Mount AI: Was AI-Content-Tools versprechen, was die Daten zeigen und der Aspekt, den zu viele übersehen.

Wie AI-Content-Tools Marken in die Sichtbarkeit katapultieren, ihnen aber verschweigen, was danach kommt.

Definition: Mount AI

Es gibt ein Muster, das viele SEOs inzwischen auf den ersten Blick erkennen, wenn sie Sichtbarkeitskurven sehen:

Der Begriff „Mount AI“ bezeichnet eine spezifische, nicht nachhaltige Sichtbarkeitskurve in SEO-Analyse-Tools (wie hier in Sistrix). Er beschreibt das Muster von Websites, die durch den massiven, unfiltrierten Einsatz von KI-generierten Inhalten („Industrial Scale AI Content“) in kürzester Zeit einen extrem steilen Anstieg der Rankings verzeichnen, nur um bei einem nachfolgenden Google Core oder Spam Update ebenso steil wieder abzustürzen. Die resultierende Grafik erinnert visuell an einen spitzen Berggipfel mit einer senkrecht abfallenden Flanke.

Das Problem: Wer auf dem Berg sitzt, findet das meistens toll. Bis er es nicht mehr tut.

Entstehung und Verbreitung

Die konzeptionelle Grundlage legte der SEO Glenn Gabe im Januar 2026. Er visualisierte damit das Risiko von „AI Scaling“ ohne Qualitätskontrolle.

Im deutschsprachigen Raum wurde die Metapher maßgeblich von Malte Landwehr aufgegriffen und geprägt. Malte systematisierte das Phänomen, um vor den langfristigen Gefahren rein quantitativ getriebener KI-Strategien zu warnen. Heute gilt der „Mount AI“ in der Branche als warnendes Mahnmal für kurzfristiges Denken im Zeitalter der generativen Suche (GEO).

Was Mount AI ist und warum es kein Zufall ist

Mount AI entsteht nicht, weil Websites Pech haben. Es entsteht, weil ein klar beschreibbares Playbook angewendet wird: Möglichst viele KI-generierte Artikel in möglichst kurzer Zeit veröffentlichen, auf schnellen Rankingaufstieg setzen, Traffic monetarisieren, und dann entweder das Update abwarten oder bereits auf die nächste Domain wechseln.

In Nischen wie Online-Glücksspiel, Affiliate-Marketing und bestimmten Bereichen des Finanzpublishings ist das ein dokumentiertes, bewusstes Geschäftsmodell. Wer das mit offenen Augen betreibt und die Risiken kennt, trifft eine informierte Entscheidung. Das ist legitim, auch wenn es nicht das ist, was ich meinen Kunden empfehle.

Das eigentliche Problem ist ein anderes.

Tomek Rudzki von Peec AI hat sich die Erfolgsgeschichten und Referenzkunden einiger populärer AI-Content-Tools vorgenommen, also die Seiten, mit denen diese Tools aktiv Werbung machen, die Kunden, die in Interviews und Case Studies als Beleg für die Wirksamkeit des Produkts hergehalten haben. Das Ergebnis: 36 Prozent dieser Vorzeigekunden hatten massive Google-Sichtbarkeitsverluste erlitten. Bei einem der untersuchten Tools lag der Anteil bei 75 Prozent.

Drei von vier Flaggschiff-Kunden. Nicht zufällig ausgewählte Websites, nicht Grenzfälle. Die Kunden, die das Marketing-Material tragen.

Malte Landwehr hat eine eigene Analyse durchgeführt und kommt auf 57 Prozent der untersuchten Case-Study-Kunden mit signifikanten Verlusten. 22 Prozent davon mit dem klassischen Mount-AI-Muster. Die restlichen haben die Wachstumsphase übersprungen und sind direkt ins Minus gegangen.

Das sind keine Ausreißer. Das ist wohl eher die Regel.

Welches Tool ist gemeint? Eine begründete Einschätzung

M. L. hat bewusst darauf verzichtet, das Tool beim Namen zu nennen. Er sagt selbst, er halte es nicht für den schlimmsten Täter in diesem Markt. Rudzki ist ebenso vorsichtig. Ich werde beide nicht überbieten, aber ein paar Einordnungen sind möglich.

Der Markt für KI-gestützte SEO-Content-Tools ist in den letzten zwei Jahren explodiert. Die Platzhirsche, die aggressiv mit Case Studies und Sichtbarkeitswachstum werben und gleichzeitig explizit auf Skalierung setzen, sind eine überschaubare Gruppe. Jasper, Copy.ai und Writesonic sind die bekannteren Namen auf der breiteren Seite. Im spezifischen SEO-Content-Segment, also Tools, die explizit auf Rankingverbesserung durch generierten Content zielen, sind Surfer AI, Frase, Koala AI und eine ganze Reihe kleinerer Anbieter relevant.

Das Muster, das die Daten beschreiben, passt am stärksten zu Tools, die mit schnellem Skalierungsversprechen vermarktet werden und SEO-spezifische Outputs als Kern ihres Angebots haben. Wer genau gemeint ist, kann jeder selbst recherchieren, indem er die öffentlichen Case-Study-Seiten der größten Anbieter mit dem aufruft, was Ahrefs, Sistrix und Semrush für diese Domains zeigen. Am besten sieht man es bei Sistrix.

Das Ergebnis dieser Recherche ist erfahrungsgemäß erhellend.

Googles Reaktion bisher: Nicht besonders subtil

Googles März-2024-Core-Update hat im Verlauf seines Rollouts und den parallel ausgerollten Spam-Maßnahmen (Spam Update, neue Spam-Policies und teils manuelle Actions) 837 Domains vollständig deindexiert. Ian Nuttall, der zu diesem Zeitpunkt knapp 50.000 Websites trackte, hat die Zahlen dokumentiert: Über 20 Millionen monatliche Besuche, einfach weg. Eine parallele Untersuchung von Originality AI an einer eigenen Stichprobe von 79.000 Websites ergab, dass bei allen deindexierten Sites Anzeichen von KI-generiertem Content vorlagen, bei der Hälfte davon zu 90 bis 100 Prozent. Das ist kein Beweis für Kausalität, aber es ist auch kein Zufall.

Google hat in den letzten anderthalb Jahren systematisch signalisiert, dass skalierte, generische Inhalte ohne erkennbaren inhaltlichen Mehrwert nicht mehr toleriert werden. Lily Ray, eine der erfahrensten Analytikerinnen für Core Updates, hat öffentlich eine weitere Verschärfung für 2026 in Aussicht gestellt.

Was die Datenlage dazu sagt: NP Digital hat 744 Artikel über 68 Websites hinweg ausgewertet und kommt zu dem Ergebnis, dass menschlich geschriebener Content über die Zeit 5,44-mal mehr Traffic generiert als rein KI-generierter. Die Ahrefs-Studie mit 600.000 Seiten über 100.000 Keywords findet zwar keinen statistischen Zusammenhang zwischen KI-Content-Anteil und Ranking-Position, stellt aber fest, dass nur 4,6 Prozent der top-rankenden Seiten vollständig KI-generiert sind, und dass diese Seiten praktisch nie Position 1 erreichen.

Das bedeutet nicht, dass KI im Content-Prozess nichts bringt. Es bedeutet, dass Quantität allein seit Jahren nicht funktioniert und dass sich daran mit KI-Unterstützung nichts geändert hat. Es geht nur schneller. Der Aufstieg und der Absturz.

Der AI-Search-Aspekt, den fast alle übersehen

Wer glaubt, er könne sich nach einem Google-Penalty auf AI-Search als alternativen Traffic-Kanal verlassen, wird enttäuscht. Malte Landwehr hat genau das untersucht, als Grokipedia Anfang 2026 seine Google-Rankings verlor.

ChatGPT, AI Mode und AI Overviews haben ihre Citations für die betroffene Domain zum gleichen Zeitpunkt reduziert. Nicht zeitversetzt, nicht schrittweise. Gleichzeitig.

LLMs nutzen Suchmaschinen-Signale zur Einordnung und Gewichtung von Quellen. Wenn Google eine Domain abstraft, wird sie auch für Sprachmodelle, die auf Suchmaschinendaten als Grounding-Layer zurückgreifen, weniger relevant.

Ein Google-Penalty macht dich heute nicht nur in der traditionellen Suche unsichtbar. Er macht dich überall unsichtbar.

Wer also darauf hofft, durch aggressive AI-Content-Skalierung kurzfristig Sichtbarkeit aufzubauen und dann zur Not über ChatGPT und Perplexity sichtbar zu bleiben, wenn Google zuschlägt, hat das Ökosystem falsch verstanden.

n8n, Automatisierungspipelines und das LinkedIn-Like-for-Template-Universum

Die Skalierung von KI-Content war bis vor zwei Jahren noch halbwegs technisch komplex. Wer Tausende von Artikeln generieren wollte, brauchte Entwickler, API-Kenntnisse und zumindest ein rudimentäres Verständnis von Prompting und Output-Kontrolle.

Das hat sich geändert.

n8n, Make und Zapier haben die Content-Pipeline demokratisiert. Auf LinkedIn werden täglich Workflows geteilt, mit denen man angeblich "vollautomatisch 500 SEO-Artikel pro Monat" produzieren kann. Das Angebot ist simpel: Like den Post, kommentiere "Template" und bekomme den Workflow zugeschickt. Gelegentlich kostet das eine E-Mail-Adresse und man landet danach in einem Newsletter-Funnel.

Was diese Workflows tun: Sie verbinden ein Keyword-Tool oder eine Tabelle mit einem LLM-API-Call, formatieren den Output und schieben ihn in ein CMS. Der Mensch in dieser Kette ist optional. Die Kontrolle über Qualität, Faktentreue und inhaltlichen Mehrwert ist es auch.

Das Ergebnis ist vorhersehbar. Tausende von Artikeln, die dieselben Fragen mit denselben Antwortmustern beantworten, die ChatGPT einem sowieso direkt gibt, wenn man fragt. Tomek Rudzki hat für genau das eine einfache Prüffrage formuliert:

Würde ich diesen Artikel lesen wollen? Fügt er etwas hinzu, was ChatGPT nicht direkt liefert? Wenn die Antwort nein ist, sollte man nicht veröffentlichen.

Die meisten dieser Pipeline-Outputs bestehen diese Prüfung nicht.

Was mich dabei mehr beschäftigt als die schlechte Content-Qualität selbst: Diese Workflows werden nicht primär an Leute verkauft, die bewusst Affiliate-Sites im Wegwerf-Modus betreiben. Sie werden an Gründer verkauft, die einen Blog für ihr SaaS-Produkt aufbauen wollen. An Handwerksbetriebe, die bei Google gefunden werden möchten. An mittelständische Unternehmen, die ihr Content-Marketing skalieren wollen.

Die Leute, die diese Templates teilen, wissen oft selbst nicht genau, was sie anrichten. Oder sie wissen es und teilen trotzdem.

Was die Tool-Anbieter schulden, aber nicht liefern

Das eigentliche Versäumnis ist kein technisches, es ist ein kommunikatives.

Kein AI-Content-Tool-Anbieter, der explizit an Marken mit langfristigen Reputationsinteressen verkauft, hat in seinen Marketing-Materialien eine Risikoaufklärung, die dieser Bezeichnung würdig wäre. Ich habe jedenfalls keine gefunden. Die Case Studies zeigen Sichtbarkeitswachstum. Sie zeigen keine Sichtbarkeitskurven über zwei oder drei Jahre. Sie zeigen keine Folgeentwicklung nach Core Updates.

"Rank, bank and tank" als bewusste Strategie mit voller Kenntnis der Risiken ist ein Geschäftsmodell. Nicht für die breite Masse, ich werde es an dieser Stelle auch nicht empfehlen, es hat aber seine Berechtigung.

Dasselbe Playbook als nachhaltige Wachstumsstrategie an Marken mit echter Reputation zu vermarkten, ist etwas anderes. Es ist unehrlich. Und die Daten, die jetzt vorliegen, machen es zunehmend schwer zu behaupten, man habe das nicht gewusst.

Tomek Rudzki formuliert die Mindestanforderung klar: Erklärt euren Kunden, was die Forschung tatsächlich zeigt. Lasst sie eine informierte Entscheidung treffen. Das sollte keine Bitte sein müssen.

Was das für dich konkret bedeutet

Wenn du KI im Content-Prozess nutzt, was ich tue und empfehle, dann gelten ein paar einfache Regeln, die sich aus den vorliegenden Daten ableiten.

Erstens: KI ist ein Werkzeug im Schreibprozess, kein Ersatz für Recherche, Positionierung und inhaltliche Substanz. Der Unterschied zwischen einem KI-unterstützten Artikel und einem KI-generierten Artikel ist nicht semantisch, er ist fundamental. Ersteres beginnt mit einer menschlichen These. Letzteres beginnt mit einem Keyword.

Zweitens: Skalierung ohne Qualitätskontrolle ist kein Content-Marketing, es ist Content-Verschmutzung. Wer 200 Artikel pro Monat veröffentlicht, von denen keiner das Niveau hat, das er selbst veröffentlichen würde, wenn er die Zeit hätte jeden einzeln zu schreiben, hat ein Problem, das kein Workflow löst.

Drittens: Wenn du einen n8n-Workflow auf LinkedIn siehst, der dir verspricht, Content-Marketing vollständig zu automatisieren, und der für ein Like zu haben ist, dann ist das kein Insider-Tipp. Das ist Content-Marketing des Workflow-Erstellers. Du bist nicht der Nutznießer, du bist das Produkt.

Viertens: Die Frage, ob KI-generierter Content "von Google erkannt wird", ist inzwischen die falsche Frage. Die richtige Frage ist, ob er für den Leser besser ist als das, was er anderswo bekommt. Wenn nicht, wird Google das über kurz oder lang ebenfalls feststellen. Die Systeme werden nicht schlechter.

Eine abschließende Beobachtung

Der Markt für AI-Content-Tools hat in den letzten zwei Jahren mehr Geld aufgenommen und mehr Versprechen gemacht als die klassische SEO-Branche in einem Jahrzehnt. Evertune hat 19 Millionen Dollar Funding von Kleiner Perkins erhalten. Profound 20 Millionen. Jasper hat zwischenzeitlich eine Bewertung von 1,5 Milliarden Dollar erreicht.

Das Geld fließt in Werkzeuge, die Content schneller und billiger machen. Es fließt nicht in Forschung darüber, ob dieser Content langfristig für die Kunden funktioniert.

Die Antwort auf diese Frage kennen wir inzwischen. Die Daten sind da. Was jetzt fehlt, ist die Ehrlichkeit, sie in die Verkaufsgespräche zu holen.

Quellen: Glenn Gabe auf Twitter, Tomek Rudzki, "The real risk of AI-generated content" (Peec AI, Feb 2026), Malte Landwehr via X, Feb 2026, J. Bobbink via X, Feb 2026, NP Digital AI vs. Human Study (744 Artikel, 68 Sites, 2024), Ahrefs, Si Quan Ong & Xibeijia Guan: 600K Page Analysis (Jul 2025), 837 deindexierte Domains: Ian Nuttall via Search Engine Journal, März 2024, AI-Content-Anteil 100% bei betroffenen Sites: Originality AI, "Can Google Detect and Does it Penalize AI Content" (2024)