Content Automation und automatisierter Content – Status quo und Ausblick

Bastian Wiesemeyer
Bastian Wiesemeyer

Bastian Wiesemeyer kümmert sich seit 2014 bei der diva-e Advertising um alles, was mit dem Thema Content zu tun hat. Als Teil der diva-e-Gruppe unterstützt er mit seinen Kollegen Kunden u. a. in den Bereichen strategische Contentfragen, SEO-Beratung und Content-Audits. Und das, obwohl er mit einem abgeschlossenen Geschichtsstudium eigentlich ins Museum gehört.

Mehr von diesem AutorArtikel als PDF laden

Content Automation ähnelt ein bisschen Tim Borowski ums Jahr 2006 herum: immer kurz vor dem Durchbruch. Doch im Gegensatz zum Ex-Nationalspieler hat Content Automation das Zeug zum Gamechanger. Warum es dazu noch nicht gekommen ist? Aktuell steht auch die automatisierte Contentgenerierung im Fokus. Und beide haben aktuell nur vom Namen her miteinander zu tun, beschreiben aber zwei sehr unterschiedliche Content-Lösungen. Doch der Artikel zeigt auf, dass eine Symbiose in nicht allzu ferner Zukunft liegt.

Prozessoptimierung hat als Wort nicht unbedingt den besten Ruf. Oft wird es in Verbindung gebracht mit unnötigem Aktionismus, Implementierung neuer Arbeitsweisen, die gerade im Trend sind, oder gar dem Abbau von Stellen. Dabei ist es wichtig, auch etablierte Prozesse von Zeit zu Zeit zu hinterfragen. Das Ziel sollte dabei aber nicht unbedingt nur die Gewinnmaximierung sein, sondern Prozesse zu stabilisieren, Mitarbeiterpotenzial auszuschöpfen, das Unternehmenswachstum voranzubringen und den kontinuierlichen Verbesserungsprozess (KVP) im Auge zu behalten. Die Content Automation soll als Werkzeug dabei sehr spezifisch im Bereich der Inhaltserstellung unterstützen – neben einem optimierten Prozess sollen Auffindbarkeit, Bereitstellung und Anpassung von Inhalten vereinfacht, vereinheitlicht und automatisiert werden. Aus Gründen der Verknüpfung mit der automatisierten Contentgenerierung liegt die Konzentration hier zunächst auf textlichen Inhalten, auch wenn Inhalte wie Videos, Grafiken, Diagramme o. Ä. ebenfalls mittels der hier vorgestellten Content Automation genutzt werden können.

Ausgangspunkt für die Erstellung der Inhalte ist der Redaktionsprozess. Dieser basiert in vielen Unternehmen und Agenturen auf ähnlichen Abfolgen:

  1. Ein Redakteur wird mit der Erstellung eines Inhalts beauftragt.
  2. Der Redakteur öffnet Word, Pages, Writer oder ein anderes Schreibprogramm seiner Wahl und erstellt den gewünschten Text – natürlich ohne das Layout der Webseite im Blick zu haben.
  3. Im nächsten Schritt kommentiert ein Lektor mit seinen Anmerkungen und beginnt mit der Korrektur des Textes.
  4. Nach dem Lektorat erhält der Redakteur das Dokument zurück, arbeitet das Feedback ein und es folgt ein weiteres abschließendes Lektorat.
  5. Je nach Branche kann es aber nun vorkommen, dass ein weiterer Check durch die Rechtsabteilung erfolgen muss. Diese kommentiert ebenfalls im Dokument, das dann zum Redakteur zurückgeht.
  6. Wieder wird das Feedback eingearbeitet, aber nun muss der Text ein weiteres Mal ins Lektorat.
  7. Im besten Fall wurden im Lektorat nur ein paar Rechtschreibfehler ausgemerzt und der Text kann veröffentlicht werden.

Dieser Prozess ist in den meisten Fällen nicht allzu weit von der Realität entfernt – abgesehen davon, dass er gerne noch viel mehr Schritte und beteiligte Personen involviert.

Quo vadis, Content?

Nach der Erstellung des Inhalts beginnt allerdings erst der schwere Teil. Denn bisher ist der Inhalt nicht für die Veröffentlichung in einem der Distributionskanäle optimiert. Und zwar für keinen. Wie bereits im Redaktionsprozess kurz skizziert, schreibt der Redakteur im luftleeren Raum. Sein Schreibprogramm kann nicht darlegen, wie der Inhalt später aussieht und wo er eingebunden wird. Passiert dies auf der Webseite? Ist diese responsiv, muss dabei etwas beachtet werden? Werden Inhalte in Social Media genutzt? Oder im Intranet des Unternehmens? Auch die Möglichkeiten der Formatierung sind hier begrenzt. Abgesehen von der Formatierung der Überschriften o. Ä. lässt sich mithilfe eines Dokuments nur schwer ein Content-Management-System samt vorhandenen Style Sheets abbilden. Dies bedeutet wiederum einen erhöhten Arbeitsaufwand für die Person, die den Inhalt einpflegen muss – gegebenenfalls auf mehreren Plattformen – und evtl. zu diesem Zweck mehrere Dokumente mit dem Inhalt in mehreren Varianten erstellt. Das eine Ausgangsdokument hat sich nun also multipliziert und mutmaßlich Anpassungen für die verschiedenen Plattformen erfahren. Dies ist eine weitere Möglichkeit, um nach einem abgeschlossenen Redaktionsprozess neue Fehler in die Dokumente einzubauen. Die Alternative, dass der Redakteur den fertigen Inhalt mehrmals aufbereitet und danach erneut auf Fehler checken lässt, verlängert den Prozess unnötig und verhindert eine zeitnahe Publikation des Inhalts.

Die schwerwiegendsten Herausforderungen sind die Anpassungen an einem finalen und auch bereits veröffentlichten Dokument. Wie im Abschnitt zuvor beschrieben, handelt es sich mit hoher Wahrscheinlichkeit nicht mehr nur um ein einzelnes Dokument, sondern um mannigfaltiges Management von Derivaten. Stattdessen gibt es mehrere Varianten für verschiedene Kanäle. Und durch die Korrekturschleifen existieren ebenfalls verschiedene Versionen, auf die nicht unbedingt jeder Zugriff hat. Es besteht ein hohes Potenzial, dass Änderungen an dem falschen Dokument durchgeführt werden. Ein berechtigter Einwand ist natürlich, dass hoffentlich ein zentrales Laufwerk existiert, auf dem immer nur die letzte und auch freigegebene Version eines Dokuments abgelegt wurde – doch in der Realität sieht es auf dem Laufwerk nun einmal nicht so aus. Die berühmt-berüchtigten „final_final_jetztwirklichfinal“-Dokumente treiben hier ihr Unwesen genau wie ältere Versionen („Könnte man ja noch einmal gebrauchen“). Eine simple Anpassung eines Nebensatzes kann nun also in eine mehrstündige Aktion ausarten, in der verzweifelt jedes Dokument gesucht wird, in dem dieser Satz angepasst werden muss.

One document to rule them all

Abhilfe schafft hier ein System, in dem ein Inhalt ein einziges Mal abgelegt wird und dort als Masterdokument verfügbar ist. Dieser Inhalt wird für alle Distributionskanäle und auch für alle möglichen Devices eingesetzt. Korrekturen werden direkt im System vorgenommen, und falls mehrere Mitarbeiter beteiligt sind, müssen im Nachhinein nicht mehrere Dokumente samt Feedback vereinheitlicht werden – denn hier ist das Risiko ebenfalls groß, dass Informationen verloren gehen. Allerdings ist Masterdokument auch nicht das richtige Wort und die Content Automation stellt den Redakteur hier vor neue Herausforderungen: Es handelt sich eigentlich nur noch um Content Pieces, die im Backend parat liegen, um per Knopfdruck direkt ausgespielt zu werden, und zwar für den gewünschten Distributionskanal aufbereitet. Und ja, das hört sich gerade sehr stark nach einem Dokumenten-Management-System (DMS) an. Ist es aber nicht, denn für die Content Automation kommen viele Faktoren ins Spiel, die bei einem DMS eher nachrangig zu behandeln sind:

  • Real-Time-Content (Case Study später im Artikel)
  • Divergierende Distributionskanäle
  • Kurzfristige Deadlines
  • Umfassender Freigabeprozess

Und einer der wichtigsten Punkte: Der Redakteur kann in diesem System direkt sehen, wie sein Content auf den verschiedenen Plattformen dargestellt wird, und ihn schon während des Schreibprozesses dahingehend anpassen. Andernfalls kommen sonst solche Anfragen erst nach der eigentlichen Finalisierung des Dokuments und eröffnen den kompletten Lektoratsprozess erneut. Ein weiterer Vorteil besteht zudem darin, dass es nun nur noch einen Master gibt, wenn Content übersetzt werden muss. Denn wenn schon in einer Sprache sich mehrere Dokumente mit kaum noch nachverfolgbaren Änderungen sammeln, wie sieht das dann erst in zwei, sieben oder 15 Sprachen aus? Stattdessen können sich regionale Manager sicher sein, dass das Ursprungsdokument die aktuellste und final geprüfte Version darstellt.

Ist Content Automation für mich geeignet?

Aber auch wenn Automation immer nach „auf Knopfdruck“ klingt, ist es natürlich nicht so einfach. Um von Content Automation zu profitieren, ist ein initialer Aufwand vonnöten, vor dem zunächst die Frage steht: „Lohnt sich Content Automation für mich?“ Wenn Sie von den folgenden Fragen eine große Mehrheit mit „Ja“ beantworten können, sollten Sie definitiv über Content Automation nachdenken:

  • Produzieren Sie regelmäßig in hohen Mengen Content?
  • Muss der Content regelmäßig angepasst werden?
  • Benötigen Sie Ihren Content in mehreren Sprachen?
  • Nutzen Sie bei der Erstellung des Contents über API angebundene Datenquellen?
  • Wird der Content auf verschiedenen Plattformen ausgespielt?
  • Ist eine Wiederverwendung von Content Pieces in mehreren Dokumenten wahrscheinlich?
  • Müssen Dokumente von anderen Abteilungen auf rechtliche Sicherheit geprüft werden?
  • Sind die Prozesse bei der Erstellung einheitlich gestaltet?

Eine Frage steht bewusst nicht hier: „Haben Sie das Budget, um Content Automation umzusetzen?“ Denn Content Automation in der bisher vorgestellten Form eignet sich nicht für jeden. Was im bisherigen Artikel vage beschrieben wurde, ist ein System, das für Content Automation benötigt wird. Einige Dienstleister wie Quark, Adobe & Co. bieten hier fertige Tools für Unternehmen an. Und auch bei Durchführung einer Make-or-Buy-Analyse wird sich in diesem Bereich wohl für weit über 90 % der Nutzer keine eigenentwickelte Lösung eignen. Anpassungen, Individualisierungen und Verbesserungen sind dann besser im Zusammenspiel mit dem Dienstleister zu planen und umzusetzen.

Technik, die traumatisiert

Damit Content Automation implementiert werden kann, sind große Veränderungen an etablierten Prozessen notwendig. Und selbst der vernünftigste und bodenständigste Mitarbeiter wird dann zunächst wie Garth (siehe Bild) reagieren. Veränderung ist immer negativ und etablierte Prozesse anzupassen, ist unnötig. Doch wer sich ernsthaft mit Content Automation auseinandersetzt, merkt sehr schnell, dass große Veränderungen am Prozess notwendig sind. Das verursacht zunächst Arbeit auf konzeptioneller Ebene. Initial muss festgelegt werden, auf welchen Plattformen Inhalte distribuiert und wie diese dort aufbereitet werden. Damit das Content-Automation-System die Inhalte angepasst auf die verschiedenen Plattformen ausspielen kann, müssen diese einheitlich formatiert sein. Es muss bspw. festgelegt sein, was mit einer Headline passiert oder welche Darstellungsform ein Infokasten oder ein Zitat annimmt, wenn es ausgespielt wird. Die Entscheidungsfindung kann hier schon eine gewisse Zeit dauern, zumal es nicht das Ziel ist, alle paar Wochen die festgelegten Parameter wieder anzupassen. Die Herausforderung besteht also darin, ein zukunftssicheres Konzept zu entwickeln. Zu 100 % ist dies allerdings wohl nie möglich, da gerade auf externen Distributionskanälen wie bspw. Social-Media-Kanälen sich die Gegebenheiten ohne Vorwarnung ändern können. Das bedeutet, dass zumindest die Möglichkeit gegeben sein sollte, das System mit einfachen Mitteln anzupassen.

Eine Aufbereitung der Inhalte lässt sich zum Beispiel über die Extensible Markup Language (XML) lösen. Mittels dieser Auszeichnungssprache können dem System Informationen über Teile des Contents mitgeteilt werden, die dann bspw. Auswirkungen auf das Layout haben. Wurde ein Teil des Texts als Headline markiert, kann das System im Publishing-Prozess diese direkt anpassen. Die Nutzung einer XML-basierten Textverarbeitung bietet Herausforderungen. Gerade aus der Redaktion könnte sich hier Widerstand bilden, da die Texterstellung auf den ersten Blick komplizierter wirkt. Die simple Lösung: Ein XML-Editor, der manuelles Markup überflüssig macht und den Redakteuren weiterhin die Möglichkeit gibt, sich auf das Schreiben zu konzentrieren. Gleichzeitig bieten sich direkt sichtbare Vorteile durch das Markup: Inhalte lassen sich im System direkt im Layout der einzelnen Distributionskanäle anzeigen. Es ist nicht mehr notwendig, dass der Redakteur nach der Finalisierung des Dokuments doch noch Änderungen durchführen oder gar mit beim Layout helfen muss.

Content Automation, wie sie hier beschrieben ist, steckt noch ein Stück weit in der Nische. „Schuld“ ist daran natürlich die Tatsache, dass sie wie eine Evolution von DMS wirkt und aktuell Unternehmen bedient, die an einem solchen System schon früher Bedarf hatten. Spannend wird es sein, wie schnell die Verknüpfung zu automatisierter Contenterstellung in den nächsten Jahren vonstattengeht. Denn Real-Time-Publication und automatische Anpassung auf die verschiedenen Distributionskanäle würde viele aktuelle Herausforderungen im Content-Marketing lösen. Doch wie ist es denn um die Automatisierung bei der Contenterstellung bestellt und warum unterscheidet sie sich so stark von der Content Automation?

„Schreibst du noch oder spin(n)st du schon?“

Auf Knopfdruck Content erstellen– dieser Traum existiert, seit das Internet mit immer mehr Inhalten befüllt werden muss. Während heutzutage u. a. der Hummingbird dafür sorgt, dass einzelne URLs auf einen Keywordkomplex optimiert werden können, sah dies früher noch anders aus. „Ein Keyword – eine Landingpage“ war das Mantra, denn ansonsten sah es rankingtechnisch eher mau aus. Große Portale standen hier vor ebenso großen Herausforderungen, um diese Menge an Content zu generieren. Dies sorgte entweder für einen hohen redaktionellen Aufwand oder brachte Duplicate Content, weil in Texten nur Keywords ausgetauscht oder einzelne Passagen angepasst wurden. Eine Lösung war damals Text Spinning. Ein Redakteur – der mutmaßlich fluchte, dass er diesen Job angenommen hatte – stellte ein Dokument mit Textbausteinen zusammen. Diese wurden dann in einer Software gut durchgemischt und schon erhielt man, je nach Länge des Dokuments und Anzahl der Textbausteine, Hunderte Texte – die sich a) nicht schön lasen, b) oft trotzdem Near Duplicate Content darstellten und c) kein hohes Rankingpotenzial boten.

Automatisierte Texterstellung ≠ Redakteure abschaffen

Eine Lösung sollte die automatisierte Contenterstellung, liebevoll auch Roboterjournalismus genannt, sein. Ab 2015 wuchs das Interesse an diesem Phänomen, wobei Interesse das falsche Wort ist, denn zu Beginn herrschte vor allem Furcht (schauen Sie hier bei Bedarf gerne noch einmal auf das Garth Meme auf der vorherigen Seite). Das lag an den Einsatzmöglichkeiten. Im journalistischen Bereich sollten eher simple Aufgaben wie die Betextung Tausender Börsenkurse oder lokal angepasster Wetterberichte erfüllt werden, aber auch redaktionelle Texte lassen sich erstellen. Gossip-Meldungen wie die Verlobung eines IT-Pärchens oder auch Nachrufe können theoretisch auf Knopfdruck verfasst werden. Jedoch soll die automatisierte Contenterstellung eine Ergänzung und ein Werkzeug für die Redaktionen sein. Die genannten Meldungen händisch zu erstellen, gleicht einer Verschwendung geistiger Ressourcen, die besser für große Reportagen und Artikel eingesetzt werden. Gewinnen soll hier jeder: Der Nutzer, weil er gut lesbare Inhalte mit Mehrwert erhält, und der Redakteur, der sich auf seine Kernaufgaben konzentrieren kann. Doch wie verlief der Schritt vom Text Spinning zur automatisierten Contenterstellung? Gibt es da überhaupt Unterschiede? Und für wen lohnt sich der Einsatz?

Automatisierte Texterstellung benötigt strukturierte Daten, um funktionieren zu können. Wie bei der Content Automation besteht hier vor dem ersten Einsatz der Bedarf an einem klar definierten Datenset. Dies ist der erste Schritt, bevor ein Training erfolgen muss. Anbieter wie AX Semantics, Textomatic & Co. haben in der Regel eine Art AI im Einsatz, die trainiert werden muss, damit Content automatisiert erstellt werden kann. Dies geschieht mittels mehrerer einfacher Sätze. Die AI ist nun intelligent genug, um grammatikalische Anpassungen vorzunehmen, Abhängigkeiten zu bilden und vor allem die erstellten Inhalte intern auszuwerten. Für das eigentliche Training der Software braucht es einen Redakteur. Er muss die Daten so auswerten, dass sie sich gut in ein Satzgerüst einfügen lassen. Je passender die erstellten Basis-Sätze sind, desto besser werden auch die schlussendlichen Ergebnisse für den Leser. Sollten Sie bspw. per API Google-Analytics-Daten zuführen, kann die AI nach zuvor definierten KPIs erkennen, welche Texte erfolgreich waren (meistgelesene Artikel, gestiegene Conversion-Rate etc.). Dies führt auch zum nächsten Punkt: Für wen lohnt sich der Einsatz automatisierter Texterstellung?

Im Gegensatz zur Content Automation ist dies eine viel größere Zielgruppe. Denn neben den bereits erwähnten Redaktionen sind es Betreiber von Portalen mit automatisierbaren Nachrichten, aber auch E-Commerce-Verantwortliche, die Unique Content für ihre Produkte benötigen. Ein weiteres Beispiel für den Einsatz von automatisiertem Content ist diese anonymisierte Case Study: Hunderte von Agenturpartnern eines Unternehmens sollten jeder eine eigene Webseite erhalten. Dies manuell zu bewerkstelligen, wäre zum einen zeitlich wenig sinnvoll gewesen und zum anderen wäre die Verwaltung samt kleineren Anpassungen sehr fehleranfällig. Stattdessen wurde folgender automatisierter Prozess implementiert:

  1. Die Agenturpartner legen Informationen wie Öffnungszeiten, Leistungen, Referenzen o. Ä. anhand strukturierter Daten in einer Datenbank ab. Wie diese Daten aussehen müssen, ist einheitlich für alle Agenturpartner vorgegeben.
  2. Sobald ein Agenturpartner Daten anlegt oder bestehende Daten anpasst, sendet die Datenbank einen Textimpuls an die Software, die den automatisierten Content erstellt.
  3. Die Software prüft, zu welchem Training die Daten zugehörig sind, und lässt den Content erstellen.
  4. Abschließend wird dieser anhand zuvor festgelegter Parameter auf einem definierten Kanal (Webseite, Facebook, Google My Business) ausgespielt.

Die Einsatzmöglichkeiten für automatisierte Contenterstellung sind heute schon groß, und sobald strukturierte Daten im Spiel sind, lohnt sich das Abklopfen auf Automatisierungspotenzial.

Ein Blick in die Zukunft

Was der Artikel (hoffentlich) gut aufgezeigt hat, ist der aktuell noch existierende Graben zwischen Content Automation sowie automatisierter Contenterstellung. Dies liegt daran, dass beide Systeme eine unterschiedliche Evolution genommen haben, einmal mit dem Fokus auf Dokumentenmanagement und auf der anderen Seite mit schneller Erstellung von Massentexten. Inzwischen haben beide Formen aber ein Level erreicht, das eigentlich eine Symbiose beider Methoden in naher Zukunft unvermeidlich macht. Denn strukturierte Daten sind die Basis für den Erfolg beider Systeme und eine Zusammenführung scheint da nur logisch, wie auch die Case Study schon andeutet.

Zumal es schon kleine Schnittpunkte mit der Content Automation gibt: Bei der automatisierten Texterstellung besteht ebenfalls nur ein einzelnes Dokument und das Publishing erfolgt per API automatisiert. Und falls eine Änderung – zum Beispiel aus saisonalen Gründen (Sommerkollektion 2018 statt Winterkollektion 2017/18) – notwendig ist, kann dies zentral angepasst und über Nacht ausgespielt werden.

Etwas länger dürfte die Wartezeit aber für den großen Traum der (Content-)Marketer sein: Mittels eines automatisierten Systems 1:1-Content zu jedem Nutzer auszuspielen, basierend auf einer gut gefüllten Datenbank. Die ersten Anfänge werden gerade gemacht, indem Content nutzerzentriert und vor allem per Content-Mapping auf verschiedenste Touchpoints, Personas und Bedürfnisse angepasst wird. Doch von dort ist der Weg leider beschwerlich und der Gipfel noch nicht in Sicht.