Reto Vogt, Chief Product Officer und KI-Dozent am MAZ, und Matthias Zehnder, Medienwissenschaftler und Publizist, zeigten im Webinar der Edito Academy, wie Journalistinnen und Journalisten mit Gemini Notebook (vormals NotebookLM) grosse Dokumentenberge lesen, verstehen und befragen können, ohne dabei lange suchen oder scrollen zu müssen. Ausgangspunkt war ein Grundproblem im redaktionellen Alltag mit KI: Sprachmodelle formulieren souverän, aber woher sie ihr Wissen nehmen und ob stimmt, was sie behaupten, ist nicht immer klar. Die Leitfrage für das Webinar lautete deshalb nicht «Was weiss die KI über mein Thema?», sondern «Was steckt in meinen Quellen?»
Matthias Zehnder führte zunächst in die Funktionsweise von Sprachmodellen ein und trennte drei Dinge, die im Alltag gern verschwimmen: Intelligenz, Sprache und Wissen. Seit den Word Embeddings von 2013 durch Google werden Wörter nicht mehr als isolierte Zeichen behandelt, sondern als Punkte in einem mathematischen Raum, in dem ähnliche Bedeutungen nahe beieinanderliegen. Bedeutung wird zur Rechenaufgabe: «König minus Mann plus Frau gleich Königin». Transformer-Modelle gehen einen Schritt weiter und verschieben die Bedeutung eines Wortes je nach Kontext: Ob mit «Bank» das Geldinstitut oder die Parkbank gemeint ist, entscheidet der sprachliche Kontext. Das erklärt Sprachkompetenz, nicht aber Wissen.
Zwei Befunde machten das deutlich. Eine Berliner Untersuchung von Vivien Benert und Stina Timmermann zur Quellenauswahl von KI-Systemen zeigt, wie unterschiedlich die Dienste sich bedienen: Bei ChatGPT stammen 77 Prozent der Quellen aus dem Journalismus, bei Gemini nur 49 Prozent, bei Claude 51 Prozent. Und der Blick auf die Halluzinationsraten im AI Index 2026 zeigt Werte, die je nach Modell zwischen gut 20 und über 90 Prozent liegen. Genau hier setzt die RAG-Technik an. RAG steht für Retrieval-Augmented Generation: Das Verfahren koppelt die Sprachkompetenz der Maschine an ein definiertes Fakten-Gefäss. Die KI durchsucht zuerst die hinterlegten Quellen und baut ihre Antwort ausschliesslich auf den gefundenen Textstellen auf. Dazu bietet sieFussnoten und Links zur Originalstelle. Für Medienschaffende ist das die Grundvoraussetzung für echtes Fact-Checking.
Den Kern des Webinars bildete Reto Vogts Führung durch Gemini Notebook, das prominenteste RAG-Werkzeug für den Redaktionsalltag. Fünf Gründe sprechen aus seiner Sicht für den Einsatz im Journalismus: Antworten basieren auf dem bereitgestellten Material statt auf Weltwissen; jede Aussage lässt sich auf eine konkrete Stelle in den Quellen zurückführen; grosse Mengen an Berichten, Studien und Medienmitteilungen lassen sich gemeinsam analysieren; Widersprüche und unterschiedliche Positionen zwischen Quellen werden sichtbar; und statt Dokument für Dokument zu durchsuchen, stellt man seine Frage an ein ganzes Dossier. Vogt zeigte den dreigeteilten Aufbau der Oberfläche (Quellen, Chat, Studio), ging die Kontingente der Google-Abostufen durch (von 50 Quellen pro Notebook im Gratiskonto bis zu 500 bei Ultra) und demonstrierte live, wie sich ein Bundesamtsbericht durchsuchen, Geschäftsberichte einer Versicherung vergleichen, Zitate aus einem Transkript zur eigenen Qualitätskontrolle prüfen oder mehrere Studien auf Widersprüche abklopfen lassen. Aus den Ergebnissen baut das Studio auf Wunsch Timelines, Tabellen, Mindmaps, Infografiken oder Audio-Zusammenfassungen.
Matthias Zehnder ergänzte fünf Profi-Tipps, die über das blosse Zusammenfassen hinausgehen, jeweils mit Prompt, Nutzen und Gefahren.
1) Advocatus Diaboli: Den eigenen Rohtext zusammen mit Statements, PR-Meldungen und Studien hochladen und die KI bitten, als kritischer Anwalt der Gegenseite logische Lücken und schwach belegte Behauptungen zu suchen und fünf harte Gegenfragen zu stellen. Das schützt vor Betriebsblindheit und Bestätigungsfehlern, verlangt aber die journalistische Gewichtung weiterhin vom Menschen.
2) die multimediale Spurensicherung: Gemini Notebook versteht auch YouTube-Links und MP3-Aufnahmen, lässt sich also anweisen, den O-Ton einer Pressekonferenz mit dem Kapitel eines PDF-Berichts abzugleichen, jede Diskrepanz belegt mit Zeitmarke und Seitenzahl.
3) das strukturierte Extrahieren von Daten: Aus Fliesstexten und hunderte Seiten langen Geschäftsberichten entsteht auf Zuruf eine Markdown-Tabelle, die sich direkt in Excel oder Datawrapper weiterverarbeiten lässt; Datenjournalismus ohne Programmierkenntnisse.
4) das Briefing-Booklet: ein einseitiges Redaktionsbriefing zu einem Gesetzesentwurf oder Datenleak, auf Wunsch als kurzer Audio-Überblick für den Weg zur Redaktionssitzung.
5) Deep Research, das die KI selbstständig das Web durchsuchen und eine strukturierte Quellensammlung anlegen lässt, hilfreich gegen das Cold-Start-Problem, wenn man zu einem Thema noch gar keine eigenen Unterlagen hat.
So nützlich diese Werkzeuge sind, so konsequent benannten beide Referenten die Kehrseite. Automatische Transkripte verhören sich bei Dialekten und Eigennamen, die KI kann Zahlen halluzinieren und Währungen verwechseln, automatisch erzeugte Briefings bleiben an der Oberfläche, und bei der freien Websuche unterscheidet die Maschine eine unabhängige Studie kaum von der Gefälligkeitsstudie einer PR-Agentur. Vogts Faustregel: Vor der Veröffentlichung jede Zahl stichprobenartig gegen die Quellenangabe prüfen und jeden O-Ton an der Zeitmarke nachhören. Zehnders Bild für das Briefing-Booklet fasst das Verhältnis zusammen: Es ist ein Schuhlöffel, kein selbstfahrendes Geschichtending. Die Recherche wird schneller, die Verantwortung bleibt beim Menschen.
Learnings
Nicht fragen, was die KI weiss: Der entscheidende Perspektivenwechsel bei RAG-Werkzeugen lautet «Was steckt in meinen Quellen?» statt «Was weiss die KI über mein Thema?». Damit verschiebt sich die Kontrolle über das Material vom Anbieter zurück in die Redaktion.
Sprachkompetenz ist nicht Wissen: Sprachmodelle rechnen mit Bedeutungen im mathematischen Raum – flüssig formulieren und korrekt informieren sind zwei verschiedene Dinge. Wer beides verwechselt, hält Halluzinationen für Recherche.
Jedes Modell hat seine eigenen Quellen: Bei ChatGPT stammen 77 Prozent der Quellen aus dem Journalismus, bei Gemini 49 Prozent, bei Claude ein Viertel vom Staat. Die Auswahl der Maschine ist eine redaktionelle Entscheidung, die niemand gewählt hat.
Belege statt Behauptungen: Der eigentliche journalistische Mehrwert eines RAG-Systems ist die Fussnote mit Link zur Originalstelle. Ohne diese Rückverfolgbarkeit taugt eine KI-Antwort nicht für die Publikation.
Die KI zum Gegner machen: Wer den eigenen Rohtext hochlädt und die Maschine als kritischen Anwalt der Gegenseite fünf harte Gegenfragen stellen lässt, findet die Schwachstellen vor dem Pressesprecher – und vor dem Anwalt.
Töne und Akten in einem Notebook: Audio, Video und PDF lassen sich im selben Notebook kombinieren und gegeneinander prüfen. Was öffentlich gesagt wurde und was im Kleingedruckten steht, wird so in Minuten statt in Stunden vergleichbar.
Zeitmarke und Seitenzahl verlangen: Jede gefundene Diskrepanz mit exakter Minute und Seitenzahl belegen lassen. Das ergibt ein sauberes Quellenverzeichnis und die Grundlage für ein hartes Interview.
Datenjournalismus ohne Code: Aus unstrukturierten Fliesstexten und Geschäftsberichten lässt sich per Prompt eine Markdown-Tabelle erzeugen, die direkt in Excel oder Datawrapper weiterläuft. Jede Zahl gehört trotzdem stichprobenartig gegen die Quelle geprüft.
Deep Research löst nur den Kaltstart: Die automatische Websuche liefert schnell eine Quellensammlung, unterscheidet aber unabhängige Forschung schlecht von PR-getriebenem Material. Den Auftrag von Anfang an auf Universitäten, Behörden und Quellen mit DOI-Link eingrenzen.
Ein Schuhlöffel, kein Autopilot: Automatisch erzeugte Briefings liefern Mainstream-Zusammenfassungen. Der exklusive Dreh, die Gewichtung und die Einordnung müssen von den Journalistinnen und Journalisten kommen – die KI beschleunigt die Recherche, sie ersetzt sie nicht.
Referenten: Reto Vogt · Matthias Zehnder
Datum: Montag, 17. August 2026
Werbung
