Liquid Content: Konzept, Umsetzung und Grenzen „flüssiger“ Inhalte

Inhalte nicht mehr als starre Texte sehen, sondern als flexible Wissensbausteine, die sich passgenau an die Bedürfnisse deiner Nutzerschaft anpassen: Das ist die Idee hinter Liquid Content. Doch wie funktioniert dieser radikale Ansatz in der Praxis und welche Hürden müssen Redaktionen dafür meistern? In diesem Beitrag zeigt Jan Tißler zudem, welche Chancen und Risiken das Konzept hat und wo seine Grenzen liegen. Er erklärt letztlich, warum er die idealisierte Form des Liquid Content unrealistisch findet, die Idee aber trotzdem viele sinnvolle und hilfreiche Anregungen geben kann.

Zusammenfassung

• Vom statischen Text zum Baustein: Liquid Content zerlegt starre Inhalte in kleine, maschinenlesbare „Atome“, die von KI in Echtzeit zu individuellen Formaten und passgenauen Antworten neu zusammengesetzt werden.
• Nutzerbedürfnisse als Kompass: Damit KI-generierte Inhalte nicht belanglos werden, helfen Frameworks wie das User-Needs-Modell, den genauen Zweck für deine Zielgruppe zu definieren.
• Erste Praxis-Schritte im DACH-Raum: Verlage und Sender nutzen das Prinzip bereits in Vorstufen, um etwa lokale Text-Nachrichten automatisiert in Audio-Formate oder Video-Beiträge umzuwandeln.
• Umstrukturierungen nötig: Um Liquid Content zu nutzen, brauchst du Headless-Architekturen, strukturierte Datenmodelle (Taxonomien) und musst klassische Silos in deinem Content-Team aufbrechen.
• Klare Grenzen und Risiken: Datenschutzbedenken, potenziell halluzinierende KIs und hohe Anforderungen an technische Ressourcen zeigen, dass das Konzept menschliche Urheberschaft nicht ersetzt, sondern ergänzt.

Wozu „flüssige Inhalte“ gut sein sollen

Hinter dem Begriff des Liquid Content steht die Idee, Inhalte nicht mehr als Sammlung statischer Objekte anzusehen. Stattdessen zerlegen wir Informationen in Wissensbausteine, aus denen individuell angepasste Inhaltsangebote entstehen. Idealerweise passiert das alles außerdem „on the fly“ in Echtzeit.

Welches Problem das lösen soll, lässt sich mit einem Blick auf die heutige Contentwelt erklären:

• Auf der einen Seite haben wir die Redaktionen und Teams, die laufend Inhalte entwickeln und erstellen. Sie schreiben zum Beispiel Artikel, erstellen Grafiken, nehmen Videos auf oder setzen Podcast-Episoden um.
• Auf der anderen Seite haben wir die Konsument:innen, also unsere Leserschaft. Sie haben die Qual der Wahl in einem stark wachsenden Überangebot an Inhalten. Dabei müssen sie nicht nur auswählen, welches Thema sie interessiert, sondern auch, welches Format sie gerade wünschen. Haben sie die Muße, einen längeren Beitrag zu lesen? Oder wollen sie lieber zwei Personen in einem Podcast dabei zuhören, wie sie es diskutieren?

Dieses Modell ist bewährt, stößt aber spürbar an seine Grenzen. Menschen fühlen sich von der Masse an Informationen überlastet und ermüdet. Der Begriff der „News Fatigue“ macht die Runde: Nachrichten-Erschöpfung.

Dass viele Content-Abteilungen und Redaktionen mit KI-Hilfe ihre Schlagzahl derzeit noch erhöhen, verschärft die Situation anstatt sie zu verbessern.

Deutlich besser wäre es doch, hätte die Nutzerschaft schnell und einfach genau die Inhalte zur Hand, die exakt zu ihrer aktuellen Situation, ihrem Format-Wunsch und ihrem Vorwissen passen.

Genau das ist das Versprechen des Liquid Content.

Das Konzept erklärt am Beispiel

Ein fiktives Beispiel macht es noch deutlicher: Eine Steuerreform steht an und eine Redaktion hat die Thematik zunächst in rohe Datenbausteine zerlegt. KI spielt auf dieser Basis nun Inhalte aus:

• Besucht eine Finanzexpertin die Plattform, kennt sie die grundlegenden Fakten bereits. Das System generiert für sie deshalb aus den vorliegenden Informationen einen analytischen Meinungsbeitrag oder eine detaillierte Datenanalyse.
• Kommt ein politischer Neuling auf die Seite, wählt es vollkommen andere Elemente aus. Es generiert aus denselben Fakten etwa ein erklärendes Glossar oder startet einen Chatbot.
• Erkennt die Plattform am Abend schließlich einen erschöpften Pendler, formt sie die Informationen zu einem interessanten Audio-Kurzbeitrag um.

Spannend ist die Idee des Liquid Content auch deshalb, weil die Technik dafür reif scheint. Moderne KI-Modelle machen es möglich. So jedenfalls die Idee.

Im Folgenden schauen wir uns genauer an, was der Begriff meint und wie er sich von anderen abgrenzt, welche Rolle „Atome“ spielen und welche praktischen Beispiele es im deutschsprachigen Raum bereits gibt.

Außerdem klären wir, wie die Umsetzung gelingen kann und welche Risiken bestehen.

Liquid Content im Vergleich zu anderen Ansätzen

Flexible Inhalte sind in der digitalen Welt natürlich nichts Neues. Es gibt viele Bezeichnungen, die in der Praxis aber unterschiedliche Dinge meinen:

• Multimedialität: In diesem Fall liegt ein Thema in verschiedenen Medienformaten vor. Eine Website bietet beispielsweise einen Text, dessen Audioversion und ein dazu passendes Video an. Diese Formate stehen aber statisch nebeneinander. Sie verändern sich nach der Veröffentlichung nur, wenn das Team sie entsprechend anpasst.
• Adaptive Content und Responsive Design: Hier passt sich in erster Linie die äußere Form des Inhalts an das jeweilige Endgerät an. Ein Text bricht etwa auf einem Smartphone anders um als auf einem großen Desktop-Monitor. Was in der einen Version beispielsweise nebeneinander angeordnet ist, ist in der anderen untereinander. Der inhaltliche Kern bleibt zugleich weitgehend unangetastet. Es kann sein, dass bestimmte Elemente dynamisch ein- oder ausgeblendet werden, um etwa auf einem kleinen Bildschirm Platz zu sparen.
• Dynamic Content und Modular Content: Diese Ansätze kommen der fließenden Idee schon näher: Teams zerlegen Inhalte auch hier in kleinere Bausteine. Ein System spielt diese Stücke nach festen Regeln aus. In einem früheren Beitrag habe ich bereits beschrieben, wie du Inhalte von vornherein modular planst. Die einzelnen Module und die daraus entstehenden Inhalte sind aber wiederum durch Menschen erstellt und festgelegt.

Bei Liquid Content geht es dagegen um eine inhaltliche Neugenerierung, basierend auf den entsprechend vorbereiteten Versatzstücken und Informationsbausteinen. Es soll sich im Idealfall an den Wünschen einer bestimmten Person orientieren und entsprechend individuell umsetzen.

Liquid Content in der Praxis: Beispiele aus dem DACH-Raum

Solche Konzepte klingen (zumindest für mich) erst einmal sehr theoretisch oder gar abstrakt. Um sie greifbarer zu machen, schauen wir uns einige Beispiele aus der Praxis an, wie du sie etwa hier beim Kress Report findest (Bezahlschranke).

Allerdings stellt man dabei schnell fest: Es geht hier vor allem darum, vorhandene Informationen automatisiert in neue Formate zu übersetzen. Das entspricht also noch nicht der beschriebenen Idealform des Liquid Content, bei der solche Anpassungen in Echtzeit und in nahezu unbegrenzter Vielfalt entstehen. Sie zeigen deshalb vor allem, womit Redaktionen im deutschsprachigen Raum derzeit experimentieren.

Audio: Synthetische Stimmen für lokale Nachrichten

Regionalzeitungen wie die Lausitzer Rundschau oder die Neue Osnabrücker Zeitung (NOZ) nutzen das Prinzip zum Beispiel für den Ausbau ihrer Audioangebote. Redaktionell erstellte Texte dienen als Rohdaten und eine Künstliche Intelligenz wandelt diese geschriebenen Artikel in hörbare Nachrichten um. Die Systeme nutzen dafür synthetische Stimmen, die inzwischen eine hohe Qualität erreichen können und längst nicht mehr so „robotisch“ klingen wie früher. Im Ergebnis bedeutet das Angebot für die Leserschaft: Niemand muss den lokalen Polizeibericht oder den Bericht aus dem Stadtrat zwingend auf dem Bildschirm lesen. Wer etwa gerade im Auto sitzt oder das Frühstück zubereitet, kann sich die identischen Informationen einfach vorlesen lassen. Das Ursprungsmaterial fließt so automatisch in einen passenden Nutzungskontext.

Video: Automatisierte Bilder für das Regionalfernsehen

Der lokale TV-Sender Studio 47 aus Duisburg wendet das Konzept auf bewegte Bilder an. Das Team nutzt KI-gestützte Systeme, um aus Texten automatisiert Videobeiträge zu generieren. Die Software analysiert dazu den vorliegenden Text und wählt passendes Bildmaterial aus dem Archiv aus. Anschließend unterlegt das System den Beitrag mit einer künstlich generierten Sprecherstimme. In einigen Fällen kommen dabei KI-Avatare zum Einsatz: Solche digitalen Nachrichtensprecher präsentieren die Inhalte direkt auf dem Bildschirm. Für den Sender bedeutet das eine Effizienzsteigerung bei der Produktion. Gleichzeitig erhalten Konsumierende aktuelle Informationen in einem visuellen Format, die der Sender sonst nicht hätte anbieten können.

Text und Dialog: Komplexe Fachinformationen auf Abruf

Ein besonders interessantes Anwendungsfeld für Liquid Content ist es, Fachwissen zu vermitteln. Die Pharmazeutische Zeitung setzt beispielsweise auf sogenannte RAG-Chatbots. Die Abkürzung steht für „Retrieval-Augmented Generation“ und meint, dass die KI für ihre Antwort gezielt Informationen aus einer vorgegebenen Quelle heranzieht. In diesem Beispiel ist es die Datenbank der Fachpublikation. Suchen Fachkräfte etwa nach sehr spezifischen Wechselwirkungen von Medikamenten oder neuen Studienergebnissen, müssen sie dafür keine langen Artikel mehr durcharbeiten. Sie stellen stattdessen ihre konkrete Frage in einem Chatfenster, die KI durchsucht die bestehenden Fachartikel und extrahiert die relevanten Fakten. Daraus generiert sie in Echtzeit eine individuelle und passgenaue Antwort.

Dieser Artikel gehört zu: UPLOAD Magazin 126

• Weitere Artikel aus dieser Ausgabe kostenlos auf der Website lesen ...
• Bleib auf dem Laufenden über neue Inhalte mit dem „Update am Montag“ …

Schon gewusst? Mit einem Zugang zu UPLOAD Magazin Plus oder zur Content Academy lädst du Ausgaben als PDF und E-Book herunter und hast viele weitere Vorteile!

Jan Tißler

Jan hat mehr als 25 Jahre Berufserfahrung als Online-Journalist und Digitalpublizist. 2006 hat er das UPLOAD Magazin aus der Taufe gehoben. Seit 2015 hilft er als CONTENTMEISTER® Unternehmen, mit Inhalten ihre Zielgruppe anzuziehen und zu begeistern. Gemeinsam mit Falk Hedemann bietet er bei UPLOAD Publishing Leistungen entlang der gesamten Content-Marketing-Prozesskette an. Der gebürtige Hamburger lebt in Santa Fe, New Mexico.