#114 KI-Podcast-Production Hacks mit Ben Harmanus: Wie KI aus Audio TV-Like Podcasts macht

Michael Witzenleiter und Jean-Luc Winkler holen in Folge 114 einen Gast ans Mikro, der Podcasting nicht als Nebenprojekt, sondern als Produktionsdisziplin versteht: Ben Harmanus, Gründer von Spreedia und Host von „Values & Ventures“. Die Folge ist ein praxisnaher Deep Dive in KI-gestützte Workflows: von Recherche über Motion Graphics bis zur Frage, wo Optimierung in Glätte kippt.

Ben bringt Stationen wie KonversionsKraft und sechs Jahre HubSpot (u. a. Launch von „The Digital Help Desk“ in vier Wochen) als Referenzrahmen mit und übersetzt daraus konkrete Production Hacks für kleine Teams. Im Mittelpunkt steht die These: KI kann das klassische Dreieck „gut, schnell, günstig“ verschieben – aber nur, wenn menschliche Urteilsfähigkeit als kreative Regie erhalten bleibt.

Vom „Nebenbei-Podcast“ zum Attention-Produkt: Zielgruppe, Kontinuität, Packaging

Podcasting wirkt in 2026 weniger wie ein einfaches Publishing-Format, sondern wie ein Wettbewerb um Aufmerksamkeit mit professionellen Medienangeboten. Ben beschreibt die Verschiebung seit 2020 klar: Früher ließ sich schneller eine Audience finden, heute entscheidet eine deutlich härtere Marktdichte über Klick, Retention und Wachstum. Erfolgreich wird nicht nur das Thema, sondern ein konsistentes Produkterlebnis – samt Thumbnails, Headlines, Gästefit und erwartbarer Dramaturgie. Kontinuität und Konsistenz werden als häufigste Bruchstellen benannt: Woche für Woche liefern, ohne dass Format und Qualität schwanken. Dazu kommt ein Realitätscheck zur Nutzungssituation: Mit weniger Pendelzeit nach Corona ist verfügbare „Audio-Zeit“ knapper geworden, auch wenn Podcasts weiterhin starke Slots wie Autofahrten besetzen. Ben ordnet das als klares Signal ein, stärker zu optimieren statt nur zu veröffentlichen. Interessant ist dabei die Qualitätsdefinition: Nicht nur Expertise zählt, sondern auch sprachliche Präsenz – Gäste müssen nicht nur „viel wissen“, sondern auch „gut rüberbringen“. Ab diesem Punkt rückt KI als Hebel in den Vordergrund: schnellere Vorbereitung, bessere Verpackung, effizienteres Repurposing – ohne zwingend ein großes Team aufzubauen.

KI als Fullstack-Studio: Recherche, Musik, Motion Graphics, Schnitt, Shorts – mit klarer Grenze

Ben beschreibt keinen monolithischen „Automations-Stack“, sondern viele Point Solutions entlang der Produktionskette. In der Recherche nutzt er KI gezielt, um Diversität systematischer zu realisieren: Expert:innen finden, die nicht automatisch im eigenen (oft männlich dominierten) Netzwerk liegen – inklusive Attribute wie Standort (z. B. Berlin), Interviewerfahrung und Perspektivenvielfalt. Für Interviewleitfäden kombiniert er manuelle Quellen (LinkedIn-Feed, frühere Interviews, YouTube-Auftritte) mit KI, aber nur dann wirklich wirksam, wenn die KI ein eigenes Leitfaden-Template und die Formatlogik („Values & Ventures“-Dramaturgie) kennt. Besonders stark wird KI dort, wo klassische Skills fehlen oder teuer sind: Musik (Intro, Vibe-Varianten statt Stock-Music) und Motion Graphics. Ben skizziert, wie aus echten Produkt- und Studiofotos mit Tools wie Magnific innerhalb weniger Stunden Animationen entstehen können, die ein „TV-like“-Gefühl erzeugen – inklusive visueller Einspieler, Raum-Effekte und dynamischer Szenen. Beim Video-Workflow nennt er KI-Funktionen in DaVinci Resolve, etwa automatische Rohschnitte mit Kameraund Switches (inkl. einstellbarem Umschaltversatz, der TV-Regie simuliert). Für Wachstum und Distribution wird Opus Clip als pragmatische Brücke eingeordnet: KI-Shorts mit Captions sind „besser als nichts“, selbst wenn händisch geschnittene Clips potenziell höhere Spitzen erreichen. Gleichzeitig wird die Grenze klar gezogen: KI darf glätten, retten und reparieren – aber nicht „eine andere Person“ erzeugen; Authentizität bleibt ein Produktionskriterium. Ben positioniert die Rolle deshalb als „Editorial Lead“: KI liefert Material, der Mensch kuratiert Wirkung, Rhythmus, Pausen, Ironie und den finalen Schnitt.

„Gut, schnell, günstig“ funktioniert – aber nur mit menschlicher Qualitätskontrolle

Ben sieht das klassische Leistungsdreieck durch KI teilweise aufgebrochen: Kleine Teams können professioneller produzieren und Frequenz erhöhen, ohne proportional mehr Personal zu brauchen. Der Knackpunkt liegt im Urteil: Ohne Skill zur Bewertung entstehen nur „Mimikry“ und generische Outputs. KI macht schneller, nicht automatisch besser.

Interview-Recherche wird präziser – bis hin zu Sentiment, Risiken und Kontroversen

Für kritische Themen (z. B. Nachhaltigkeit, Regulierung, digitale Souveränität) reicht „ungefähr richtig“ nicht mehr. Ben nennt als Beispiel das Tool J.O.E von Fabian Jaeckert und Benjamin O’Daniel, das KI-Sichtbarkeit und Sentiment auswertet und sogar Hinweise auf Kontroversen wie Klagen liefern kann. Daraus entstehen härtere, relevantere Interviewfragen – im Idealfall schon vor einer Einladung.

Drei Tools als Low-Lift-Stack: Audio retten, Creative Suite bündeln, Shorts skalieren

Als Minimalempfehlung für kleine Podcast-Teams nennt Ben drei Anwendungen:

• Adobe Podcast (Enhance Speech): Audio-Vereinheitlichung mit wenigen Reglern (u. a. Sprache verbessern, Hintergrundgeräusche entfernen).
• Magnific: Thumbnails, Bilder, Video-Elemente, Soundeffekte als zentrale Creative Suite mit kuratierbaren „Spaces“.
• Opus Clip: Shorts inkl. Captions und Plattform-Distribution, als Reichweiten-Basis auch ohne großes Schnitt-Team.

KI-Perfektion kann Retention kosten – Pausen, Emotionen und „Unperfektheit“ bleiben Stilmittel

Zu aggressiver KI-Schnitt kann Ironie, Pausen und emotionale Beats entfernen und damit das Gespräch „glatt“ machen. Ben beschreibt das als redaktionelle Entscheidung: Informationsdichte vs. Gesprächsgefühl. Perspektivisch wird Customization erwartet („Show-Stil“ als Parameter), aktuell bleibt Feintuning vor allem Handwerk.

🎙️ Folge in kompletter Länge anhören