KI-Texte, die nach Ihnen klingen: Rhythmus schlägt Tonalitäts-Etiketten

Kurz gesagt: KI-Texte, die nach Ihnen klingen, sind ein Datenproblem, kein Prompting-Problem. Jedes Modell verfällt standardmäßig in generische Konzern-Floskeln, weil das der statistische Mittelpunkt seines Trainings ist. Ein Tonalitäts-Etikett („professionell, aber warm“) kann es von diesem Mittelpunkt nicht wegziehen. Ein Writing-DNA-Profil kann das, weil es die zwei Dinge bewahrt, die Prosa erkennbar zu Ihrer machen: Ihren Rhythmus (Satzlänge, Platzierung von Einschränkungen, Übergänge) und Ihre Wortwahl. Geben Sie das Profil an ChatGPT, Claude oder Gemini, und das Modell hat Belege, denen es folgen kann, statt Adjektive, die es erraten muss.

Sie haben ChatGPT um eine kurze Notiz an einen Kunden gebeten. Zurück kam: „Ich hoffe, diese Nachricht erreicht Sie wohlbehalten. Ich wollte mich bezüglich unserer bevorstehenden Lieferung bei Ihnen melden.“ Keinen dieser beiden Sätze haben Sie je in Ihrem Leben geschrieben.

Diese Lücke zwischen dem, was Sie getippt hätten, und dem, was das Modell produziert hat, ist das ganze Problem. Sie zu schließen erfordert etwas Konkreteres als „lass es nach mir klingen“.

Warum verfallen KI-Texte standardmäßig in generische Konzern-Floskeln?

Große Sprachmodelle sind darauf abgestimmt, dem breitestmöglichen Publikum zu gefallen, und der sicherste Weg, allen zu gefallen, ist, nach niemandem Bestimmtem zu klingen. Das Ergebnis ist ein anbieterübergreifender Hausstil: mittellange Sätze, ausgewogene Struktur, abgeschwächte Aussagen und ein Vorrat an höflichen Eröffnungs- und Schlussformeln. Genau das bedeutet „generische Konzern-Floskeln“ in der Praxis, und es ist der Ruhezustand des Modells.

Wir haben das direkt beobachtet, als wir fünf KI-Modelle anhand von sechs Stildimensionen gemessen haben. Unterschiedliche Anbieter, unterschiedliche Architekturen, nahezu identische Ausgabesignaturen. Die Satzlänge konvergierte, die Formalität konvergierte, und selbst die Übergangswörter konvergierten. Die Modelle haben sich nicht gegenseitig kopiert. Sie tendierten alle zum selben statistischen Mittelwert, weil sie alle auf dasselbe optimiert waren: akzeptabel für den durchschnittlichen Leser.

Einige Merkmale tauchen in fast jedem ungelenkten Entwurf auf:

• Reflexartige Eröffnungen. „Ich hoffe, diese Nachricht erreicht Sie wohlbehalten.“ „Ich wollte mich bei Ihnen melden.“
• Gleichmäßige Satzlängen. Fünfzehn bis zwanzig Wörter, immer wieder, ohne kurzen Schlag und ohne langen Bandwurmsatz.
• Gestapelte Einschränkungen vor dem Punkt. „Es könnte sich lohnen, zu prüfen, ob“ statt „Prüfen Sie“.
• Schlussformeln, die nichts kosten. „Zögern Sie nicht, sich bei Fragen an mich zu wenden.“ „Ich freue mich auf die Zusammenarbeit.“

Nichts davon ist falsch. Alles davon ist austauschbar. Und genau diese Austauschbarkeit erkennt ein Leser, wenn er sagt, eine Nachricht „klingt nach KI“. Er erkennt den Mittelpunkt.

Was lässt einen Text tatsächlich nach Ihnen klingen?

Ein Text klingt nach Ihnen wegen messbarer Gewohnheiten, nicht wegen einer Stimmung. Die zwei mit dem stärksten Signal sind Rhythmus und Wortwahl, und beide sind weitaus konkreter als jedes Tonalitäts-Etikett.

Rhythmus ist die Form Ihrer Sätze im Verlauf. Manche Menschen schreiben in Schüben: ein Satz mit zwölf Wörtern, dann vier, dann zwanzig. Andere halten konstant zweiundzwanzig. Rhythmus umfasst auch, wo Sie Einschränkungen platzieren. Ein Schreiber stellt sie voran („Angesichts des Zeitplans denke ich, wir sollten ausliefern“). Ein anderer nennt die Entscheidung und schränkt danach ein („Ausliefern. Der Zeitplan ist eng, aber es ist die richtige Entscheidung“). Er umfasst auch Ihre Übergänge: ob Sie Gedanken mit „also“, „das heißt“, „allerdings“ oder gar nicht verbinden.

Wortwahl ist Ihr Arbeitsvokabular unter normalen Bedingungen. Die Verben, zu denen Sie greifen. Die Wörter, die Sie nie verwenden (viele Führungskräfte schreiben in ihrem ganzen Leben nie „darauf zurückkommen“, und das Modell greift ständig danach). Ob Sie „herausfinden“ oder „ermitteln“ sagen, „loslegen“ oder „initiieren“, „kurze Notiz“ oder „knappes Update“.

Hier dieselbe Nachricht im generischen Standard und in einer bewahrten Stimme:

Die rechte Spalte ist nicht „freundlicher“ oder „lockerer“ als Kategorie. Sie hat einen bestimmten Rhythmus (kurz, dann mittel, dann kurz), eine bestimmte Platzierung der Einschränkung (erst Entscheidung, dann Begründung) und eine bestimmte Wortwahl („schieben“, „Bescheid sagen“, „kaputt macht“). Das sind die Dinge, die ein Profil bewahren muss. Ein Tonalitäts-Adjektiv bewahrt keines davon.

Das ist auch der Grund, warum dieselbe Person auf Japanisch, Französisch oder Deutsch anders klingt, ohne wie eine andere Person zu klingen. Das Register verschiebt sich mit der Sprache, wie wir in unserem Leitfaden zur mehrsprachigen Stimmbewahrung erläutern, aber die zugrunde liegenden Rhythmusgewohnheiten und Vokabularpräferenzen reisen mit. Modelle bügeln diesen Unterschied glatt, wenn man es ihnen nicht anders sagt.

Warum beheben Tonalitäts-Etiketten und Custom Instructions das nicht?

Ein Tonalitäts-Etikett scheitert, weil es eine Menschenmenge benennt, und ein Modell, dem man eine Menschenmenge gibt, wählt deren Durchschnitt. „Professionell, aber freundlich“ trifft auf Tausende von Menschen mit völlig unterschiedlichen Satzrhythmen zu. Das Modell kann nicht wissen, welcher davon Sie sind, also produziert es den durchschnittlichen „professionell, aber freundlich“ schreibenden Menschen, und das ist der Konzern-Standard mit einem Lächeln obendrauf.

Custom Instructions helfen mehr als nichts, und OpenAIs eigene Dokumentation zu Custom Instructions ist der richtige Ort für Stimmregeln, sobald Sie welche haben. Das Scheitern liegt vor der Funktion. Die meisten Menschen füllen dieses Feld mit Adjektiven („prägnant, warm, selbstbewusst“), weil Adjektive das sind, wofür wir Wörter haben. Fast niemand schreibt „durchschnittliche Satzlänge 14 Wörter, Entscheidung vor Begründung, nie mit einer Höflichkeitsfloskel beginnen, ‚herausfinden‘ statt ‚ermitteln‘ verwenden“. Dabei ist diese zweite Version diejenige, die das Modell ausführen kann.

Es gibt ein zweites Problem: KI kennt Ihre Tonalität nicht. Sie kennt die Wörter, die Tonalität beschreiben. Wenn Sie „warm“ schreiben, ruft das Modell ab, wie warm klingender Text in seinen Trainingsdaten aussieht, und dieser Abruf ist wieder einmal der Mittelpunkt. Sie haben nach einem persönlichen Merkmal gefragt und eine Kategorie erhalten.

Die üblichen Lösungsversuche scheitern also auf vorhersehbare Weise:

1. Adjektivstapel („professionell, zugänglich, klar“) beschreiben eine Persona, also produziert das Modell eine Persona.
2. „Schreib so wie hier“ mit einer einzigen eingefügten E-Mail gibt dem Modell einen einzigen Datenpunkt. Es imitiert die Oberfläche dieser einen Nachricht und ignoriert alles, was die Nachricht zufällig nicht enthielt.
3. Die Ausgabe nachträglich bearbeiten funktioniert einmal, und dann tun Sie es morgen wieder und übermorgen wieder. Wir haben darüber geschrieben, warum das Bearbeiten von KI-Ausgaben die langsamste aller Lösungen ist: Die Korrektur fließt nie zurück in die Anweisungen.
4. Memory-Funktionen der Anbieter merken sich Fakten über Sie, nicht Ihre Prosodie. Sie wissen, dass Sie im Finanzwesen arbeiten. Sie wissen nicht, dass Sie nie Semikolons verwenden.

Jedes davon ist ein Prompt: eine Beschreibung dessen, wie Sie klingen möchten. Was fehlt, sind Belege dafür, wie Sie tatsächlich schreiben.

Wie bewahrt ein Writing-DNA-Profil Rhythmus und Wortwahl?

Ein Writing-DNA-Profil verwandelt Ihre echten Texte in explizite, messbare Regeln, denen das Modell folgen kann. So haben die generierten Inhalte ein anderes Ziel als den Konzern-Standard. Das ist der Kern unserer Position: Das Profil existiert, um individuellen Rhythmus und individuelle Wortwahl zu bewahren, und sobald diese bewahrt sind, bleibt für generische Floskeln keine Lücke mehr zu füllen.

Der Prozess läuft in drei Stufen ab, und die erste ist die, die die meisten Menschen überspringen.

1. Sammeln Sie Schreibproben, die Ihre Gewohnheiten zeigen. Fünfzehn bis zwanzig Texte, die Sie tatsächlich verschickt haben, aus allen Kontexten, in denen Sie schreiben. E-Mails an Kunden, Nachrichten an Ihr Team, ein oder zwei längere Dokumente. Die Schreibproben sind die Belege. Unser Leitfaden zur Auswahl von Schreibproben für die KI-Analyse erklärt, was hinein gehört und was draußen bleibt (alles, was stark von jemand anderem bearbeitet wurde, alles, was Sie in einer Stimme geschrieben haben, die nicht Ihre war).

2. Extrahieren Sie die Muster. Hier verdient sich das Profil seinen Namen. Die Analyse liest quer durch Ihre Schreibproben und hält fest, was stabil ist: Ihre Satzlängenverteilung, Ihr Verhältnis von kurzen zu langen Sätzen, wo Ihre Einschränkungen landen, welche Übergänge Sie bevorzugen, Ihre wiederkehrenden Verben, das Vokabular, das Sie meiden, wie sich Ihr Register zwischen Zielgruppen verschiebt. Wie die Stilextraktion funktioniert geht tiefer auf die Dimensionen ein, aber der wichtige Punkt ist, dass jede davon als Regel mit einem Wert formuliert wird, nicht als Adjektiv.

3. Setzen Sie es dort ein, wo das Modell Anweisungen liest. Das Ergebnis ist ein Stilprofil in reinem Text. Es kommt in die Custom Instructions von ChatGPT oder in ein Projekt, in den System Prompt eines Claude-Projekts (Anthropics Leitfaden zu System Prompts erklärt, warum Anweisungen dort am konsistentesten befolgt werden) oder in einen Gemini Gem. Dasselbe Profil, jedes Tool.

Der Grund, warum das einen Prompt übertrifft, ist keine Magie. Das Modell war immer in der Lage, mit 14 Wörtern pro Satz zu schreiben, die Entscheidung voranzustellen und auf Höflichkeitsfloskeln zu verzichten. Es hat es nie getan, weil nichts es dazu angewiesen hat und sein Standard in die andere Richtung zog. Das Profil ersetzt eine Vermutung durch eine Spezifikation.

Daraus folgen zwei Konsequenzen, die leicht zu übersehen sind.

Bessere Modelle machen das Profil wertvoller, nicht weniger wertvoll. Modellfähigkeit und Wissen über Ihr Schreiben sind getrennte Schichten. Die Labore verbessern die erste mit jeder Veröffentlichung und können die zweite nicht liefern. Ein Modell, das nuancierten Anweisungen zuverlässiger folgt, folgt auch Ihren Anweisungen zuverlässiger. Jedes Upgrade vergrößert also den Abstand zwischen einem Nutzer mit Profil und einem ohne.

Das Profil ist ein Vermögenswert, keine Sitzung. Ein cleverer Prompt lebt in einem Chatfenster. Ein Writing Twin für ChatGPT, Claude und Gemini ist ein Dokument, das Ihnen gehört, das Sie zwischen Tools mitnehmen und aktualisieren, wenn sich Ihr Schreiben weiterentwickelt. Wechseln Sie den Anbieter, kommt es mit.

Wie prüfen Sie, ob KI-Texte nach Ihnen klingen?

Der schnellste Test dauert fünf Minuten und braucht keine Tools: Generieren Sie eine Nachricht und prüfen Sie sie anhand von drei Ihrer eigenen Gewohnheiten, bevor Sie sie auf den Inhalt hin lesen.

1. Zählen Sie die Satzlängen im ersten Absatz. Wenn jeder Satz zwischen 15 und 20 Wörtern liegt, ist das Modell auf seinem Standard. Ihr echtes Schreiben variiert mit ziemlicher Sicherheit stärker.
2. Finden Sie die erste Einschränkung. Steht sie vor oder nach der Entscheidung? Vergleichen Sie mit drei E-Mails, die Sie letzte Woche verschickt haben.
3. Suchen Sie nach Wörtern, die Sie nie verwenden. „Erfreut“, „sich melden“, „abstimmen“, „darauf zurückkommen“, „in Zukunft“. Tauchen zwei oder mehr auf, zeigt sich der Konzern-Mittelpunkt.

Wenn der Entwurf bei zwei von drei Punkten durchfällt, liegt die Lösung vorgelagert, in den Anweisungen. Ein „lass es mehr nach mir klingen“ im Chat verschiebt die Ausgabe leicht, und in der nächsten Sitzung driftet sie zurück. Einmal ein Schreibstil-Profil zu erstellen und es dort einzufügen, wo das Modell Anweisungen liest, verschiebt den Standard selbst.

Eine gründlichere Version dieses Tests: Nehmen Sie eine E-Mail, die Sie geschrieben haben, verbergen Sie sie, bitten Sie das Modell mit geladenem Profil, dieselbe Nachricht zu schreiben, und legen Sie dann beide einer Kollegin oder einem Kollegen vor, die Sie kennen. Können sie Ihre nicht zuverlässig herauspicken, erfüllt das Profil seinen Zweck. Können sie es, schauen Sie, welche der drei Gewohnheiten es verraten hat, und prüfen Sie, ob Ihre Schreibproben diese Gewohnheit tatsächlich gezeigt haben. Meist liegt die Lücke in den Schreibproben, nicht im Modell.

Wo Sie anfangen

Die Reihenfolge ist entscheidend. Schreibproben vor Regeln, Regeln vor Prompts.

• Sammeln Sie 15 bis 20 Texte, die Sie ohne starke Bearbeitung verschickt haben, an mindestens zwei verschiedene Zielgruppen.
• Notieren Sie drei Gewohnheiten, die Sie bereits erkennen können: typische Satzlänge, Entscheidung zuerst oder Kontext zuerst, und fünf Wörter, die Sie nie schreiben würden.
• Tragen Sie diese drei Regeln noch heute in Ihre Custom Instructions ein. Selbst dieser kleine Schritt bewegt das Modell weg von seinem Mittelpunkt.
• Wenn Sie den vollständigen Mustersatz möchten, einschließlich der Gewohnheiten, die Sie an sich selbst nicht sehen können, erstellen Sie aus Ihren Schreibproben einen Writing Twin für ChatGPT, Claude und Gemini und setzen Sie dasselbe Stilprofil überall ein, wo Sie schreiben.

Bei KI-Texten, die nach Ihnen klingen, ging es nie darum, das richtige Adjektiv zu finden. Es geht darum, dem Modell Belege für Ihren Rhythmus und Ihre Wortwahl zu geben, damit der generische Konzern-Standard nichts mehr auszufüllen hat.