KI oder Mensch: Wann du was für Social Media nutzt

"KI oder Mensch?" ist die falsche Frage. Sie sortiert Content danach, wer ihn getippt hat, und das interessiert dein Publikum nicht. Was es interessiert: ob da überhaupt jemand zu hören ist.

Die Linie, die wirklich vorhersagt, ob ein Post zündet, verläuft ganz woanders: generisch gegen konkret. Flüssig gegen wahr. Ein Mensch kann einen perfekt flüssigen Post schreiben, der nichts sagt. KI kann dir helfen, einen konkreten zu schreiben. Die Tastatur ist nicht die entscheidende Variable.

Gelernt habe ich das beim Aufbau eines KI-Schreibprodukts, was ein ziemlich schräger Ort ist, um zu dieser Einsicht zu kommen.

Flüssigkeit ist billig. Stimme ist konkret.

Ich habe mal ein Bake-off zwischen GPT, DeepSeek, GLM und Claude laufen lassen und jedes Modell danach bewertet, wie gut es die Markenstimme trifft. In vielem waren sich die Modelle uneinig. Worin sie sich, verdächtig genug, einig waren: wie ein "guter" Post auszusehen hat. Derselbe Rhythmus. Derselbe ordentliche Dreierschritt. Derselbe Griff nach dem inspirierenden Schluss. Verschiedene Maschinen, ein Akzent.

Genau das musst du über Flüssigkeit verstehen: Sie konvergiert. Jedes Modell wird darauf trainiert, kompetent zu klingen, und Kompetenz hat eine Form, und diese Form ist inzwischen die Standardtextur des Internets. Flüssigkeit ist die Untergrenze. Sie ist umsonst, sie ist überall, und sie ist die eine Eigenschaft, mit der dein Post nicht punkten kann, weil die Maschine gegenüber sie genauso hat.

Stimme ist das Gegenteil. Stimme ist das, was nur du hättest sagen können. Die konkrete Zahl, der echte Name, das Ding, das an einem Dienstag passiert ist und in keinem Trainingskorpus steht. KI ist hervorragend in Flüssigkeit und strukturell unfähig zur Stimme, weil Stimme aus Fakten gemacht ist, an die sie nicht herankommt: an deine.

Die eigentliche Frage ist also nicht, ob du KI benutzt hast. Sie lautet, ob der Post etwas Konkretes von dir trägt, oder ob er von jedem mit demselben Prompt hätte kommen können. Das ist die Achse. Alles Weitere ist nur ihre Anwendung.

Das Raster: Konkretheit, nicht Urheberschaft

Sortiere deinen Content danach, wie stark er von Wissen abhängt, das nur du hast. Dieser eine Schnitt sagt dir, was du automatisieren kannst.

Content mit geringer Konkretheit läuft auf Mustern, an die jeder herankommt. Plattform-angepasste Versionen eines Posts, den du schon geschrieben hast. Hashtag-Sets. Ein Gerüst für den Content-Kalender aus deinen Themen-Säulen. Alt-Texte. SEO-Metadaten. Nichts davon braucht deine gelebte Erfahrung, also kostet es dich nichts, es an die KI abzugeben. Einen LinkedIn-Post für Twitter umzubauen, ist reine Format-Umwandlung, und die macht KI schneller und konsistenter, als du es von Hand je könntest. Gib es ab.

Content mit hoher Konkretheit läuft auf Dingen, die nur du weißt. Die Geschichte vom Launch, der schiefgegangen ist. Die Meinung, die du in einer Diskussion verteidigen würdest. Die Antwort an einen Kunden, der sich geärgert hat. Die Sicht auf einen Trend, die deine ist und nicht eine Synthese aus allem, was die anderen sagen. Hier hat die KI nichts, woraus sie schöpfen kann, also wird ein vollautomatischer Entwurf flüssig und leer. Das ist der Content, der dir den Follow einbringt, und er muss von dir kommen.

Die meisten Posts liegen zwischen den Polen. Der sinnvolle Schritt ist nicht "KI oder Mensch". Er lautet: Wie viel davon hängt von Wissen ab, das nur ich habe? Je mehr, desto mehr von dir braucht es.

Wo die Linie in der Praxis verläuft

An die KI abgeben, leicht überarbeiten. Inhalte plattformübergreifend wiederverwerten, Hashtag-Recherche, Kalenderstruktur, Alt-Texte, Metadaten. Musterarbeit. Das Ergebnis braucht einen kurzen Blick auf alles, was nicht zur Marke passt, aber die Schwerstarbeit ist nicht deine Aufgabe.

Mit KI entwerfen, von Hand fertigstellen. Lehr- und How-to-Content, Produkt-Updates, wiederkehrende Reihen, Carousels und Threads. Die KI baut das Gerüst und deckt das Allgemeingut ab. Du fügst den konkreten Tipp hinzu, den Workflow, den du wirklich nutzt, das "und das lassen die meisten Anleitungen aus". So mache ich es bei den meisten Blogposts, auch bei diesem hier. Die Struktur ist geliehen, die Substanz nicht. (Wie das genau funktioniert, habe ich in wie man Content über fünf Plattformen wiederverwertet auseinandergenommen.)

Ganz für dich behalten. Persönliche Geschichten, Antworten an die Community, Krisenkommunikation, Thought Leadership, kulturelle Einordnungen. Der gemeinsame Nenner ist nicht "das ist alles emotional". Es ist, dass jedes Einzelne davon aus Konkretem gebaut ist, an das die KI nicht herankommt. Eine generische Krisenantwort ist ein Risiko. Eine generische steile These ist keine These, sie ist ein Muster. KI einzusetzen, um deiner Community zu antworten, ist der schnellste Weg, das mühsam aufgebaute Vertrauen zu verbrennen, denn die Leute sind gekommen, um mit dir zu reden, nicht mit einer Synthese. Vorausplanen spart Zeit, automatisierte Antworten kosten Vertrauen, und ausführlich begründet habe ich das hier.

Der "selbstsichere, aber tote" Post

Der Aufbau von Autopilot hat mir den Fehlerfall auf die harte Tour beigebracht. Die vollautomatischen Entwürfe kamen selbstsicher, sauber und leblos zurück. Technisch korrekt. Null Grund, mit dem Scrollen aufzuhören. Nichts war an ihnen falsch, und genau das war das Problem.

Das ist es, was Flüssigkeit ohne Konkretheit jedes Mal hervorbringt. Die Grammatik ist perfekt, die Struktur ist solide, und es steckt kein Mensch darin. Ein Publikum, das auf echte Stimme geeicht ist, spürt das als Erstes, und deshalb fallen die Anzeichen auf LinkedIn am härtesten auf. Und dieses Gespür ist keine Paranoia. Eine Untersuchung des Nürnberg Instituts für Marktentscheidungen zeigt, dass Konsumenten KI-gekennzeichneten Content kritischer beurteilen, selbst wenn der Text mit einer menschlichen Version identisch ist. Der Abzug gilt nicht den Worten. Er gilt dem fehlenden Menschen.

Der Überarbeitungs-Durchgang ist also nicht kosmetisch. Er ist die Stelle, an der du das Konkrete wieder einbaust: die echte Zahl, das tatsächliche Beispiel, die Meinung, um die das Modell herumgeredet hat. Lässt du diesen Durchgang weg, sparst du keine Zeit. Du veröffentlichst die tote Version.

Die Fehler, die beide Lager machen

"KI ist schnell, also nutze ich sie für alles." Tempo ist nicht das Ziel, Konkretheit ist es. Dreißig flüssige Posts in zehn Minuten sagen immer noch dreißigmal nichts. Nutze KI, um deine zehn guten Posts schneller hinzubekommen, nicht um den Feed mit Durchschnitt zu fluten.

"KI killt Authentizität, also schreibe ich alles selbst." Authentizität steckt in deinen Ideen, nicht in deinen Tastenanschlägen. KI für Hashtags und Format-Arbeit zu nutzen, verwässert deine Stimme genauso wenig, wie Canva zu benutzen statt von Hand zu zeichnen. Ein selbst geschriebener Post kann genauso generisch sein wie ein maschineller, und oft ist er es auch. Laut Capgeminis globaler Studie von 2024 sagen 73 % der Konsumenten, dass sie generativem KI-Content vertrauen, aber dieses Vertrauen ruht auf der menschlichen strategischen Aufsicht, die ihn konkret hält.

"Ich hab's einmal gelesen, war okay, hab's rausgehauen." Okay ist die Falle. Über okayen Content wird hinweggescrollt. Wenn deine Überarbeitung nicht eine Sache hinzugefügt hat, die nur du wissen konntest, hast du den einzigen Schritt übersprungen, auf den es ankam.

Eine Woche, nach Konkretheit sortiert

So läuft die Achse durch eine typische Woche bei Sydium.

Planung. Die KI entwirft einen Kalender aus meinen Themen-Säulen. Ich streiche, was nicht passt, und arbeite Ideen aus der Woche ein. Geringe Konkretheit, weitgehend automatisiert.

Erstellung. Lehrreiche Posts bekommen einen KI-Entwurf und eine gründliche Überarbeitung. Story-Posts schreibe ich von Grund auf und lasse die KI hinterher die Struktur straffen. Wiederverwertung läuft KI-zuerst, dann personalisiere ich.

Interaktion. Jede Antwort ist meine. Hohe Konkretheit per Definition, keine Abkürzungen.

Auswertung. Die KI hilft mir, die Analytics zu lesen, aber die Entscheidungen darüber, was sich ändern soll, sind meine.

Es geht nicht um eine feste Stundenzahl. Es geht darum, dass der Aufwand in die konkrete Arbeit fließt, die den Account abhebt, und die generische Arbeit an die Maschine geht.

Wohin das führt

KI wird in Flüssigkeit besser werden. Sie wird Rhythmen nachahmen und Kontext genauer lesen. Nichts davon rührt an den echten Vorteil, denn der Vorteil war nie Flüssigkeit. Es waren die Konkreta, und die kommen daher, ein Leben gelebt zu haben, das das Modell nicht gelebt hat. Die Trennung verschiebt sich also, statt zu verschwinden: Die KI übernimmt mehr von der Ausführung, und das, was du tatsächlich weißt, wird zum eigentlichen Punkt.

Dein Publikum kann nicht immer benennen, warum sich ein Post echt anfühlt und ein anderer hohl. Es stimmt trotzdem mit seiner Aufmerksamkeit ab, und die Stimme geht weiter an Content, in dem irgendwo ein echter Mensch steckt und den Teil macht, den kein Modell vortäuschen kann.

FAQ

Wird KI-generierter Content von Social-Media-Plattformen als Spam eingestuft?

Nein. Stand 2026 stuft keine große Plattform KI-unterstützten Content als Spam ein. Instagram, LinkedIn, Twitter/X und TikTok erlauben ihn alle. Manche verlangen im Werbekontext eine Kennzeichnung der KI-Erzeugung, aber für organische Posts gibt es keine solche Einschränkung. Algorithmen ranken nach Engagement, nicht danach, ob KI am Entwurf beteiligt war.

Wie erkenne ich, ob der Social-Media-Content von jemandem KI-generiert ist?

Die schwachen Signale sind generische Formulierungen, fehlerfreie Grammatik ohne jede Eigenheit und eine zu glatte Gleichförmigkeit über alle Posts hinweg. Das verlässliche Signal ist Konkretheit: Trägt der Content irgendetwas, das nur aus der echten Erfahrung dieser Person stammen kann? Selbst dann ist die Erkennung wackelig. Die Meta-Analyse von Originality.ai über 14 Erkennungsstudien fand heraus, dass die Trefferquote unter 62 % fällt, sobald ein Mensch den KI-Text bearbeitet hat. Und genau das ist der Punkt: Ein bearbeiteter, konkreter Post ist faktisch nicht mehr zu unterscheiden, weil er nicht mehr generisch ist.

Welcher Anteil des Social-Media-Contents ist KI-generiert?

Die Schätzungen gehen auseinander. Laut Berichterstattung von Business Wire über Branchenforschung planen Unternehmen, bis 2026 generative KI für 48 % ihres Social-Contents einzusetzen, gegenüber 39 % im Jahr 2024, und HubSpots State of Marketing Report 2026 ergab, dass 88 % der Marketer KI in ihrem täglichen Arbeitsablauf nutzen. Der Trend geht zur KI-unterstützten Zusammenarbeit statt zur vollautomatischen Ausgabe.

Wie behalte ich meine Markenstimme, wenn ich KI nutze?

Halte die Stimme erst einmal fest: die Adjektive für deinen Ton, die Formulierungen, die du nutzt und die du ablehnst, zwei oder drei Posts, die nach dir klingen. Gib das bei jedem Prompt als Kontext mit. Dann prüfe jeden Entwurf an einer Frage: Würde ich das wirklich so sagen? Wenn nein, schreib so lange um, bis ja. Brand-Voice-Training, so wie wir es in Sydium eingebaut haben, automatisiert die erste Hälfte, indem es aus deinen bestehenden Posts lernt, aber die Frage bleibt deine.

Wie viel menschliche Überarbeitung braucht KI-Content mindestens?

Lies ihn laut vor, prüfe jede Behauptung nach, füge ein Detail hinzu, das das Modell nicht wissen konnte, und schreib jeden Satz um, der nach irgendwem klingt. Grob 5 bis 10 Minuten für einen kurzen Post, 20 bis 30 für lange Formate. Der nicht verhandelbare Schritt ist das hinzugefügte Detail, denn das ist der eine, der den Post von generisch zu konkret bewegt.