OpenAI legt zwei Einflussoperationen offen: Iran mit sieben erfundenen Bylines, Russland mit „Thinktank“ in Lateinamerika

Stellen Sie sich vor – und das ist ein ausdrücklich erfundenes Beispiel –, in einer kleinen Online-Redaktion für Außenpolitik landet an einem Dienstagvormittag eine freundliche Mail. Eine freie Journalistin, offenbar aus den USA, schlägt einen langen Beitrag zu einem geopolitischen Konflikt vor. Der Stil ist sauber, der Ton höflich, und der Vorschlag passt auffallend genau zu den Einreichungsregeln des Hauses. Die Redaktion ist klein, die Themenplanung eng, ein Gastbeitrag, der fast ohne Nacharbeit auskommt, wirkt wie ein Geschenk.

Niemand in dieser fiktiven Redaktion ist nachlässig. Im Gegenteil: Der Text liest sich so, wie man es sich von einer erfahrenen Autorin wünscht. Und doch könnte so der Anfang einer Einflussoperation aussehen – genau das ist der Knackpunkt.

Warum erzähle ich das? Weil OpenAI in seinem Bericht vom 8. Oktober einen sehr ähnlichen Ablauf beschreibt. Laut OpenAI ließen Operatoren aus dem Iran, die der Anbieter „Bogus Bylines“ nennt, englische Entwürfe vom Modell gegen die Einreichungskriterien einzelner Online-Medien prüfen, Änderungen vorschlagen und anschließend eine Pitch-Mail an die jeweilige Redaktion formulieren. Dahinter standen laut OpenAI erfundene „Journalisten“-Personas. Zweiter Fall im Bericht: eine Einflussoperation aus Russland namens „Dark Clark“. Beide gehören zu den verdeckten Einflussoperationen, die OpenAI nach eigenen Angaben gesperrt hat.

Meine Kernfrage zu Einflussoperationen lautet deshalb: Wenn KI das Pitchen, Redigieren und Übersetzen billig macht – wo muss die Abwehr ansetzen? Beim Modellanbieter, bei der Plattform oder im Posteingang der Redaktion? Ich finde, die Antwort liegt nicht bei einer einzigen Stelle. Aber die Gewichte verteilen sich anders, als man zunächst denkt.

Was OpenAI gefunden hat – und was es bewertet

Beginnen wir mit dem, was im Bericht steht. Laut OpenAI läuft die Berichtsreihe seit zweieinhalb Jahren; sie soll Regulierer, Branche und Gesellschaft über Missbrauch der Modelle informieren. Diesmal geht es um zwei Einflussoperationen, die der Anbieter nach eigener Darstellung kürzlich gesperrt hat: eine mit Ursprung in Russland, eine mit Ursprung im Iran. Beide setzten die Modelle laut OpenAI „in Kombination mit eher traditionellen Techniken und Technologien“ ein, um sogenannte „false front“-Einheiten, also Scheinfassaden, zu stützen. Über diese Fassaden wollten sie geopolitische, konfliktbezogene Botschaften in ihre Zielgruppen „waschen“ (im Original: „launder“).

Die Einflussoperation aus dem Iran betrieb laut OpenAI eine Reihe von sieben „Journalisten“-Personas, die lange Artikel bei kleinen und mittleren Online-Medien weltweit unterbringen sollten. Die Einflussoperation aus Russland hat laut OpenAI offenbar unwissende Menschen in Lateinamerika eingespannt, um vor Ort einen „Thinktank“ zu betreiben.

Der vielleicht wichtigste Satz des Berichts ist nüchtern. Beide Einflussoperationen glichen laut OpenAI stark komplexen Einflussoperationen aus der Zeit vor der KI, nutzten KI aber, um einige Arbeitsschritte zu erleichtern. Keine Wundermaschine für Desinformation, sondern ein Beschleuniger für Handwerk, das es längst gab.

Hinzu kommt ein Muster: Laut OpenAI hat der Anbieter in den vergangenen zweieinhalb Jahren 30 verdeckte Einflussoperationen offengelegt. Jene, die Inhalte in echten Medien platzieren, haben demnach tendenziell die höchste potenzielle Reichweite und Wirkung. Wichtig dabei: Nicht alle der platzierten Inhalte stammten laut OpenAI aus den eigenen Modellen. Die 30 sind außerdem eine OpenAI-Zahl, keine Branchenstatistik.

Wie liest man so einen Bericht? Mit Respekt und mit Abstand. Es ist die Selbstauskunft eines Modellanbieters über die eigene Plattform. OpenAI sieht vor allem, was auf der eigenen Plattform passiert, und ergänzt das um Open-Source-Recherche – unabhängig geprüft ist das nicht. Laut OpenAI wurden die Informationen in beiden Fällen an die zuständigen Behörden weitergegeben. Wir bei digital-magazin.de behandeln das als Hinweisgeber-Material: wertvoll, aber eben mit einem Absender, der ein eigenes Interesse an Glaubwürdigkeit hat.

Ehrlich gesagt: Gerade die Nüchternheit macht den Bericht für mich glaubwürdiger als jede Schreckensprosa.

Category 5, Category 4 – was die Skala misst

Die Kategorien stammen nicht von OpenAI. Die „Breakout Scale“ hat Ben Nimmo im September 2020 beim Thinktank Brookings vorgestellt, nachzulesen in seinem Beitrag. Sie soll Forschenden helfen, die wahrscheinliche Wirkung verschiedener Operationen anhand messbarer, reproduzierbarer Belege zu vergleichen. Laut OpenAI reicht sie von 1 (niedrigste) bis 6 (höchste).

Kurz zu den Stufen, die hier zählen: Auf Kategorie 4 brechen Inhalte komplett aus den sozialen Medien aus und werden von etablierten Medien verstärkt. Auf Kategorie 5 werden sie von hochrangig bekannten Personen verstärkt, etwa Prominenten oder Kandidierenden für politische Ämter. Kategorie 6 liegt vor, wenn eine politische Reaktion oder eine andere konkrete Handlung ausgelöst wird oder ein Gewaltaufruf enthalten ist.

Nun zu OpenAIs Bewertungen. Die Einflussoperation aus Russland, „Dark Clark“, bewertet OpenAI als Kategorie 5 von 6. Als Begründung nennt der Anbieter Hinweise darauf, dass sie zu öffentlichen Kommentaren von Politikerinnen und Politikern in mehreren Ländern geführt hat. Laut OpenAI ist es die erste Category-5-Operation, die der Anbieter seit Beginn seiner Berichte gestoppt hat. Das sagt etwas über OpenAIs eigene Berichtsreihe, nicht über die Welt insgesamt.

Für die Einflussoperation aus dem Iran, „Bogus Bylines“, trennt OpenAI zwei Arme. Den Artikel-Arm bewertet OpenAI als Kategorie 4, weil die Inhalte laut Anbieter immer wieder bei mehreren Medien auftauchten. Den Kommentar-Arm bewertet OpenAI als Kategorie 2: Kommentare auf mehreren Plattformen, aber wenig Anzeichen eines Ausbruchs.

Wichtig: Das sind OpenAIs Einstufungen. Keine Redaktion, keine Behörde und auch wir nicht haben diese Werte vergeben oder geprüft.

Und die Zahl selbst? Sie ist eine Orientierung, kein Urteil. Kategorie 5 von 6 klingt nach Alarm, beschreibt aber zunächst nur, wie weit sich Inhalte laut Anbieter bewegt haben. Was folgt daraus, wenn die Stufe 4 gerade durch ganz normale, wohlmeinende Redaktionsarbeit erreicht wird – weil jemand einen gut geschriebenen Gastbeitrag veröffentlicht?

Dark Clark: ein Thinktank, dessen Mitarbeitende laut OpenAI nichts ahnten

Laut OpenAI sperrte der Anbieter einen Cluster von ChatGPT-Konten mit Ursprung in Russland. Zugriff gab es über VPNs, weil OpenAI aus Russland keinen Zugang erlaubt. Das Ziel lag laut OpenAI in Ländern Lateinamerikas: Es ging vor allem darum, den Ruf der Ukraine in der Region zu beschädigen, teils auch um Einfluss auf lokale Politik, besonders in Argentinien und Bolivien. Die meisten Operatoren gaben ihre Prompts auf Russisch ein, einer auf Spanisch – offenbar befand sich aber auch dieser in Russland.

Interessant ist, wofür das Modell genutzt wurde. Laut OpenAI gab es drei Hauptaufgaben: interne Reports über eigene Aktivitäten, Content für die Operationen und Berichte über eine selbsternannte „research platform“, das Social Research Center (SRC). Gesteuert wurde das offenbar über die Fake-Persona „Mia Clark“ – daher der Spitzname.

Beim SRC deuten die internen Reports laut OpenAI auf Kontrolle durch die Operatoren hin: Einstellungen, Entlassungen, Gehaltsstufen. Die verfügbare Evidenz legt laut OpenAI nahe, dass die Mitarbeitenden vor Ort nicht wussten, dass sie für eine russische Einflussoperation arbeiteten, und ihre Recherchen in gutem Glauben erledigten. OpenAI fand auf der SRC-Website „well over 60 articles“, die meisten offenbar Originaltexte dieser Mitarbeitenden. Eine LinkedIn-Seite mit SRC-Branding hatte laut OpenAI am 17. August 961 Follower und behauptete 200 bis 500 Mitarbeitende, listete aber nur zwei. OpenAI nennt das den komplexesten Versuch, eine Fassadenidentität zu betreiben, den der Anbieter in den vergangenen zweieinhalb Jahren gestoppt hat.

Die Mitarbeitenden sind hier Getäuschte, keine Beteiligten. Das gilt für alle, die auf solche Fassaden hereingelegt werden.

Jetzt wird es heikel, denn der Bericht trennt drei Ebenen, und wir sollten das auch tun.

Ebene (a): Was die Operatoren behaupteten. Laut ihren internen Reports behaupteten sie unter anderem gefälschte E-Mails an Schulen in Peru (Mai) und Ecuador (Juni), gefälschte Audios (Ecuador im März, Bolivien Ende Mai) sowie gefälschte Dokumente. Mehr als diese Kategorien mutmaßlicher Desinformation brauchen wir nicht. Und es sind Behauptungen, keine bestätigten Tatsachen.

Ebene (b): Was OpenAI per Open-Source-Recherche passend fand. Für einige dieser Behauptungen fand OpenAI Medienberichte, Faktenchecks und offizielle Dementis. Beim Peru-Fall gab es laut OpenAI Berichte in Lateinamerika und Europa; einige Artikel enthielten die Reaktion eines polnischen Europaabgeordneten. Laut OpenAI hat der Fall offenbar zu einem Kommentar mindestens eines polnischen Europaabgeordneten geführt. Andere Behauptungen konnte OpenAI nicht bestätigen.

Ebene (c): Was OpenAI bewertet. Kategorie 5, mit Belegen, die laut OpenAI auf öffentliche Kommentare von Politikerinnen und Politikern in mehreren Ländern hindeuten.

Dazu kommt eine Warnung aus dem Bericht selbst: Die Operatoren reklamierten auch fremde Ereignisse für sich, etwa Positionen, die seit Jahren offizielle Regierungslinie sind. Ihre eigenen Wirkungsbehauptungen, so OpenAI, „cannot be taken at face value“. Das deute sogar auf den Versuch hin, eine Einflussoperation gegen die eigenen Auftraggeber zu fahren.

Ein letzter Hinweis zur Einordnung: Einige der Fälschungen haben Open-Source-Forschende laut Berichten einer russischen Einheit namens „Politology“ oder „La Compania“ zugeschrieben. Das ist eine Drittzuschreibung, nicht OpenAIs Befund – und ich würde sie auch genau so stehen lassen.

Wofür die Operatoren ChatGPT wirklich nutzten

Wer bei „KI und Desinformation“ sofort an Maschinen denkt, die rund um die Uhr Falschtexte ausspucken, wird vom Bericht überrascht. Bei Dark Clark war das Bild laut OpenAI ein anderes. „The main way the operators used ChatGPT was to draft and update internal reports to an unknown superior“, heißt es im Original. Die Operatoren aus Russland nutzten das Modell also vor allem als Schreibhilfe für die eigene Berichterstattung nach oben.

Noch deutlicher wird ein zweiter Satz. „In the majority of cases, we did not observe the threat actors using our models to create content for the campaigns, only to report on them.“ Die Content-Erstellung war laut OpenAI „a relatively small proportion of the overall workload“. Als möglichen Grund nennt der Anbieter, dass mindestens eine Person mit Spanisch als Muttersprache aus Lateinamerika beteiligt war.

Und die Ausnahmen? Laut OpenAI ging es dabei um Dinge wie die passende Landessprache, regionales Vokabular, institutionellen Stil, Übersetzungen und Korrekturlesen. Sprachliche Feinarbeit also, kein Texten aus dem Nichts.

Zum Kontrast: Auch Bogus Bylines, die Einflussoperation aus dem Iran, nutzte laut OpenAI KI für interne Reports, allerdings daneben für Artikel, Pitches und Kommentare. Beide Seiten nutzten KI stark für interne Reports, und in beiden Fällen nutzten die Akteure laut OpenAI „questionable or outright deceitful methodologies to exaggerate the operators’ effectiveness“.

Ich finde das ehrlicher als das Klischee „ChatGPT schreibt Propaganda“. Und unbequemer. Das Klischee suggeriert, man könne die Gefahr an einer Textmaschine festmachen und dort abstellen. Der Bericht beschreibt dagegen den Büroalltag hinter der Desinformation: Berichte schreiben, Zahlen glätten, Vorgesetzte beeindrucken. Das Modell ist dabei ein Werkzeug unter vielen. Ein Filter am Modell fängt einen Bericht über Mitarbeitende und Budgets kaum ab – er sieht unauffällig aus, weil er unauffällig ist.

Bogus Bylines: sieben Namen, fast 100 Artikel

Dieses Bild wurde komplett mit KI generiertProviderhiggsfieldModellgpt_image_2PromptPhotorealistic close photo of an editor's hands holding a magnifying glass over printed pages with blurred unreadable columns and several blank author photo frames, desk with coffee and a notebook, warm lamp light, no faces, no logos, no brand marks, no readable text, no letters, no watermarks, 16:9

Laut OpenAI sperrte der Anbieter einen Cluster von ChatGPT-Konten mit Ursprung im Iran. Die Prompts waren auf Persisch, die Inhalte entstanden auf Persisch und Englisch; der Zugang lief über VPNs. Thema der Artikel war laut OpenAI der Konflikt zwischen den USA und dem Iran.

Der Workflow, nur knapp: Die Operatoren ließen das Modell englische Entwürfe gegen die Einreichungskriterien einzelner Online-Medien prüfen und Änderungen vorschlagen. Danach formulierte es eine Pitch-Mail an die jeweilige Redaktion. Mehr Details gibt es hier bewusst nicht.

Dahinter standen laut OpenAI sieben Bylines: Ervin B. Hoskins, Noah Lamington, Sophia Gonzalez, Michael Harrison, Ericka Feusier, Jenny Williams und Alice Johnson. Ich nenne sie als Prüfhinweis für Redaktionen, die in ihren Archiven nachsehen wollen. Laut Online-Biografien gaben sich die Personas als westliche Journalistinnen und Journalisten aus, meist aus den USA, eine aus Neuseeland. Die Bio von „Michael Harrison“ ließen die Operatoren laut OpenAI vom Modell schreiben. Einige Personas hatten Social-Media-Konten als Rückendeckung, deren Transparenzangaben teils Standorte im Iran zeigten.

Dann die Zahlen. Laut OpenAI fanden sich fast 100 Artikel, die unter den Bylines veröffentlicht oder syndiziert wurden, verteilt auf rund ein Dutzend Online-Medien weltweit. Es handelte sich laut OpenAI um kleine bis mittlere Medien, meist mit Fokus auf internationale Politik, Geopolitik und den Nahen Osten. Der früheste Artikel stammt laut OpenAI vom Juli 2025, der späteste vom Oktober 2026; nach Beginn des Konflikts zwischen den USA und dem Iran wurden es deutlich mehr. Einige Artikel wurden von den Social-Media-Konten der Medien weiter beworben. Eines dieser Medien hatte laut OpenAI im August 2026 fast 2 Millionen Facebook-Follower – den Namen lassen wir weg.

Die Redaktionen? Getäuschte. Sie veröffentlichten Texte unter falschen Namen, weil die Fassade glaubwürdig wirkte.

Der Kommentar-Arm blieb dagegen schwach. Laut OpenAI lag das Engagement der gefundenen Antworten im ein- bis zweistelligen Bereich, und die Antworten machten meist nur eine Minderheit der Kommentare unter dem jeweiligen Post aus. OpenAI bewertet ihn als Kategorie 2: Kommentare auf mehreren Plattformen, aber wenig Anzeichen eines Ausbruchs. Die internen Reports erwähnen menschliches und automatisiertes Posten. Laut OpenAI gibt es aber keinen Beleg, dass die Automatisierung mit Hilfe der OpenAI-Modelle lief.

Interessant ist die Metrik. Das Hauptmaß der Operatoren waren laut OpenAI die Aufrufe der Posts, auf die sie antworteten – nicht die Aufrufe ihrer eigenen Antworten. OpenAI nennt das eine „deceptive calculation“, möglicherweise, um die scheinbare Wirkung aufzublasen. Es könne auch heißen, dass die Operatoren keinen besseren Weg kannten oder ihn nicht nutzen wollten. Beides bleibt offen.

Das Gesamtbild laut OpenAI: vereinbar mit einem kommerziellen Akteur, der eine Einflusskampagne im Auftrag betreibt. Welcher Akteur das war, kann OpenAI nicht benennen.

Alte Muster, billigeres Werkzeug

Der Bericht stellt beide Fälle in eine Reihe älterer Einflussoperationen. Laut OpenAI gab es Vorläufer: die Fake-Journalistin „Alice Donovan“, eine Fassade des russischen Militärgeheimdiensts, deren Artikel 2016 und 2017 in westlichen Medien erschienen. Dazu „PeaceData“ aus dem Jahr 2020, ein Fake-„News“-Outlet von Personen aus dem Umfeld der Internet Research Agency, das unwissende Journalistinnen und Journalisten weltweit schreiben ließ.

Beide Vorläufer, so OpenAI, stellten ihre Aktivität ein, nachdem sie enttarnt wurden: „Both ‚Alice Donovan‘ and ‚PeaceData‘ ceased their activity after they were exposed.“ False-Front-Operationen seien deshalb „particularly vulnerable to responsible disclosure“. Eine Fassade lebt davon, dass niemand hinter sie schaut.

Was ändert KI? Laut OpenAI kann sie solchen Einflussoperationen „greater scale, efficiency, linguistic fluency, and editorial ability“ geben. Die Operatoren können damit „unsuspecting victims, such as employees or editors“ ausnutzen. Ahnungslose Opfer, nicht Komplizen – im Bericht steht dafür das englische Wort „victims“ („unsuspecting victims“).

Meiner Einschätzung nach ist das der Kern. KI hat das Handwerk der Desinformation nicht erfunden. Sie macht es billiger und sprachlich glatter. Früher verrieten holprige Sätze manchmal die Herkunft; meiner Einschätzung nach wird dieses Indiz schwächer. Auffällig finde ich, dass die wirkungsstärkeren Einflussoperationen gerade keine Bot-Schwärme einsetzten, sondern Menschen täuschten: Redaktionen, Schulen, Mitarbeitende eines Thinktanks. Eine Mail, die ein Mensch liest und für echt hält, wiegt mehr als tausend Kommentare, die niemand beachtet.

Das verschiebt die Frage nach der Abwehr von Desinformation. Wer bei Einflussoperationen nur auf die Textmaschine schaut, sucht am falschen Ort.

Unsere Einordnung: Wo die Kennzeichnungspflicht ansetzt – und wo nicht

Unsere Einordnung beginnt mit einer Klarstellung: OpenAI erwähnt weder den AI Act noch den DSA. Alles, was jetzt folgt, ist unsere Lesart, nicht die des Herstellers.

Gemeint ist Artikel 50 Absatz 4, Unterabsatz 2 des AI Act, hier nach der nicht-amtlichen Lesefassung. Sinngemäß: „Deployers“ eines KI-Systems, das Text erzeugt oder manipuliert, der veröffentlicht wird, um die Öffentlichkeit über Angelegenheiten von öffentlichem Interesse zu informieren, müssen offenlegen, dass der Text künstlich erzeugt oder manipuliert wurde. Die Pflicht gilt nicht, wenn der Inhalt „a process of human review or editorial control“ durchlaufen hat und eine natürliche oder juristische Person „editorial responsibility“ für die Veröffentlichung trägt.

Die Pointe sehen wir an zwei Stellen. Erstens trifft die Pflicht die Betreibenden, im Fall der beiden Einflussoperationen also die Operatoren. Wer verdeckt arbeitet, kennzeichnet ohnehin nicht. Zweitens greift die Redaktionsausnahme nach dem Wortlaut, sobald eine Redaktion den Text redigiert und verantwortet. Für einen Text, den eine getäuschte Redaktion prüft und verantwortet, entfällt die Kennzeichnungspflicht nach dem Wortlaut – und die Fassade bleibt trotzdem unsichtbar. Das ist keine Rechtsberatung, sondern eine Lesart des Textes.

Heißt das, die Regeln versagen? Nein. Sie setzen an einer anderen Stelle an. Die Kennzeichnung soll Transparenz bei ehrlich arbeitenden Anbietern und Betreibenden schaffen. Gegen Akteure, die Desinformation streuen und ihre Identität erfinden, ist sie ein stumpfes Werkzeug. Wie die Transparenzpflichten im Alltag aussehen, haben wir in einem eigenen Beitrag erklärt, was die AI-Act-Transparenzpflichten im Alltag bedeuten; Geltungsdaten und Fristen finden Sie dort.

Dazu die Wasserzeichen-Brücke. Technische Markierungen können helfen, solange niemand den Text umschreibt. Genau das tun Redigieren und Übersetzen aber routinemäßig – mehr dazu in unserem Beitrag zum Text-Wasserzeichen bei ChatGPT.

Bleibt die Plattformseite. Der Digital Services Act verpflichtet sehr große Plattformen allgemein dazu, systemische Risiken zu bewerten und zu mindern; wie das aussieht, erklären wir im Beitrag zu den DSA-Pflichten im Alltag. Das betrifft aber die Verbreitung, nicht das Postfach einer kleinen Redaktion. Wir bei digital-magazin.de halten deshalb fest: Modellanbieter, Plattformen und Redaktionen sitzen an drei verschiedenen Hebeln, und keiner ersetzt die anderen.

Was heißt das für Sie?

Kein Grund zur Aufregung, aber einer zum Nachsehen. Die folgenden Punkte sind Empfehlungen von uns, nicht von OpenAI, und keine Rechtsberatung.

• Redaktionen und Publisher: Prüfen Sie die Identität freier Schreibender – mit einem kurzen Videocall, früheren Arbeitsproben und Spuren außerhalb des einen Pitches. Werten Sie einen stilistisch perfekten Pitch nicht als Echtheitsbeleg. Fragen Sie nach, wenn ein „Thinktank“ anklopft.
• Pressestellen und Verbände: Fragen Sie sich, wer bei Ihnen Gastbeiträge, Kooperationsanfragen und Gutachten-Angebote auf Identität prüft – und wie. Ein Prozess, der nur auf Bauchgefühl beruht, kippt bei sprachlich glatten Anfragen.
• Policy-Interessierte: Lesen Sie Herstellerberichte als das, was sie sind: Selbstauskünfte. Fragen Sie, welche Ebene eine Regel erreicht – Modell, Plattform oder Redaktion – und welche nicht.
• Lesende: Lesende können wenig falsch machen, wenn sie bei unbekannten Namen in der Autorenzeile kurz nachsehen, ob es die Person außerhalb dieses einen Artikels überhaupt gibt. Und eine KI-Markierung allein beweist wenig – warum eine KI-Markierung kein Beweis ist, haben wir bereits erklärt.

Drei Fragen zum Mitnehmen: Woher wissen Sie, dass es die Person hinter einem Gastbeitrag gibt? Wer in Ihrer Redaktion oder Pressestelle prüft Identitäten – und wie? Was ändert sich, wenn ein Pitch sprachlich perfekt ist?

Und jetzt?

Mal ehrlich: Eine Patentlösung hat dieser Bericht nicht geliefert, und ich bin froh, dass er keine verspricht. Er zeigt, dass der Posteingang zu einer zentralen Station der Vertrauensarbeit geworden ist – ohne dass die Menschen dort etwas falsch gemacht hätten.

Meine Haltung dazu ist schlicht: Wissen, wer schreibt, ist keine Misstrauenskultur, sondern Handwerk. Es kostet Zeit, und die haben kleine Redaktionen selten.

Damit bleibt eine offene Frage, die ich nicht beantworten kann: Wer bezahlt die Identitätsprüfung im Medienalltag? Die Redaktion, die ohnehin knapp kalkuliert? Die Plattformen, die verteilen? Die Modellanbieter, deren Werkzeuge das Pitchen billig machen? Wir bei digital-magazin.de bleiben dran – und freuen uns auf Ihre Erfahrungen aus der Praxis.