Die KI kann grob 75–80 % der Arbeit in den meisten Media-Aufgaben erledigen, die ich beobachtet habe — mit dem Anteil am höchsten in Produktion, Zusammenbau und Mustererkennung und viel niedriger in Verhandlung, Beziehungen und finalem Urteil. Das ist das 75–80%-Prinzip, und das Erste, was man darüber sagen muss, ist, dass es eine Faustregel ist, kein Benchmark.
Ich will mit der Zahl vorsichtig sein, weil runde Zahlen falsche Präzision anziehen. Die 75–80 % sind keine gemessene Statistik aus einer kontrollierten Studie. Es ist die Form, die ich immer wieder sehe, nachdem ich diese Workflows selbst gefahren und Teams sie habe fahren sehen: Die KI nimmt die große, repetitive, generative Mitte einer Aufgabe und lässt einen kleineren, höher riskanten Rand, der menschlich bleibt. Der genaue Anteil bewegt sich nach Aufgabe, Team und danach, wie sauber der Kontext ist. Die Form hat für mich gehalten; die Dezimalstelle nicht.
Ich habe den Rahmen in die Definition von AI-native Media Operations geschrieben, weil Teams an beiden Extremen in Schwierigkeiten geraten. Lass mich darlegen, wo die Linie fällt und wie du sie in deiner eigenen Arbeit findest.
Was das 75–80%-Prinzip sagt
Das Prinzip sagt, dass für eine typische Media-Aufgabe ein gut gestalteter Workflow mit der KI, die den ersten Durchlauf macht, den größten Teil der Arbeit abdecken kann, und ein Mensch den Rest. Es sagt nicht, dass die KI 80 % jeder Aufgabe macht, und es sagt nicht, dass die menschlichen 20 % an Bedeutung klein sind. Bedeutung und Volumen sind verschiedene Achsen.
Denk es als Arbeitsteilung, nicht als Punktzahl. Das Modell ist am besten darin, schnell viel plausibles Material zu produzieren: Optionen, Varianten, Zusammenfassungen, erste Entwürfe, Musterurteile. Der Mensch ist am besten darin, zu entscheiden, was zählt, unter dem Plausiblen zu wählen und die Konsequenzen zu tragen. Der Prozentsatz ist nur eine Erinnerung daran, dass die Grenze existiert — und dass sie weiter zum Modell liegt, als die meisten vorsichtigen Teams annehmen, und weiter zum Menschen, als die meisten begeisterten Anbieter zugeben.
Wo der Anteil der KI hoch ist
Die Aufgaben, wo die KI am meisten Boden abdeckt, teilen drei Eigenschaften: hohes Volumen, geringe Konsequenz pro Einheit und ein klarer Standard zum Prüfen.
- Kreativ- und Copy-Varianten. Headlines, Beschreibungen, Hooks, Social-Copy — ein AI-natives Team produziert Dutzende gegen ein entschiedenes Brief, dann lichtet ein Mensch aus.
- Research-Synthese. Einen Haufen öffentlicher Quellen in eine strukturierte Zusammenfassung zu verwandeln ist jetzt mechanisch, was den Analysten befreit, bessere Fragen zu stellen.
- Reporting-Zusammenbau. Die Wochenzahlen zu ziehen, zu verknüpfen, zu formatieren und zu erzählen ist weitgehend automatisierbar, sobald die Daten sauber sind.
- Budget- und Pacing-Mathematik. Neu zu prognostizieren, Ausgaben gegen Plan zu prüfen und Anomalien zu markieren sind Mustererkennungsaufgaben, die ein Modell gut macht.
- Lokalisierung und Anpassung. Eine Kampagne über Märkte zu übersetzen und anzupassen, mit einem native Prüfer am Ende, ist eine Volumenaufgabe, die gut skaliert.
In diesen Bereichen sind 75–80 % eine konservative Schätzung. Beobachte einen guten Operator mit einem guten Workflow, und der Modellanteil wirkt noch höher.
Wo der Anteil der KI niedrig ist
Die Aufgaben, wo die KI am wenigsten Boden abdeckt, teilen die entgegengesetzten Eigenschaften: niedriges Volumen, hohe Konsequenz pro Einheit und kein klarer Standard.
- Verhandlung. Mediaeinkauf, Preiskarten, Partnerschaften und Verpflichtungen sind relational und konfrontativ. Ein Modell kann dich vorbereiten; es kann nicht am Tisch gegenübersitzen.
- Beziehung und Vertrauen. Kunden kaufen Vertrauen. Vertrauen wird in Gesprächen aufgebaut und von einer Person geliefert, deren Name auf der Arbeit steht.
- Finales Urteil. Den einen Plan zu wählen, der zur echten Einschränkung des Kunden passt, oder den Moment, einen Test zu stoppen, ist ein Urteil, für das kein Modell verantwortlich sein kann.
- Marken- und Geschmacksurteile. Zu wissen, dass eine Copy markengerecht und nicht nur korrekt ist, ist erlerntes menschliches Urteil, und dort verdienen die letzten 20 % ihren Wert.
- Die Frage benennen. Ein Modell beantwortet fast alles. Zu entscheiden, welche Frage es wert ist, gestellt zu werden — und welche Metrik zählt —, ist noch der wertvollste Akt des Senior-Operators.
In diesen Bereichen kann das Modell assistieren, aber 75–80 % wäre eine wilde Übertreibung. Hier ist der menschliche Anteil das meiste der Aufgabe.
Eine grobe Karte der Aufteilung
| Aufgabe | KI-Anteil | Was menschlich bleibt |
|---|---|---|
| Kreativ- und Copy-Varianten | Hoch | Brief, Markenurteil, finale Wahl |
| Research-Synthese | Hoch | Die Frage rahmen, Quellen validieren |
| Reporting-Zusammenbau | Hoch | Die Zahlen interpretieren, die Empfehlung |
| Budget- und Pacing-Mathematik | Hoch | Entscheiden, ob auf das Signal gehandelt wird |
| Lokalisierung und Anpassung | Hoch | Kulturelle Nuance, native Prüfung |
| Media-Planungsentwürfe | Mittel | Die Einschränkung wählen, den Plan besitzen |
| Verhandlung | Niedrig | Das ganze Gespräch |
| Kundenbeziehungen | Niedrig | Vertrauen, Kontext, Verantwortung |
| Finales Go/No-Go-Urteil | Niedrig | Die Entscheidung und ihre Konsequenzen |
Lies die Tabelle als Form, nicht als Anzeigetafel. Die Zeilen mit hohem Anteil sind, wo du den Workflow zuerst neu baust, weil dort der Durchsatz lebt. Die Zeilen mit niedrigem Anteil sind, wo du Kapazität schützt, weil dort der Wert lebt.
Warum die Zahl weniger zählt als die Form
Der häufigste Missbrauch des Prinzips ist, die Zahl zu zitieren, als wäre sie gemessen, und dann um sie herum zu planen.
Ein Team hört „80 %" und nimmt an, es könne vier von fünf Leuten streichen. Ein anderes hört dieselbe Zahl und nimmt an, es müsse alles menschlich halten, um sicher zu bleiben. Beide behandeln eine Faustregel als Fakt. Die Aufgabe der Zahl ist, dich ehrlich zu halten, welche 20 % du behalten musst — und dich davon abzuhalten, entweder das Urteil zu überdelegieren oder dich zu weigern, den Zusammenbau zu überarbeiten.
Wenn du eine Sache behältst, dann diese: Das Volumen lebt in der Hälfte der Maschine, und die Verantwortung in deiner. Die zwei Hälften sind nicht austauschbar, und genau deshalb ist eine einzelne Prozentbeschreibung nützlich und ein einzelnes Prozentziel gefährlich.
Wie du deine eigenen Aufgaben auditierst
Beginne nicht beim Prinzip. Beginne bei deiner tatsächlichen Arbeit und lass das Prinzip aus dem Audit fallen.
- Liste die Aufgaben, nicht die Jobtitel. „Den Wochenbericht produzieren" zerfällt in ziehen, bereinigen, verknüpfen, formatieren, erzählen und interpretieren. Die ersten fünf sind hoher Anteil; die letzte niedriger Anteil.
- Stelle für jede Aufgabe drei Fragen. Wie viel Volumen? Wie viel Konsequenz pro Einheit? Gibt es einen klaren Standard zum Prüfen? Hohes Volumen plus niedrige Konsequenz plus ein klarer Standard heißt ein hoher KI-Anteil.
- Markiere den Standard explizit. Eine Aufgabe ohne Prüfstandard bleibt menschlich, bis du einen definierst. Volumen ohne Standard ist Risiko, nicht Durchsatz.
- Schütze den Rand mit niedrigem Anteil. Benenne, wer das Urteil, die Beziehung und die finale Entscheidung besitzt. Wenn das unklar ist, ist der Workflow nicht fertig.
Das Audit produziert meist eine Überraschung: Ein Team steckt den größten Teil seiner Angst in einen Schritt, der leicht zu automatisieren ist, und fast keine in den Urteilsschritt, in den es investieren sollte. Der Umsetzungs-Guide verwandelt dieses Audit in eine Rollout-Reihenfolge für den Rest des Lebenszyklus.
Die Fehlermodi an beiden Enden
Überdelegieren. Das Team liefert KI-Ausgabe ohne Prüfung aus und beschuldigt dann das Tool, wenn eine falsche Behauptung oder der Name eines Wettbewerbers live geht. Das Modell tat, was man ihm sagte; der Workflow entfernte den Menschen an der falschen Stelle. Das sind die 20 %, die von den 80 % gestohlen werden.
Unterdelegieren. Das Team nutzt KI als Rechtschreibprüfung und hält jede Phase manuell, dann fragt es sich, warum nichts sich verzinst. Das sind die 80 %, die behandelt werden, als wären sie die 20 %. Beide Fehler kommen vom selben Fehler: nicht zu wissen, in welcher Hälfte du bist.
Was du messen solltest
Verfolge den Modellanteil und den menschlichen Anteil getrennt. Die Durchlaufzeit sagt dir, ob der Workflow wirklich schneller ist; Qualität und Fehlerrate sagen dir, ob die Prüfung ihren Job macht. Wenn die Durchlaufzeit fällt, aber die Fehler steigen, hast du Arbeit zur Maschine bewegt, ohne den Standard zu bewegen — was der schnellste Weg ist, das Vertrauen eines Kunden zu verlieren, und der langsamste, es zurückzugewinnen.
FAQ
Sind 75–80 % eine gemessene Zahl?
Nein. Es ist eine Arbeitsfaustregel aus der Beobachtung dieser Workflows, kein Benchmark aus einer Studie. Behandle die Form als den nützlichen Teil: hoher Anteil in Produktion und Zusammenbau, niedriger Anteil in Urteil und Beziehungen.
Kann KI 100 % einer Media-Aufgabe machen?
Nicht eine, bei der eine Person ihren Namen unter das Ergebnis setzen muss. KI kann das Material und den ersten Durchlauf produzieren, und in engen, konsequenzarmen Aufgaben kann sie von Ende zu Ende laufen. Alles mit echter Konsequenz braucht einen menschlichen Eigentümer.
Bedeutet ein hoher KI-Anteil weniger Leute?
Es bedeutet oft weniger Leute für den Zusammenbau und gleich viele oder mehr für Urteil, Beziehungen und Prüfung. Die Funktionen konzentrieren sich statt zu verschwinden, also hängt die Personalantwort davon ab, zu welcher Hälfte du gewichtet warst.
Woran erkenne ich, dass die Aufteilung stimmt?
Zwei Signale. Die Durchlaufzeit fällt ohne einen Anstieg der Fehler, und der Rand mit niedrigem Anteil — Urteil, Beziehungen, finale Entscheidung — hat einen benannten Eigentümer. Wenn eines fehlt, justiere die Grenze weiter.
Die Kurzfassung
Die KI erledigt grob 75–80 % der Arbeit in den meisten Media-Aufgaben, mit dem Anteil am höchsten in Produktion, Zusammenbau und Mustererkennung und am niedrigsten in Verhandlung, Beziehungen und finalem Urteil. Es ist eine Faustregel, um die 20 % zu finden, die menschlich bleiben müssen, kein Personalziel. Auditiere deine eigenen Aufgaben nach Volumen, Konsequenz und einem Prüfstandard; automatisiere die Hälfte mit hohem Anteil, schütze den Rand mit niedrigem Anteil und miss Durchlaufzeit und Qualität zusammen. Der Umsetzungs-Guide ist die volle Karte dieser Arbeit, und die Teamleiter-Spur verwandelt das Audit in eine Rollout-Reihenfolge.
Ich lerne dieses Feld noch öffentlich, und meine eigene Zahl driftet, während die Tools besser werden. Aber die Form hat gehalten: Das Volumen ist delegierbar, die Verantwortung nicht.
Wenn dein Team dieses Audit gefahren ist, möchte ich hören, was dich überrascht hat — es ist meist nicht die Aufgabe, die Leute erwartet haben.
Viele Grüße, Chandler
Dieser Artikel ist auf Deutsch verfügbar, aber die Kursmaterialien (Videos, Templates und Begleitguides) sind auf Englisch und Japanisch; diese Website gibt es in 13 Sprachen.