„Liquid Content“ braucht ein Rückgrat

Stellen Sie sich vor, Sie verfassen einen Text nur ein einziges Mal. Dann liest ihn eine Person auf ihrem Smartphone, während sie mit der Straßenbahn fährt, eine andere hört ihn sich als Podcast beim Joggen an, eine dritte erhält ihn als interaktives Lernmodul, und eine KI extrahiert die beiden Sätze, nach denen jemand gerade in einem Chat gefragt hat. Das ist Liquid Content.

Kein Umschreiben, kein Kopieren und Einfügen, kein „Das bräuchten wir in einer anderen Version“. Der Inhalt nimmt genau die Form an, die der Moment erfordert.

Das ist die Idee hinter Liquid Content. Und ich finde sie nach wie vor großartig.

Doch die Tatsache, dass etwas flüssig ist, ist noch kein Qualitätsmerkmal. Wasser ist flüssig. Verschütteter Kaffee ebenfalls.

Wenn sich Inhalte an jeden beliebigen Rahmen anpassen, ohne dass etwas darunter sie zusammenhält, wird aus Flexibilität schnell Willkür. Die Bedeutung verwässert sich, mit jedem Format ein wenig mehr, bis schließlich niemand mehr genau sagen kann, was eigentlich gemeint war.

Lange Zeit ging es dabei vor allem um Bequemlichkeit. Heute geht es um Vertrauen.

Denn der Reader ist nicht mehr nur ein Mensch. Immer häufiger handelt es sich um eine Maschine, die unsere Inhalte verarbeitet, zusammenfasst und weitergibt. Georges-Simon Ulrich, Direktor des Bundesamtes für Statistik, hat dies in seiner Reihe „Data Literacy“ treffend auf den Punkt gebracht: Wenn der KI verlässliche Daten fehlen, weist sie nicht auf die Lücke hin. Sie füllt sie. Mit etwas, das plausibel klingt. Er nennt dies „scheinbare Gewissheit“.

👉 https://www.netzwoche.ch/news/2026-06-14/gute-daten-helfen-mensch-und-maschine

Eine KI, die flüssige, aber unstrukturierte Texte liest, tut genau das. Sie stellt Vermutungen an, wo sie eigentlich Bescheid wissen müsste. Und dabei klingt sie überzeugt.

In der Schweiz wird fast schon über das Richtige gesprochen

Es ist kein Zufall, dass derzeit alle von „KI-fähigen Daten“ sprechen. Der Schweizer KI-Aktionsplan widmet diesem Thema einen eigenen Schwerpunkt. Dabei geht es um Datenqualität, Metadaten, Interoperabilität und Plattformen wie metadata.swiss. Eine wichtige und längst überfällige Aufgabe.

Meiner Meinung nach fehlt in dieser Diskussion eine wichtige Ebene. Es dreht sich fast immer um Datensätze, also Tabellen, Register und Zahlen. Doch ein großer Teil unseres Wissens ist gar nicht in Datensätzen enthalten. Es findet sich in Inhalten: in Dokumenten, Normen, Lehrmaterialien und Handbüchern.

Und genau hier liegt die größte Schwachstelle der KI-Bereitschaft: auf der Inhaltsebene. Ein Datensatz kann zwar sorgfältig dokumentiert sein, doch der Begleittext kann dennoch ein Wirrwarr aus PDF-Text sein, aus dem keine Maschine zuverlässig erkennen kann, was als Norm gilt und was ein Beispiel ist, was eine Definition ist und was eine Fußnote.

Was macht das Rückgrat aus?

Ein Content-Backbone ist weniger spektakulär, als es klingt. Im Kern läuft es auf nur wenige Dinge hinaus.

Der Inhalt ist in sinnvolle Bausteine unterteilt und nicht in ein Durcheinander aus fortlaufendem Text. In bitmark nennen wir diese „Bits“. Jedes einzelne hat seine eigene Bedeutung und seinen eigenen Kontext. Jedes ist individuell adressierbar und somit zitierfähig, anstatt nur „irgendwo auf Seite 23“ zu stehen. Und wenn sich etwas ändert, kann genau dieses Bit aktualisiert werden, ohne das gesamte Dokument erneut durchkämmen zu müssen.

Das klingt technisch, ist aber eigentlich nichts anderes als eine konsequente Strukturierung. Es handelt sich um dieselbe Strukturierung, die der Aktionsplan auf Datenebene vorsieht (maschinenlesbare Metadaten, Versionsverwaltung, semantische Klarheit), nur dass sie hier eine Ebene tiefer, nämlich auf den Inhalt selbst, angewendet wird.

Wo bitmark ins Spiel kommt

Jeder, der mich kennt, kann sich denken, worauf das hinausläuft. Genau dieses Rückgrat ist es, das wir bei bitmark seit Jahren aufbauen.

bitmark ist ein offener Schweizer Standard für Inhalte. Er ist gleichzeitig maschinen- und menschenlesbar und von Grund auf KI-fähig konzipiert, anstatt nachträglich für KI angepasst worden zu sein. Jedes Bit enthält seinen Kontext, seine Metadaten und seine Adresse. Die KI muss nicht raten, sondern kann direkt auf die Quelle verweisen.

Und da Inhalt und Darstellung klar voneinander getrennt sind, kann dasselbe Element als App-Karte, gedruckte Seite, Chat-Antwort oder Audioclip erscheinen. Liquid Content ist daher nicht das Gegenteil von Struktur. Er ist vielmehr deren Krönung. Erst das solide Gerüst im Hintergrund ermöglicht überhaupt die fließende Form darüber, ohne dass die Bedeutung dabei verwässert wird.

Vielleicht ist das der eigentliche Kern der ganzen Debatte um die KI-Tauglichkeit: Wir sprechen viel darüber, welche Form der Inhalt letztendlich annehmen soll, und zu wenig über das Gerüst, das ihn trägt.

Eine KI, die unsere Inhalte als zuverlässige Quelle erkennt, fällt nicht einfach so vom Himmel. Wir müssen sie entwickeln. Schritt für Schritt.

Oben fließend. Unten stabil. Beide brauchen einander.

Links: Der Schweizer KI-Aktionsplan · Verein bitmark ‧ Netzwoche: Gute Daten helfen Mensch und Maschine