Wer der KI nichts zu lesen gibt, bestellt den Durchschnitt

„Bitte schreib mir einen Teaser für einen Bericht über unser Webinar.“ Diesen Auftrag habe ich Claude in unserem Webinar zu KI im Marketing dreimal gegeben und zwischen den Runden nur das Material dazu verändert.

Die Demo galt einem Einwand, der in Gesprächen über ChatGPT — für viele das Synonym für alle KI-Textwerkzeuge — ganz oft fällt: „Ja, aber ChatGPT schreibt ja nur generische Texte.“ In der ersten Runde bekam Claude nichts weiter als unseren Ankündigungstext, und der Einwand behielt recht. Zurück kam ein Text, der ganz okay klang. Während Unternehmen „täglich KI-generierten Content in Massen produzieren“, stünden viele vor der Wahl: „mithalten oder untergehen“. So ein Satz passt über jedes KI-Webinar, und genau deshalb bleibt er nirgends hängen.

Dann habe ich vier kurze Teaser aus der Gratiszeitung „Heute“ dazu­gelegt, sonst nichts. Derselbe Auftrag lieferte jetzt „Schockbeichte einer Marketing-Expertin: Die meisten ahnen nicht, wie weit ihre Konkurrenz schon ist“ und „KI-Expertin enthüllt: So verlieren deutsche Firmen den Anschluss“. In der dritten Runde ersetzte ich die Teaser durch vier Beispiele der Satirezeitung Tagespresse, und der Ton kippte noch einmal. Jetzt flehte in einer von Claudes Schlagzeilen die „letzte PR-Agentur ohne KI“: „Bitte nicht entlassen.“ Weiter hieß es, während die Konkurrenz „von KI-Algorithmen ersetzt wurde“, klammere sich die letzte österreichische PR-Agentur „verzweifelt an veraltete Praktiken wie selber schreiben und nachdenken“.

Im Webinar habe ich an dieser Stelle gefragt: „Was ist da eigentlich passiert?“ Das Modell blieb dasselbe, der Auftrag blieb derselbe, und der Text sprang trotzdem von der Ankündigungsprosa zum Boulevard und zur Satire. Bewegt hatte sich zwischen den Runden nur das Material.

Bevor ich Claude den belanglosen ersten Aufhänger vorwerfe, sehe ich mir besser den Auftrag an, mit dem ich ihn bestellt habe.

Der Durchschnitt ist kein Unfall

Vier Beispielabsätze haben entschieden, wie der Text über unser Webinar klingt. Das ist die ganze Mechanik: Sprachmodelle erkennen Muster und setzen sie fort. Bekommen sie deine Muster, setzen sie deine fort. Bekommen sie keine, greifen sie auf die Muster zurück, die sie am häufigsten gesehen haben — den Durchschnitt aller Marketingtexte, mit denen sie trainiert wurden.

„Mach das professioneller“ ist deshalb ein Durchschnittsauftrag. Er sagt dem Modell: Nimm meinen Text und schieb ihn dorthin, wo die meisten Texte stehen. Das Modell versagt an dieser Aufgabe nicht. Es erfüllt sie. Es liefert die abgesicherten Halbsätze, den freundlichen Ton und die Übergänge, die im Mittel aller Firmenkommunikation als professionell gelten. Unser erster Bericht war genau das: Der Ankündigungstext hatte Claude das Thema geliefert, aber kein Tonvorbild — also kam der Durchschnitt aller Texte über KI-Webinare zurück. Der Text wird beim Durchschnittsauftrag wirklich besser lesbar. Er verliert nur das Einzige, was ihn von den Texten der Mitbewerber unterscheidet: die Details, die es nur in deiner Arbeit gibt.

Dass beides zusammen auftritt, ist gemessen. In einem Experiment, in dem Menschen Kurzgeschichten mit KI-Ideen schrieben, wurden die einzelnen Geschichten im Schnitt als besser geschrieben und unterhaltsamer bewertet, am deutlichsten bei den weniger kreativen Schreiber:innen. Zugleich wurden die Geschichten einander ähnlicher; ein Vergleich über vier Studien fand dieselbe Angleichung beim reinen Überarbeiten: Der Kerninhalt bleibt oft erhalten, die persönlichen Stilmerkmale gleichen sich an. Die Texte werden besser — und sie werden es auf dieselbe Weise.

Übernommen wie geliefert

Texte sind mein Beruf. Seit zehn Jahren bringe ich Themen aus dem Gesundheits- und Tech-Bereich in Medien, vom ORF bis zur Kronen Zeitung. Und die Studie, die mir die Ausrede genommen hat, ist diese: In 300 Essays, die Menschen gemeinsam mit einem Modell schrieben, kam die Angleichung überwiegend aus den unverändert übernommenen Modellpassagen — die menschlich geschriebenen Teile veränderten ihr Muster kaum. Für mich heißt das zweierlei: Meine Sprache bleibt meine, solange ich selbst schreibe. Und wenn mein Text trotzdem nach allen anderen klingt, war nicht die Maschine schuld. Ich habe ihre Sätze stehen lassen.

Das gilt für dich genauso: Das Modell verändert nicht heimlich deine Sprache. Es macht Vorschläge aus der Mitte, und austauschbar wird dein Text in dem Moment, in dem du sie unverändert stehen lässt.

Ein Wechsel des Modells löst das übrigens nicht — die Angleichung blieb in dem Vier-Studien-Vergleich von oben über Modelle und Prompts hinweg stabil. Und das Gegenstück zum Durchschnitt kenne ich aus meinen eigenen Entwürfen: Gebe ich Claude nur ein einzelnes Beispiel mit, übernimmt es manchmal die ganze Headline und tauscht nur ein paar Wörter aus. Ein einzelnes Beispiel ergibt eben kein Muster, sondern eine Vorlage — statt des Durchschnitts aller Texte steht dann die Kopie eines einzigen in meinem Entwurf. Beide Fälle haben denselben Kern: Ich habe die Maschine entscheiden lassen, wie der Text klingt. Und die Kopie wird erst dann mein Fehler, wenn ich sie stehen lasse. Seitdem gebe ich mehrere Beispiele mit, und zwar bewusst unterschiedliche.

Manche Texte dürfen Standard sein

Zur Ehrlichkeit gehört die andere Hälfte der Befunde. In einem Experiment erledigten Berufstätige typische Schreibaufgaben mit ChatGPT deutlich schneller, und ihre Texte wurden im Schnitt besser bewertet. Im Kundensupport zeigt sich dasselbe Bild.

Dort ist der Durchschnitt kein Risiko, sondern der Auftrag. Eine Versandbestätigung soll niemanden überraschen. Wenn dein Ziel Tempo, Verständlichkeit oder Konsistenz ist, dann ist der Durchschnittsauftrag genau der richtige Auftrag, und du darfst ihn ohne schlechtes Gewissen geben.

Genauso ehrlich muss die Grenze unserer These sein. Belegt ist: KI-überarbeitete Texte werden einzeln besser und untereinander ähnlicher, und die Angleichung kommt vor allem vom unveränderten Übernehmen. Nicht belegt ist, dass dieser Gleichklang einer Marke messbar schadet. Die Angleichung selbst ist vor allem an Kurzgeschichten und Essays gemessen, nicht an Marketingtexten, und keine der Studien misst, ob eine B2B-Marke nach einem Jahr geglätteter Posts weniger wiedererkannt wird oder weniger Anfragen bekommt. Ich halte diesen Schaden für plausibel — unser Redaktionsprozess mit seinen menschlichen Freigaben ist auf genau diese Annahme gebaut. Gemessen haben wir ihn nicht.

Ein zweites Eingeständnis steht in unseren eigenen Meeting-Notizen von Ende Juli: Unsere Schreibstil-Vorlage, genau das Dokument, das unsere Texte vor dem Durchschnitt schützen soll, war noch nicht fertig. Den Abstand zwischen dem Prozess, den man empfiehlt, und dem, den man lebt, kennen wir aus der Nähe.

Was nur du liefern kannst

„Mensch oder KI“ ist darum die falsche Frage. Die Trennlinie, auf die es ankommt, verläuft mitten durch den einzelnen Text: welche Teile Standard sein dürfen und welche aus eigener Beobachtung stammen müssen.

Wohin es führt, wenn alle nur den Standardteil skalieren, sehen wir in unserem eigenen Posteingang. Ende Juli haben wir im Weekly darüber gescherzt, dass die Kalt-Akquise-Mails bei uns alle dieselbe Struktur haben — und dass fast jede die „91,3 %“ von unserer Code Q Homepage aufgreift, als wäre das der persönliche Einstieg.

Das ist eine Beobachtung, keine Messung. Aber sie passt zu dem Bild eines Kanals, in dem alle denselben Durchschnittsauftrag skalieren.

Die Übergabe an Claude sieht bei mir so aus: Bevor es einen Satz für mich formuliert, bekommt es eine präzise Rolle, die Zielgruppe, den Zweck des Textes und mehrere eigene Beispiele, die bewusst nicht gleich klingen. Danach beginnt der Teil, der sich nicht abgeben lässt: lesen, vergleichen, verwerfen und nachschärfen — und am Ende entscheiden, welcher Vorschlag es wird oder ob keiner es wird.

Was vier Beispielsätze in unserem Webinar angerichtet haben, taucht inzwischen auch in Zahlen auf. Zwei junge Arbeiten deuten in dieselbe Richtung, beide so neu, dass andere Teams sie noch nicht bestätigt haben: In 6.875 Essays, die Studierende mit KI-Unterstützung schrieben, drehten genauere Vorgaben an das Modell den Effekt um; statt sich weiter anzugleichen, argumentierten die Texte wieder unterschiedlich tief. Und Ideen aus zehn bewusst unterschiedlichen KI-Personas hielten die Vielfalt von Kurzgeschichten stabil.

Der unbequeme Teil: Diese Redaktionsarbeit kostet genau die Seniorzeit, die KI einsparen soll. Im Kundensupport half der Assistent den weniger Erfahrenen am meisten. Beim Redigieren dreht sich das um: Beispiele sammeln, die eigene Stilvorlage erarbeiten und jeden Vorschlag wirklich lesen kann nur, wer den Unterschied hört. Bei den Texten, an denen man uns erkennen soll — Positionierung, persönliche Beiträge und dieser Blog —, ist die Redaktionsarbeit kein Overhead. Sie ist die Arbeit.

Die letzte Auswahl bleibt bei dir

Für eine Terminabsage, einen Statusbericht und die Zusammenfassung eines Meetings gilt das alles nicht. Dort bringt dich das Modell schneller zu einem klaren Text, als du allein gebraucht hättest, und niemand vermisst dabei etwas. Auch unser erster Webinar-Teaser war kein schlechter Text. Als Ankündigung im Newsletter hätte er seinen Zweck erfüllt, und wahrscheinlich hätte ihn niemand beanstandet. Nur hätte ihn jede andere Agentur genauso verschicken können.

Wenn du das nächste Mal „mach das professioneller“ tippst, entscheide vorher, was die Maschine bekommt — welche Beispiele, welche Rolle und welchen Zweck — und was sie nicht bekommt: die letzte Auswahl.