KI im Content Marketing: Es funktioniert – bis es nicht mehr funktioniert

Die Versuchung ist gross. KI-Tools versprechen, den Content-Output zu vervielfachen, die Kosten zu senken und gleichzeitig bei Google besser zu ranken. Und tatsächlich: Viele Unternehmen haben in den vergangenen zwei Jahren mit AI-generiertem Content kurzfristig beeindruckende Ergebnisse erzielt. Mehr Seiten, mehr Sichtbarkeit, mehr Traffic. Es scheint KI im Content Marketing bringt Erfolg.

Doch ein wachsendes Datenbild zeichnet eine unbequeme Fortsetzung dieser Geschichte. SEO-Expertin Lily Ray, Gründerin von Algorythmic und eine der führenden Stimmen im Bereich Google-Algorithmus-Analyse, hat über mehrere Monate hinweg mehr als 220 Websites beobachtet, die öffentlich als Kunden von KI-Content-Plattformen identifiziert wurden. Ihr Befund ist eindeutig: Es funktioniert – bis es nicht mehr funktioniert.

Das Muster: Steiler Aufstieg, steilerer Absturz

Was Ray in ihren Daten immer wieder beobachtet, lässt sich als „Mount AI” beschreiben – ein Begriff, den SEO-Analyst Glenn Gabe geprägt hat: steiles organisches Wachstum, gefolgt von einem ähnlich steilen Einbruch, sobald Googles Systeme genug Signale gesammelt haben, um die Content-Strategie zu klassifizieren.

Die Zahlen sprechen eine deutliche Sprache:

• 54 Prozent der untersuchten Websites verloren mindestens 30 Prozent ihres organischen Peak-Traffics.
• 39 Prozent verloren 50 Prozent oder mehr.
• 22 Prozent verloren mehr als 75 Prozent.

Das Muster ist konsistent: starkes Wachstum der indexierten Seitenzahl über sechs bis zwölf Monate, ein Traffic-Peak etwa drei bis sechs Monate nach dem Content-Peak – und dann ein Einbruch, der die ursprünglichen Gewinne häufig nicht nur auslöscht, sondern den Traffic unter das Ausgangsniveau vor dem KI-Einsatz drückt.

Besonders auffällig: Viele dieser Traffic-Einbrüche ereigneten sich nach der Veröffentlichung von Fallstudien der jeweiligen KI-Tool-Anbieter. Die Erfolgsgeschichten wurden als Marketingmaterial eingesetzt – doch die beworbenen Seiten existieren heute in vielen Fällen nicht mehr. Umgeleitet, gelöscht, mit 410-Status versehen.

Was Google wirklich bestraft: Nicht KI, sondern Masse ohne Substanz

Ein wichtiger Punkt, den Ray betont: Die KI-Tools selbst sind nicht das Problem. Das Problem ist die Implementierung. Wer KI nutzt, um möglichst viele Seiten so schnell wie möglich zu veröffentlichen, ohne menschliche Qualitätskontrolle und ohne echten Mehrwert für den Leser, reproduziert genau jenes Muster, das Google seit Jahren systematisch bekämpft.

Bereits im September 2023 hatte Google mit dem Helpful Content Update einen der aggressivsten Algorithmus-Eingriffe seit Jahren gestartet – mit dem erklärten Ziel, Inhalte zu demoten, die sich anfühlen, als wären sie für Suchmaschinen und nicht für Menschen geschrieben worden. Im März 2024 folgte das bis dahin längste Core Update in Googles Geschichte, mit dem die Suchmaschine nach eigener Aussage unoriginale und wenig hilfreiche Inhalte um 45 Prozent reduzieren wollte. Gleichzeitig führte Google eine neue Spam-Richtlinie ein: „Scaled Content Abuse” – explizit gegen die Praxis, massenweise Seiten zu generieren, um Rankings zu manipulieren, unabhängig davon, ob ein Mensch oder eine Maschine die Inhalte erstellt hat. KI im Content Marketing ist verlockend, aber man muss auch mal einer Verlockung wiederstehen.

Viele der Websites, die Ray jetzt in ihrer Analyse als Risikokandidaten identifiziert, produzieren Inhalte, die sich laut ihrer Einschätzung stark nach genau jenen Inhalten anfühlen, die bei diesen Updates aus den Suchergebnissen verschwunden sind.

Die acht riskantesten Content-Muster

Ray identifiziert in ihrer Analyse acht wiederkehrende Template-Typen, die in den rückläufigen Websites besonders häufig auftauchen. Wer diese Muster versteht, versteht auch, warum KI-Content so häufig scheitert – und was es bedeutet, Inhalte wirklich für Menschen zu schreiben.

1. Vergleichsseiten im Massenformat

Muster: /blog/[produkt-a]-vs-[produkt-b], skaliert über alle denkbaren Produkt- und Framework-Kombinationen einer Kategorie. Auf den ersten Blick hilfreich – in der Praxis oft austauschbar mit hunderten identisch strukturierten Seiten der Konkurrenz.

2. Die „Was ist X”-Glossarseite

Einzelne Begriffserklärungen, optimiert für AI-Zitierungen. Problematisch, wenn sie programmatisch über hunderte Begriffe skaliert und in mehrere Sprachen übersetzt werden, ohne echte sprachliche Qualitätskontrolle.

3. Die „Beste X für Y”-Listicle

Der Klassiker aus dem Affiliate-Content-Zeitalter – nun mit KI beschleunigt. Wer diese Seiten im dreistelligen Maßstab produziert, erzeugt ein erkennbares Footprint.

4. Die selbstpromotionale Listicle

Eine Variante des obigen Musters, bei der der Publisher selbst als Kategorie-Teilnehmer auftritt und sich regelmässig auf Platz 1 setzt – ohne Belege, dass Konkurrenzprodukte wirklich getestet wurden. Ray beobachtete ab etwa dem 20. Januar 2026 einen Einbruch bei vielen Websites, die diese Seiten in grossem Stil einsetzten – Rückgänge von 40 bis 95 Prozent innerhalb weniger Monate.

5. Konkurrenz-Alternatives-Seiten

Muster: /blog/[konkurrent]-alternativen, skaliert für jeden Wettbewerber der Branche. In einem beobachteten Fall machten solche Seiten die Mehrheit der meistgeklickten URLs einer Website aus – ein klares Signal, das Google als manipulativ wertet.

6. Programmatisches Geo- und Sprachscaling

Ein seit über zehn Jahren bekanntes Risikoprinzip: Ein Template, multipliziert über jede Stadt, jede Region, jedes Land – mit minimalen lokalen Unterschieden. Besonders problematisch, wenn das Unternehmen keinen echten Standort in den angesteuerten Regionen hat.

7. Die FAQ-Farm

Jede Seite beantwortet genau eine Frage, optimiert auf AI-Extraktion: Frage in der URL, Antwort im ersten Absatz, Schema-Markup am Ende. In kleiner Menge legitim – in grossem Massstab produziert, entsteht qualitativ schwaches Ballast. Kein Zufall, dass Google gleichzeitig mit dem Beobachtungszeitraum die FAQ-Rich-Results abkündigte.

8. Themenfremde Inhalte im Massenformat

Unternehmensblogs, die plötzlich über Entertainment, Witze, Vornamen oder historische Persönlichkeiten schreiben, weil diese Themen Suchvolumen haben. Ohne thematischen Bezug zum Kerngeschäft – eine der verlässlichsten Methoden, um eine Google-Abstrafung zu provozieren.

Was das für KMU in der DACH-Region bedeutet

Die beschriebenen Muster sind keine Enterprise-Probleme. Sie entstehen genauso in mittelständischen Unternehmen, die von Agenturen oder internen Teams mit dem Versprechen beraten werden, mit KI-Content schnell Sichtbarkeit aufzubauen.

Für KMU gilt dabei ein besonders wichtiger Grundsatz: Ein kleines Unternehmen hat keinen Traffic-Puffer. Wer 200 Mitarbeiter hat und ein Blog mit 5.000 monatlichen Besuchern, kann einen 60-Prozent-Einbruch möglicherweise aussitzen. Wer 15 Mitarbeiter hat und auf organischen Traffic angewiesen ist, um Leads zu generieren, kann das nicht.

Hinzu kommt: Was für SEO schädlich ist, ist auch für AI-Search schädlich. LLMs wie ChatGPT oder Google Gemini nutzen Suchmaschinendaten als Grundlage ihrer Antworten. Wer in Google degradiert wird, verliert damit gleichzeitig an Sichtbarkeit in KI-Antworten – dem Kanal, der für viele Unternehmen mittelfristig wichtiger sein wird als klassische Suchergebnisse.

Der richtige Einsatz von KI im Content Marketing

Rays Fazit ist kein Plädoyer gegen KI-Tools. Es ist ein Plädoyer für ihren durchdachten Einsatz:

KI als Beschleuniger, nicht als Ersatz. KI-Tools können Research deutlich schneller machen, Content Briefs strukturieren, Daten aus dem eigenen Unternehmen einbinden und Workflows beschleunigen – vorausgesetzt, ein erfahrener Mensch behält die Qualitätskontrolle.

E-E-A-T als Massstab. Googles Qualitätsrahmen – Experience, Expertise, Authoritativeness, Trustworthiness – lässt sich mit reinen KI-Texten nur schwer erfüllen. Eigene Erfahrungen, Fallbeispiele, Kundendaten, Standpunkte: Das sind die Elemente, die KI nicht liefern kann und die gleichzeitig den grössten Unterschied für Ranking und AI-Zitierungen machen.

Information Gain als Prüffrage. Bevor eine Seite veröffentlicht wird, lohnt sich eine ehrliche Frage: Fügt diese Seite etwas hinzu, das die ersten zehn Google-Ergebnisse zu diesem Thema nicht bereits bieten? Wenn die Antwort nein ist, sollte die Seite nicht erscheinen.

Menschliche Überprüfung ist nicht optional. Das grösste Risiko im KI-Content-Einsatz ist das „Set it and forget it”-Modell: Tool konfigurieren, Seiten automatisch publizieren, Ergebnisse in der Jahres-Fallstudie präsentieren – ohne jemals geprüft zu haben, was wirklich veröffentlicht wurde.

Die eigentliche Lektion

Die SEO-Branche hat diesen Zyklus bereits einmal durchlebt. Vor dem KI-Zeitalter waren es Linkkäufe, Keyword-Stuffing und Thin-Content-Seiten – jedes Mal folgte auf die kurzfristigen Gewinne ein algorithmischer Eingriff, der die Gewinne auslöschte und häufig dauerhaften Schaden anrichtete. Der einzige Unterschied heute: KI-Tools ermöglichen diesen Zyklus schneller und in grösserem Massstab als je zuvor.

Die Unternehmen, die aus früheren Zyklen am besten herausgekommen sind, hatten eines gemeinsam: Sie haben auf Qualität, thematische Tiefe und echten Mehrwert für den Leser gesetzt, statt auf Volumenwachstum. Daran hat sich nichts geändert.

KI kann dabei helfen, gute Inhalte schneller und effizienter zu produzieren. Sie kann schlechte Inhalte nicht reparieren.

 

FAQ: AI Content Marketing und SEO

Schadet KI-generierter Content grundsätzlich dem SEO-Ranking?

Nein – Google bewertet Inhalte nach Qualität, nicht nach Entstehungsmethode. KI-generierter Content, der echten Mehrwert bietet, gut recherchiert ist und von menschlichen Experten überprüft wurde, kann sehr gut ranken. Das Problem entsteht, wenn KI genutzt wird, um Inhalte ohne menschliche Qualitätskontrolle in grossem Massstab zu veröffentlichen – dann entsteht ein Muster, das Google als Manipulationsversuch wertet.

Was ist die „Scaled Content Abuse”-Richtlinie von Google?

Seit März 2024 ist in Googles Spam-Richtlinien explizit die Praxis verboten, massenweise Seiten zu generieren, um Suchmaschinenrankings zu beeinflussen – unabhängig davon, ob ein Mensch, eine KI oder eine Kombination aus beidem die Inhalte erstellt hat. Google bewertet dabei die Absicht und den Nutzen des Inhalts, nicht die Produktionsmethode.

Warum verlieren viele Websites nach einem AI-Content-Boom wieder an Traffic?

Das Muster – schnelles Wachstum, gefolgt von einem starken Rückgang – entsteht, weil Googles Systeme Zeit brauchen, um neue Inhalte zu bewerten. Zunächst profitieren Seiten vom Neuheitsbonus und der erhöhten Indexierungsrate. Mit zunehmenden Qualitätssignalen (Absprungrate, Verweildauer, fehlende Backlinks, inhaltliche Flachheit) beginnt Google, diese Seiten zu degradieren – oft in einem einzigen algorithmischen Update.

Was bedeutet E-E-A-T und warum ist es für KI-Content wichtig?

E-E-A-T steht für Experience, Expertise, Authoritativeness und Trustworthiness – Googles Qualitätsrahmen für Inhaltsbewertung. Besonders das erste „E” (Experience) ist relevant: Google bewertet positiv, wenn Inhalte auf echter persönlicher Erfahrung basieren. Genau das kann KI aus sich heraus nicht liefern. Unternehmen, die eigene Fallbeispiele, Kundendaten, Testergebnisse oder Expertenmeinungen in KI-gestützte Texte einbetten, erzielen deutlich nachhaltigere Ergebnisse.

Welche Content-Typen sind laut aktueller Datenlage besonders riskant?

Besonders riskant sind: Vergleichsseiten im Massenformat (A-vs-B), selbstpromotionale Bestenlisten ohne echte Testgrundlage, FAQ-Farmen mit hunderten einzelner Frage-Antwort-Seiten, programmatisches Skalieren über Regionen und Sprachen mit minimalem lokalem Inhalt, sowie themenfremde Inhalte, die nur wegen hohem Suchvolumen veröffentlicht werden.

Wie sollten KMU KI-Tools im Content Marketing sinnvoll einsetzen?

KI-Tools sind sinnvoll für Recherche, Content Briefs, das Einbinden unternehmenseigener Daten und die Beschleunigung des Schreibprozesses. Entscheidend ist, dass erfahrene Mitarbeitende oder Fachleute jeden Artikel vor der Veröffentlichung prüfen, inhaltlich anreichern und sicherstellen, dass er echten Mehrwert gegenüber bereits rankenden Seiten bietet. Das Ziel sollte nie Volumen sein, sondern Relevanz und Tiefe.