Warum KI-Texte generisch klingen – Die Daten hinter dem Problem
Wir haben 320 KI-Textproben von 5 Modellen und 6 Stil-Dimensionen analysiert. Die Daten zeigen genau, warum jede KI gleich klingt – und es liegt nicht an Ihren Prompts.
By Emmanuel
Sie wissen bereits, dass KI-Texte generisch klingen. Sie haben es bei jedem E-Mail-Entwurf gespürt, den Sie umschreiben mussten, bei jedem LinkedIn-Beitrag, der wie eine Vorlage wirkte, bei jedem Bericht, der von jedem – oder von allem – hätte geschrieben werden können.
Doch „generisch“ ist ein Gefühl. Gefühle sind schwer zu beheben. Zahlen sind einfacher.
Wir haben es gemessen. Hier ist, was die Daten tatsächlich zeigen.
Das Experiment
Wir haben 320 Textproben von fünf KI-Modellen (Claude Opus 4.6, Claude Sonnet 4.5, Claude Haiku 4.5, GPT-5.2 und Gemini 3 Pro) generiert, wobei wir acht verschiedene Prompt-Typen in vier Sprachen mit jeweils zwei Varianten pro Kombination verwendet haben. Anschließend haben wir jede Probe einer computergestützten Stilometrie unterzogen und dabei sechs unabhängige Dimensionen des Schreibstils gemessen.
Die vollständige Methodik finden Sie hier: Wie wir „Durchschnittliche KI“ messen.
Die Frage war nicht, ob KI generisch schreibt. Die Frage war: Können wir genau quantifizieren, wie generisch sie ist und wo diese Generik ihren Ursprung hat?
Ja. Das können wir.
Das Konvergenzproblem
Hier ist das zentrale Ergebnis: Alle fünf KI-Modelle konvergieren zu einem gemeinsamen stilistischen Zentrum.
| Achse | Niedrigster Modellwert | Höchster Modellwert | Spanne |
|---|---|---|---|
| Satzkomplexität | ~60 | ~72 | ~12 Punkte |
| Wortschatzvielfalt | ~44 | ~52 | ~8 Punkte |
| Expressivität | ~68 | ~82 | ~14 Punkte |
| Formalität | ~48 | ~64 | ~16 Punkte |
| Konsistenz | ~49 | ~57 | ~8 Punkte |
| Prägnanz | ~36 | ~48 | ~12 Punkte |
Die durchschnittliche Spanne über alle sechs Achsen beträgt etwa 12 Punkte von 100. Fünf verschiedene Modelle, von drei verschiedenen Unternehmen entwickelt, auf unterschiedlichen Datensätzen trainiert und mit unterschiedlichen Architekturen, erzeugen dennoch Texte, die sich in den meisten Dimensionen innerhalb einer 12-Punkte-Bandbreite gruppieren.
Vergleichen Sie das mit menschlichen Autoren. In unseren Nutzerdaten erreichen einzelne Menschen routinemäßig eine Spanne von über 60 Punkten auf jeder Achse. Die Satzkomplexität einer Person könnte 25 betragen, die einer anderen 88. Ihr Schreibstil wird durch jahrzehntelange Lesegewohnheiten, beruflichen Kontext, Persönlichkeit und sprachlichen Instinkt geprägt.
Der Schreibstil von KI wird durch RLHF geformt, einen Trainingsprozess, der auf die Präferenzen generischer Bewerter optimiert ist. Das Ergebnis sind fünf Modelle, die wie fünf leicht unterschiedliche Versionen derselben Person klingen.
Wo sich alle Modelle einig sind (und es nicht sein sollten)
Die überzeugendsten Beweise für die Konvergenz zeigen sich auf drei Achsen:
Konsistenz: Die Nulllinie
Alle fünf Modelle erzielen bei der Konsistenz Werte zwischen 49 und 57: eine Spanne von nur 8 Punkten. Das bedeutet, dass jedes Modell ungefähr das gleiche Muster an Satzlängenvariation erzeugt: moderat. Nicht monoton, nicht chaotisch. Ein sicherer Mittelweg.
Menschliche Autoren tun dies nicht. Juristen erzielen bei der Konsistenz Werte von über 80: Ihre Sätze marschieren im Gleichschritt. Romanautoren und Essayisten liegen unter 30: Sie wechseln zwischen prägnanten Vier-Wort-Sätzen und ausführlichen Fünfzig-Wort-Ausführungen. Die Variation ist der Stil.
Die Konsistenz-Clusterung der KI ist kein Feature. Es ist ein Signalverlust. Wenn jedes Modell mit dem gleichen rhythmischen Muster schreibt, ändert der Modellwechsel nichts daran, wie sich Ihr Text anfühlt zu lesen.
Wortschatzvielfalt: Das enge Band
Alle fünf Modelle erzielen bei der Wortschatzvielfalt Werte zwischen 44 und 52. Acht Punkte Unterschied. Sie alle verwenden ungefähr den gleichen Anteil einzigartiger Wörter: moderate Vielfalt, nichts zu exotisch, nichts zu repetitiv.
Dies ist besonders problematisch für Fachleute mit spezialisierten Vokabularen. Ein Chirurg, der in jeder E-Mail präzise medizinische Terminologie verwendet, wird bei der Wortschatzvielfalt weit über 52 liegen. Ein Bauleiter, der sich auf einen engen Satz branchenspezifischer Begriffe verlässt, könnte unter 30 liegen. Beide sind authentisch. Keiner ist „moderat“.
Doch bitten Sie eine KI, in ihrem Namen zu schreiben, und Sie erhalten jedes Mal den gleichen Bereich von 44-52. Die Präzision des Chirurgen wird verwässert. Die Direktheit des Managers wird aufgebläht.
Expressivität: Der energiereiche Standard
Hier stimmen alle Modelle am aggressivsten überein: Expressivität. Der englische Durchschnitt über alle fünf Modelle beträgt 76 von 100. Jedes Modell tendiert standardmäßig zu hoher Energie: rhetorische Fragen, emphatische Sprache, Haltungsmarker, Ausrufezeichen.
Warum? Weil RLHF-Bewerter Texte bevorzugen, die engagiert wirken. Wenn Bewerter eine flache Antwort mit einer energischen vergleichen, gewinnt die energische Antwort. Multiplizieren Sie diese Präferenz über Millionen von Vergleichen und Milliarden von Parametern, und Sie erhalten Modelle, die von Natur aus nicht zur Zurückhaltung fähig sind.
Das Problem: Die meisten professionellen Texte sind nicht mit 76 expressiv. Ein Quartalsbericht eines CFOs benötigt keine rhetorischen Fragen. Eine rechtliche Mitteilung profitiert nicht von Gedankenstrichen. Ein Projektstatusbericht sollte nicht enthusiastisch klingen. Doch die KI tendiert standardmäßig zu Enthusiasmus, weil sie darauf trainiert wurde zu glauben, dass Enthusiasmus bevorzugt wird.
Das Median-Nutzer-Problem in Zahlen
Wir haben bereits konzeptionell über das Median-Nutzer-Problem geschrieben. Hier sehen Sie, wie es in Rohdaten aussieht.
Der KI-Durchschnitt über alle Modelle im Englischen:
| Achse | KI-Durchschnitt | Bedeutung |
|---|---|---|
| Satzkomplexität | 65 | Mäßig komplex, weder einfach noch dicht |
| Wortschatzvielfalt | 48 | Moderate Vielfalt, sichere Wortwahl |
| Expressivität | 76 | Hohe Energie: Fragen, Ausrufe, Betonung |
| Formalität | 58 | Leicht formell, professionell, aber zugänglich |
| Konsistenz | 53 | Moderate Variation, weder zu gleichmäßig noch zu dynamisch |
| Prägnanz | 42 | Unter dem Mittelpunkt: Sätze sind lang |
Sample Writing DNA Radar Chart
How one writer's style compares to Average AI on all six axes
Dieses Profil hat in der Forschungsliteratur einen Namen: Es ist die Regression zur Mitte. Jede Dimension tendiert zu einem sicheren Mittelwert, außer der Expressivität (die hoch ist, weil Bewerter sie bevorzugen) und der Prägnanz (die niedrig ist, weil KI-Modelle standardmäßig lange Ausgaben produzieren).
Betrachten Sie nun, was einen menschlichen Autor unverwechselbar macht:
- Ein Startup-Gründer könnte erzielen: Komplexität 40, Wortschatz 55, Expressivität 85, Formalität 30, Konsistenz 35, Prägnanz 70. Prägnant, energisch, informell, abwechslungsreich.
- Ein Unternehmensjurist könnte erzielen: Komplexität 82, Wortschatz 65, Expressivität 20, Formalität 90, Konsistenz 85, Prägnanz 15. Dicht, präzise, zurückhaltend, einheitlich.
- Ein Journalist könnte erzielen: Komplexität 55, Wortschatz 60, Expressivität 50, Formalität 45, Konsistenz 40, Prägnanz 65. Klar, abwechslungsreich, direkt.
Keines dieser Profile ähnelt dem KI-Durchschnitt. Das ist der Punkt. Der KI-Durchschnitt ist kein Ort, an dem eine reale Person lebt. Es ist ein statistisches Konstrukt, das RLHF durch die Mittelung aller Präferenzen geschaffen hat.
Warum ein Modellwechsel das Problem nicht löst
Eine häufige Reaktion auf generische KI-Ausgaben ist der Versuch, ein anderes Modell zu verwenden. Claude wirkt zu bedacht? Versuchen Sie ChatGPT. ChatGPT wirkt zu enthusiastisch? Versuchen Sie Gemini.
Die Daten zeigen, warum dies nicht funktioniert.
Die maximale Spanne zwischen Modellen auf einer einzelnen Achse beträgt etwa 16 Punkte (Formalität). Auf den meisten Achsen sind es 8-12 Punkte. Der Unterschied zwischen dem KI-Durchschnitt und einem unverwechselbaren menschlichen Autor beträgt routinemäßig 30-50 Punkte auf mehreren Achsen.
Der Modellwechsel verschiebt Sie um 8-16 Punkte auf ein oder zwei Dimensionen. Sie benötigen jedoch eine Verschiebung von 30-50 Punkten auf drei oder vier Dimensionen. Der Modellwechsel ist wie das Umstellen von Liegestühlen auf der Titanic.
Für einen detaillierten Direktvergleich siehe ChatGPT vs. Claude vs. Gemini. Der Vergleich ist nützlich, aber die Schlussfolgerung bleibt dieselbe. Kein Modell bringt Sie allein ans Ziel.
Die Prägnanzkrise
Eine Dimension verdient besondere Aufmerksamkeit: die Prägnanz.
Der KI-Durchschnitt für Englisch liegt bei 42. Für Französisch sinkt er auf 32. Für Spanisch auf 36. Über jedes Modell und jede Sprache hinweg schreibt die KI langatmig.
Dies ist keine Stilpräferenz. Es ist eine strukturelle Verzerrung. KI-Modelle werden darauf trainiert, hilfreich zu sein, und „hilfreich“ bedeutet im Sinne von RLHF gründlich. Gründlichkeit bedeutet mehr Wörter. Mehr Erklärungen. Mehr Einschränkungen. Mehr Kontext. Mehr Absicherungen.
Das Ergebnis ist, dass jedes KI-Modell eine Ausgabe produziert, die länger ist, als die meisten Fachleute für denselben Kommunikationskontext schreiben würden. Ihre Drei-Satz-Slack-Nachricht wird zu einer Drei-Absatz-Erklärung. Ihre einzeilige E-Mail-Antwort wird zu einer strukturierten Antwort mit Aufzählungspunkten.
Die Prägnanzlücke ist oft das Erste, was Nutzer bemerken, wenn sie ihre Writing-DNA mit der KI-Baseline vergleichen. Es ist auch eines der einfachsten Dinge, die ein Stilprofil korrigieren kann, sobald die Messung vorliegt.
Die Expressivitätsinflation
Die Kehrseite der Prägnanzkrise ist die Expressivitätsinflation.
Mit 76 übersteigt die Standard-Expressivität der KI das, was die meisten professionellen Kontexte erfordern. Die Modelle verwenden rhetorische Fragen („Aber was bedeutet das wirklich?“), Haltungsmarker („Wichtig ist“, „Entscheidend ist“, „Interessanterweise“) und emphatische Interpunktion in einem Maße, das in menschlich verfasster Geschäftskommunikation ungewöhnlich wirken würde.
Dies ist die Quelle der „KI-Stimme“, die Leser zunehmend erkennen. Es ist nicht so, dass die KI falsche Wörter verwendet. Es ist vielmehr so, dass die KI expressive Marker anders verteilt als Menschen: häufiger, gleichmäßiger und weniger kontextbezogen.
Ein menschlicher Autor variiert die Expressivität je nach Kontext. Er ist energisch in einem LinkedIn-Beitrag und zurückhaltend in einem Vorstandsmemo. Die KI behält unabhängig vom Prompt-Typ ungefähr das gleiche Expressivitätsniveau bei. Unsere Daten zeigen, dass die Expressivitätswerte innerhalb jedes Modells über alle acht Prompt-Typen hinweg eng gruppiert sind. Das Modell hat einen festen Punkt, zu dem es immer wieder zurückkehrt.
Was generische KI-Texte tatsächlich behebt
Wenn das Problem die Konvergenz ist (alle Modelle tendieren zum gleichen statistischen Zentrum), dann muss die Lösung die Ausgabe von diesem Zentrum weg, hin zu Ihren spezifischen Koordinaten auf jeder Achse ziehen.
Genau das leistet ein Stilprofil. Nicht vage Anweisungen wie „Seien Sie prägnanter“ (die das Modell durch seine eigene Kalibrierung interpretieren und eine Ausgabe erzeugen wird, die etwas weniger lang, aber nicht wirklich prägnant ist). Stattdessen: messbare Ziele.
„Ihr Prägnanzziel ist 68. Der Modellstandard liegt bei 42. Reduzieren Sie die durchschnittliche Satzlänge um etwa 40 %.“
„Ihr Expressivitätsziel ist 35. Der Modellstandard liegt bei 76. Eliminieren Sie rhetorische Fragen. Entfernen Sie Haltungsmarker. Verwenden Sie Ausrufezeichen nur für echte Betonung.“
„Ihr Konsistenzziel ist 78. Der Modellstandard liegt bei 53. Halten Sie die Satzlängen in einem engen Bereich. Vermeiden Sie den Wechsel zwischen sehr kurzen und sehr langen Sätzen.“
Dies sind quantifizierte Abweichungen, die aus Ihren tatsächlichen Texten abgeleitet und mit empirischen KI-Baselines verglichen werden. Keine Vermutungen. Keine Gefühle. Daten.
Messen Sie Ihre Lücke
Möchten Sie genau sehen, wie weit Ihr Schreibstil vom KI-Durchschnitt entfernt ist? Testen Sie Ihren kostenlosen Writing-DNA-Snapshot: Reichen Sie einige Textproben ein und erhalten Sie Ihr Sechs-Achsen-Radar-Diagramm, das Ihren Stil mit dem durchschnittlichen KI-Stil vergleicht.
Die Lücken in diesem Diagramm sind spezifisch. Sie zeigen Ihnen, welche Dimensionen die größte Korrektur benötigen, welche Modellstandards am weitesten von Ihrem Stil entfernt sind und was ein Stilprofil kalibrieren muss.
Generische KI-Ausgaben sind kein Geheimnis. Es ist ein messbares Phänomen mit einer messbaren Lösung.
Lassen Sie KI so schreiben wie Sie – nicht wie ein Bot
Sie haben gerade gelesen, wie Sie KI-Ausgaben manuell optimieren. MyWritingTwin erledigt das anhand Ihrer echten Texte: Fügen Sie ein paar Textproben ein und erhalten Sie ein Sprachprofil, das in ChatGPT, Claude und Gemini funktioniert.
Erstellen Sie Ihr kostenloses SchreibprofilNoch nicht bereit? Lassen Sie sich unseren Leitfaden zu KI-Sprachprofilen per E-Mail zusenden.