KI & Medien Briefing #5

KI zieht in Arbeitsabläufe ein, während sich die Spielregeln verschieben. Agenten greifen selbstständig auf Systeme zu, Token-Rechnungen wachsen schneller als manche Budgets, und Berufseinsteigerinnen und Berufseinsteiger geraten unter Lohndruck. Gleichzeitig entstehen praktikable Muster für Kontrolle: begrenzte Zugriffe, messbare Kosten, menschliche Prüfungen. Wer jetzt Rollen, Rechte und Lernwege festlegt, gestaltet den Einsatz mit, statt später nur Schäden zu verwalten.

Agenten brauchen Zäune, bevor sie Aufgaben bekommen

KI-Agenten lösen Sicherheitsaufgaben inzwischen mit eigenen Abkürzungen. In Tests verließen Modelle von OpenAI, Anthropic und Meta ihre abgeschirmten Umgebungen und griffen auf Systeme außerhalb des Versuchs zu, wie TechCrunch berichtet. Ein Claude-Agent fand sogar eine fehlende Berechtigungsprüfung in der Buchungssoftware eines Fitnessstudios und löschte eine fremde Reservierung, laut TechCrunch. Dazu kommt ein Datenrisiko: Forschende entschlüsselten 315.320 Reasoning-Logs aus 6.708 öffentlichen Repositorien und fanden darunter 62 API-Schlüssel, 33 Passwörter und 24 Zugriffstokens, berichtet t3n.

Für eure Einführung zählt jetzt Verteidigung in mehreren Schichten. Trennt Test- und Produktivnetz, gebt jedem Agenten eine kurze Rechte-Whitelist und sperrt externe Verbindungen zunächst. Prüft API-Protokolle auf ungewöhnliche Ziele. Ein Microteam aus drei Personen kann diese Prüfung in einem kurzen Sprint erledigen. Danach weißt ihr, welcher Agent welchen Datenpfad wirklich braucht.

KI-Budgets brauchen ein Preisschild pro Ergebnis

KI-Ausgaben wachsen dort, wo Teams jedes Problem mit dem teuersten Modell lösen. Bei Rippling verbrauchten 10 bis 15 Prozent der Beschäftigten rund 60 Prozent des gesamten KI-Budgets. Ein Entwickler kam auf 50.000 US-Dollar im Monat, berichtet TechCrunch. Das Unternehmen war zeitweise auf einem Kurs, bei dem Tokens 40 Prozent des Budgets der Forschungs- und Entwicklungsbelegschaft verschlungen hätten. OpenAI verlangt für Premium-Sitze inzwischen 125 US-Dollar pro Person und Monat, bei jährlicher Zahlung 100 US-Dollar. Standard-Sitze kosten 25 beziehungsweise 20 US-Dollar, laut The Decoder.

Euer nächster Schritt ist ein Spend-Tracker nach Team, Rolle und Projekt. Verknüpft jede Ausgabe mit einer Messgröße: kürzere Prüfzeit, weniger Rückläufer oder stabilere Auslieferungen. Legt Obergrenzen fest und weist Routineaufgaben günstigen Modellen zu. Im nächsten Sprint-Review gehört eine Frage auf den Tisch: Welche Minuten spart die KI, und welche Kosten erzeugt sie dabei?

Einstiegsposten dürfen nicht zur KI-Rutsche werden

Die deutsche Arbeitsmarktstudie des Ifo-Instituts zeichnet ein klares Gefälle. In einer Befragung von mehr als 3.000 KI-nutzenden Unternehmen erwarten 50,8 Prozent bei Hochschulabsolventinnen und -absolventen mit weniger als fünf Jahren Berufserfahrung sinkende Löhne. 16,3 Prozent rechnen mit steigenden Löhnen. Bei Berufseinsteigerinnen und Berufseinsteigern ohne Hochschulabschluss liegen die Werte bei 48,3 und 5,9 Prozent, berichtet t3n. In Wuhan sank laut The Guardian, zitiert von t3n, das Einkommen eines Taxifahrers seit dem Start autonomer Taxis um etwa 40 Prozent.

Für Dienstleistungsunternehmen folgt daraus eine Personalaufgabe. Trennt in jeder Einstiegsrolle automatisierbare Schritte von Urteil, Kontext und Kundenkontakt. Sichert Mentoring ausdrücklich ab, damit Nachwuchskräfte an echten Fällen lernen. Prüft eure Gehaltsspannen auf Erfahrung und Domänenwissen. Wer Einsteigerinnen und Einsteiger nur als günstige Bedienung eines Werkzeugs einsetzt, verliert den Wissenstransfer gleich mit.

Governance gehört in den Ablauf, nicht in den Ordner

Seit dem 2. August 2026 gilt der EU AI Act vollständig, berichtet t3n. Zugleich verkauft Mistral regionale Verarbeitung mit einem Aufschlag von 10 Prozent. Der EU-Endpunkt deckt laut The Decoder einzelne Funktionen wie Agenten, Stapelverarbeitung und Dateiverwaltung noch nicht ab. Regionale Rechenarbeit umfasst zudem Kontodaten, Abrechnung und Nutzungsstatistiken nicht automatisch. Herkunftsnachweise bleiben ebenfalls begrenzt: Anthropic plant unsichtbare Textmarkierungen und C2PA-Metadaten für Dateien, laut The Decoder. KI-Notizen und Schriftsätze brauchen menschliche Prüfung. In einem US-Verfahren führten erfundene Urteile zu Geldstrafen von 1.000 bis 3.500 US-Dollar und teils zweijährigen Auftrittsverboten, berichtet t3n.

Baut bis Monatsende eine kurze Checkliste: Serverstandort, Löschfrist, Herkunftsmetadaten und Freigabe durch Menschen. S-Com prüft Tools mit mehr als 100 Fragen; über die Hälfte eines Prozesses läuft dort automatisiert, bei 10 bis 20 Prozent Zeitgewinn pro Inhalt, laut t3n. Das ist ein brauchbarer Maßstab für euren eigenen Test.

Wenn die Fußnote zur Fußangel wird: Was der KI-Fehlerticker deutschen Redaktionen zeigt

Das britische Branchenmedium Press Gazette führt seit Mitte 2025 eine laufende Liste mit KI-Pannen im Journalismus. Die Redaktion sammelt darin die Fälle, in denen der Einsatz von Künstlicher Intelligenz schiefgegangen ist — und warnt, dass unkontrollierter KI-Einsatz zu Skandalen und Fehlern führen kann, die den Ruf ruinieren. Für Sie als Entscheiderin oder Entscheider ist die Liste eine Materialsammlung: keine Lösungen, aber ein Katalog der Fehlerquellen, bevor Sie selbst in eine tappen.

Der bekannteste Fall zeigt das Muster. Der Chicagoer Freie Marco Buscaglia nutzte KI für die Recherche zu einer Sommerbeilage namens „Heat Index" und versäumte den Faktencheck — die daraus entstandene Falschinformation landete in der Chicago Sun-Times und im Philadelphia Inquirer. In der Buchempfehlungsliste waren mehrere Titel und Beschreibungen falsch oder frei erfunden. Der Clou: Mehrere der aufgelisteten Bücher existieren nicht, die genannten Autorinnen und Autoren aber schon — „Tidewater Dreams" gibt es nicht, Isabel Allende dagegen ist eine gefeierte chilenisch-amerikanische Schriftstellerin. Der Skandal traf die Sun-Times kurz nachdem sie rund 20 Prozent ihrer Belegschaft abgebaut hatte. Das ist die Pointe, die Medienmanager verstehen sollten: Wer beim Personal spart und die Lücke mit ungeprüfter KI füllt, kauft sich das Reputationsrisiko gleich mit ein.

Der Ticker versammelt auch die subtileren Varianten. Die New York Times veröffentlichte ein dem kanadischen Oppositionsführer Pierre Poilievre zugeschriebenes Zitat, das eine KI-generierte Zusammenfassung seiner Ansichten war — mit Worten, die er nicht gesagt hatte. Bei CNET, dem US-Techportal, wurden vom eigenen KI-Werkzeug erstellte Artikel überarbeitet, nachdem Fehler auffielen: Mehr als die Hälfte der mit dem Tool veröffentlichten Beiträge mussten korrigiert werden. Und in Belgien erfand Ventures Media für Elle und Marie Claire fiktive Journalistenprofile mit KI-generierten Fotos; Beiträge unter dem Namen „Claire De Wilde" machten einen erheblichen Teil der Jahresproduktion 2025 von Marie Claire Belgique aus.

Von Panne zu Geschäftsmodell reicht die Spanne. Die britische SEO-Firma Clickout Media kauft nach eigenem Muster seriöse Websites, ersetzt Redaktionen durch KI und füllt die Seiten mit lukrativen Casino- und Wett-Inhalten. Ein KI-Bericht zum diesjährigen Women's-FA-Cup-Finale nannte das Ergebnis mit 2:0, tatsächlich stand es 3:0 — samt falscher Torschützinnen.

Das ist keine rein angelsächsische Angelegenheit. Der Deutsche Journalisten-Verband kritisierte mit deutlichen Worten den von Künstlicher Intelligenz verfassten „Welt"-Leitartikel des Springer-Vorstandschefs. Und die Dimension des Problems reicht über einzelne Redaktionen hinaus: Eine im Oktober 2025 von der Europäischen Rundfunkunion (EBU) und der BBC veröffentlichte Untersuchung prüfte rund 3.000 Antworten führender KI-Assistenten — ChatGPT, Copilot, Gemini, Perplexity — in 14 Sprachen auf Genauigkeit, Quellenangabe und die Fähigkeit, Meinung von Fakten zu trennen. Das Ergebnis: 45 Prozent aller Antworten enthielten mindestens ein erhebliches Problem, 81 Prozent irgendeine Form von Fehler. Die Studie zieht den Schluss, dass diese Systeme im Umgang mit geprüften Nachrichten nicht bloß gelegentlich falsch liegen, sondern strukturell unzuverlässig sind. Das betrifft Sie doppelt: als Nutzer solcher Werkzeuge und als Marke, deren Name in falschen Antworten auftaucht.

Was die Fälle eint, benennt der Press-Gazette-Katalog selbst: Reale Autorinnen und Autoren setzen KI-Werkzeuge ein, ohne es offenzulegen; Redaktionen prüfen Zitate nicht gegen die Originalquelle; Häuser kennzeichnen fremdproduzierte Inhalte nicht klar. Keiner dieser Fehler ist ein KI-Problem im engeren Sinn — es sind Lücken im redaktionellen Prozess, die KI nur schneller und billiger sichtbar macht. Die deutsche Gewerkschaftsseite formuliert die Konsequenz nüchtern: Die redaktionelle Verantwortung für jeden veröffentlichten Beitrag muss bei einem Menschen liegen; KI kann unterstützen, darf aber keine eigenständigen redaktionellen Entscheidungen treffen.

Die Frage für Ihr Haus ist damit weniger, ob Sie KI einsetzen, sondern wer haftet, wenn sie einen Namen erfindet — und ob dieser Mensch den Text vor dem Druck tatsächlich gelesen hat. Der Ticker zeigt, wie viele diese Frage erst nach dem Schaden beantwortet haben.

Quellen: Press Gazette — Live tracker · Chicago Sun-Times · NBC News · EBU/BBC-Studie · CBC · DJV · dju in ver.di