Das Median-Nutzer-Problem: Warum KI darauf trainiert wurde, wie jeder zu klingen

Die Beschwerde über KI-Texte ist immer dieselbe: Sie sind in Ordnung.

Hilfreich. Kompetent. Höflich. Man kann keinen Fehler finden. Aber wenn Sie die Antwort lesen, sie wirklich lesen, fühlt es sich nicht an, als wäre sie für Sie geschrieben worden. Der Karriere-Ratschlag passt grob zu Ihrer Situation, aber nicht zu Ihrer tatsächlichen Lage. Der E-Mail-Entwurf ist korrekt, aber blutleer. Das Projekt-Update liest sich wie eine Vorlage, nicht wie etwas, das Sie selbst versenden würden.

Also geben Sie Ihren Prompts die Schuld. Sie belegen Kurse, probieren Frameworks aus, lernen Techniken, um bessere Fragen zu stellen. Und besseres Prompting hilft tatsächlich, so wie das Lenken hilft, wenn Sie in die falsche Richtung fahren. Es verbessert das Erlebnis, ohne die Ursache dafür zu beheben, warum das Erlebnis überhaupt verbessert werden musste.

Hier ist der Punkt: Der Grund, warum KI-Texte generisch in Ordnung wirken, ist, dass sie darauf optimiert wurden, generisch in Ordnung zu sein. Das ist kein Nebeneffekt. Das ist das Trainingsziel.

---

Wie KI lernt, durchschnittlich zu sein

Jedes große KI-Modell (ChatGPT, Claude, Gemini) durchläuft einen Trainingsprozess namens RLHF: Reinforcement Learning from Human Feedback.

So funktioniert es, vereinfacht dargestellt:

1. Das Modell generiert mehrere Antworten auf denselben Prompt.
2. Menschliche Bewerter vergleichen die Ergebnisse und wählen die bevorzugte aus.
3. Das Modell lernt, Antworten zu produzieren, die diese Bewerter auswählen würden.

Klingt vernünftig. Das Problem ist, wer diese Bewerter sind und, noch wichtiger, wer sie nicht sind.

Sie sind nicht Sie. Sie sind nicht Ihr Kollege, Ihr Kunde oder Ihr CEO. Es sind angestellte Bewerter, die täglich Tausende von Vergleichen durchführen und dabei ihre eigenen Vorlieben, Vorurteile und Ermüdungserscheinungen in die Aufgabe einbringen. Wenn Tausende von Bewertern Millionen von Outputs bewerten, lernt das Modell, was bei generischen Bewertern tendenziell gewinnt.

Keine Antworten, die auf Ihre Expertise abgestimmt sind. Keine Antworten, die an die Normen Ihrer Branche angepasst sind. Keine Antworten, die durch die Beziehung geprägt sind, die Sie zu der Person haben, die sie liest.

Antworten, die auf eine hypothetische typische Person zugeschnitten sind, die eine ähnliche Frage stellt. Das statistische Zentrum. Eine Mischung aus den Vorlieben aller und niemandem im Besonderen.

Die Trainingspapiere von Anthropic und OpenAI beschreiben diesen Prozess offen. Es ist kein Geheimnis. Es ist nur nichts, worüber die meisten Menschen nachdenken, wenn sie von KI-Texten frustriert sind.

---

Der Median-Nutzer existiert nicht

Jedes Mal, wenn Sie KI mit Standardeinstellungen verwenden, erhalten Sie eine Antwort, die für den Median-Nutzer optimiert ist – eine Person, die tatsächlich nicht existiert.

Diese fiktive Durchschnittsperson schreibt in einem mittelformalen Register. Sie bevorzugt strukturierte Antworten mit klaren Überschriften. Sie mag ihre Absätze mittellang und ihren Tonfall professionell, aber zugänglich. Sie verwendet niemals aggressiv Gedankenstriche, beginnt niemals einen Satz mit einem einzigen Wort für mehr Wirkung, setzt niemals schwarzen Humor in einem Status-Update ein.

Der Median-Nutzer ist angenehm, kompetent und völlig vergessenswert. Und genau so klingen KI-Texte, wenn Sie sie direkt verwenden.

Sie haben wahrscheinlich die verräterischen Anzeichen bemerkt. KI-generierte Texte verlassen sich übermäßig auf bestimmte Wörter („vertiefen“, „erleichtern“, „nutzbar machen“, „beleuchten“), die bei jedem Modell mit ungewöhnlicher Häufigkeit auftreten. Sie sichern sich ständig ab: „es ist wichtig zu beachten“, „im Allgemeinen“, „es ist erwägenswert“. Sie glättet jede Kante, relativiert jede Behauptung und produziert Prosa, die unmöglich zu kritisieren, aber auch unmöglich zu verbinden ist.

Ihr Satzrhythmus? Abgeflacht. Ihre Interpunktionsmuster? Normalisiert. Ihr Schreib-Fingerabdruck? Aus der Existenz gemittelt.

Das sind keine Fehler. Das sind Merkmale eines Systems, das darauf optimiert ist, für das größtmögliche Publikum unauffällig zu sein.

---

Die Zahlen hinter dem Problem

Das ist nicht nur ein Gefühl. Die Daten bestätigen es. (Für die vollständige empirische Analyse siehe warum KI-Texte generisch klingen: die Daten hinter dem Problem.)

• 83 % der Verbraucher können KI-generierte Inhalte mittlerweile erkennen. Die Leute merken es. Sie wissen vielleicht nicht, warum es sich seltsam anfühlt, aber sie wissen, dass es so ist. (Originalforschung über Content-Marketing-Studien)
• Menschlich verfasste Inhalte erhalten 5,44-mal mehr Traffic als KI-generierte Inhalte, doch Unternehmen setzen weiterhin verstärkt auf automatisierte Erstellung.
• Inhalte mit einem unverwechselbaren Stil generieren 3-mal mehr Engagement als standardisierte Botschaften.
• Unternehmen mit unverwechselbaren Markenpersönlichkeiten verzeichnen eine um 20 % höhere Kundenbindung im Vergleich zu generischer Positionierung.

Und das Problem beschleunigt sich. Forscher nennen es Modellkollaps: Während KI-generierte Inhalte das Internet überfluten, trainieren neue Modelle mit diesen Inhalten anstatt mit von Menschen geschriebenen Texten. Jede Generation wird einheitlicher, durchschnittlicher, generischer. Eine Nature-Studie aus dem Jahr 2024 ergab, dass Modelle, die mit von Vorgängern generierten Texten trainiert wurden, mit jeder Generation konsistente Abnahmen der lexikalischen, syntaktischen und semantischen Vielfalt aufweisen.

Die Stil-Lücke schließt sich nicht. Sie weitet sich. Die Wissenschaft hinter Stilprofilen erklärt die akademische Forschung, warum dies geschieht und was tatsächlich funktioniert, um es umzukehren.

---

Warum Prompting allein ein Trainingsproblem nicht beheben kann

Bessere Prompts helfen am Rande. Aber Sie kämpfen bei jeder Interaktion gegen das Training des Modells.

Stellen Sie es sich so vor: RLHF hat bestimmte Präferenzen in die Gewichte des Modells über Milliarden von Parametern hinweg eingebrannt. Ihr 200-Wörter-Prompt versucht, diese Konditionierung zu überschreiben. Es ist, als würden Sie Anweisungen jemandem zurufen, dem bereits millionenfach gesagt wurde, etwas anderes zu tun.

Die KI-Plattformen wissen das. Im vergangenen Jahr haben sie still und leise Mechanismen entwickelt, um dem Durchschnitt zu entkommen:

• Gedächtnis: ChatGPT und Claude können sich jetzt Details über Konversationen hinweg merken. Ihre Branche, Ihre Rolle, Ihre Präferenzen.
• Custom Instructions (benutzerdefinierte Anweisungen): Dauerhafte Richtlinien, die jede Antwort prägen. „Ich bin CFO. Halten Sie die Dinge quantitativ. Verzichten Sie auf Haftungsausschlüsse.“ (Wir haben einen vollständigen Leitfaden zu Custom Instructions verfasst, wenn Sie diesen Ansatz so weit wie möglich vorantreiben möchten. Für rollenspezifische Anleitungen siehe unseren CFO-Stilprofil-Leitfaden.)
• Stilkontrollen: Anpassen von Tonfall, Länge und Formalität auf Systemebene.
• Tools und Integrationen: KI mit Ihren tatsächlichen Workflows und Daten verbinden.

Diese Hebel wirken. Aber sie haben Grenzen:

• Sie erfordern erheblichen fortlaufenden Aufwand. Sie bringen der KI Schritt für Schritt bei, wie Sie sind.
• Sie erfassen was Sie dem Modell sagen, nicht was Sie selbst über Ihre eigenen Muster nicht wissen.
• Sie versagen bei kreativer Arbeit und gelegentlicher Nutzung (wenn Sie KI nicht täglich verwenden, summieren sich die Korrekturen nicht).
• Am kritischsten ist, dass sie das Symptom (generische Ausgabe) beheben, ohne die Ursache zu ersetzen (die Standard-Baseline des Modells ist der Median-Nutzer, nicht Sie).

Wie ein Praktiker es ausdrückte: Diejenigen, die außergewöhnliche Ergebnisse mit KI erzielen, sind nicht klüger oder technisch versierter. Sie kodieren Korrekturen, anstatt sie zu wiederholen. Aber diese Kodierung erfordert Zeit, Konsistenz und Selbstwahrnehmung bezüglich Mustern, die die meisten Menschen nicht artikulieren können. (Wir haben in einem früheren Beitrag untersucht, warum diese Selbst-Artikulation so schwierig ist.)

---

Was das Median-Nutzer-Problem tatsächlich erfordert

Wenn das Problem darin besteht, dass KI auf die Vorlieben aller und niemandes Besonderes trainiert wurde, besteht die Lösung nicht darin, die Standardeinstellungen des Modells Prompt für Prompt zu bekämpfen.

Die Lösung besteht darin, dem Modell ein umfassendes, spezifisches Bild von Ihnen zu geben, das seine Standardeinstellungen überschreibt.

Das ist es, was ein Schreibstil-Profil leistet. Um den technischen Prozess zu verstehen, lesen Sie über wie Stil-Extraktion funktioniert. Dies ist das, was Sie in Ihre Custom Instructions einfügen, systematisch aus Ihren tatsächlichen Texten extrahiert, anstatt manuell geraten. Anstatt die KI bei jeder Interaktion vom Durchschnitt wegzulenken, geben Sie ihr eine umfassende Karte Ihrer tatsächlichen Kommunikationsweise:

• Ihre grundlegenden Muster. Satzlänge, Interpunktionsmuster, Wortschatzpräferenzen, Tendenzen zu Aktiv- vs. Passivform. Keine vagen Beschreibungen wie „professionell, aber freundlich“. Quantitative Anker, denen das Modell präzise folgen kann.
• Ihre Kontextvariationen. Wie Sie sich anpassen, wenn Sie an die Führungsebene, Ihr Team oder externe Kunden schreiben. Die KI muss nicht raten; sie hat explizite Regeln für jedes Register.
• Ihre Anti-Muster. Die Phrasen, die Sie niemals verwenden würden, die Gewohnheiten, die Sie vermeiden, die Unternehmensklischees, die Sie zusammenzucken lassen. Der KI zu sagen, was sie nicht tun soll, ist oft wirkungsvoller, als ihr zu sagen, was sie tun soll.
• Ihre charakteristischen Merkmale. Die Gedankenstrich-Gewohnheit. Der Einzeiler als Eröffnung. Die Art, wie Sie E-Mails mit einer Frage statt einer Aussage beenden. Die Dinge, die Ihr Schreiben unverkennbar machen – Ihr Schreib-Fingerabdruck.

Ein Stilprofil bekämpft nicht das Training des Modells. Es arbeitet mit ihm – indem es der KI explizite Anweisungen gibt, die die Standardeinstellungen des Median-Nutzers mit Ihren tatsächlichen Mustern überschreiben. Derselbe RLHF-Prozess, der die KI auf menschliche Präferenzen reagieren lässt, macht sie auch auf spezifische menschliche Präferenzen reagierbar, wenn Sie diese mit genügend Struktur und Präzision bereitstellen.

---

Messen Sie Ihre Median-Nutzer-Lücke

Theorie ist nützlich. Daten sind besser.

Möchten Sie sehen, wie viel vom Median-Nutzer sich gerade in Ihren KI-Texten befindet? Probieren Sie Folgendes aus:

1. Öffnen Sie ChatGPT oder Claude mit Standardeinstellungen
2. Bitten Sie es, eine kurze E-Mail zu schreiben, die Sie normalerweise versenden würden: ein Projekt-Update, eine Besprechungsnachbereitung, etwas Routinemäßiges
3. Lesen Sie den Output und notieren Sie jede Phrase, die Sie vor dem Versand ändern würden

Zählen Sie die Änderungen. Diese Zahl ist Ihre Median-Nutzer-Lücke: der Abstand zwischen dem, wie die KI glaubt, dass Sie klingen, und dem, wie Sie tatsächlich klingen.

Die meisten Menschen finden 5-10 Änderungen in einem einzigen Absatz. Das ist kein Prompting-Problem. Das ist ein Trainingsproblem.

Möchten Sie eine präzisere Messung? Überprüfen Sie Ihren Humanity Score. Fügen Sie einen beliebigen Text ein und erhalten Sie eine detaillierte Aufschlüsselung, wie viel „Median-Nutzer“ durchscheint. Es dauert 30 Sekunden und bewertet Ihr Schreiben über mehrere Dimensionen hinweg.

Oder gehen Sie über fünf Tage tiefer: Nehmen Sie am kostenlosen E-Mail-Kurs teil. Eine Lektion pro Tag zum Entkommen aus dem Durchschnitt, vom Kontextwechsel bis zum Aufbau Ihres Schreib-Fingerabdrucks.

---

Das Zeitfenster schließt sich

Hier ist die Dringlichkeit: Während sich der Modellkollaps beschleunigt und KI-generierte Inhalte zu den neuen Trainingsdaten werden, driftet die Baseline immer weiter von authentischem menschlichem Schreiben ab. Merriam-Webster wählte „slop“ als Wort des Jahres 2025. CNN prognostiziert 2026 als das Jahr des „100 % menschlichen“ Marketings.

Ein unverwechselbarer Schreibstil wird zu einem Wettbewerbsvorteil. Die Fachleute und Unternehmen, die ihren authentischen Kommunikationsstil durch KI dokumentieren, schützen und einsetzen, werden sich abheben. Alle anderen werden wie derselbe Median-Nutzer klingen: geschliffen, kompetent und austauschbar.

Die Frage ist nicht, ob Sie Ihre KI personalisieren sollten. Es ist, ob Sie es systematisch tun oder das nächste Jahr damit verbringen, Korrekturen Prompt für Prompt zu kodieren.

---

---

Holen Sie sich Ihren kostenlosen Writing-DNA-Snapshot

Neugierig auf Ihren einzigartigen Schreibstil? Probieren Sie unseren kostenlosen Writing-DNA-Snapshot aus. Er ist kostenlos und es ist keine Kreditkarte erforderlich. Erfahren Sie, wie KI lernen kann, genau wie Sie zu schreiben mit My Writing Twin.