Zwei KI-Content-Maschinen und die eine Regel, die beide vor Slop bewahrt
Im Juli 2026 setzte sich Alex Lieberman in den Podcast How I AI und tat etwas, das die meisten Leute, die mit KI bauen, vor laufender Kamera bis heute vermeiden: Er ließ seinen Content-Ablauf live laufen und nahm in Kauf, dass er scheitert. Lieberman hat Morning Brew mitgegründet, den Wirtschafts-Newsletter, und führt heute Tenex, eine eigenfinanzierte Firma für angewandte KI, die mittelgroßen und großen Unternehmen hilft, KI in ihren tatsächlichen Betrieb zu bekommen. Er führte eine „Content-Maschine“ vor, gebaut in Claude, und stieg mit einer Behauptung ein, die bei mir hängen geblieben ist: Slop (der Brei, den ein Modell ausspuckt, wenn niemand etwas Eigenes hineingibt) entstehe nur dann, wenn die Person, die sie füttert, keine hinreichend gute Idee mitgebracht hat. „KI-Slop ist, komischerweise, schlicht das: Leute zeigen mit dem Finger auf sich selbst.“ (Alle Zitate in diesem Beitrag sind aus dem Englischen übersetzt.)
Ich habe diese Folge mit mehr als dem üblichen Interesse gesehen, denn ich betreibe selbst eine. Die Kolumne, die Sie gerade lesen, entsteht in einer KI-Redaktion, die ich für evonomics gebaut habe: Sie nimmt die KI-Nachrichten der Woche auf, sortiert sie, recherchiert sie, schreibt sie, prüft sie und hält alles zurück, bis ich es freigebe. Zwei Betreiber, zwei Kalender mit derselben harten Grenze, und, wie sich zeigt, zwei verschiedene Aufgaben. Er macht aus dem Signal von innen persönliche Geschichten: aus dem, was er selbst erlebt hat, aus ihm herausgefragt und in Form gebracht. Ich mache aus dem Signal von außen Einordnung: was die Woche getan hat, geprüft und erklärt für jemanden, der am Montag etwas entscheiden muss. Keine der beiden ist die reifere Fassung der anderen. Beide sollen aus derselben knappen Zeit mehr gutes Schreiben herausholen, ohne dass daraus jenes beige, überselbstbewusste Füllmaterial wird, das den Leuten beigebracht hat, allem zu misstrauen, was eine KI angefasst hat.
Das hier ist keine Nacherzählung seines Aufbaus. Zwei echte Maschinen, nebeneinandergestellt: was jede richtig macht, was sie dafür bezahlt, und welche Teile ein Team in einem mittelständischen Unternehmen übernehmen und welche es stillschweigend auslassen sollte. Über meine werde ich konkret, auch dort, wo sie mich blamiert hat.
Seine Maschine: ein Verstärker für einen Experten
Liebermans Ablauf setzt genau dort an, wo jeder Content-Prozess tatsächlich stehen bleibt: beim leeren Blatt. Sein erster Schritt ist ein Bauteil, das er das Orakel nennt. Es durchsucht die letzten sieben Tage in den Systemen, in denen er ohnehin lebt (Slack, Notion, Gmail, Gesprächsnotizen), und liest getrennt davon eine feste Liste der Menschen und Seiten, denen er folgt. Daraus legt es ihm täglich fünfzehn nach Rang geordnete „content spikes“ vor. Die Rangfolge ist keine Zauberei, sondern eine geschriebene Bewertungsregel. Eine Idee, an der eine echte Geschichte oder Anekdote hängt, bekommt Punkte. Eine klare Haltung bekommt Punkte. Ein konkretes Beispiel bekommt Punkte. Alles andere sackt ab. Die eine Hälfte davon kommt aus seinem eigenen Unternehmen, die andere aus der Außenwelt, die er sich zum Beobachten ausgesucht hat.
Der wichtigste Schritt ist der, den die meisten überspringen würden. Hat er eine Idee ausgewählt, bittet er das Modell nicht ums Schreiben. Er lässt sich von ihm interviewen. Er hat ein Gremium aus sechs Interviewer-Personas gebaut, jede einem echten Interviewer nachempfunden (Tim Ferriss, Howard Stern und Barbara Walters sind darunter), deren einzige Aufgabe darin besteht, so lange nachzufragen, bis sie ihm das Konkrete herausgefragt haben: die Kundengeschichte, die Zahl, das, was er tatsächlich glaubt. Er antwortet laut, per Spracherkennung, und dieses Protokoll wird das Rohmaterial. Seine Regel für das Schreiben ist streng und, wie ich finde, richtig: Fast nur die Worte aus dem Protokoll sollen im fertigen Text landen. Das Modell soll den Ton formen wie ein Töpfer, keinen neuen Ton anrühren. Es schreibt gegen ein persönliches Stimmprofil, das er sich hat bauen lassen, indem das Modell seine erfolgreichsten Beiträge studiert hat: seine Einstiege, seine Bauformen, sein Register nach der Regel, man schreibe, als schicke man einer Freundin eine Nachricht.
Zwei weitere Teile schließen die Schleife. Jeder Entwurf läuft durch einen Spießrutenlauf, den er Writer’s Council nennt: sechs weitere Personas, darunter eine, die er den „AI slop allergist“ getauft hat, die den Text auf einer Skala bis zehn bewerten und ihn so lange zurückschicken, bis der Schnitt über neun liegt. Und jedes Mal, wenn er die Endfassung korrigiert, vergleicht die Maschine, was sie geschrieben hat, mit dem, was er veröffentlicht hat, zieht daraus die Lehre und fragt, ob sie in ein laufendes Lernprotokoll soll, damit sie den Fehler nicht wiederholt. Vor laufender Kamera kam ein Entwurf mit einer abgegriffenen Wendung zurück: „Beide haben recht. Und genau das ist das Problem.“ Er hat es live bemerkt, nannte es „den neuen Gedankenstrich“ (das Verräterzeichen dafür, dass eine Maschine geschrieben hat) und trug es ein.
Es gibt auch eine Hälfte ohne KI, und das ist der Teil, den viele Gründer übersehen. Liebermans eigentliche Wette auf Reichweite sind seine eigenen Leute. In einem früheren Unternehmen hat er eine Kampagne gefahren, in der Mitarbeitende ermutigt wurden, über ihre Arbeit zu posten, und daraus kamen 40 Prozent der Anfragen jenes Quartals. Das ist seine eigene Zahl, in einem Podcast selbst berichtet und ungeprüft – nehmen Sie sie als Farbe, nicht als Vergleichsmaßstab.
Bei Tenex hat er einen einmonatigen „Creator Cup“ gestartet, mit einem Preistopf von 5.000 Dollar, Punkten fürs Posten und Punkten dafür, sich gegenseitig zu unterstützen, angelegt als Mannschaftsspiel und nicht als Rennen um Reichweitenzahlen. Die Maschine senkt den Aufwand fürs Erstellen; das Spiel liefert die Motivation. Seine ganze These lautet: Sobald die Technik selbst zur Massenware wird, ist verlässliche Reichweite einer der wenigen Burggräben, die bleiben, und der billigste Weg dorthin führt darüber, Mitarbeitende zu Autoren zu machen.
Achten Sie auf die Bauform seiner Maschine. Sie ist ein persönlicher Verstärker, dafür gemacht, an ein Team weitergereicht zu werden: Alle ziehen sich dasselbe Werkzeug herunter und richten es dann auf ihr eigenes Stimmprofil. Sie löst das Problem vieler Menschen, die jeweils wenig Zeit und viel ungeteiltes Fachwissen haben.
Meine Maschine: eine Redaktion für einen Einzelnen
Meine hat weitgehend dieselben Organe, nur für einen anderen Körper angeordnet. Ich bin Einzelberater, kein Unternehmen mit einer Bank voller Ingenieure, die sich zu Autoren machen ließen, also ist meine Redaktion darauf gebaut, einer einzigen Person das Pensum eines kleinen Ressorts über mehrere Kanäle hinweg zu ermöglichen.
Wo Lieberman das Orakel seine Systeme lesen lässt, habe ich eine Reihe von Eingangsroutinen, die kuratierte KI-Newsletter, neue Forschungsarbeiten und von mir markierte Threads hereinholen. Darunter liegt eine bewusste Regel: Vorkuratierte Newsletter kommen per E-Mail herein, weil dort schon ein menschlicher Redakteur den ersten Filterdurchgang gemacht hat und genau dieses Filtern ihr Wert ist; rohe Quellen mit hohem Durchsatz kommen über sauberere strukturierte Feeds. Wo er einen Notion-„Tresor“ für jede Idee hat, habe ich, was ich Dossiers nenne: langlebige Notizen zu jedem Thema, die sich merken, was ich dazu schon gesagt habe, damit die Maschine mir dieselbe Geschichte nicht zweimal vorschlägt und der Einschätzung vom letzten Monat nicht widerspricht. Seine Bewertung von Ideen danach, ob eine Geschichte, eine Haltung und Konkretes dranhängen, ist in meinem System eine Relevanzprüfung in drei Stufen: existenziell für meine Leser, angrenzend oder bloß interessant. Was diese Schwelle nicht schafft, wird eine Notiz von einer Zeile, kein Beitrag.
An seinem Interviewgremium und an meinem zeigen sich die beiden Philosophien am deutlichsten; darauf komme ich zurück. Seinem Stimmprofil entspricht auf meiner Seite ein geschriebener Kanon für die Stimme: ein ausdrückliches Regelwerk dafür, wie die Kolumne klingen darf, bis hinunter zu einer Liste verbotener Wörter und dem Verbot, das Publikum je beim Namen zu nennen.
Auch sein Writer’s Council hat ein Gegenstück. Ein Lektor, der jeden Entwurf ohne jedes Vorwissen liest, prüft ihn, bevor ich ihn sehe, lässt einen automatischen Durchlauf auf genau die Wendungen los, die einen Text als maschinengeschrieben ausweisen, prüft, ob das Argument trägt, und lässt nichts durch, was die Messlatte nicht schafft. Dann, und erst dann, kommt der Text zu mir, und ich gebe das letzte Ja. Meistens vom Telefon, im Zug, als Antwort auf eine E-Mail. Ohne diese Antwort geht nichts raus.
Es gibt eine Regel bei mir, für die es auf seiner Seite kein Gegenstück gibt, und sie ist der Kern meines Schutzes gegen Slop. Jede Tatsachenbehauptung in einem veröffentlichten Beitrag muss über eine Belegkette, die das System ablaufen kann, auf eine Primärquelle zurückführen: auf die Arbeit, die Einreichung oder das Protokoll selbst. Lieberman hält sein Schreiben ehrlich, indem er nur eigene Worte verwendet. Ich halte meines ehrlich, indem ich nur veröffentliche, worauf ich zeigen kann.
Die beiden Content-Maschinen, Schritt für Schritt. Quelle: evonomics.
Anderes Signal rein, anderer Text raus
Stellen Sie die beiden Maschinen nebeneinander, und der erste Unterschied ist der, der alle anderen erklärt: was hineingeht. Seine Maschine läuft auf einem Signal von innen, das nur in einem einzigen Kopf existiert, und der ganze Apparat ist dafür gebaut, es herauszuholen. Meine läuft auf einem Signal von außen, das ohnehin schon in der Welt liegt, und der ganze Apparat ist dafür gebaut, es zu prüfen, bevor es weitergeht. Alles Weitere folgt daraus: was „kein Slop“ jeweils heißt, wo der Mensch sitzt, wie jede von beiden lernt. Vier Unterschiede fallen daraus heraus, und die sind der interessante Teil.
Worauf die KI aufbaut. Seine Maschine ist in ihm verankert. Das Interviewprotokoll ist die Wahrheitsquelle, und „kein Slop“ heißt dort „echt Alex“. Meine Maschine ist über die Belegkette in der Außenwelt verankert, und „kein Slop“ heißt hier „nachprüfbar wahr und nützlich für jemanden, der mich nie getroffen hat“. Seine ist ein Verstärker für eine Stimme; meine ist eine Redaktion, die einordnet. Keine der beiden Definitionen ist allgemein die richtige. Seine passt zu einem Gründer, dessen persönliche Glaubwürdigkeit das Produkt ist. Meine passt zu einem Newsletter, dessen Aufgabe es ist, die Nachrichten anderer zu erklären, ohne sie falsch wiederzugeben.
Wie viel Mensch in jedes Stück geht. Hier gehen die beiden am weitesten auseinander. Lieberman steckt in jedes einzelne Stück ein Interview mit einem lebenden Menschen. Das ist sein Engpass: Sein Ausstoß ist gedeckelt durch das, was er sprechen kann. Es ist zugleich seine Garantie, denn das Konkrete eines echten Experten geht jedes Mal mit hinein. Meine Redaktion ist so gebaut, dass sie nach Plan läuft und ich nur am letzten Kontrollpunkt sitze. Das lässt sich auf mehr Kanäle ausdehnen, nimmt aber die garantierte menschliche Idee pro Stück heraus. Diese Sicherheit muss ich mir woanders zurückkaufen, und genau deshalb sind meine Belegregel und mein Lektor ohne Vorwissen so streng, wie sie sind. Wenn Sie aus dem Vergleich eine Sache mitnehmen, dann diese: Der Interviewschritt ist das tragende Bauteil gegen Slop, und er ist genau der, den fast alle weglassen.
Ein Spieler oder viele. Seine ist ausdrücklich für mehrere gebaut, mit dem geteilten Werkzeug und dem Creator Cup, um Leute hereinzuholen, die sonst nicht schreiben. Meine ist notgedrungen für einen. Sein Problem ist Abstimmung und Motivation über ein Team hinweg; meines ist Abdeckung und Beständigkeit über mehrere Kanäle hinweg für eine einzige Person. Wenn Sie ein Unternehmen haben, ist seine Bauform die ehrgeizigere und wahrscheinlich die wertvollere, denn sie verzinst sich über jeden, den Sie beschäftigen.
Wie beide lernen. Beide Maschinen werden mit der Zeit besser, aber auf verschiedene Weise. Sein Lernen läuft pro Stück und ausdrücklich: einen Entwurf korrigieren, die Lehre eintragen, sie nie wiederholen. Meines ist langsamer und baulicher: Die Korrekturen härten zu stehenden Regeln aus, die für alles gelten, was die Redaktion herstellt, nicht nur für den nächsten Beitrag.
Hier ist der peinliche Beleg dafür, dass das funktioniert. Zwei Ausgaben dieses Newsletters gingen mit viel zu vielen Gedankenstrichen raus, einem der deutlichsten Verräter dafür, dass eine Maschine geschrieben hat, und sie kamen durch eine Prüfung, die nicht streng genug war, um das zu fangen. Daraus wurde eine geschriebene Regel mit einer harten Obergrenze in Zahlen und ein automatischer Test, den das Lektorat jetzt an jedem Entwurf laufen lässt. Wegen dieser Regel ist dieser Artikel gezählt worden, bevor Sie ihn gelesen haben. Mein Lernprotokoll ist das ganze Regelbuch, und an jenem Tag ist es gewachsen, weil die Maschine erwischt worden ist.
Was zu übernehmen ist und was Sie auslassen können
Ziehen Sie beiden Maschinen das Beiwerk ab, und die übertragbare Form ist klein genug, dass ein Team in einem mittelständischen Unternehmen sie in diesem Quartal aufstellen kann, ohne ein einziges eigenes Modell.
Zeichnen Sie zuerst Ihren jetzigen Content-Prozess auf eine einzige Seite, bevor Sie irgendetwas automatisieren. Lieberman und ich sind auf dasselbe gestoßen, und er sagt es unverblümter, als ich es täte: Der größte Teil der Verschwendung, die dabei ans Licht kommt, hat mit KI nichts zu tun. Erst das Aufzeichnen zwingt Sie, sie zu sehen.
Bauen Sie dann das Minimum:
- Suchen Sie nach Ideen in Ihren eigenen Systemen und in einer kurzen Liste externer Quellen, damit niemand je vor dem leeren Blatt anfängt.
- Interviewen Sie die Fachperson, bevor irgendetwas geschrieben wird, in einem kurzen, strukturierten Durchgang, der genau das Konkrete herausfragt, das nur Ihre Leute wissen.
- Schreiben Sie ein Stimmprofil je Autor oder je Marke, damit die Sprache auf einen echten Menschen geeicht ist und nicht auf den Durchschnitt des Internets.
- Setzen Sie einen Kontrollpunkt vor die Veröffentlichung, mit einem geschriebenen Maßstab, der schwache Entwürfe zurückschickt, statt sie hinauszulassen.
- Führen Sie ein Lernprotokoll, das die Maschine liest, bevor sie das nächste Stück schreibt.
Das ist der ganze Rahmen. Alles andere ist Dekoration.
Slop kommt an genau zwei Stellen zurück. Er kommt in dem Moment zurück, in dem Sie das Interview mit einem Menschen weglassen, denn dann rührt die Maschine ihren Ton selbst an, statt ihn zu formen. Und er kommt wieder, sobald Sie einen Entwurf ohne echte Messlatte hinauslassen. Behandeln Sie diese beiden als unverhandelbar, und bei allem anderen können Sie entspannt bleiben, auch beim ganzen Bühnenzauber. Die Personas berühmter Interviewer machen Spaß, aber die Substanz darunter lautet nur: das Konkrete herausfragen, dann gegen einen Maßstab bewerten. Für den Wert brauchen Sie die Verkleidung nicht.
Wo der Slop hereinkommt, und die zwei Kontrollpunkte, die ihn aufhalten. Quelle: evonomics.
Die Fassung, die ich eigentlich will
Diesen Vergleich zu schreiben hat verändert, wofür ich meine eigene Maschine halte.
Ich hatte die beiden als Alternativen behandelt: seine Bauform oder meine, nehmen Sie die, die zu Ihrem Geschäft passt. Das ist falsch, und der Grund ist banal: Artikelideen kommen nicht alle auf demselben Weg herein. Manche kommen von außen, in den Nachrichten der Woche, und wollen eingeordnet werden. Manche kommen von innen, aus etwas, das ich bei einem Kunden miterlebt habe, und wollen herausgefragt werden. Meine Redaktion kann das Erste sehr gut und hat für das Zweite überhaupt keinen Eingang. Ausgerechnet die Geschichten, die nur ich erzählen kann, sind die, die sie nicht anstoßen kann.
Die Maschine, die ich will, ist also weder seine noch meine. Sie hat ein Rückgrat (das Schreiben, die Messlatte, das Lernprotokoll) und zwei Wege hinein: den Eingang von außen, den ich schon betreibe, und einen Interviewschritt nach Liebermans Vorbild für die Stücke, die mit etwas anfangen, das ich weiß, statt mit etwas, das ich gelesen habe. Sein Herausfragen ist der beste Teil seines Systems, und ich werde es übernehmen. Nicht, weil meine Maschine mangelhaft wäre, sondern weil sie auf ein anderes Ziel gerichtet ist und ich beide Ziele will.
Das ist auch die ehrliche Lesart des Vergleichs. Seine Maschine kann eine Behauptung über fremde Nachrichten nicht überprüfen. Meine kann keine Geschichte herstellen, die ich ihr nie erzählt habe. Die nützlichere Hälfte ist, die Lücke in meiner zu benennen.
Der tiefere Punkt ist der, den beide Maschinen von entgegengesetzten Seiten belegen. Die Expertise ist nach wie vor der Burggraben. Lieberman kann seine Maschine nur betreiben, weil er tausende Male Inhalte erstellt hat und weiß, wie sich eine gute Idee anfühlt. Die Maschine verstärkt das; liefern kann sie es nicht. Meiner Redaktion kann man nur deshalb trauen, weil am Ende ein Mensch sitzt, der in genug Führungsrunden gesessen hat, um zu merken, wenn eine Geschichte nicht stimmt, und der jedes Stück freigibt.
In beiden Fällen ist die Automatisierung echt und den Bau wert. Aber der Wert, den sie liefert, besteht nicht darin, dass die Maschine für Sie schreibt. Er besteht darin, dass Sie beim Bauen zum ersten Mal aufschreiben müssen, wie Ihre besten Leute tatsächlich denken. Danach hält das System jedes Stück an diesem Maßstab fest, auch an den Tagen, an denen Sie selbst zu beschäftigt dafür sind.
Genau das, mehr als irgendein Werkzeug, ist die Arbeit, bei der ich mit den Teams, die ich in mittelständischen Unternehmen berate, am Ende lande. Selten geht es darum, eine KI zu installieren. Es geht darum, ihnen zu helfen, ihre Denkweise aus den Köpfen herauszuholen und in ein System zu bringen, das die Linie hält, wenn sie selbst nicht dabei sind. Wenn das das Problem vor Ihnen ist, ist das genau das Gespräch, das sich lohnt. Die Maschine ist der leichte Teil. Der Maßstab ist der Punkt.
Quellen: How I AI: „How the founder of Morning Brew built a Claude content machine that never runs out of ideas“ (Alex Lieberman × Claire Vo, 20. Juli 2026) · Alex Liebermans Ablauf in sechs Schritten, aufgeschrieben · Tenex
Dieser Beitrag gehört zum AI Leadership Journal, einer laufenden Kolumne darüber, wie KI in die Arbeit mittelständischer Unternehmen kommt, ohne dass der Faden reißt.
Bauen Sie gerade selbst so etwas, oder wollen Sie sich darüber austauschen? Über eine Zuschrift freue ich mich immer.
Das AI Leadership Journal schreibt Claudius Gramse. evonomics ist die unabhängige KI-Beratung, die mittelständischen Unternehmen in Europa hilft, KI in die Prozesse zu bringen, die ihr Geschäft tatsächlich tragen – evonomics.eu.
