KI Geschichte schreiben: Der Ablauf für einen Text, der nicht generisch klingt

„KI Geschichte schreiben" klingt nach einem Fertigprodukt: Thema eingeben, Text bekommen, fertig. Genau das liefert ein Modell auch — nur klingt das Ergebnis dann fast immer nach jeder anderen Geschichte zum selben Thema: eine Figur, die anfangs zweifelt, dann doch mutig ist, und am Ende eine Lektion lernt, die man schon zehnmal gelesen hat.

Der Grund ist derselbe wie bei jedem anderen KI-Text: Ohne echte Details greift das Modell zu den naheliegendsten Mustern. Bei „Geschichte über Mut" ist das fast immer dieselbe Heldenreise in Miniaturform, egal welches Thema du vorgibst.

Das betrifft nicht nur Kurzgeschichten zum eigenen Vergnügen. Dieselbe Vorgabe-Logik gilt für eine Gute-Nacht-Geschichte für ein Kind ebenso wie für eine kleine, erfundene Fallstudie am Anfang einer Präsentation — ein Werkzeug, das Zuhörer in den ersten zwei Minuten abholt, bevor die eigentlichen Zahlen kommen.

Was du vorher festlegst, bevor du überhaupt tippst

• —Eine konkrete Figur mit einem Merkmal statt eines Typs: nicht „eine mutige Frau", sondern eine Buchhalterin, die seit Jahren denselben Weg zur Arbeit nimmt und plötzlich davon abweicht.
• —Ein konkreter Ort und Zeitpunkt statt „irgendwann, irgendwo" — ein bestimmter Bahnsteig um sechs Uhr morgens sagt dem Modell mehr als „draußen".
• —Die Struktur: wie lang die Geschichte werden soll, wie viele Absätze oder Kapitel, und aus wessen Perspektive erzählt wird — Ich-Form oder eine Erzählerin, die alles sieht.
• —Genre und Ton: Ob es eine Gute-Nacht-Geschichte für ein Kind werden soll, eine kurze Fabel für eine Präsentation, oder eine Geschichte rein zum eigenen Vergnügen, bestimmt den Wortschatz stärker als das Thema selbst.

Je genauer diese vier Punkte feststehen, bevor du den ersten Prompt abschickst, desto weniger Klischees musst du hinterher von Hand streichen.

Ein Beispiel von Anfang bis Ende

Prompt unvollständig: „Schreib mir eine kurze Geschichte über Mut." Ergebnis: eine namenlose Hauptfigur, die vor einer unklaren Herausforderung steht, zweifelt, sich überwindet und am Ende „stärker als zuvor" ist — austauschbar mit hunderten anderen Texten zum selben Prompt.

Prompt vollständig: „Schreib eine kurze Geschichte, 400 Wörter, Ich-Perspektive. Hauptfigur: eine Buchhalterin, die seit acht Jahren jeden Morgen denselben Bahnsteig nimmt. Heute steigt sie eine Station früher aus, ohne zu wissen warum. Kein Happy End mit großer Lektion — die Geschichte endet offen, an dem Punkt, an dem sie auf dem fremden Bahnsteig steht." Das Ergebnis hat jetzt eine konkrete Figur, einen konkreten Ort und ein Ende, das nicht in eine fertige Moral kippt — Details, die das Modell beim ersten Versuch nicht hatte, weil niemand sie ihm gegeben hat.

Eine Geschichte klingt nicht generisch, weil eine KI sie geschrieben hat. Sie klingt generisch, weil ihr die eine Figur fehlt, die nur du dir ausgedacht hast.

Wo das Schreiben mit KI an Grenzen stößt

Drei Stellen, an denen eine generierte Geschichte regelmäßig kippt, bevor sie wirklich fertig ist.

• —Wiederholte Wendungen: Lässt du dieselbe Szene mehrfach neu generieren, tauchen dieselben Bilder und Wendepunkte in leicht anderer Reihenfolge wieder auf — das Modell greift auf einen begrenzten Vorrat naheliegender Muster zurück.
• —Konsistenz über die Länge: Bei einer längeren Geschichte oder mehreren Kapiteln vergisst das Modell gelegentlich ein Detail, das es selbst zuvor festgelegt hat — eine Augenfarbe, ein Name, eine Uhrzeit, die in Kapitel drei nicht mehr zu Kapitel eins passt.
• —Urheberrecht: Nie einen bestehenden, bekannten Text als Vorlage einfügen und „schreib im Stil von" verlangen. Das Ergebnis kann einzelne Wortfolgen eines geschützten Werks fast unverändert übernehmen, besonders wenn du den Text später veröffentlichst.

Der letzte Punkt wiegt schwerer, als er zunächst klingt. Ein Modell, das gebeten wird, im Stil einer bekannten Autorin zu schreiben, übernimmt oft nicht nur den Tonfall, sondern auch einzelne Formulierungen — ohne das offen zu zeigen. Willst du dich an einem Stil orientieren, beschreib Tonfall und Aufbau in eigenen Worten, statt einen konkreten Titel oder eine konkrete Autorin als Vorlage zu nennen.

Bei der Konsistenz hilft ein einfacher Trick: Bitte das Modell, vor dem eigentlichen Text eine kurze Liste der festen Fakten aufzuschreiben — Namen, Ort, Zeit, ein zentrales Detail — und in jedem weiteren Kapitel ausdrücklich gegen diese Liste zu schreiben, statt sie aus dem Gedächtnis zu rekonstruieren.

Bei den wiederholten Wendungen hilft ein ähnlich einfacher Test: Lass dir dieselbe Szene zweimal mit derselben Vorgabe erzeugen und vergleiche beide Varianten nebeneinander. Ähneln sie sich trotz gleicher Vorgabe stark in Aufbau und Wortwahl, hat das Modell nicht wirklich zwei verschiedene Wege durch die Szene gefunden, sondern ist beide Male zu seinem naheliegendsten Muster zurückgekehrt — ein Hinweis, dass eine dritte, noch genauere Vorgabe mehr bringt als eine dritte, beliebige Variante.

Warum das Ergebnis trotzdem geprüft werden muss

Wie schnell sich Sprachmodelle beim Schreiben weiterentwickeln, verfolgt der AI Index von Stanford Jahr für Jahr. Der Abstand zwischen einem beeindruckend klingenden und einem tatsächlich guten Text wird kleiner, aber er verschwindet nicht von selbst — vor allem nicht bei den Klischees, die ein Modell aus Gewohnheit reproduziert, wenn niemand ausdrücklich dagegenhält.

Willst du den Text veröffentlichen oder mit anderen teilen, hilft ein Grundsatz aus den OECD-Leitlinien zu KI: Transparenz darüber, wie ein Werk entstanden ist. Für einen privaten Entwurf zum Weiterarbeiten spielt das keine Rolle — für eine Geschichte, die andere als deine lesen, schon.

Wie verbreitet solche Werkzeuge für kreative Aufgaben bereits sind

Wie verbreitet der Einsatz solcher Werkzeuge für kreative und schreibende Aufgaben in Deutschland inzwischen ist, zeigt der Bitkom in seinen regelmäßigen Erhebungen zum KI-Einsatz. Welche Schreibaufgaben sich technisch überhaupt automatisieren lassen und wo weiterhin eine Person den letzten Schliff gibt, untersucht laufend das IAB — unabhängig vom einzelnen Werkzeug.

Genau dieser letzte Schliff — eine Vorgabe präzisieren, statt das erste Ergebnis zu übernehmen — ist Teil dessen, wofür der Arbeitsmarkt laut PwC AI Jobs Barometer einen deutlichen Gehaltsaufschlag zahlt, unabhängig davon, ob die Aufgabe eine Geschichte oder ein Bericht ist.

Was du am Montag ausprobierst

1. 01Wähl eine konkrete Figur mit einem Merkmal und einen konkreten Ort, statt ein abstraktes Thema vorzugeben.
2. 02Gib Länge, Struktur und Perspektive vor, statt sie dem Modell zu überlassen.
3. 03Lass dir vor dem eigentlichen Text eine kurze Liste der festen Fakten aufschreiben, gegen die jedes weitere Kapitel geschrieben wird.
4. 04Lies das Ergebnis laut vor und markiere jede Wendung, die dir schon aus einer anderen Geschichte bekannt vorkommt.

Der Schritt, einen generischen Entwurf zu einem eigenen Text zu machen, ist bei einer Geschichte derselbe wie bei jedem anderen Text — ausführlicher an einer E-Mail durchgegangen in KI-Text humanisieren. Dieselbe Vorgabe-Regel — Szene statt Thema — gilt auch beim Schreiben eines Liedtexts, ausführlicher in KI Songtext Generator. Soll aus der fertigen Geschichte noch ein kurzes Bild oder ein Clip entstehen, gilt dieselbe Regel für Bild zu Video mit KI. Schreibst du regelmäßig Geschichten in einem bestimmten Stil oder für ein bestimmtes Publikum, hilft Custom GPT erstellen, diese Vorgaben nicht jedes Mal neu zu erklären.

Der Prüfschritt selbst — laut lesen, Klischees streichen, ein eigenes Detail ergänzen — ist derselbe wie bei jeder anderen KI-Aufgabe im Alltag, ausführlicher beschrieben in KI im Büro.

Genau diese Fähigkeit — konkret statt vage fragen und das Ergebnis gegen den eigenen Anspruch prüfen — vermittelt Coursium in kurzen Lektionen fürs Handy. Bleib der KI voraus mit Übungen, die zu einer echten Aufgabe passen, nicht zu einem Demo-Beispiel. Mehr zu diesem Ansatz steht über Coursium.