Eine Fallstudie darüber, wie Journalisten auf KI-generierte Expertenzitate reagieren – ein Jahr nach der Integration von Pangram auf den „Featured“-Plattformen
Journalisten benötigen Quellen, wenn sie einen Artikel verfassen. Die Suche nach Quellen, die sich zu einem Thema äußern können – beispielsweise Experten aus dem medizinischen Bereich oder Unternehmer, die von einer politischen Entscheidung betroffen sind –, kann sehr zeitaufwendig sein.
Hier kommen Plattformen wie „Help a Reporter Out“ (HARO) ins Spiel. Das funktioniert so: Ein Journalist schreibt beispielsweise einen Artikel über einen neuen Gesundheitstrend und möchte die Meinung eines medizinischen Experten einbeziehen. Der Journalist reicht bei HARO eine Anfrage ein, in der er die Frage, die beantwortet werden soll, sowie die Qualifikationen oder den Hintergrund angibt, über die die Quelle verfügen soll. HARO leitet die Anfrage des Reporters dann an eine Liste potenzieller Quellen weiter, und diese Quellen können, sofern sie die Kriterien erfüllen, als Antwort auf die Frage einen Vorschlag einreichen.
HARO wurde 2008 gegründet und entwickelte sich schnell zu einem der größten Foren seiner Art. Doch im Jahr 2023 sah sich HARO mit einem Problem konfrontiert: Nutzer setzten KI ein, um Antworten auf Anfragen von Journalisten zu generieren, in der Hoffnung, in Nachrichtenartikeln prominent erwähnt zu werden und die Markenbekanntheit zu steigern. Als Reaktion auf den Zustrom von Quellen minderer Qualität wandten sich Journalisten massenhaft von der Plattform ab und nutzten stattdessen Plattformen mit Verifizierungsprüfung, woraufhin HARO im Jahr 2024 offiziell eingestellt wurde.
Als Featured im Jahr 2025 HARO übernahm und wiederbelebte, musste das Unternehmen einen Weg finden, die Qualität der Antworten von Informationsquellen im Zeitalter massenhaft generierter, KI-gestützter PR-Maßnahmen sicherzustellen. Dazu integrierte es Pangram in seine Plattform, und wir verfügen nun über Daten aus einem Jahr, die zeigen, wie sich dies ausgewirkt hat.
Auf seinen drei Plattformen (Featured, HARO und Connectively) gingen bei Featured zwischen Juni 2025 und Juli 2026 insgesamt 1.394.740 Vorschläge als Antwort auf 42.392 Anfragen von Journalisten ein. Davon stufte Pangram 292.895, also rund 21 %, als vollständig KI-generiert ein.

Im Gegensatz zur bezahlten Medienberichterstattung, die beispielsweise durch die Verbreitung einer Pressemitteilung entsteht, bietet HARO den Informationsquellen Glaubwürdigkeit und Markenbekanntheit, indem es ihnen eine Reichweite verschafft, wenn ein Journalist ihren Vorschlag auswählt. Reporter hingegen müssen nicht so viel Zeit damit verbringen, nach Informationsquellen zu suchen. HARO wird durch Werbung finanziert und bezahlt die Informationsquellen nicht für die Einreichung von Vorschlägen.
Dies ist der Grund, warum KI zur Beantwortung von Anfragen genutzt wird: Wenn eine Person oder ein Unternehmen seine Earned-Media-Präsenz maximieren möchte, könnte eine Strategie darin bestehen, einen KI-basierten PR-Dienst zu nutzen, der automatisch auf Anfragen von Journalisten auf einer Plattform wie HARO reagiert, in der Hoffnung, so viele Presseberichte wie möglich zu erzielen.
Auf konkurrierenden Plattformen funktioniert diese Strategie manchmal, wie im Fall von Dr. Eleni Nicolaou, einer angeblichen Kunsttherapeutin, deren vollständig von KI generierte Zitate mehr als 30 Mal in Publikationen wie Vice, Forbes und Glamour erschienen – und die wahrscheinlich gar nicht existiert.
Zumindest auf den „Featured“-Plattformen zahlt sich diese Strategie, Journalisten mit KI-generierten Themenvorschlägen zu überhäufen, nicht aus. Die Daten von „Featured“ zeigen, dass viele Journalisten auf HARO es vorziehen, gar keine KI-generierten Themenvorschläge zu erhalten: Von insgesamt mehr als 2.500 Journalisten wählen 35 % die Option, keine Themenvorschläge zu erhalten, die von Pangram als vollständig KI-generiert gekennzeichnet wurden – obwohl die Option zum Filtern von Themenvorschlägen standardmäßig deaktiviert ist.

Selbst wenn Journalisten sich nicht gegen den Erhalt von KI-generierten Themenvorschlägen entscheiden, schneiden diese im Vergleich zu von Menschen verfassten Vorschlägen schlecht ab. Bei „Featured“ wird nur jeder zehnte KI-generierte Themenvorschlag von Journalisten zur Veröffentlichung ausgewählt; im Gegensatz dazu wird etwa jeder dritte von Menschen verfasste Vorschlag für die Aufnahme in einen Artikel ausgewählt.
Von KI generierte Pitches waren oft ein Anzeichen für ungewöhnliches oder automatisiertes Verhalten. Bei gesperrten Konten ist die Wahrscheinlichkeit, dass ein Pitch als KI-generiert gekennzeichnet wurde, etwa 3,6-mal höher als bei aktiven Konten: 24,7 % der gesperrten Konten weisen mindestens einen Pitch auf, der als zu 100 % KI-generiert gekennzeichnet wurde, während dies bei 6,8 % der aktiven Konten der Fall ist.

HARO sperrt Quelle-Konten nicht allein deshalb, weil sie KI-generierte Vorschläge einreichen, aber KI-generierte Vorschläge sind ein Indiz, das eine interne Überprüfung auslösen kann. Indem HARO Konten herausfiltert, die eine große Menge an minderwertigen, KI-generierten Antworten einreichen, kann die Plattform das Vertrauen aufrechterhalten, das für ihr Funktionieren unerlässlich ist.
Für diese Analyse stellte uns Featured aggregierte Daten zu den auf ihrer Plattform eingereichten Pitches zur Verfügung. Zwischen Juni 2025 und Juli 2026 bewertete Featured mithilfe von Pangram 1.394.740 Pitches, die auf 42.392 Anfragen von Journalisten auf Featured, HARO und Connectively eingingen. Gemischte und KI-gestützte Klassifizierungen wurden aus dem Vergleich ausgeschlossen.
Journalisten benötigen Plattformen wie HARO und Connectively, um Experten und Personen mit Erfahrungen aus erster Hand zu finden. Die Daten deuten darauf hin, dass diejenigen, die vollständig von KI generierte Themenvorschläge einreichen, diese Messlatte nicht erreichen, da Journalisten von Menschen verfasste Vorschläge der KI vorziehen oder KI-Vorschläge gänzlich herausfiltern. Featured nutzt Pangram, um das Vertrauen und die menschliche Expertise zu bewahren, die den Journalismus so wertvoll machen.


Max ist ein erfahrener Machine-Learning-Ingenieur. Zuletzt arbeitete er bei Nuro an autonomen Fahrzeugen und leitete dort den Bereich „Active Learning“. Er kann auf eine langjährige Erfahrung bei der erfolgreichen Einführung von Machine-Learning-Produkten bei Google, Two Sigma und Yelp zurückblicken.
Max hat einen Bachelor of Science in Theoretischer Informatik und einen Master of Science in Künstlicher Intelligenz von der Stanford University. Neben seiner Leidenschaft für das Bauen ist er auch ein aktives Mitglied der „Magic: The Gathering“-Cube-Community.






