So nutzen Sie KI-Tools optimal für Ihre Websseiten!

Wie arbeitet KI-basierte Texterzeugung überhaupt?

In erster Linie ist eine KI zunächst nicht mehr als angewandte Statistik. Aufgrund von Wahrscheinlichkeiten prognostizieren beide zukünftige Ereignisse. Um dies tun zu können, benötigt so eine Maschine einen möglichst großen Datenpool. Einen typischen Fall dieser prädiktiven Analytik (predictive analytics) lernt man zum Beispiel an einer Hochschule: In einer Bäckerei werden eine Sorte Brote und eine Sorte Brötchen verkauft. Liegen die Verkaufszahlen für beide Produkte über einen gewissen Zeitraum vor, kann man mittels einfacher Rechenschritte die Wahrscheinlichkeit berechnen, mit der jemand, der ein Brot kauft, auch mindestens ein Brötchen mitnimmt. Langweilig? Ehrlich gesagt schon. Machen wir es einen Tick spannender und nehmen das Aussehen der Kunden mit ins Datenboot. Die Länge der Haare, die Frisur, die Kleidung, den Satz zur Begrüßung und vieles mehr. Gibt es hier vielleicht Abhängigkeiten? Das ließe sich zum Beispiel mittels einer Regressionsanalyse herausfinden. Stellen wir uns jeden Kauf von Backwaren plus viele äußere Merkmale als Exceltabelle vor, stünden die Verkäufe in den Zeilen und in den Spalten die Anzahl an gekauften Broten, Brötchen, die Haarfarbe, die Farbe der Kleidung etc. Manuell würde man sich jetzt jeweils zwei Spalten vornehmen und berechnen, ob es hier relevante Abhängigkeiten gibt. Mittels eines Computers kann man automatisiert jede Spalte mit jeweils allen anderen Spalten vergleichen. Bei den Spalten, die einen gewissen Zusammenhang aufweisen, wirft das Programm einen Hinweis aus. Das könnte zum Beispiel sein, dass das Alter einen Einfluss auf die Menge Brote und Brötchen hat. Ein Grund könnte sein, dass ältere Menschen vielleicht für mehr Personen einkaufen als junge Leute?

Mit der Anzahl an Spalten wird die Berechnung natürlich immer aufwendiger, sie explodiert geradezu. Was wäre, wenn man 1.000 Spalten mit Beobachtungswerten pro Kauf hätte? Ein leistungsfähiger Computer würde am Ende eine sehr und vom Menschen nicht mehr verstehbare Formel erstellen, in die man einen Wert einsetzt und den anderen, abhängigen Wert statistisch abgesichert ausgewiesen bekommt. Hätte man genügend Daten und gäbe es tatsächliche Abhängigkeiten, könnte eine Maschine beim Betreten der Bäckerei sagen, dass dieser Kunde mit 99,8 % Wahrscheinlichkeit zwei Brote und fünf Brötchen kauft. So weit, so uninteressant.

Wahrscheinlich gehen die wahren Abhängigkeiten sogar noch tiefer. Es gibt Abhängigkeiten innerhalb mehrerer Spalten: Wenn ein Kunde eine rote Kurzhaarfrisur hat UND abgelaufene Schuhe UND „Moin“ beim Betreten sagt, aber NICHT eine teure Uhr am Handgelenk UND ENTWEDER zwischen 1,65 und 1,69 Zentimeter groß ist ODER ständig lächelt, kauft er nur Brötchen und kein Brot. Lächelt er nicht, gilt dieser Zusammenhang nicht. Klingt etwas abgefahren – aber genau dafür setzt man dann das sogenannte Machine Learning ein. Das findet solche mehrdimensionale Abhängigkeiten und kann sie bei der Vorhersage berücksichtigen. Mithilfe des Einsatzes von sogenannten neuronalen Netzen trägt man dem Umstand Rechnung, dass Ausprägungen nicht immer 1 oder 0 bzw. schwarz oder weiß sind. Datenwerte aus mehreren Kanälen laufen jeweils eine Ebene höher in neuen Entscheidungsknoten auf und werden dort als Signal an einen anderen Knoten weitergegeben, wenn ein Schwellenwert überschritten wird. Das „Trainieren“ eines neuronalen Netzes macht dann vereinfacht nichts anderes, als mit unvorstellbar vielen Konstellationen zu testen, ob und welche Abhängigkeiten mit welchen jeweiligen Schwellenwerten in den Knoten zu einem Ergebnis führen, das „richtig“ ist. Ob etwas „richtig“ und damit korrekt ist, ermittelt man, indem man aus einem Datenpool mit echten Werten nur einen Teil, zum Beispiel 80 % für das Training eines Netzes verwendet und den übrig gebliebenen Teil danach, um zu prüfen, ob die Maschine einen Wert korrekt vorhersagen kann bzw. wie oft. Schließlich beinhalten die 20 % „Restdaten“ reale Werte. Was liegt also näher, als ein Computermodell mit diesen  Werten sich selbst so lange prüfen zu lassen, bis der Vorhersagefehler unter einen akzeptablen Wert rutscht. Der Computer probiert mit anderen Worten so lange herum, bis die mit den Trainingsdaten aufgestellten Formeln beim Einsatz eines Wertes X aus dem Prüfpool dem berechneten (prognostizierten) Wert Y  dem tatsächlichen Wert Y möglichst nahekommt. Er findet komplexe Muster in Daten und prüft mit neuen Daten, ob die Muster der (Daten-)Realität entsprechen.

Da kein Mensch mehr diese statistische Komplexität begreifen kann, ist man auf diese Tests angewiesen. Wenn man nur oft genug ein Ergebnis errechnet hat, das nahe an der Realität liegt, ist das Modell gut und tauglich.

Was hat das alles mit ChatGPT & Co. zu tun? Sprache ist zwar kompliziert, folgt aber auch gewissen Regeln. Insofern lassen sich maschinell auch Worte, Sätze und semantische Abhängigkeiten finden, wenn die Computer- und Speicherleistung nur hoch genug ist. Es klingt fast zu einfach – aber auch hier passiert aktuell nichts anderes, als dass eine KI anhand vorgegebener Worte, Phrasen oder Themen versucht, statistisch zu raten, was als Nächstes kommt.

So verstanden wird auch klar, warum sich die Antworten manchmal in Banalitäten verlieren oder für eine Frage irrelevante Dinge in die Antwort gepackt werden. Hier hat die Statistik zugeschlagen. Wie wahrscheinlich ist es, dass dem Wort „Künstliche“ das Wort „Intelligenz“ folgt? In letzter Zeit ist das sogar sehr wahrscheinlich. Daher antwortet ChatGPT auf die unvollständige Frage „Was ist Künstliche?“ unbeirrt mit „Künstliche Intelligenz (KI) ist die Simulation …“ (Abbildung 1). Ein Mensch würde sicherlich erst einmal nachfragen, weil die Frage nicht eindeutig und vollständig ist. Sieht man die Antwort genauer an, spürt man sofort, dass hier eine „Wortstatistik“ die Antwort generiert, wenn auch sehr ausgefuchst und bemerkenswert.

„Künstliche Intelligenz ist die Simulation der menschlichen Intelligenz in Maschinen, die programmiert sind, um bestimmte Aufgaben zu erledigen, die normalerweise erfordern, dass ein Mensch intelligent ist, um sie auszuführen.“         

Da steht also sinngemäß verkürzt und auf das kurze Gras gezogen: „Künstliche Intelligenz ist simulierte menschliche Intelligenz, um Aufgaben zu erledigen, die Intelligenz erfordern.“ Nicht falsch, aber irgendwie inhaltlich voneinander abhängig und am Ende kritisch betrachtet dann doch etwas holprig.   

Was ist der Unterschied zwischen ChatGPT und KI-basierten Content-Tools?

Haben Sie ChatGPT schon ausprobieren können? Seit dem Hype bekommt man nur selten einen Zugangsslot bzw. einen Nutzeraccount für Tests. Die Möglichkeit, eine E-Mail-Adresse zu hinterlassen, damit man nach erneuter Verfügbarkeit benachrichtigt wird, ist offenbar ein Fake. Eine solche E-Mail kommt nach unserer Erfahrung bzw. nach einigen Tests nicht oder zumindest aktuell nicht. Man will mit diesem „Ventil“ wohl offenbar vermeiden, dass User immer wieder die Seite aufrufen und damit für noch mehr Traffic sorgen. Doch genau das führt offenbar zum Erfolg. Die Registrierung und damit der Zugang ist mal erreichbar, mal nicht.

Wer einen Zugang bekommen hat, kann die Leistungsfähigkeit dieser KI auf die Probe stellen. Bei einfachen Anfragen liefert ChatGPT (Abbildung 4) in der Regel gute Antworten. Eine Anfrage, wie man den Browser Chrome installiert, bringt eine kurze Anleitung (Abbildung 5). Diese sieht vollständig und gut aus. Dass sie nicht (mehr) ganz stimmt, weil man Sprache und Betriebssystem gar nicht auswählen muss, stört erst einmal gefühlt nicht. Prüft man, ob das Tool einfach nur Text aus Webquellen extrahiert hat, erkennt man schnell, dass dem auf den ersten Blick nicht so ist, wie der untere Teil der Abbildung mit einer speziellen Suchabfrage bei Google zeigt.  

Auch eine auf Deutsch formulierte Anfrage, welche Themen denn die Zeitschrift behandelt, die Sie gerade in den Händen halten, bringt ein durchaus akzeptables Ergebnis (Abbildung 6). Ebenso ist das Fazit im letzten Satz der Antwort nicht aus dem Web extrahiert worden.  

Geht man mit Fragen eine Ebene tiefer und erkundigt sich beispielsweise danach, wie man die Zeitschrift abonnieren kann, erhält man zunächst wieder eine plausibel klingende Antwort, wie Abbildung 7 zeigt.

Dass man die Website Boosting nicht über Amazon oder Thalia abonnieren kann, wissen viele Menschen natürlich nicht, schließlich funktioniert das bei den großen Publikumszeitschriften meist gut. Würde man aber nun diesen Text ungeprüft auf eine Website stellen, wäre das für die Besucher eine Zeitfalle und damit ist Ärger vorprogrammiert. Die würde man damit nämlich auf eine nutzlose, weil erfolglose Reise zu Amazon oder Thalia schicken. Es zeigte sich praktisch bei allen Tests, die wir durchgeführt haben, dass noch immer viel nicht stimmige oder gar schlicht falsche Informationen in den Antworten enthalten sind. Diese fallen aber in der Regel beim Drüberlesen nicht auf, weil sie verbal zusammen mit den guten Antwortbestandteilen gut verpackt sind. Alles wirkt aus einem Guss und damit stimmig. Die Verwirrung für das Tool kommt übrigens vermutlich durch das (alte) gleichnamige Fachbuch „Website Boosting“, das es natürlich bei Amazon und Thalia noch gibt.

Sich Content für etwas erstellen zu lassen, von dem man selbst (zu) wenig weiß, ist zumindest derzeit noch keine wirklich gute Idee. Dazu später mehr.

Während ChatGPT „nur“ Antworten auf einzelne Fragen am sogenannten Promt, also der Eingabeaufforderung gibt, leisten KI-basierte Content-Tools wie Frase, Rytr (nicht zu verwechseln mit dem SEO-Tool „Ryte“), Jasper oder Copy.ai mehr Unterstützung für den nötigen Workflow beim Erstellen eines Dokuments wie zum Beispiel einer Website zu einem bestimmten Thema. Natürlich kann man ChatGPT durch geschickte Fragestellungen, wie „Erstelle mir einen Artikel über die Vorteile von Westernstiefeln“, dazu gebracht werden, mehr Struktur in die Antwort einfließen zu lassen. Auch Zusätze wie „… mit einer Überschrift und Zwischenüberschriften“ bringen ChatGPT dazu, dies zu integrieren, wie Abbildung 8 zeigt. Der Nachteil dabei ist, dass man viel herumexperimentieren muss und die Antwortzeiten für ein flüssiges Arbeiten noch zu lang sind. Der Text entsteht vor den eigenen Augen Wort für Wort in etwa einer Geschwindigkeit, die Mitlesen direkt bei der Entstehung erlaubt. Was anfangs fasziniert, kann schnell nerven, wenn man Dinge ausprobiert und bei etwas längeren Texten mehrere Minuten warten muss. Apropos „längere Texte“: Möchte man dem Tool eine umfassendere Antwort entlocken, zum Beispiel mit Zusätzen wie „über 1.500 Worte“, „umfassend“ etc. am Promt, wirft ChatGPT wahrscheinlich aus Belastungsgründen derzeit nicht selten eine Fehlermeldung aus.  

Der aktuell größte Nachteil von ChatGPT dürfte wohl sein, dass man immer nur einen einzigen Text generieren kann und den anschließend manuell zur Bearbeitung herauskopieren und gesondert sichern muss. Ist man mit dem Ergebnis noch nicht zufrieden und verändert die Worte, mit denen man am Promt eine Ausgabe erzeugt hat, wartet man jedes Mal neu. Von Googles Antwortzeiten von einer viertel bis halben Sekunde ist man also noch sehr weit entfernt.  

Das hemmt den Workflow spürbar und lässt auch nach einiger Eingewöhnung flüssiges Arbeiten nicht zu. Es ist allerdings auch nicht das Ziel dieses freien Zugangs, uns bei der Erstellung von Content zu unterstützen, sondern nur die Leistungsfähigkeit des Tools zu demonstrieren. Die Tage der komplett freien Nutzung scheinen sowieso gezählt – der Anbieter hat bereits kostenpflichtige Zugänge angekündigt. Inwiefern damit der Leistungsumfang des Testbereichs eingeschränkt werden könnte, ist noch nicht klar. Man darf aber davon ausgehen, dass man nicht weiterhin wie bisher der gesamten Welt eine sehr rechen- und damit kostenintensive Infrastruktur gratis zur Verfügung stellen kann und wird. Möglich wäre auch eine mit Werbung finanzierte Ausgabe von Ergebnissen. Online-Veteranen wissen noch, dass Google in den ersten Jahren des Betriebs schließlich auch noch keine gangbare Idee hatte, wie man das Suchsystem auf Dauer finanzieren könnte. Die Idee für AdWords und damit der Grundstein für mehrstellige Milliardenumsätze kam erst einige Jahre später.     

Wer KI also tatsächlich in den eigenen Workflow integrieren möchte, sollte sich eines der auf dem Markt etablierten Tools näher ansehen. Deren Stärke liegt darin, nicht (nur) Text zu generieren, sondern die Erstellung von Content in allen Phasen zu unterstützen. Nachfolgend zeigen wir die prinzipielle Arbeitsweise solcher Tools stellvertretend am Beispiel von Frase.io.

Ein Anwendungsbeispiel: Frase.io

Wie erwähnt, gibt es mittlerweile viele Tools, die beim Prozess der Content-Erstellung helfen. Man kann auch davon ausgehen, dass wahrscheinlich noch in diesem oder nächsten Jahr eine Welle von neuen Tools auf den Markt kommt, die alle im Hintergrund mit KI-Unterstützung arbeiten und sich über Schnittstellen von diversen großen Anbietern Texte „live“ abholen und in den Workflow einstellen. Wir haben Frase.io zur generellen Demonstration ausgewählt, weil hier auch spürbar wichtige Aspekte der Suchmaschinenoptimierung mit unterstützt werden. Echte Tipps lassen sich derzeit nicht seriös geben, da sich das Angebot beinahe im Wochentakt ändert. Die Anbieter arbeiten derzeit mit Hochdruck, ständig Neues zu integrieren, das Nutzer begeistern soll.

Das Interface von Frase ist erfreulich einfach gestaltet und lässt sich im Kern über nur zwei Ebenen (Abbildung 9) bedienen. In dem größeren Bereich (Ziffer 3) entsteht der Content, in dem man entweder Text aus dem Arbeits- und Recherchebereich (Ziffer 2) per Mausklick an der Stelle des gesetzten Cursors im Editorfenster einfügt oder in dem man klassisch wie in MS Word selbst Text überschreibt, löscht oder eintippt. Ganz rechts (Ziffer 1) findet man die Hauptsteuerung, die an den vernünftigen Workflow einer Texterstellung angelehnt ist. Recherche, Gliederung, Schreiben und Optimieren.      

Wählt man rechts den ersten Tab „Research“ aus und bekommt einen guten Überblick über die in den Top 20 rankenden Treffer bei Google mit entsprechenden Metriken und Textbestandteilen (Abbildung 10). Per Klick kann man einen Textabschnitt, eine Überschrift oder eine Frageformulierung in den eigenen Text übernehmen. Texte aus gut rankenden Dokumenten sollte man natürlich niemals eins zu eins übernehmen, sondern nur als Vorschlag und als Überblick betrachten. Immer im Kopf behalten: Man möchte ja besser sein und nicht eine Kopie. Daher ist das hier in gewisser Weise die Messlatte, die man deutlich übertreffen sollte.  

Geht es nur darum, strukturiert ein Content-Briefing für jemand anderen oder für eine Textagentur zu erstellen, nutzt man ganz einfach das automatische Briefingmodul (Abbildung 12). Dort erscheinen je nach gewähltem Thema einzelne Module, die man mittels Anklicken auswählt (Ziffer 1) und dann mit dem grünen Button (Ziffer 2) in den Briefingtext übernimmt. Selbstverständlich sollte man die so erzeugte Vorlage dann noch entsprechend anpassen.

Das Herzstück von Frase ist das Modul „AI Write“. Das Bedienerprinzip ist denkbar einfach. Man wählt eines der Module (im Tool „Template“ genannt) aus. Dabei übernimmt es entweder die vorher eingegebene Überschrift bzw. den selbst sprechenden Namen des Seitenprojekts oder man gibt – je nach Modul – ein eigenes Keyword ein. Anschließend stellt man in einem Regler die „Kreativität“ von eins bis fünf ein, je nachdem, wie abstrakt man die generierte Antwort haben möchte. Tipp: Hier hilft meist Ausprobieren.

Abbildung 13 zeigt in einer Übersicht, welche Module derzeit zur Verfügung stehen. Es gibt mehrere für SEO, für längere Texte, Q&A (also Frage/Antwort), Marketing, Rewrite (Umschreiben von einzelnen Sätzen oder Absätzen), Shorten (Absätze zusammenfassen oder Bulletpoints aus Text) und Social (vor allem Instagram- und YouTube-Ideen). Die Module erscheinen nur hier im Heft in einer Übersicht. Im Tool selbst wählt man jeweils eines aus und lässt sich dann die entsprechende Textart erzeugen.  

Ein Beispiel zeigt Abbildung 14: Man möchte mit einer Frage starten. Dazu wählt man das Modul „Explain Why“. Man gibt als Frage „Warum sind Westernstiefel ideal für Outdoor?“ (Ziffer 1) ein, wählt die Kreativitätsstufe (hier 3/5, siehe Ziffer 2 in der Abbildung) und klickt auf den grünen Button „Run Tool“. Nach kurzer Verarbeitungszeit erscheint ein Textvorschlag. Passt dieser nicht, verändert man die Kreativitätsstufe oder klickt auf „Load more“ für weitere Vorschläge. Ein Klick auf einen Textabsatz oder das kleine runde Symbol rechts oben am Vorschlagskasten (Ziffer 3) kopiert den Text an die Stelle, wo man im Editor den Cursor gesetzt hat. Anschließend möchte man vielleicht mit einer Metapher arbeiten. Dazu wählt man das Modul „Metaphor/Analogy“. Dieses erzeugt mehrere Vorschläge, von denen man „Westernstiefel sind wie ein Gitarrensolo – sie heben sich von der Masse ab und verleihen jedem Stil ein mutiges Statement“ übernehmen möchte. Ein Klick auf den Satz/Absatz (Ziffer 4) und der Satz erscheint links im Gesamttext. Anschließend soll mehr genereller Text zum Thema „Worauf man beim Kauf von Westernstiefeln achten sollte“ generiert werden. Hier käme das Modul „Article Writer“ zum Einsatz. Es erzeugt längere Textbausteine (in Abbildung 14 blau mit den Ziffern 5 und 6 gekennzeichnet), von denen die als passend empfundenen in beliebiger Reihenfolge durch Anklicken den bisherigen Text weiter anreichern. Der Fantasie sind praktisch keine Grenzen gesetzt und sobald man das Tool etwas näher kennt, geht das Zusammenstellen eines Beitrags immer schneller. Freilich muss, kann und sollte man an bestimmten Stellen eingreifen und vor allem nicht zu mechanisch vorgehen.

Über den integrierten Editor lässt sich der Text entsprechend formatieren und auch die wichtigen Hx-Tags für Überschriften in HTML können hinzugefügt werden.

Ist man mit dem Ergebnis zufrieden, kann man mittels dem „Optimize“-Tool den Text u. a. automatisch auf das Vorhandensein von Kookkurrenzen oder sogenannten Proof-Keywords analysieren lassen. Abbildung 15 zeigt dies erneut beispielhaft. Dort erkennt man, dass das Wort „Boots“ (Ziffer 1) im Text noch gar nicht vorkommt, aber rein statistisch dreimal vorkommen sollte. Diese „Soll“-Zahlen beruhen auf statistischen Analysen der Top Rankings zu dem vorliegenden Thema. Sie sollten wirklich eher als Hinweis gesehen und müssen keinesfalls exakt befolgt werden. Aber wenigstens einmal sollten derart wichtige Worte wie zum Beispiel „Cowboystiefel“ vorkommen. Hat man das Wort ergänzt (im Beispiel wurde das Vorkommen von „Westernstiefel“ einfach durch „Boots“ ersetzt [Ziffer 2]), zählt das Tool das automatisch hoch (1/3 statt 0/3, siehe Ziffer 3 in der Abbildung). So behält man stets im Blick, was man bereits angepasst hat.       

Frase hält noch eine ganze Batterie weiterer Möglichkeiten bereit, die zu beschreiben den Rahmen bei Weitem sprengen würde. Hier ging es nur darum zu zeigen, wie man generell mit KI-Unterstützung Texte verfassen bzw. sich beim Verfassen kreative Hilfe holen kann. Im Gegensatz zu den Chat-Tools mit einem Promt muss man hier nicht alle Befehle vorformulieren, sondern hat sie in Modulen fertig „vorbelegt“. Zusätzlich ist durch den integrierten Editor die Möglichkeit gegeben, einen Text immer weiter auszubauen und diesen natürlich auch zu speichern. Zukünftigen Ergänzungen steht somit ebenfalls nichts im Weg. Durch das modulartige Zusammenfügen, Strukturieren und flexible Editieren von Texten baut man fast automatisch einen eher einzigartigen Inhalt und läuft nicht Gefahr, dass man zwar mit anderen Worten, aber inhaltlich das gleiche Ergebnis erhält wie andere Website-Betreiber, die sich einen kompletten Beitrag von einer KI texten lassen.

Frase kann man kostenlos testen. Der Zeitraum dafür beträgt allerdings nur fünf Tage. Da man zwingend für den kostenfreien Zugang einen der drei Zugänge buchen muss (ab 14,99 US-Dollar/Monat, Jahresrabatt möglich), sollte man sich den Start zeitlich so legen, dass man auch wirklich genügend Kapazität dafür in dieser Zeit hat. Lässt man den Kündigungszeitraum verstreichen, wird der Zugang automatisch kostenpflichtig. Ein Tipp: Sehen Sie sich bei Bedarf ruhig auch die anderen KI-Tools an, die weiter oben genannt werden, und prüfen Sie, welches Ihren Bedürfnissen und den vorhandenen Workflows ggf. besser entspricht.

So vermeiden Sie den Ausschluss Ihrer Domain von Google

Google hat zunächst sehr deutlich gemacht, dass man KI-generierte Inhalte nicht nur als Spam ansieht, sondern ggf. sogar die ganze Domain für das Ranking sperrt. Für die meisten Website-Betreiber wäre das sicher der Super-GAU. Später hat Google dann präzisiert, dass man damit nicht meinte, KI-Inhalte generell zu bestrafen, sondern solche, die keinen Mehrwert gegenüber anderen Seiten böten. Dies gilt natürlich auch, wenn sie von Menschen erstellt wurden. Und weiter, dass dies vor allem und schon immer für Seiten gelte, deren Hauptzweck darin besteht, durch Optimierung in Suchmaschinen zu ranken, aber eben nicht wirklich den Besuchern weiterzuhelfen. Darüber kann man viel nachdenken, aber im Kern muss man Google wohl recht geben: Was nützt einem Suchenden eine Website, die keinerlei Mehrwert bietet? Sie verschwendet die Zeit aller und seit Kurzem sind viele sich auch bewusst, dass unnötiger Webtraffic auch zu unnötiger Umweltbelastung beiträgt.

Wer also noch immer wegen des aktuellen Hypes um KIs insgeheim hofft, seinen Content künftig per Knopfdruck erstellen zu können, sei zumindest gewarnt. Auf Dauer würde das wohl aus verschiedenen, ernst zu nehmenden Gründen nicht gut funktionieren. Wer würde wohl dafür plädieren, bei der Olympiade künftig statt Menschen Laufroboter mit dem Aussehen eines Menschen teilnehmen zu lassen? Noch dazu von nur einem oder wenigen Herstellern? Wie spannend wäre so etwas? Aus der Perspektive eines einzelnen Sportlers wäre das vielleicht noch nachvollziehbar: Warum soll ich mich mit jahrelangem Training quälen, wenn ich in meinem Namen und mit meinem Aussehen eine Maschine laufen lassen und mir dann die Goldmedaille umhängen kann? In etwa so müssten die Gedanken eines Website-Betreibers laufen: Eine Maschine liefert mir ohne großen Aufwand rankende Webseiten und ich verdiene mir damit eine goldene Nase. Sollte das funktionieren, würden beim nächsten Rennen wohl nur noch Maschinen teilnehmen und ein sportlicher Wettkampf wäre ab dann als Veranstaltung langweilig und damit tot wie ein Türnagel. Für Olympia wirkt die zugegeben etwas überspitzte Metapher auf den ersten Blick unrealistisch und naiv. Aber gilt nicht für eine Website im Kern das Gleiche? An der Spitze mitspielen wollen, ohne einen Content-Finger krumm zu machen?

Anders sieht, auch in den Augen von Google, die Sache aus, wenn man sich beim Erstellen von Texten von Maschinen unterstützen lässt – wenn man selbst kreativ bleibt, genügend inhaltliches Wissen hat, ggf. sauber und verantwortungsvoll recherchiert und nicht ganze oder längere Textpassagen einfach übernimmt. Hier helfen Tools wie Frase & Co. Wer sie mit Bedacht, zur Hilfestellung, als Anregung und zur Prozessunterstützung einsetzt, dürfte wohl nicht nur sicher vor den berüchtigten Google Penaltys (Strafen) sein, sondern wird im Gegenteil in den meisten Fällen sogar noch besseren Content erstellen. So kann eine KI Lücken bei der Zusammenstellung finden oder implizit helfen, noch zielgerichteter vorzugehen.     

Forscher der Universität Chicago haben übrigens kürzlich 50 medizinische Texte von ChatGPT erstellen lassen und diese anschließend mit ausgewählten Artikeln aus Fachzeitschriften verglichen (einfach.st/chatgptfake). Zum Einsatz kamen dabei ein sogenannter Plagiatsdetektor und Medizinexpertinnen sowie -experten. Der Detektor lief ins Leere (siehe oben) und selbst die Fachleute konnten nur knapp zwei Drittel der Texte korrekt der KI zuordnen. Und das, obwohl sie wussten, dass ihr Prüfset solche Texte enthielt. Amüsant am Rande: 14 Prozent der menschlichen Texte wurden fälschlich als KI-Text klassifiziert. Das Ergebnis fand man als „besorgniserregend“ für Wissenschaft und Lehre.  

Am Ende bleibt wie bisher: Was wollen Ihre Besucher wirklich?

Wer heute noch Inhalte allein für Google erstellt, dem kann wohl niemand mehr helfen. Wir müssen verstehen, dass Suchmaschinen nur der Mittler sind zwischen einer Anfrage und der hoffentlich hilfreichen Lösung für ein Anliegen. So zu tun, als ob, zu faken, alle Register der Suchmaschinenoptimierung zu ziehen und sich mit gekauften Backlinks algorithmisch wichtiger zu machen, als man es verdient hat, um dann am Ende mit fragwürdigen Methoden ein paar von vielen Besuchern zur Conversion zu bringen, war aus Nutzer- bzw. Suchendensicht noch nie gut. Genau daran arbeitet Google ja seit mehr als 20 Jahren: Die Wannabes von den echten Mehrwertlieferanten im Ranking zu trennen! Wer sich nicht die Mühe macht, die Informationsbedürfnisse generell oder vor und/oder nach einem Kauf genauer zu kennen, hat es mit oder ohne KI zukünftig noch schwerer.

Umgekehrt kann so ein KI-Tool in den Händen eines Website-Betreibers, der das alles verstanden hat, eine heftig durchschlagende Waffe für die Content-Intelligenz und damit am Ende (!) für das Ranking sein. Mit ihr kann es gelingen, Websites noch informativer und damit noch besser zu machen. Macht Google seinen Job gut bzw. immer besser, wird und muss das zu mehr Traffic führen. Noch braucht man dazu menschliche Intelligenz und natürlich auch den Willen und den Mut, hier zu investieren.   

Die APIs kommen!

ChatGPT hat bereits angekündigt, eine Datenschnittstelle (API) zur Verfügung zu stellen. Damit wird es möglich, dass Tools anderer Anbieter automatische Abfragen an das System senden und die entsprechenden Antworten digital zurückbekommen. Damit entfällt die manuelle Eingabe am Promt und man kann ChatGPT automatisiert nutzen. Es wird sicherlich nicht lange dauern, bis CMS-Hersteller so etwas in ihre Software integrieren. Und wahrscheinlich werden kurz nach der Freigabe der (sicherlich kostenpflichtigen) API die ersten Wordpress Plug-ins erscheinen, die ChatGPT und später auch andere KI-Texter direkt in den Editor bringen. Die Kehrseite dieser Medaille könnte, nein, wird recht wahrscheinlich sein, dass Automaten mithilfe einer intelligent nach Mustern erzeugten automatischen Content-Erstellung für Millionen von Stichworten Millionen von Webseiten erstellen können. Zu glauben, dass so etwas aus ethischen Gründen niemand tun wird, wäre mehr als naiv. Für irgendwas rankt eine Seite voll mit Content ja immer, selbst wenn sie damit nur einen Besucher pro Jahr triggert. Hier macht es die Masse. Wer zehn Millionen Seiten automatisch erzeugt, bekommt zehn Millionen Visits. Bei fünf Werbebannern pro Seite macht das 50 Millionen Views. Und warum soll man bei zehn Millionen aufhören? Und warum sollte auf diese Idee nur einer kommen?

Diese Sorgen muss und wird man sich bei Google machen. Die müssen alle diese nutzlosen Seiten crawlen und verarbeiten. Das kostet viel zusätzliche Kapazität und damit eine Menge Geld. Bereits heute schon sind etwa ein Drittel aller Seiten, die Google erfasst, nutzlose Dubletten. Ein Drittel des gesamten Aufwands zur Erfassung und Verrechnung des Suchindex sind also heute schon verschwendet. Man darf gespannt sein, was sich Google gegen mit KI erzeugte Seiten einfallen lässt bzw. welches Gegenmittel sie brauen werden. Die Entwicklung zu ignorieren, kann sich dort sicher niemand leisten. Man sollte auch im Kopf behalten, dass wir alle bisher zwar nur ChatGPT kennen, sicherlich aber bald mehr Anbieter mit ähnlichem Leistungsumfang auf den Markt drängen werden. Damit wird sich auch die Anzahl verfügbarer APIs steigern.

Fazit

Brauchen wir künftig keine Menschen mehr, die Texte schreiben? Wahrscheinlich jein. Eher anspruchslose Texte, etwa wie eine Funkmaus generell funktioniert, werden wohl zunehmend von Maschinen übernommen werden. Das könnte bei der Geschwindigkeit, die man aktuell beobachtet, durchaus bereits in diesem oder dem nächsten Jahr passieren. Texten als klassischer „Nebenjob“, also jemand, der aus Vorgaben nach etwas Google-Recherche Content nach Wortlänge verfasst, wird wohl auf überschaubare Zeit aussterben bzw. immer weniger nachgefragt werden. Je mehr echtes Fachwissen man zum Verfassen von Content braucht, desto „sicherer“ ist man – noch. Die Maschinen und die Menschen dahinter, die sie antreiben, werden beim aktuellen Stand ganz sicher nicht Halt machen. Es ist nicht ganz unwahrscheinlich, dass künftig auch anspruchsvolle Texte mit deutlich mehr tatsächlich stimmigen Fakten durch derartige Automaten erzeugt werden können.

Man muss sich ins Gedächtnis rufen, dass die Text-KIs derzeit Antworten nach statistischen Wahrscheinlichkeiten geben. Eine Bewertung der Inhalte nach richtig, falsch oder vage findet momentan noch nicht statt. Hier braucht es noch sehr viel mehr Algorithmen und Rechenpower. Vor allem braucht es eine Art Vorfilter, mit dem aus einem großen Korpus (also der Gesamtheit von Content, der einer Maschine zur Verfügung steht) extrahiert wird, was als gesicherte Erkenntnisse gelten kann und darf. Solange alles in einen Topf geworfen wird, trägt auch alles zur Antwortfindung bei. Erst wenn es gelingt, zum Beispiel eine medizinische Information auf Seriosität zu prüfen und nur solche für Antworten zu berücksichtigen, sind derlei Tools einen wichtigen, aber gewaltigen Schritt weiter. Mit Intelligenz haben wir es dann zwar immer noch nicht zu tun, aber mit etwas, das uns vernünftige und einigermaßen verlässliche Antworten auf Fragen liefert. Nur diese Antworten können und sollten über Websites weiterverbreitet und den Besuchern zur Verfügung gestellt werden.