Damit KI klingt wie wir: Was KI-Texten wirklich fehlt

Mittlerweile nutzen viele von uns KI für Texte. Für Briefings, Präsentationen, Social-Media-Posts, interne Kommunikation. Das Grundprinzip kennt inzwischen fast jeder: Prompt eingeben, Ergebnis prüfen, anpassen, fertig.

Nur: Die Ergebnisse klingen oft irgendwie ähnlich. Nicht falsch, nicht schlecht. Aber auch nicht wirklich nach uns. Nicht nach unserer Marke, nicht nach unserer Sprache, nicht nach dem, wie wir eigentlich kommunizieren wollen. Wer schon mal einen KI-Text gelesen hat und sofort dachte „das klingt nach ChatGPT", weiß, was ich meine.

Ich habe mich in den letzten Monaten intensiv damit beschäftigt, woran das liegt. Und was man dagegen tun kann.

Was KI eigentlich braucht, um nach uns zu klingen

Das Problem ist nicht die KI. Das Problem ist der fehlende Kontext.

Sprachmodelle schreiben nach dem, was sie kennen. Und was sie kennen, ist das, was im Internet steht: hunderttausende von Texten, die alle nach einem ähnlichen Muster klingen. Professionell, strukturiert, kompetent. Und austauschbar.

Wenn wir der KI nicht aktiv beibringen, wie wir schreiben, wie wir klingen, was wir vermeiden und wie unsere Zielgruppe tickt, dann füllt sie diese Lücke mit dem, was sie hat. Das ist eben nicht unsere Stimme.

Die gute Nachricht: Das lässt sich ändern. Nicht durch bessere Prompts allein, sondern durch systematische Kontext-Dokumente, die wir der KI als Wissensgrundlage mitgeben. Im Prinzip das, was gute Briefings schon immer konnten. Nur jetzt für eine Maschine.

Die Dateien, die wirklich einen Unterschied machen

Ich habe in den letzten Monaten begonnen, solche Dokumente für unsere Marketing-Arbeit zu entwickeln. Dabei hat sich eine grobe Hierarchie herauskristallisiert: Was ist unverzichtbar, was bringt einen spürbaren Qualitätssprung, was ist eher etwas für fortgeschrittene Setups.

Was auf jeden Fall vorhanden sein sollte:

Ein Anti-AI Style Guide ist für mich das wichtigste Dokument. Er enthält universelle Stilregeln, eine Liste verbotener Wörter und Phrasen, die KI-generierte Texte sofort verraten, und eine Checkliste für die Qualitätsprüfung vor der Veröffentlichung. Er schärft nicht nur den Output der KI, er schärft auch das eigene Bewusstsein für sprachliche Muster.

Ein Begriffsglossar klingt zunächst unspektakulär, ist aber enorm hilfreich. Es enthält firmenspezifische Begriffe, korrekte Schreibweisen, Abkürzungen und Wörter, die bewusst vermieden werden sollen. KI schreibt sonst das, was am häufigsten vorkommt. Nicht das, was bei euch gilt.

Das Tone-of-Voice-Profil beschreibt die konkrete Stimme: Wie direkt sind wir? Wie viel Fachsprache? Sprechen wir per Du oder Sie? Was klingt nach uns, was definitiv nicht? Am nützlichsten finde ich hier den Ansatz „Wir klingen wie... / nicht wie...", weil er greifbar bleibt und nicht in abstrakten Adjektiven endet.

Und dann sind da die Referenztexte: zehn bis fünfzehn qualitätsgeprüfte Beispieltexte, an denen das Sprachmodell den gewünschten Stil lernt, statt ihn aus abstrakten Regeln abzuleiten. Das ist vermutlich der wirkungsvollste Hebel, den ich kenne.

Was einen deutlichen Qualitätssprung bringt:

Wenn diese Basis steht, machen folgende Dokumente nochmal einen spürbaren Unterschied:

Zielgruppen-Profile definieren, für wen geschrieben wird: Rolle, Schmerzpunkte, Sprachniveau, Lesegewohnheiten. Eine Produkt- oder Leistungswissensbasis gibt der KI sachliches Fundament, ohne das sie Details erfindet oder vage bleibt. Eine Do/Don't-Liste geht über den allgemeinen Style Guide hinaus: Gendern ja oder nein? Welche Zahlenformate? Was sind Tabuthemen? Und ein Themen- und Keyword-Dokument steuert, worüber überhaupt geschrieben wird und was lieber nicht.

Optional, wer noch tiefer einsteigen will:

Talking Points mit Kernbotschaften und freigegebenen Claims, eine Wettbewerber-Abgrenzung für klare Positionierung, Format-Templates für wiederkehrende Textformate, und Negativ-Beispiele mit Annotation, die zeigen, wie es explizit nicht klingen soll. Letzteres klingt aufwendig, ist aber erstaunlich effektiv: Konkrete Vorher/Nachher-Paare erklären der KI oft mehr als seitenlange Regeln.

Was ich dabei unterschätzt habe

Ich muss ehrlich sein: Den Aufwand für diese Arbeit hatte ich anfangs deutlich zu niedrig angesetzt.

Diese Dokumente entstehen nicht mal eben in einem Nachmittag. Ein gutes Tone-of-Voice-Profil braucht echte Auseinandersetzung mit der eigenen Kommunikation. Referenztexte müssen sorgfältig ausgewählt, geprüft und vielleicht auch noch in ein besonders gut lesbares Format für die KI umgewandelt werden (Tipp: markdown). Und der Anti-AI Style Guide entwickelt sich weiter, je mehr man damit arbeitet.

Das ist keine Kritik am Ansatz. Aber es lohnt sich, das realistisch einzuplanen. Wer denkt, ein paar Zeilen im Prompt reichen langfristig aus, wird irgendwann frustriert sein. Wer bereit ist, diese Vorarbeit zu leisten, merkt nach einer Weile, dass die KI-Texte nicht mehr komplett überarbeitet werden müssen. Sie müssen nur noch verfeinert werden.

Das gilt auch für den persönlichen Gebrauch

Etwas, das mir in diesem Prozess aufgegangen ist: Diese Logik funktioniert nicht nur für Unternehmen und Marketingteams.

Wer KI regelmäßig für die eigene Kommunikation einsetzt, ob für LinkedIn, für E-Mails oder für Berichte, profitiert genauso von einem persönlichen Tone-of-Voice-Profil, einem eigenen Stilglossar, ein paar guten Referenztexten. Der Aufwand ist kleiner als bei einer Marke, aber die Wirkung ist dieselbe: Die Ergebnisse klingen nach einem selbst.

Und für alle, die jetzt denken „wo fange ich überhaupt an": Claude kann zum Beispiel sehr gut dabei helfen, diese Dokumente im geführten Interviewmodus gemeinsam zu erarbeiten. Man muss das nicht alleine herausfinden.

Der Unterschied zwischen einem Text, der nach KI klingt, und einem, der nach uns klingt, liegt selten an der KI.