KI in der PR: Was funktioniert und was nur Hype ist

76 % der PR-Profis nutzen mittlerweile generative KI. 91 % sagen, sie hätten sie in ihren Alltag integriert. Das sind die Zahlen, mit denen die Anbieter gerne werben.

Die Zahl, die sie weglassen: Von den PR-Profis, die KI-Tools aktiv nutzen, sagt weniger als ein Drittel, dass sich ihre Platzierungen dadurch spürbar verbessert haben. Die Nutzung ist hoch. Die Zufriedenheit eher so mittel. Zwischen dem, was KI in der PR verspricht und dem, was sie liefert, klafft eine beträchtliche Lücke.

Das liegt nicht an der KI selbst. Es liegt daran, dass „KI in der PR” zu einem Etikett geworden ist, das auf völlig verschiedene Dinge geklebt wird – manche davon funktionieren, manche nicht. Journalist:innen-Matching, automatisierte Pressemitteilungen, Medienmonitoring und „KI-Strategieberater” in einen Topf zu werfen, verschleiert, dass diese Tools völlig unterschiedliche Ergebnisse liefern.

Hier kommt eine ehrliche Bestandsaufnahme: Was funktioniert, was nicht und wo die Branche noch im Nebel stochert.

KI in der PR, die funktioniert: Journalist:innen-Discovery und Relevanz-Matching

Die mit Abstand wertvollste Anwendung von KI in der PR: herausfinden, welche Journalist:innen am ehesten über eine bestimmte Story berichten werden. Das funktioniert, weil sich das Problem gut mit Daten lösen lässt.

Wer den richtigen Kontakt für einen Pitch sucht, muss mehrere Fragen gleichzeitig beantworten. Wer hat kürzlich über das Thema geschrieben? Wessen aktueller Fokus passt zu diesem konkreten Winkel? In welchem Publikationsumfeld wäre die Story interessant? Bewegt sich die Journalistin thematisch gerade in eine Richtung, die Offenheit für genau diese Art von Story vermuten lässt?

Das alles manuell zu klären, bedeutet: dutzende aktuelle Artikel lesen, Veröffentlichungsmuster vergleichen, ein inneres Bild davon aufbauen, was jede einzelne Journalistin gerade umtreibt. Eine gute PR-Profi schafft das vielleicht für 10 Kontakte am Tag. Ein KI-System analysiert tausende Bylines in Minuten.

Der entscheidende Punkt ist, was die KI analysiert. Die Tools, die hier wirklich funktionieren, gleichen keine Keywords mit Datenbank-Einträgen ab. Sie gehen in den eigentlichen Inhalt aktueller Artikel – Themen, Argumente, Quellen, narrative Muster – und bewerten, wie relevant das alles für einen bestimmten Story-Winkel ist.

Dieser Ansatz liefert messbar bessere Ergebnisse als klassisches Datenbankfiltern. Branchendaten zeigen: KI-recherchierte Medienlisten erreichen eine 73 % höhere Treffergenauigkeit als traditionelle Ansätze. Der Grund liegt auf der Hand – KI arbeitet mit dem, was Journalist:innen gerade jetzt machen. Datenbanken bilden ab, was sie gemacht haben, als jemand zuletzt ihr Profil gepflegt hat.

Presskid arbeitet genau so. Das System liest die aktuellen Veröffentlichungen von Journalist:innen und gleicht sie mit deiner Story ab – auf Basis echter Artikel-Analyse, nicht auf Basis von Ressort-Labels oder Stichworten.

Was funktioniert: Medienmonitoring und Stimmungsanalyse

Echtzeit-Monitoring ist seit Jahren eine KI-Erfolgsgeschichte – auch wenn es die aktuelle Generative-KI-Welle zeitlich weit vorwegnimmt. Moderne Tools tracken Markenerwähnungen, Wettbewerber-Coverage und Branchennarrative über tausende Quellen mit einer Geschwindigkeit und Breite, die kein menschliches Team erreicht.

Wo KI hier echten Mehrwert schafft:

Masse verarbeiten. Wenn deine Marke oder Branche hunderte Erwähnungen pro Tag erzeugt, ist KI-gestützte Sortierung und Priorisierung unverzichtbar. Alles manuell lesen kann niemand.

Stimmungen erkennen. Verschiebt sich der Tenor der Berichterstattung über Zeit? Und korreliert das mit bestimmten Kampagnen oder Events? Diese Muster sichtbar zu machen, liefert echte strategische Hinweise.

Wettbewerber einordnen. Verstehen, wie die Medienberichterstattung über Mitbewerber im Vergleich zur eigenen positioniert ist – über Sprachen und Märkte hinweg – das geht nur mit automatisierter Analyse.

Die Grenze: Monitoring zeigt, was passiert ist. Was du damit anfangen sollst, sagt es dir nicht. Strategische Interpretation bleibt Menschensache. Tools, die behaupten, aus Monitoring-Daten „KI-getriebene PR-Strategie” abzuleiten, versprechen zu viel. Die Daten sind nützlich. Die automatischen Handlungsempfehlungen sind meistens zu generisch, um wirklich zu helfen.

Was teilweise funktioniert: Pitch-Entwurf und -Optimierung

Hier wird es heikel – denn hier fließt der Großteil der KI-PR-Marketingbudgets hin.

KI kann in Sekunden einen grammatisch einwandfreien Pitch erzeugen. Saubere Struktur, professioneller Ton, alle formalen Kriterien erfüllt. Was dieser Pitch in den meisten Fällen auch sein wird: nicht zu unterscheiden von tausenden anderen KI-generierten Pitches, die Journalist:innen bereits kennen und routiniert löschen.

Das Problem ist nicht die Qualität im handwerklichen Sinn. Es ist die Gleichförmigkeit. Wenn jedes PR-Team dieselbe Klasse Sprachmodell zum Schreiben nutzt, klingt am Ende alles gleich. Journalist:innen entwickeln dafür schnell ein Gespür. Ein KI-Pitch wirkt nicht „professionell” – er wirkt „Template.”

Wo KI beim Pitchen wirklich hilft:

Strukturelles Feedback. Ist der Pitch unter 200 Wörtern? Steht die Nachricht im ersten Satz? Ist die Bitte klar formuliert? Das ist sinnvolle Qualitätskontrolle.

Recherchearbeit für die Personalisierung. KI kann aktuelle Arbeiten einer Journalistin auswerten und konkrete Artikel, Argumente und Berichterstattungslücken identifizieren, auf die im Pitch Bezug genommen werden kann. Das ist die Recherchekomponente, die aus oberflächlicher Personalisierung echte macht.

Übersetzung und Lokalisierung. Wer über Sprachgrenzen hinweg arbeitet, kann mit KI Pitch-Inhalte schneller an verschiedene Märkte anpassen – vorausgesetzt, ein Mensch prüft die kulturellen Feinheiten.

Wo es nicht funktioniert: den Menschen ersetzen. Gute Pitches leben von der Stimme, dem Urteil und der spezifischen Kompetenz der Person dahinter. Wenn eine Journalistin merkt, dass jemand ihr Ressort wirklich versteht, entsteht Vertrauen. Ein KI-Pitch kann das nicht leisten. Er hat keine Perspektive – nur ein statistisches Modell davon, wie Perspektiven klingen.

Die praktische Konsequenz: KI für die Vorbereitung nutzen (Recherche, Analyse, Strukturcheck), den Pitch selbst schreiben. 60 Sekunden eigenes Formulieren, gestützt auf 10 Minuten KI-Recherche, bringen mehr als 10 Minuten KI-Entwurf, den ein Mensch 60 Sekunden gegenliest.

Was nicht funktioniert: vollautomatische Pressemitteilungen

KI-generierte Pressemitteilungen sind die Massenware unter den KI-PR-Anwendungen. Viel Volumen, wenig Wert. Die Tools gibt es zuhauf. Die Ergebnisse sind bestenfalls mittelmäßig.

Eine Pressemitteilung hat eine klare Funktion: Redaktionen faktische Informationen liefern, in einem Format, das schnell auf Nachrichtenwert geprüft werden kann. Genau diese Standardisierung ist der Punkt – sie senkt den Aufwand für die Journalistin.

KI kann Pressemitteilungen erzeugen, die formal korrekt sind. Was KI nicht kann: beurteilen, ob der Inhalt nachrichtenwürdig ist. Den stärksten Winkel für ein bestimmtes Publikum finden. Entscheiden, was betont wird und was wegfällt. Genau diese Urteile trennen Pressemitteilungen, die gelesen werden, von denen, die im Papierkorb landen.

Ein ernsthaftes Problem kommt hinzu: KI-Pressemitteilungs-Tools produzieren zunehmend Faktenfehler. Wenn ein Sprachmodell Details ergänzt, damit ein Text vollständig wirkt, erfindet es gelegentlich Statistiken, ordnet Zitate falsch zu oder konstruiert Kontext, den es nicht gibt. Für PR-Profis ist eine Pressemitteilung mit Faktenfehlern nicht einfach peinlich – sie zerstört Glaubwürdigkeit. Bei jeder Journalistin, die sie bekommt.

Ehrliche Empfehlung: KI für das Grundgerüst nutzen, dann jede inhaltliche Aussage mit verifizierten Informationen neu schreiben. Die Formatvorlage spart Zeit. Dem Inhalt blind vertrauen ist fahrlässig.

Was noch in der Schwebe ist: KI-Strategie und Kampagnenplanung

Immer mehr Tools versprechen KI-gesteuerte PR-Strategie: Wettbewerbslandschaft analysieren, Story-Winkel vorschlagen, Kampagnen-Timing empfehlen, komplette Medienpläne generieren.

Das klingt gut. In der Praxis enttäuscht es. Heutige KI-Systeme haben kein feines Verständnis für redaktionelle Dynamiken, Beziehungsgeflechte in Redaktionen und Marktkontext – alles Dinge, die für echte PR-Strategie unverzichtbar sind. Muster in historischen Daten erkennen können sie. Aber PR-Strategie dreht sich im Kern darum, vorherzusagen, was Journalist:innen morgen interessiert – nicht, was sie gestern berichtet haben.

Die Empfehlungen dieser Tools sind meistens entweder zu allgemein, um nützlich zu sein („setz auf Thought Leadership”), oder zu spezifisch, um verlässlich zu sein („pitche diese Story am 15. März an diese Journalistin”). Beides hilft einem PR-Team bei echten Entscheidungen wenig.

Das wird besser werden, wenn KI zeitliche Dynamiken und redaktionelle Muster tiefer erfasst. Bis dahin: KI-Strategievorschläge als einen Impuls unter vielen behandeln. Nicht als Ersatz für Erfahrung.

Wie du KI-PR-Tools ehrlich bewertest

Falls du überlegst, ein KI-Tool in deinen PR-Workflow aufzunehmen, hier ein Rahmen, um das Marketing der Anbieter zu durchschauen:

Frag, welche Daten die KI tatsächlich nutzt. Ein Tool, das Journalist:innen über Datenbankprofile matcht, ist etwas fundamental anderes als eines, das aktuelle Artikel analysiert. Letzteres ist aufwendiger zu bauen – und um Größenordnungen präziser.

Teste mit eigenem Wissen. Lass eine Story durch das Tool laufen, die du bereits gepitcht hast. Tauchen die Journalist:innen auf, die tatsächlich berichtet haben? Wenn nicht, stimmt die Matching-Qualität nicht.

Achte auf Transparenz. Tools, die erklären, wie sie Relevanz bewerten, sind vertrauenswürdiger als Blackbox-Systeme mit einer sortierten Liste ohne Erklärung. Wenn du nicht nachvollziehen kannst, warum das Tool eine bestimmte Journalistin empfiehlt, kannst du die Empfehlung nicht einschätzen.

Miss Ergebnisse, nicht Outputs. Die Zahl, die zählt: Wie viele Platzierungen entstehen aus den KI-Empfehlungen? Ein Tool, das 200 Kontakte ausspuckt und 2 Platzierungen bringt, ist schlechter als eines, das 15 liefert und daraus 5 werden.

Bewerte für deinen konkreten Fall. Eine Agentur mit 20 Kunden in verschiedenen Branchen hat andere Anforderungen als ein In-house-Team in einer Nische. Was für die eine funktioniert, kann für den anderen komplett falsch sein.

Wohin das alles führt

Die KI-PR-Landschaft wird sich in den nächsten zwei Jahren stark ausdünnen. Tools, die echte Probleme im Arbeitsalltag lösen und ihren ROI belegen können, bleiben. Tools, die ein generisches Sprachmodell mit PR-Branding umhüllen, verschwinden.

Gewinnen werden die Tools, die eine Sache richtig gut können – statt alles irgendwie. Beim Journalist:innen-Matching liegt der Vorteil bei Systemen mit den tiefsten und aktuellsten Daten. Beim Monitoring bei denen mit der breitesten Quellenabdeckung und den feinsten Stimmungsmodellen. Bei der Content-Unterstützung bei denen, die menschliches Schreiben verstärken statt ersetzen wollen.

Für PR-Profis heißt das: KI selektiv und mit gesunder Skepsis einsetzen. Dort nutzen, wo der Mehrwert belegt ist – Journalist:innen-Discovery, Monitoring, Recherche. Und vorsichtig bleiben bei Versprechen, KI könnte die eigentlich menschlichen Teile der Medienarbeit übernehmen: Urteilsvermögen, Beziehungen, redaktionelles Gespür.

Das beste KI-PR-Tool macht gute PR-Leute schneller. Nicht den Versuch, die KI zum PR-Profi zu machen.