersten Erfolg nicht institutionalisieren. Wenn der erste Abschluss zustande kommt, ist die Versuchung groß, es bei diesem einen Erfolg zu belassen und zur bisherigen Arbeitsweise zurückzukehren. Wer den Aufwand betrieben hat, Prompts zu entwickeln und ein Tracking aufzubauen, sollte diese Infrastruktur für die gesamte Backlist nutzen — auch für ältere Titel, die nie ernsthaft international beworben wurden. Das ist der eigentliche Skalierungseffekt.

Was mit der Einführung wirklich passiert — und was nicht

Der häufigste Irrtum: „Wir können jetzt automatisch pitchen.” Das stimmt nicht — und die Einstellung ist gefährlich.

Was wirklich passiert: Die vorbereitende Arbeit — Marktrecherche, Erstdraft — wird deutlich schneller. Aber der eigentliche Lizenzvertrieb ist und bleibt Beziehungsarbeit. Verlage, die regelmäßig miteinander arbeiten, bevorzugen bekannte Kontakte. Ein spanischer Lektor, der einen deutschen Rechtechef aus fünf Frankfurt-Messen kennt, wird dessen Pitch anders lesen als ein Cold-Mail von einem unbekannten Verlag.

Das bedeutet konkret: Der KI-gestützte Ansatz bringt am meisten dort, wo du entweder bereits ein schwaches Netzwerk in einem Markt hast (und dieses stärken willst) oder wo der Titel so klar profiliert ist, dass er sich im Kalt-Outreach erklärt. Klimabuch mit Buchpreis-Shortlist ist ein gutes Beispiel: Der Aufhänger ist unmittelbar verständlich, das Thema international relevant.

Ein weiteres Muster, das immer wieder auftaucht: Die Qualität der Pitches sinkt, wenn man zu viele gleichzeitig produziert. Fünfzehn generische Mails an fünfzehn Verlage — alle mit dem gleichen Pitch-Brief, nur mit ausgetauschtem Verlagsname — haben keine bessere Resonanz als drei sorgfältig personalisierte. KI spart Zeit bei der Personalisierung; sie ersetzt sie nicht.

Realistischer Zeitplan mit Risikohinweisen

Realistischer Zeitrahmen für Maria Bergers Situation: Sechs Wochen bis Frankfurt sind eng — sie kann für zwei bis drei Märkte vollständig durch den Prozess gehen, für weitere fünf erste Kontakte ohne vollständig verifizierte Ansprechpersonen anlegen. Das ist mehr als ohne KI, aber der vollständige Durchlauf für alle fünfzehn Märkte ist in sechs Wochen nicht machbar, wenn die Infrastruktur noch aufgebaut wird.

Häufige Einwände — und was dahintersteckt

„Auslandsrechte verkauft man über Agenturen, nicht selbst.” Stimmt für große Verlage und Bestseller-Autoren. Für einen unabhängigen Verlag mit zwanzig bis dreißig Titeln im Jahr und begrenztem Netzwerk ist die Agenturroute oft kein realistischer Weg — Agenturen priorisieren Hochvolumen-Kunden. Direktvertrieb über Messen und gezielte Outreach-Kampagnen ist für kleine Verlage oft der einzige machbare Weg.

„KI kann keine Beziehungen aufbauen.” Richtig — und das behauptet auch niemand. KI macht den Erstkontakt möglich, der sonst aus Zeitmangel nicht stattfindet. Ob aus dem Erstkontakt eine Beziehung entsteht, liegt danach an der Person. Der Brief öffnet die Tür; den Raum betritt man selbst.

„Wir haben schon eine Lizenzagentur, die das für uns macht.” Dann ist dieser Ansatz nicht primär für den aktiven Titelvertrieb relevant — aber möglicherweise für das Vorsortieren und Priorisieren, welche Titel überhaupt in welche Märkte gehen sollten. KI-gestützte Marktanalyse kann den internen Entscheidungsprozess beschleunigen, auch wenn der Vertrieb selbst extern liegt.

„Die Pitches werden dann alle gleich klingen.” Korrekt, wenn man sie nicht anpasst. Das ist kein Argument gegen KI, sondern gegen schlechte Nutzung von KI. Ein gut konfigurierter Prompt, der den spezifischen Verlag und seine letzten drei Neuerscheinungen kennt, produziert keine Massen-E-Mail — er spart die Zeit für das, was trotzdem individuell bleiben muss: die argumentative Verbindung zwischen Buch und Verlagsprogramm.

Woran du merkst, dass das zu dir passt

• Du hast mindestens 20 Titel in der Backlist, die noch keine fremdsprachige Edition haben, aber Potenzial für mindestens zwei oder drei Märkte hätten
• Dein einziger Messe-Moment ist Frankfurt — außerhalb der Messe passiert im Auslandslizenzvertrieb bei euch fast nichts, weil die Zeit fehlt
• Du weißt grundsätzlich, welche Märkte für einen Titel infrage kämen, aber die Recherche, welche Verlage dort konkret passen, ist immer wieder aufgeschoben
• Du hast zumindest eine Person, die die Verantwortung für den Prozess übernimmt und die Pitches inhaltlich prüft — KI ohne Human Review ist im Lizenzvertrieb gefährlicher als im Marketing
• Deine Titelmetadaten sind halbwegs strukturiert — Thema, Subthema, Zielgruppe, BISAC-Kategorien oder vergleichbare Einordnung. Ohne das hat KI zu wenig Ausgangsmaterial

Wann es (noch) nicht passt — drei harte Ausschlusskriterien:

1. Weniger als 15–20 Backlist-Titel ohne fremdsprachige Ausgaben. Der Setup-Aufwand für Infrastruktur, Prompts und Tracking lohnt sich erst ab einem gewissen Volumen. Wer fünf Bücher hat, macht den Pitch für jeden Titel besser manuell und personalisiert.

2. Keine Person mit Verantwortung für Auslandsrechte, auch nicht anteilig. KI beschleunigt einen Prozess, ersetzt ihn aber nicht. Wenn niemand die Recherche-Ergebnisse verifiziert, die Pitches gegenliest und Verhandlungen führt, ist die KI-Komponente nutzlos oder kontraproduktiv. Automatisiertes Volumen ohne inhaltliche Kontrolle schadet dem Ruf.

3. Programmschwerpunkte, die kein überregionales Thema haben. Lokale oder stark deutschlandspezifische Inhalte — Regionales, Heimatgeschichte, Ortsbücher, Bücher, die von einem spezifischen deutschen Rechtskontext abhängen — sind international nur schwer zu platzieren, unabhängig von der Outreach-Methode. KI ändert daran nichts. Wer solche Titel hat, sollte die Energie eher in den Inlandsvertrieb stecken.

Das kannst du heute noch tun

Öffne Perplexity und wähle einen Titel aus deiner Backlist, von dem du schon immer gedacht hast: „Den sollte man mal auf Spanisch oder Polnisch anbieten.” Gib folgendes in die Suche ein:

„Welche spanischsprachigen Verlage (Spanien oder Lateinamerika) veröffentlichen Sachbücher zum Thema [dein Thema] für ein gebildetes Massenpublikum? Nenne konkrete Verlage mit Website und beschreibe kurz ihr Programm.”

Lies die Ergebnisse. Prüfe zwei oder drei der genannten Verlage auf ihrer Website. Schau dir an, was sie zuletzt veröffentlicht haben. Wenn einer davon tatsächlich passend ist: Notier dir den Namen und suche auf der Verlagswebsite nach einer Ansprechperson für Lizenzanfragen oder Lizenzeinkauf.

Das dauert dreißig Minuten. Was du danach weißt: ob das Konzept für deinen Titel und deine Märkte funktioniert — bevor du eine Stunde in die Infrastruktur investierst.

Für den fertigen Pitch-Brief nutze diesen Prompt:

Quellen & Methodik

• Zeitaufwand Rechte-Recherche (5–10 Stunden/Titel/Markt): Eigene Einschätzung basierend auf Praxisberichten von Lizenzmanager:innen in unabhängigen Verlagen; konsistent mit der Beschreibung in: MetaComet, „Book Translation Rights: A Complete Guide for Publishers” (metacomet.com, Stand April 2026), die den Prozess als „in-depth research of customers, careful nurturing of relationships, tenacity on contract negotiations” beschreibt.
• Rechtemanager verbringen mehr Zeit mit Berichten als mit Verkauf: Klopotek, „Rights Management Software for Publishers: Solving Today’s Rights Sales Challenges” (klopotek.com, Stand 2024).
• Vorausangaben Übersetzungsrechte ($1.500–$8.000/Titel/Sprache): Mehrfach übereinstimmend dokumentiert in: independentpublisher.com, „Foreign Publishing Deals: Profit or Peril?”; literaryagentmarkgottlieb.com, „Books in Translation: How Foreign Rights Can Generate Income for Authors” (Stand 2024).
• Royalty-Sätze (6–10 %): FindLaw / Wood Herron & Evans LLP, „Licensing Translation Rights II: Negotiating The Deal” (Stand 2024); The Authors Guild Translator Contract Guide (Stand 2024).
• KI-Halluzinationen in Verlagszusammenhängen: Bulletin of the Atomic Scientists, „How AI use in scholarly publishing threatens research integrity” (März 2026); eigene Bewertung übertragen auf Lizenzvertrieb-Kontext.
• Preisangaben Tools: Öffentliche Tarife der jeweiligen Anbieter (Perplexity, Anthropic, OpenAI, DeepL, Airtable; Stand Mai 2026).

Du willst wissen, welche deiner Backlist-Titel das meiste internationale Potenzial haben und wie ein realistischer Outreach-Plan für die nächste Buchmesse aussieht? Meld dich — das klären wir gemeinsam in einem kurzen Gespräch.