Zwischen Effizienz und Einheitsbrei: KI im Social Media Marketing

16. Sept.

6 Min. Lesezeit

Wenn ich mir Beiträge auf LinkedIn ansehe, dann fällt mir immer häufiger auf: Alles klingt sprachlich perfekt. Und oftmals habe ich schon nach den ersten Sätzen den Eindruck: Dieser Beitrag wurde mit generativer KI geschrieben. Im nächsten Moment verliere ich das Interesse und scrolle weiter. Ich finde es allerdings nicht falsch, mit ChatGPT zu schreiben. Ganz im Gegenteil: Ich nutze KI selbst und bin überzeugt, dass sie uns viel Arbeit abnehmen kann. Aber wenn plötzlich alles gleich klingt, geht aus meiner Sicht etwas schief. Im schlimmsten Fall kommt die Botschaft gar nicht an, weil sie einfach nicht mehr gelesen wird. Das hat mich zum Nachdenken gebracht: Wie können Unternehmen generative KI in der Social-Media-Kommunikation so einsetzen, dass die Authentizität und Glaubwürdigkeit ihrer Botschaften erhalten bleiben?

KI wird mittlerweile rege in der Social-Media-Kommunikation genutzt. Laut der Social Media Studie Schweiz 2026 von ZHAW und Bernet Relations setzen 86 Prozent der befragten grossen Schweizer Unternehmen und Organisationen KI-Tools ein. Diese kommen vor allem beim Schreiben, Redigieren und Zusammenfassen von Texten sowie für Übersetzungen zum Einsatz. Ob ein Beitrag tatsächlich mit generativer KI geschrieben wurde, lässt sich von aussen kaum zuverlässig beurteilen. Auch aktuelle KI-Erkennungssysteme können insbesondere bei bearbeiteten Texten und unbekannten Sprachmodellen leicht zu falschen Ergebnissen kommen.

Mehr Content mit KI bedeutet nicht automatisch mehr Relevanz

Insbesondere bei der Content-Erstellung kann KI eine deutliche Effizienzsteigerung bringen. Beim Verfassen von Posts kann sie Varianten für unterschiedliche Zielgruppen entwickeln, Inhalte kürzen, übersetzen oder an einen anderen Kanal anpassen. Ich sehe darin eine grosse Chance. Gerade in meinem früheren Arbeitsalltag in der Unternehmenskommunikation hätte mir das an vielen Stellen enorm viel Zeit gespart. Aber mehr Content bedeutet nicht automatisch mehr Relevanz. Und ein effizient produzierter Beitrag ist noch lange keine gute Social-Media-Kommunikation. Denn wenn alle schneller und mehr produzieren können, entstehen zunächst einfach noch mehr Inhalte, sogenannter „Noise“: mehr Beiträge, Überschriften und Botschaften, die um unsere Aufmerksamkeit konkurrieren. KI macht es deshalb aus meiner Sicht nicht automatisch leichter, gehört zu werden. Vielleicht macht sie es sogar schwieriger.

Wer heute auf Social Media auffallen möchte, braucht deshalb mehr als einen gut formulierten Text. Gute Social-Media-Kommunikation braucht Kreativität und den Mut, eine eigene Stimme nach aussen zu tragen. Im besten Fall ist diese Stimme Teil der Kommunikationsstrategie einer Marke. Dazu gehört auch eine klare Entscheidung darüber, für welche Aufgaben KI eingesetzt werden soll und für welche nicht.

„On brand“ ist nicht automatisch authentisch

Gute Marken haben Brand Guidelines, die festlegen, wie sie kommunizieren, welche Werte sie vermitteln und wie sie visuell auftreten. Werden solche Vorgaben in ein KI-System integriert, kann es Texte und Bilder erzeugen, die erstaunlich gut zur Marke passen. Die KI kann lernen, welche Begriffe eine Marke verwendet, wie sie ihre Zielgruppen anspricht und welche Formulierungen oder Bildmotive zu ihr passen. Das hilft, Inhalte konsistent und wiedererkennbar zu gestalten. Aber ist das schon authentische Kommunikation? Wirkt ein solcher Text automatisch glaubwürdig?

Ich glaube, dass Marken mit guten Prompts und klaren Brand Guidelines vor allem für Konsistenz bei KI-generierten Inhalten sorgen können. Eine konsistente Tonalität ist jedoch nicht gleichzusetzen mit Authentizität. Denn authentische Kommunikation zeigt sich erst, wenn ein Unternehmen das lebt, was es nach aussen erzählt. Zudem müssen Inhalte redaktionell geprüft werden – von einem Menschen, der schlussendlich auch die Verantwortung dafür trägt.

Unternehmen konnten natürlich schon vor KI etwas kommunizieren, das nicht der gelebten Realität entsprach. Generative KI erfindet dieses Problem zwar nicht, aber sie macht es definitiv leichter, in kurzer Zeit Inhalte zu generieren, die sprachlich und visuell „on brand“ klingen. Am Ende ist die Social-Media-Strategie Teil einer übergeordneten Unternehmensstrategie. Ob Kommunikation glaubwürdig wirkt, hängt deshalb auch davon ab, wie ein Unternehmen geführt wird und welche Kultur es im Alltag lebt. Werte und Visionen dürfen nicht nur gut klingen. Sie müssen sich auch im Handeln zeigen.

Konkrete Empfehlungen für Unternehmen

Aber zurück zur Frage vom Beginn dieses Blogposts: Wie soll ein Unternehmen KI in der Social-Media-Kommunikation einsetzen, damit seine Botschaften bei den Zielgruppen ankommen und Glaubwürdigkeit sowie Authentizität transportieren?

Hier lohnt sich ein kurzer Blick in die Forschung, auch wenn die Studienlage noch jung ist. Erste Ergebnisse zeigen, dass KI die Qualität einzelner Ergebnisse zwar verbessern kann. Aber gleichzeitig werden die entstandenen Ideen und Texte einander ähnlicher. Die Studien beziehen sich zwar nicht direkt auf Social-Media-Beiträge, erinnern mich aber an das, was ich derzeit auf LinkedIn beobachte. Die zentrale Aufgabe eines Unternehmens sollte demnach darin liegen, seine Marke weiter zu stärken, mit Social-Media-Kommunikation, die unverwechselbar und glaubwürdig ist.

Davon ausgehend lassen sich für mich einige zentrale Empfehlungen für Unternehmen ableiten:

Routinearbeit an KI abgeben: Transkriptionen, Untertitel, Übersetzungen, Formatierungen oder die Anpassung von Inhalten an verschiedene Kanäle können weitgehend automatisiert werden. Die redaktionelle Verantwortung vor der Publikation liegt auch bei Routinearbeiten bei den Kommunikationsverantwortlichen.
Für Markenkonsistenz sorgen: Sobald generative KI Texte formuliert oder bearbeitet, braucht sie klare Vorgaben zur Sprache und Tonalität des Unternehmens. Brand Guidelines helfen dabei, dass ein Text zur Marke passt. Authentisch wird er dadurch aber noch nicht automatisch. Dazu braucht es ein Unternehmen, das gemäss seiner Kommunikation arbeitet und handelt.
KI als Sparringspartner nutzen: Bei Recherchen, Themenanalysen und der Wiederverwertung bestehender Inhalte kann KI erste Grundlagen liefern, neue Perspektiven aufzeigen oder verschiedene Formate vorschlagen. Ergebnisse und Quellen müssen dabei natürlich überprüft werden.
Daten analysieren lassen, Entscheidungen aber nicht abgeben: Beim Social Listening kann KI grosse Mengen an Beiträgen auswerten, Themen ordnen und auffällige Veränderungen sichtbar machen. Gerade im Krisenmanagement kann das wertvoll sein. Was ein negativer Kommentar für das Unternehmen bedeutet und wie es darauf reagieren sollte, muss jedoch weiterhin ein Mensch beurteilen. Grundsätzlich gilt: Je sensibler und folgenreicher eine Botschaft ist, desto wichtiger werden menschliches Urteilsvermögen und Verantwortung. Bei reiner Datenanalyse, zum Beispiel, wenn ein Unternehmen analysieren möchte, wie gut seine Social-Media-Strategie die festgesetzten Ziele verfolgt, kann KI einen enormen Mehrwert bieten. Allein die Daten, die der KI gefüttert werden, sollten auf ihre Richtigkeit geprüft werden.
Bei persönlicher Kommunikation für eine menschliche Stimme sorgen: Das gilt besonders für Beiträge im Namen einer konkreten Person, etwa einer Führungskraft. KI kann einen Entwurf erstellen oder einen Text kürzen. Die verantwortliche Person sollte sich aber fragen: „Denke ich das wirklich? Würde ich dafür auch in einem persönlichen Gespräch einstehen? Was würde ich selbst niemals so schreiben?“ Eine unverwechselbare Stimme entsteht nicht dadurch, dass jeder Satz selbst getippt wurde. Wichtiger ist, dass die Gedanken und die Haltung von der Person selbst kommen und der Text vor der Veröffentlichung sorgfältig geprüft wird. Manchmal entsteht der bessere Text in einem Gespräch mit einer Kommunikationsfachperson. Und manchmal ist es am einfachsten, den Laptop aufzuklappen und selbst zu schreiben.
Mitarbeitende schulen: Corporate-Influencer-Programme leben davon, dass Mitarbeitende mit ihrer eigenen Perspektive über ein Unternehmen sprechen. Wenn sie dafür KI einsetzen, sollten auch sie wissen, wie sie ihre persönliche Stimme bewahren und verantwortungsvoll mit Informationen umgehen. Sonst besteht die Gefahr, dass gerade das verloren geht, was diese Beiträge auszeichnet: der persönliche Einblick, erzählt in einer persönlichen Sprache.

Entscheidungen rund um den Einsatz von KI in der Kommunikation gehören für mich in die Social-Media-Strategie, in erweiterte Brand Guidelines und in den Austausch zwischen Kommunikation, Recht, Datenschutz und den beteiligten Fachbereichen. Auch wann der Einsatz von KI transparent gemacht werden sollte, muss im Unternehmen diskutiert werden.

Wir brauchen nicht noch mehr perfekten Content

Am Ende muss jedes Unternehmen selbst beobachten und auswerten: Welche Beiträge funktionieren gut? Welche erreichen die Zielgruppen und welche gehen unter? Denn je nach Kontext kann der Einsatz von KI ganz unterschiedliche Wirkungen haben.

Für mich steht fest: Auf LinkedIn begeistern mich vor allem Inhalte, die nicht nach KI klingen. Ich finde, wir brauchen nicht noch mehr perfekten Content auf Social Media, sondern Menschen und Marken, die ihrer eigenen Sprache treu bleiben, auch wenn sie KI einsetzen.

Quellen

Transparenzhinweis: Bei der Erstellung dieses Beitrags habe ich generative KI für die Recherche und Ideenfindung sowie für sprachliche und grammatikalische Überarbeitungen eingesetzt. Die persönliche Perspektive, die inhaltliche Einordnung und die finale Verantwortung für den Beitrag liegen bei mir.

ZHAW & Bernet Relations (2026): Social Media Studie Schweiz 2026. Befragt wurden rund 100 grosse Unternehmen und Organisationen in der Schweiz. Zur Studie bei Bernet Relations

Dugan, L. et al. (2024): RAID: A Shared Benchmark for Robust Evaluation of Machine-Generated Text Detectors.Proceedings of the 62nd Annual Meeting of the Association for Computational Linguistics. Die untersuchten Erkennungssysteme erwiesen sich gegenüber Textveränderungen, unterschiedlichen Generierungsmethoden und unbekannten Sprachmodellen als wenig robust. Zur Studie

Doshi, A. R. & Hauser, O. P. (2024): Generative AI enhances individual creativity but reduces the collective diversity of novel content. Science Advances, 10(28), eadn5290. Zur Studie

Anderson, B. R., Shah, J. H. & Kreminski, M. (2024): Homogenization Effects of Large Language Models on Human Creative Ideation. Proceedings of the 16th ACM Conference on Creativity & Cognition, 413–425. Zur Studie