Vom statischen Artikel zum Liquid Content: Wie Medienhäuser ihre Inhalte neu distribuieren

Die Liste der zu bedienenden Kanäle, die durch Redaktionen in immer häufigerer Taktung bespielt werden muss, ist enorm: Neben Websites, Apps, analogen sowie digitalen Zeitungs- und Magazinausgaben sind Newsletter, Social-Media-Plattformen oder Messenger via Post, Artikel, Podcast oder Video in Realtime zu bespielen.

Dabei wirft Liquid Content eine grundsätzliche strategische Frage auf: Was ist künftig das eigentliche Produkt eines Medienhauses – der fertige Artikel oder das Wissen, aus dem immer neue Inhalte, Formate und Nutzungserlebnisse entstehen?

Was ist Liquid Content?

Liquid Content bezeichnet Inhalte, die auf einer konsistenten Wissensbasis beruhen und flexibel in unterschiedlichen Formaten, Längen, Komplexitätsstufen und Darstellungsformen ausgespielt werden. So können aus einem journalistischen Dossier unterschiedlichste Content-Stücke entstehen.

Inhalte werden dabei nicht mehr ausschließlich als fertige, unveränderliche Publikationen verstanden. Stattdessen werden sie als strukturierte und rekombinierbare Wissenseinheiten modelliert – etwa als Fakten, Zitate, Datenpunkte, Personen, Orte, Ereignisse, Bilder, Szenen und Quellen. KI-Anwendungen können diese Bausteine je nach Kanal, Zielgruppe und Nutzungskontext datenbasiert selbstständig immer wieder neu zusammenstellen.

Die journalistische Steuerung kann dabei vollständig erhalten bleiben. Redaktionen definieren, welche Quellen genutzt werden dürfen, welche Regeln und Tonalitäten gelten und welche Freigaben und Qualitätsstandards einzuhalten sind. Liquid Content schafft damit die Grundlage für kanal- und formatübergreifendesjournalistisches Storytelling.

Warum Liquid Content gerade jetzt relevant wird

Zwei Entwicklungen treiben das Thema Liquid Content voran:

Erstens macht generative KI die Transformation von Inhalten skalierbar. Texte, Dokumente oder strukturierte Daten können zusammengefasst, vereinfacht, übersetzt, vertont, visualisiert oder zielgruppenspezifisch aufbereitet werden. Bilder, Audio und Videos lassen sich zunehmend einfach multimodal generieren und bearbeiten.

Zweitens verändern sich die Erwartungen der Nutzer:innen. Menschen gewöhnen sich daran, Informationen durch Chatbots, Sprachassistenten, personalisierte Feeds und andere KI-Anwendungen abzurufen. Die Bereitschaft vollständige oder eine Vielzahl von Artikeln in Gänze zu lesen, scheint hingegen abzunehmen. Vielmehr suchen Nutzer:innen konkrete Antworten, eine kurze Einordnung, einen Vergleich oder eine Erklärung, die zu ihrer aktuellen Situation passt.

Gemäß dem Ansatz von Liquid-Content ist es nun möglich, dass Nutzer:innen selbst bestimmen, wie sie Informationen konsumieren möchten: als Kurzfassung, Audio-Briefing, Präsentation, Checkliste oder dialogische Antwort.

Vom fertigen Artikel zum strukturierten Wissensfundament

Die eigentliche Veränderung liegt tiefer als in der automatisierten Erstellung neuer redaktioneller Formate. Um Liquid Content zu ermöglichen, müssen Medienhäuser ihre Inhalte nicht mehr nur als abgeschlossene Artikel oder Beiträge aufbereiten, sondern als ein strukturiertes Wissensfundament.

Liquid-Content-Workflows: vom redaktionellen Ausgangsartikel zu flexibel rekombinierbaren Inhaltselementen

Dieses Fundament kann aus aktuellen Beiträgen, historischen Archiven, Bildern, Podcasts, Videos, Dokumenten, Daten- und Content-Pools bestehen. Entscheidend ist, dass die Inhalte auffindbar, miteinander verknüpft und maschinell lesbar und verwertbar aufbereitet sind.

Agentische KI kann das Fundament weiterverarbeiten, Kontextsignale berücksichtigen und entscheiden, welche inhaltliche Tiefe, Darstellungsform und Kombination von Informationen für eine bestimmte Nutzungssituation geeignet sind. Die KI-Systeme lernen dabei aus Nutzungsverhalten und Feedback, welche Inhalte, Formate und Funktionen für jeweilige Nutzer:innen besonders relevant sind.

Die Redaktion muss nicht länger jedes Format von Grund auf neu produzieren. Stattdessen kann sie sich auf Recherche, Einordnung, Dramaturgie, Qualitätssicherung und auf die Einhaltung journalistischer Standards konzentrieren.

Wie Liquid Content vorhandene Inhalte neu nutzbar macht

Liquid Content steigert nicht nur den Output aktueller redaktioneller Produktionen. Das Konzept erschließt auch Inhalte, Daten und Materialien, die bislang kaum oder nur einmalig genutzt wurden.

So kann ein nicht vollständig veröffentlichtes Interview zur Grundlage eines Podcasts werden. Recherchierte Daten lassen sich für Erklärgrafiken, neue Beiträge oder interaktive Formate aufbereiten. Ein bestehender Artikel kann in Fakten, Zitate und Hintergrundinformationen zerlegt und für dialogische Informationsangebote bereitgestellt werden.

Dadurch erweitert und verlängert sich der Lebenszyklus journalistischer Inhalte. Ihr Wert liegt nicht mehr nur in der einmaligen Veröffentlichung. Sie bleiben als strukturierter Wissensbestand verfügbar und können bei neuen Ereignissen, Fragestellungen oder Nutzungskonstellationen erneut relevant verarbeitet werden.

Besonders wertvoll sind daher einzigartige Inhalte, deren Erstellung mit erheblichem Recherchesaufwand verbunden ist und die einen hohen Informationsgehalt haben.

Archive werden zur aktiven Datenbasis

Für klassische Medien mit ihren langjährig gewachsenen Archiven besteht darin ein enormes Potenzial. Medienarchive liefern einen reichen Fundus an Hintergründen, historischen Zusammenhängen, lokale Entwicklungen, Personenprofilen und recherchierten Daten, die in frei verfügbaren Quellen nicht oder nur unzureichend vorhanden sind.

Herkömmliche Suchen erschließen Archivbestände nur begrenzt. Nutzer:innen müssen meist sehr genau wissen, wonach sie wo suchen. Beziehungen zwischen Artikeln, Personen, Orten und Ereignissen blieben bisher vielen Suchalgorithmen verborgen.

Mit generativer KI kann aus einem passiven Archiv eine aktive Wissensbasis entstehen. Inhalte werden strukturiert, semantisch erschlossen und für verschiedene Anwendungsfälle kontextuell miteinander verknüpft.

Das Archiv wird damit nicht mehr ausschließlich als Speicher früherer Veröffentlichungen verstanden. Es wird zu einem strategischen Asset, das neue Produkte und Services ermöglicht.

Personalisierte Inhalte effizient ausspielen

Von Hyperpersonalisierung wird in der Medienbranche seit Jahren gesprochen. In der Praxis scheiterte sie jedoch bislang häufig an unzureichenden Daten, komplexen Content-Modellen und hohen Produktionskosten.

Folgt man dem Liquid Content-Gedanken, ermöglicht der eine pragmatische und skalierbare Form der Personalisierung. Inhalte lassen sich gezielt an Segmente, Personas, Regionen oder konkrete Nutzungssituationen anpassen. Ein Fachportal kann etwa unterschiedliche Varianten für Management, Einkauf und operative Mitarbeitende bereitstellen. Ein Nachrichtenangebot kann Erklärungen am jeweiligen Wissensstand der Nutzer:innen ausrichten. Ein Chatbot kann auf Rückfragen eingehen und die Informationstiefe schrittweise erhöhen.

So entstehen relevantere Nutzungserlebnisse, ohne dass jede Anwendung vollständig neu produziert werden muss.

Lokale Angebote aus vorhandenen Inhalten entwickeln

Liquid Content eröffnet Lokal- und Regionalmedien neue Möglichkeiten, überregional produzierte Inhalte und Mantel-Content gezielt für einzelne Verbreitungsgebiete aufzubereiten. Ortsbezüge, lokale Daten und regionale Ereignisse werden dabei mit bestehenden Inhalten verknüpft und spezifisch kontextualisiert.

Ein Verkehrsbeitrag kann je nach Region relevante Strecken, Baustellen und Störungen hervorheben. Bei Wahlen lassen sich lokale Kandidaten, Positionen und Ergebnisse ergänzen. Auch Sport-, Veranstaltungs- und Wetterinformationen können auf konkrete Orte zugeschnitten werden. Regionale Besonderheiten, Beispiele bis hin zu Tonalitäten lassen sich in übergeordnete Erzählstrukturen einbinden.

Auf diese Weise entstehen lokale Informationsangebote, Themenhubs und Community-Formate. Voraussetzung sind verlässliche lokale Daten sowie redaktionell definierte Regeln für deren Auswahl, Gewichtung und Einbindung.

Welche Anwendungen Liquid Content ermöglicht

Für Medienhäuser eröffnet Liquid Content demnach zahlreiche neue Einsatzmöglichkeiten:

• Chatbots und interaktive Informationsangebote übersetzen Artikel, Archive und Datenquellen in dialogische Antworten. Nutzer:innen können eigene Fragen stellen, Zusammenhänge vertiefen und erhalten Quellen, Beispiele sowie passende Rückfragen.
• Magazin- und Nachrichtenangebote erzeugen aus einem redaktionellen Dossier personalisierte Feeds, Podcast-Briefings, Social Snippets, Videos und interaktive Erklärformate.
• Wissens- und Dokumentationsportale entwickeln sogenannte Answer Views. Statt eines vollständigen Artikels erhalten Nutzer:innen eine bedarfsgerechte Kombination aus Erklärung, Schrittfolge, Beispiel und Checkliste.
• Newsletter können automatisiert aus relevanten Nachrichten, Fachinformationen und Content-Empfehlungen zusammengestellt und nach Themengebiet, Region oder Interessenprofil variiert werden.
• Websites und Medienplattformen spielen je nach Nutzungskontext, Nutzungsverhalten und Interessen unterschiedliche Varianten von Texten, Bildern und weiterführenden Inhalten aus.
• Schulungs- und E-Learning-Angebote bereiten Fachinhalte als Lernkarten, Quizze, kompakte Lerneinheiten oder vertiefende Fallbeispiele auf.
• Streaming- und Audioangebote ermöglichen Pick-your-format-Modelle, bei denen Nutzer:innen Länge, Themenauswahl und Darreichungsform selbst bestimmen.

Liquid Content in der Praxis: Vielstufiger Retresco-Workflow zur Generierung von Chatbot-Antworten

Wie Medienhäuser mit Liquid Content neue Erlöse erschließen

Liquid Content kann bestehende Erlösmodelle stärken und zugleich neue Formen der Monetarisierung ermöglichen.

Personalisierte Formate und interaktive Services erhöhen den wahrgenommenen Nutzen eines Abonnements. Passgenaue Einstiege, individuelle Empfehlungen und weiterführende Erklärangebote können die Conversion an der Paywall unterstützen. Hochwertig aufbereitete Fachinformationen lassen sich zudem als Premium-Angebot, Zusatzleistung oder eigenständiger Service vermarkten. Zugleich kann redaktionelles Wissen unabhängig von herkömmlichen Publikationsformaten angeboten werden.

Mögliche Geschäftsmodelle sind:

• Spezialisierte Recherche- und Analyseangebote
• Neue Abo-, Nutzungs- und Lizenzmodelle
• Data-as-a-Service
• API-Publishing und Content-Syndizierung
• B2B-Wissensplattformen
• Automatisiertes Corporate Publishing

Damit erweitern sich die bisherigen Wertschöpfungsoptionen. Medienhäuser können nicht mehr ausschließlich vorab definierte Endformate wie Artikel, Newsletter oder Podcasts vermarkten. Sie stellen zukünftig belastbares Wissen bereit, aus dem sich bedarfsgerechte Produkte, Services und Nutzungserlebnisse entwickeln lassen.

Der entscheidende Wettbewerbsvorteil liegt dabei in der Qualität und Aufbereitung der eigenen Inhalte. KI-Modelle sind austauschbar. Exklusive Archive, redaktionelle Expertise, verlässliche Daten und gewachsene Themenkompetenz sind dagegen deutlich wertvoller.

Welche Voraussetzungen Liquid Content erfordert

Damit Liquid Content zum Tragen kommt, müssen Medienhäuser technische, redaktionelle und organisatorische Grundlagen schaffen:

Strukturierte Content-Modelle

Inhalte müssen als klar definierte Content-Typen mit Feldern, Metadaten, Relationen und Regeln für die Wiederverwendung vorliegen. Artikel, Zitate, Personen, Orte, Daten und Medienobjekte sollten eindeutig adressierbar und miteinander verknüpft sein.

Metadaten und Content Tagging

Metadaten beschreiben, worum es in einem Inhalt geht, welche Personen oder Institutionen vorkommen, auf welche Region er sich bezieht und wann er veröffentlicht oder aktualisiert wurde. Ohne diese Informationen können KI-Systeme Inhalte nur eingeschränkt einordnen, auswählen und kombinieren. Automatisiertes Content Tagging kann einen großen Teil dieser Erschließung übernehmen.

Maschinenlesbare Inhaltselemente

Texte sollten in sinnvolle Einheiten wie Überschriften, Absätze, Zitate, Infokästen, Personenprofile und Bildunterschriften zerlegt werden können. Dieses sogenannte Chunking ermöglicht es, einzelne Bestandteile gezielt abzurufen, neu zusammenzustellen und mit Quellen zu versehen.

API-fähige Architektur

Eine Headless- oder API-first-Architektur trennt Inhalte von ihrer Darstellung. Dadurch lassen sich Content-Bestandteile flexibel in Websites, Apps, Newslettern, Chatbots und anderen KI-Oberflächen ausspielen. APIs und neue Standards wie das Model Context Protocol (MCP) erleichtern es zudem, Inhalte und Funktionen kontrolliert für KI-Agenten bereitzustellen.

Modelloffene KI-Architektur

Große Sprachmodelle übernehmen bei Liquid Content Aufgaben wie Zusammenfassen, Umformulieren, Strukturieren oder Beantworten von Fragen. Solche Modelle unterscheiden sich bei Qualität, Kosten, Geschwindigkeit, Datenschutz und Spezialisierung und entwickeln sich laufend weiter. Eine modelloffene Architektur ermöglicht es, Sprachmodelle je nach Anwendungsfall auszuwählen, auszutauschen oder miteinander zu kombinieren.

Klare Workflows und Qualitätsregeln

Redaktionen und Produktteams müssen Inhalte von Beginn an modular und distributionsfähig planen. Zugleich braucht es verbindliche Regeln für Freigaben, Quellen, Aktualität, Tonalität, Rechte und Kennzeichnung. Je dynamischer Inhalte zusammengestellt und ausgespielt werden, desto wichtiger werden Governance, Transparenz und Qualitätssicherung.

Wie Medienhäuser mit Liquid Content starten

Der Einstieg in Liquid Content beginnt nicht mit der Auswahl eines KI-Tools, sondern mit einer strategischen Frage: Welches Angebot soll zuerst entstehen – und für welche Zielgruppe?

Ein eindeutig definierter Use Case hilft, sich angesichts zahlreicher Technologien, Modelle und Anwendungsmöglichkeiten auf das Wesentliche zu konzentrieren.

1. Inhalte und Rechte prüfen

Zunächst sollten Medienhäuser erfassen, welche Wissensbestände bereits vorhanden sind:

• Welche Inhalte liegen digital und strukturiert vor?
• Welche Archive und Inhalte bieten ein hohes Wiederverwendungspotenzial?
• Welche Informationen sind einzigartig und nicht ohne Weiteres durch frei verfügbare Quellen ersetzbar?

Zum Content-Audit gehört auch eine rechtliche Prüfung. Texte, Bilder sowie Audio- und Videoaufnahmen können unterschiedlichen Lizenz-, Persönlichkeits- und Zweitverwertungsrechten unterliegen. Nicht jeder technisch verfügbare Inhalt darf automatisch für neue Formate oder Angebote genutzt werden.

2. Metadaten und Infrastruktur schaffen

Im nächsten Schritt werden relevante Inhalte strukturiert, mit Metadaten versehen und für die automatisierte Verarbeitung zugänglich gemacht. Dafür müssen Content-Typen, Schnittstellen, Berechtigungen und Wiederverwendungsregeln definiert werden.

KI kann dabei unterstützen, Personen, Orte, Organisationen, Themen und Ereignisse automatisch zu erkennen und bestehende Archive nachträglich zu erschließen.

Parallel sollten Medienhäuser festlegen, welche Systeme priorisiert werden und wie Inhalte zwischen CMS, Archiv, Datenbanken, KI-Anwendungen und Ausgabekanälen ausgetauscht werden.

3. Mit einem klar abgegrenzten Pilotprojekt starten

Statt sofort ein komplettes Content-Ökosystem für Liquid Content zu entwickeln, empfiehlt sich vielmehr ein überschaubares Pilotprojekt. Mögliche Einstiegsszenarien sind ein Artikelchat, ein internes Rechercheangebot oder die Mehrfachverwertung eines ausgewählten Formats.

Wichtig ist eine klare Zieldefinition:

• Soll der Produktionsaufwand sinken?
• Soll die Nutzung verlagsinterner Inhalte steigen?
• Soll ein neues Premium-Angebot entstehen?
• Sollen mehr Interaktionen oder längere Nutzungssessions erreicht werden?

Ein erfolgreicher Pilot liefert nicht nur technische Erkenntnisse. Er zeigt auch, welche redaktionellen Regeln, Metadaten, Qualitätskontrollen und organisatorischen Rollen für einen weiteren Ausbau erforderlich sind.

Liquid Content als strategische Antwort auf die wachsende Kanalvielfalt

Liquid Content bedeutet weit mehr, als einen Artikel automatisiert in verschiedene Formate zu überführen. Das Konzept verändert grundlegend, wie Medienhäuser Inhalte produzieren, strukturieren, speichern, distribuieren und monetarisieren.

Im Zentrum steht nicht mehr allein das fertige Medienprodukt, sondern ein strukturiertes und verlässliches Wissensfundament. Aus diesem Bestand können je nach Kanal, Nutzungssituation und Informationsbedarf unterschiedliche Formate und Nutzererlebnisse entstehen.

Damit können Redaktionen auf eine Medienwelt reagieren, in der die Nutzenden Informationen zunehmend situativ, dialogisch und durch KI-basierte Oberflächen abrufen. Wer das eigene Wissen modular und maschinenlesbar verfügbar macht, kann Inhalte effizienter verwerten, Archive aktivieren, personalisierte Angebote entwickeln und neue Erlösmodelle erschließen.

Du hast Fragen, Anmerkungen oder Interesse? Sprich uns an – wir melden uns gerne bei dir!