Inhalt
1. Einleitung
Kaum jemand hätte erwartet, wie schnell generative Künstliche Intelligenz die digitale Contentproduktion revolutioniert. Plötzlich läuft alles schneller, größer, günstiger. Texte, Bilder und Videos entstehen inzwischen oft innerhalb von Minuten. Der Anteil KI-basierter Inhalte wächst rasant, und alles deutet darauf hin, dass dies erst der Anfang ist.
Besonders ins Auge fällt dabei der sogenannte Faceless Content. Hier erscheinen keine Menschen mehr vor der Kamera. Stattdessen übernehmen automatisierte Abläufe, synthetische Stimmen und komplett KI-generierte Visuals das Ruder. Für viele Creator klingt das wie ein Traum: maximale Effizienz, volle Anonymität. Aber funktioniert das auch wirklich? Bringen diese Inhalte nicht nur Reichweite, sondern auch Einnahmen, gerade auf TikTok, wo Trends sich schneller drehen als irgendwo sonst?
Genau das haben wir mit unserer empirischen Seminararbeit versucht zu untersuchen. Zwei echte TikTok-Accounts stehen im Mittelpunkt. Sie zeigen, wie unterschiedlich KI-basierter Faceless Content abschneiden kann und welche Rolle Produktionsweise, inhaltliche Tiefe und TikToks Algorithmus dabei spielen.
2. Theoretischer Hintergrund
Generative KI nutzt neuronale Netze, die riesige Datenmengen auswerten, Muster erkennen und daraus selbstständig neue Inhalte erstellen. In der Social-Media-Welt werden dadurch zahlreiche Arbeitsschritte automatisiert: Skripte, Voice-overs, Visuals, alles lässt sich KI-gesteuert erledigen. Die Rolle der Creator verändert sich. Sie produzieren keine Videos mehr manuell, sondern steuern und kontrollieren KI-Prozesse.
Entscheidend ist aber am Ende nicht, wie die Inhalte erstellt werden, sondern wie die Plattformen sie bewerten. TikTok verteilt Inhalte fast ausschließlich über die For-You-Page. Der Algorithmus prüft dabei genau: Wie lange bleiben Nutzer dran? Wird das Video bis zum Ende geschaut? Gibt es Interaktionen? Für TikTok zählt die Qualität der Aufmerksamkeit. Ein kurzer Klick bedeutet wenig, wer aber dranbleibt oder bis zum Schluss schaut, wird deutlich stärker gewichtet.
Die Monetarisierung folgt diesem Prinzip. Im TikTok-Creativity-Programm erhalten Creator zwar Geld pro 1.000 qualifizierter Views. Es gibt jedoch auch Boni für besonders hochwertige Inhalte. Monetarisierung ist damit nicht nur eine Einnahmequelle, sondern auch ein Hebel für die algorithmische Auswahl.
3. Methodik
Die Analyse hat zwei TikTok-Accounts betrachtet, die von September bis Oktober 2025 ausschließlich KI-basierten Faceless Content veröffentlicht haben. Beide Accounts waren Teil des TikTok-Creativity-Programms und damit hinsichtlich Leistung und Einnahmen vergleichbar.
Account A setzte auf ein simples, stark wiederholendes Sprachquiz. Immer das gleiche Muster: deutsche Wörter werden in eine Fremdsprache übersetzt. ChatGPT verfasste die Skripte und Wortlisten, ElevenLabs produzierte die Voice-overs. Nach der einmaligen Erstellung des Templates dauerte die Produktion eines Videos etwa eine Stunde. Das Format ließ sich somit einfach skalieren.
Account B wählte einen ganz anderen Ansatz. Hier wurden anspruchsvolle Erklärvideos erstellt. Wirtschaftliche oder gesellschaftliche Geschäftsmodelle wurden narrativ aufbereitet und mit zahlreichen individuell generierten Illustrationen unterlegt. Neben KI-generierten Skripten und Voice-overs wurden pro Video etwa 30 bis 35 KI-Bilder eingesetzt, die genau auf das Skript abgestimmt werden mussten. Die Produktion erforderte drei bis vier Stunden pro Video.
| Produktionsfaktor | Account A | Account B |
|---|---|---|
| Komplexität und inhaltlicher Wert | Repetitive, einfache Inhalte | visuell reichhaltige, edukative Inhalte |
| Produktionstiefe und Zeitaufwand | ca. 1 Stunde pro Video | 3–4 Stunden pro Video |
| Intensität und Vielfalt des KI-Einsatzes | ChatGPT + ElevenLabs | ChatGPT + ElevenLabs + generative Bild-KI von ChatGPT |
4. Ergebnisse
4.1 Engagement
Schon auf den ersten Blick zeigen die Zahlen: Die beiden Accounts unterscheiden sich grundlegend. Der niedrigkomplexe Account A erzielte mit seinen 14 Videos über 10 Millionen Views, eine enorme Reichweite. Manche Clips liefen extrem gut und knackten die Millionengrenze, andere blieben eher unauffällig. Im Schnitt schauten die Nutzer etwa 10 Sekunden zu, obwohl die Videos rund 62 Sekunden lang waren. Die Completion Rate lag dabei im Durchschnitt nur bei 1 Prozent.
Ganz anders sieht es beim höherkomplexen Account B aus. Hier wurden insgesamt etwa 1,1 Millionen Views erreicht, also deutlich weniger Reichweite. Doch das Nutzerverhalten ist komplett anders: Die durchschnittliche Watchtime lag bei über 20 Sekunden, die Videos waren im Durchschnitt 68 Sekunden lang. Die Completion Rate lag im Mittel bei etwa 11 Prozent, teils sogar noch höher. Das spricht für eine viel stärkere Bindung zwischen Zuschauern und Inhalt.
Auch beim Engagement unterscheiden sich die Formate. Der Quiz-Account bekam zwar viele Kommentare, aber Likes, Shares und Favorisierungen pro View waren beim Erklärformat deutlich höher. Besonders auffällig: Die Videos wurden häufiger geteilt und gespeichert, offenbar erkennen die Nutzer hier einen echten Mehrwert, den sie nicht vergessen möchten.
4.2 Monetarisierung
Die Unterschiede werden beim Thema Monetarisierung noch deutlicher. Obwohl der niedrigkomplexe Account mehr als neunmal so viele Views erzielte, lagen die Gesamteinnahmen beider Accounts im Untersuchungszeitraum nahezu gleichauf. Entscheidend ist hier die Effizienz der Monetarisierung. Während der Quiz-Account etwa 67 Euro pro einer Million Views erreichte, schaffte der Erklär-Account beeindruckende 485 Euro pro einer Million Views.
Das liegt nicht nur an besseren RPM-Werten. Vor allem Bonuszahlungen von TikTok machen hier den Unterschied: Mehrere höherkomplexe Videos wurden mit Extraboni belohnt, die den üblichen RPM deutlich übersteigen. Der niedrigkomplexe Account ging bei diesen Boni leer aus und wurde im Folgemonat wegen zu geringem Inhaltswert aus dem Monetarisierungsprogramm ausgeschlossen.
5. Dikussion
Eines wird deutlich: KI-gestützter Faceless Content ist alles andere als homogen. TikTok unterscheidet klar zwischen skalierbaren, eher monotonen Formaten und inhaltlich hochwertigen, erzählerischen Inhalten. Reichweite allein reicht nicht aus, um dauerhaft zu verdienen. Das Monetarisierungssystem funktioniert wie ein Filter, der echte Qualität und Zuschauerbindung bevorzugt.
Hier stößt die Skalierung durch KI an Grenzen. KI senkt die Produktionskosten und beschleunigt die Content-Erstellung, doch an den Qualitätsanforderungen des Algorithmus kommt sie nicht vorbei. Repetitive Formate können kurzfristig viral gehen, werden aber langfristig vom Algorithmus benachteiligt, spätestens beim Thema Monetarisierung.
6. Fazit
Die Analyse zeigt: KI-gestützter Faceless Content hat enormes Potenzial, vorausgesetzt, er wird strategisch und mit Fokus auf Qualität eingesetzt. KI macht vieles effizienter, eröffnet neue kreative Möglichkeiten und senkt die Einstiegshürde für professionelle Contentproduktion. Aber: Sie ersetzt keine durchdachten Konzepte, keine guten Geschichten und kein Verständnis für die Plattform.
Für Creator bedeutet das: Wer KI nur nutzt, um Masse zu produzieren, bekommt vielleicht kurzfristig mehr Reichweite, verliert aber auf Dauer bei den Einnahmen. Wer die Technologie hingegen als Werkzeug einsetzt, um Inhalte wirklich zu verbessern, profitiert von mehr Sichtbarkeit und stabilen Einnahmen.
KI ist kein Ersatz für Kreativität, sie verstärkt kreative Ideen! Und genau darin liegt ihre eigentliche Stärke im Social-Media-Ökosystem.