Axios hat einen custom GPT entwickelt, um lokale News in Städten mit nur einem Reporter zu betreiben

Der Axiomizer und die komponentenweise Strategie

Das konkreteste Element in diesem Gespräch ist der Axiomizer, ein custom GPT, bei dem Reporter Entwürfe einreichen und dafür schärfere Überschriften sowie straffere Versionen der charakteristischen Axios-Rubriken erhalten — 'Why it matters', 'What's next' und 'Between the lines'. Editing- und Stilprüfungen werden in dasselbe Tool integriert, sodass Redakteure ihre Zeit auf inhaltliche Entscheidungen statt auf Formatierungskorrekturen verwenden können.

Bemerkenswert ist der bewusst begrenzte Umfang. Murphy sagt, man habe den Newsletter in Komponenten zerlegt, statt zu versuchen, alles auf einmal zu automatisieren, und dass gelte: 'Je spezifischer die Aufgabe, desto besser die Ergebnisse.' Das ist eine technische Haltung, keine marketinggetriebene: Enge, klar umrissene Aufgaben sind der Bereich, in dem aktuelle Modelle zuverlässig funktionieren, und Axios baut seinen Workflow um diese Einschränkung herum, statt sie zu ignorieren.

Die Nachrichtenübersicht ist das klarste Beispiel. Statt ein Modell raten zu lassen, was lokal wichtig ist, hat Axios den tatsächlichen Arbeitsprozess jedes Reporters erfasst — welchen Nachbarschafts-Blogs, regionalen Medien und Nischenquellen er vertraut — und dies in Prompts kodiert. Das Ergebnis ist eine kurze, geprüfte Liste, die der Reporter weiterhin selbst kuratiert. Die menschliche Beurteilung ist in den Prompt gewandert; die mühsame Zusammenstellung von Kandidaten wurde automatisiert.

Die Ein-Reporter-Stadt ist das eigentliche Produkt

Der strategische Kern der Ankündigung ist eine Aussage zum Geschäftsmodell, keine technologische. Axios erklärt, inzwischen eine Stadt mit nur einem Reporter und ohne zusätzliche Produktionsebene starten zu können, und hat dies bereits in Boulder und Huntsville, Alabama umgesetzt — beschrieben als die ersten Ein-Reporter-Städte des Unternehmens.

Murphy macht unverblümt klar, dass die Krise der Lokalnachrichten ein wirtschaftliches Problem ist: Journalismus muss auf jede Community individuell zugeschnitten sein, was sich gegen die Kosteneffizienz durch Copy-Paste sperrt, auf die andere Branchen setzen. Das Argument lautet, dass KI diese Rechnung verändert, indem sie Kosten eliminiert, die für Leser keinen Mehrwert bringen, und der Redaktion so den Zugang zu Orten ermöglicht, die zuvor kein eigenes Büro tragen konnten.

Wenn wir eine neue Stadt mit nur einem großartigen Reporter starten können — ohne eine ganze zusätzliche Ebene an Produktion und Unterstützung zu benötigen —, können wir an Orte gehen, an die wir zuvor nie gehen konnten.Montana Labs

Das rückt die gesamte Übung in ein neues Licht. Das KI-Tooling ist nicht das eigentliche Ergebnis; das Ergebnis ist eine niedrigere Kostenuntergrenze pro Stadt. Der Axiomizer und die Übersichts-Prompts existieren, um einen Reporter dort tragfähig zu machen, wo früher zwei oder drei nötig waren.

Öffentlich zugängliche, aber praktisch unbeachtete Aufzeichnungen in Leads verwandeln

Ein zweiter Anwendungsfall ist eher investigativer Natur: das Zusammenfassen von Stadtratssitzungen, Aufnahmen von Schulbehörden und Regierungsprotokollen, die zwar formal öffentlich, praktisch aber kaum beachtet werden. Murphy beschreibt dies so, dass man erkennt, wohin sich eine Geschichte entwickelt, damit der Reporter weiß, wen er anrufen muss, statt eine dreistündige Sitzung durchzusitzen.

Es gibt ein paralleles Data-Tooling-Projekt — übersichtliche Diagramme, 'geprüfte Zahlen' und transparente Vergleiche zu Immobilienpreisen und Schulleistungen —, das die analytische Ebene standardisieren soll, während die Berichterstattung lokal bleibt. Die Unterscheidung, die Murphy trifft, ist präzise: alles rund um den Reporter standardisieren, niemals aber die Stimme des Reporters.

Die Feedback-Schleife mit Lesern folgt derselben Logik. Axios führt in allen seinen Städten vierteljährliche Umfragen durch, hat aber nur eine einzige Person für Audience Insights. Analysen, die früher Wochen dauerten, ergeben heute innerhalb eines Tages eine einseitige Zusammenfassung pro Stadt — eine Geschichte über den Abbau von Engpässen, weniger über Content-Generierung.

OpenAI finanziert das Experiment, das mit seinem eigenen Produkt betrieben wird

Das Detail, das dies zu mehr als einem bloßen Kundenzeugnis macht, steht am Ende des Artikels: OpenAI ist eine Partnerschaft mit Axios eingegangen, um die Expansion von Axios Local auf Städte wie Pittsburgh, Kansas City, Boulder und Huntsville zu finanzieren. Der Anbieter finanziert also den Rollout genau jenes Workflows, der sein eigenes Produkt vorführt.

Diese Verbindung ist für Fachleute, die dies lesen, zweischneidig. Die positive Lesart: Axios' Zerlegungsansatz — Expertenwissen in enge Prompts kodieren, Routinearbeit automatisieren, den Menschen im Zentrum halten — ist ein wiederholbares Muster, das auch ohne die Finanzierung funktionieren würde. Die vorsichtige Lesart: Die wirtschaftliche Tragfähigkeit der Ein-Reporter-Stadt ist noch nicht mit Axios' eigenem Geld bewiesen worden. Wenn Tooling und Wachstumskapital aus derselben Quelle stammen, bleibt die Aussage zur Nachhaltigkeit eine offene Frage und kein gesichertes Ergebnis.