KI in der Recherche, nicht im Entwurf: Was die Ownership-Studie bedeutet

Wenn Sie KI in einer Content-Pipeline einsetzen – wo kostet sie Sie Ihre Stimme? Nicht überall. Eine Studie aus dem Jahr 2025 mit 253 Autoren ergab, dass KI-Unterstützung während der Planung das Gefühl der Autoren, dass der Text ihnen gehört, kaum beeinträchtigte, während KI-Unterstützung während des Entwurfs es am stärksten schädigte (arxiv.org). Die Phase, in der Sie KI einsetzen, ist wichtiger als die Frage, ob Sie sie überhaupt einsetzen.

Dieser Befund verdient es, ernst genommen zu werden, wenn Sie Inhalte über mehrere Websites hinweg verwalten, denn er verwandelt eine vage Sorge („Macht KI meine Inhalte generisch?") in eine konkrete Engineering-Entscheidung: Welche Phasen werden automatisiert und welche bleiben in Menschenhand? Dieser Beitrag beleuchtet, was die Studie ergab, warum der Entwurf die teure Phase ist und wie eine phasenbewusste Pipeline in der Praxis aussieht.

Was die Studie ergab: Ownership sinkt mit der Phase, nicht nur mit dem Werkzeug

Katy Ilonka Gero, Tao Long, Carly Schnitzler und Paramveer S. Dhillon untersuchten 253 Personen beim Verfassen kurzer Essays und variierten, ob KI-Unterstützung in der Planungs-, Entwurfs- oder Überarbeitungsphase einsetzte (scale.stanford.edu). Die Frage war einfach: Verändert die Phase, in der KI-Unterstützung bereitgestellt wird, wie stark die Autoren den Text als ihren eigenen empfinden?

Die Antwort war ja – und zwar in einem spezifischen Muster. Jede KI-Unterstützung verringerte die Ownership. Aber Planungsunterstützung verringerte sie nur minimal, während Entwurfsunterstützung den größten Rückgang verursachte. Der Mechanismus ist simpel: Der Ownership-Verlust folgt dem Umfang des Textes und der Ideen, die die KI beigetragen hat. Mehr KI-Beitrag, geringere Ownership.

Das ist ein nützlicheres Ergebnis als die übliche Schlagzeile „KI macht Autoren unwohl". Es besagt, dass der Schaden keine Eigenschaft der KI als solcher ist. Es ist eine Eigenschaft davon, wie viel des fertigen Textes die Maschine produziert hat. Planungsbeiträge sind klein und strukturell; Entwurfsbeiträge sind die Prosa selbst.

Warum der Entwurf die teure Phase ist

Ein Ergebnis der Studie verdient eine genauere Betrachtung. Teilnehmer, die einen KI-generierten Entwurf auf der Grundlage ihrer eigenen Gliederung erhielten, endeten dennoch mit deutlich mehr von der KI beigetragenen Ideen als Teilnehmer, die KI-Unterstützung während der Planung bekamen. Die Gliederung schützt Sie nicht. Sobald die Maschine die Prosa schreibt, bringt sie ihre eigenen Ideen mit, und diese übersteigen alles, was die Planungsphase beigetragen hat.

Es gibt hier auch einen echten Trade-off, keinen kostenlosen Gewinn für eine der beiden Seiten. Mehr KI-Beitrag verbesserte in der Studie tatsächlich die Essay-Qualität. Die Wahl lautet also nicht „KI-Entwurf = schlechter Text". Sie lautet: „KI-Entwurf = besserer Text, weniger Ihrer." Für einen persönlichen Essayisten kann dieser Trade-off unannehmbar sein. Für ein Content-Team, das unter einer Markenstimme veröffentlicht, ist die Rechnung eine andere – aber der Mechanismus der Studie gilt weiterhin: Je mehr die Maschine beiträgt, desto weniger hat sich jemand mit dem Text auseinandergesetzt.

Und Ownership ist kein weiches Gefühl. Die Autoren weisen darauf hin, dass sie Auswirkungen auf Zuschreibung, Rechte, Normen und kognitive Auseinandersetzung hat. Ein Autor, der einen Entwurf nicht geformt hat, hat ihn auch nicht vollständig gelesen, nicht vollständig überprüft und kann ihn nicht vollständig verteidigen. In einem Multi-Site-Betrieb ist genau das der Punkt, an dem Dinge auseinanderbrechen: Jemand muss für das einstehen, was veröffentlicht wird.

Was die Autoren empfehlen – und wie es sich auf echte Pipelines abbilden lässt

Die Autoren der Studie schlagen vor, dass Autoren, Lehrende und Tool-Designer die Schreibphase berücksichtigen, wenn sie KI-Unterstützung einführen. Keine Pauschalpolitik. Platzierung Phase für Phase.

Verwandte Arbeiten zeigen in dieselbe Richtung. Bodei et al. identifizierten drei Konfigurationen der KI-Nutzung: Frühphase (lernorientiert), Spätphase (qualitätsorientiert) und peripher (produktivitätsorientiert) (alphaxiv.org). Und manche Organisationen teilen es bereits so auf, wie es die Studie nahelegt: KI in Recherche und Ideation, menschliche Autoren für Entwurf und Feinschliff, um Originalität und Ownership zu bewahren.

Der entstehende Konsens lautet also nicht „KI einsetzen" oder „nicht einsetzen". Es ist eine Platzierungsfrage. Recherche und Ideation sind Arbeit in der Frühphase, lernorientiert, bei der KI-Beiträge billig sind. Der Entwurf ist Arbeit in der Spätphase, bei der KI-Beiträge genau in der Währung teuer sind, die die Studie gemessen hat.

Die Evidenz gegen KI im Entwurf

Die Ownership-Studie ist nicht allein. Starker KI-Umschreibung verwischt den individuellen Schreibstil: In Studien zu persönlichen Blogs und Arbeits-E-Mails führten umfangreiche KI-vermittelte Überarbeitungen zu einem signifikanten Rückgang darin, wie genau die Urheberschaft zugeordnet werden konnte (arxiv.org). Wenn Leser (und Erkennungsmethoden) nach starker KI-Überarbeitung nicht mehr sagen können, wer einen Text geschrieben hat, wurde die Stimme abgeschliffen.

Forschung mit EFL-Studierenden fand dasselbe Muster aus einem anderen Blickwinkel: KI-Werkzeuge verringern die wahrgenommene Ownership und die autoriale Stimme, insbesondere wenn KI-generierte Inhalte ohne ausreichende Prüfung übernommen werden (sciencedirect.com). Die Formulierung „ohne ausreichende Prüfung" trägt dort die eigentliche Last. Der Schaden entsteht durch die pauschale Übernahme von KI-Text, nicht durch das Konsultieren.

Selbst KI-Anbieter räumen diese Grenze ein. Multigrid, das in diesem Bereich verkauft, stellt fest, dass KI-Modelle wirksamer darin sind, bereits etablierte Inhalte zu bearbeiten, und weniger zuverlässig, wenn es darum geht, neue Informationen zu generieren. Wenn ein Unternehmen, das KI-Schreibwerkzeuge verkauft, Ihnen sagt, dass die Maschine beim Bearbeiten besser ist als beim Generieren, ist das ein Datenpunkt darüber, wo der verlässliche Boden liegt.

Wie phasensichere KI in der Praxis aussieht

Designforscher haben konkrete Muster vorgeschlagen, um Urheberschaft in KI-gestütztem Schreiben zu bewahren: bedarfsgesteuerte Aktivierung, Mikrovorschläge, Stimmenverankerung, Zielgruppen-Gerüste und Provenienz am Entscheidungspunkt (arxiv.org). Beachten Sie, was diese gemeinsam haben: Die KI trägt kleine, begrenzte, nachvollziehbare Teile bei, und der Autor bleibt an der Steuerung.

Werkzeuge wie StoryCoach zeigen, dass das reine Feedback-Modell funktioniert: strukturierte Kritik ohne Generieren oder Umschreiben von Text hält die Stimme des Autors intakt (journals.sagepub.com). Der Beitrag der KI ist ein Urteil, keine Prosa. Die Ownership bleibt, wo sie begonnen hat.

Und in der Recherche-Phase ist die KI auf sicherem Boden. Multigrid beschreibt die Recherche-Phase als den Ort, an dem KI-Werkzeuge relevante Quellen identifizieren, Inhalte zusammenfassen und Erkenntnisse generieren und so die Recherche beschleunigen. Das deckt sich mit dem Befund der Ownership-Studie: Beiträge hier sind klein im Verhältnis zum fertigen Text, also überlebt die Ownership.

Das Muster in all dem: KI trägt zuverlässig bei, wenn sie Quellen, Zusammenfassungen, Struktur und Kritik verarbeitet. Es wird teuer, wenn sie Sätze verarbeitet.

Automatisierung pro Phase festlegen, nicht pro Projekt

Hier liegt das praktische Problem für Teams, die mehrere Websites betreiben. Die meisten Werkzeuge bieten einen Ein/Aus-Schalter pro Projekt. Das ist die falsche Granularität. Die Studie sagt, dass die Phase zählt: Recherche automatisiert, Entwurf in Menschenhand. Ein einzelner Schalter kann das nicht ausdrücken.

Eine Pipeline, die die Phasen trennt, macht es durchsetzbar. ContentRails betreibt eine Pipeline pro Projekt mit Planung, Recherche, belegtem Faktenblatt, Gliederung, Entwurf, Prüfungen und Redaktion, wobei jeder Schritt protokolliert wird (contentrails.ai). Die Trennung der Schritte bedeutet, dass Sie einige automatisieren und andere prüfen können, und das Protokoll sagt Ihnen, was passiert ist.

Die Recherche-Phase ist der Ort, an dem die KI in diesem Design ihren Wert beweist. ContentRails erstellt vor dem Entwurf ein belegtes Faktenblatt, und jede Zahl stammt aus einer Quelle, die tatsächlich gelesen wurde, mit automatisierten Prüfungen und einem Redaktionsdurchgang, bevor Sie den Entwurf sehen. Das ist der Anwendungsfall „KI identifiziert Quellen, fasst zusammen, generiert Erkenntnisse" – mit angehängter Provenienz. Vor all dem schreibt ContentRails eine Project DNA – Zielgruppe, Tonalität, Themenlandkarte –, abgelesen von den eigenen Seiten der Website, sodass kein Briefing geschrieben werden muss. Das ist Stimmenverankerung, bevor das Schreiben beginnt – genau das Muster, das die Designforschung fordert.

Die Entwurfsphase bleibt dann prüfbar. Der Autopilot-Grad wird pro Projekt unter den Einstellungen festgelegt, von Aus über Themen vorschlagen und Entwürfe schreiben bis hin zu Vollautomatik. Ein Team kann die Recherche mit voller Geschwindigkeit laufen lassen und den Entwurf menschlich prüfen lassen – genau die Aufteilung, die die Ownership-Studie nahelegt. Wenn Sie die Aufteilung auf einer echten Website testen möchten, durchläuft der kostenlose Plan ein Projekt von Anfang bis Ende, ohne Kreditkarte (contentrails.ai).

Der Punkt ist nicht, dass ContentRails der einzige Weg dafür ist. Der Punkt ist, dass die Granularität zählt. Wenn Ihr Werkzeug für ein ganzes Projekt nur „KI an" oder „KI aus" sagen kann, können Sie den Befund der Studie nicht umsetzen.

Die Entscheidungsregel

Bevor Sie irgendeine Automatisierung einschalten, fragen Sie, welche Phase sie berührt. Recherche und Planung: hochdrehen. Entwurf: herunterdrehen oder ganz ausschalten.

Wenn Sie Ihren Namen nicht unter einen Entwurf setzen würden, den Sie nicht geformt haben, lassen Sie kein Werkzeug ihn schreiben. Legen Sie den Grad pro Phase fest, prüfen Sie das Protokoll – und behalten Sie die Stimme in Ihrer Hand.