KI-Text humanisieren: Wie ein Entwurf nach dir klingt, nicht nach einer Vorlage
KI-Text humanisieren heißt meistens: ein Entwurf soll nach dir klingen, nicht generisch. Ein Ablauf mit Beispiel, den typischen Mustern und wo ein Detektor nicht die richtige Frage ist.
„KI-Text humanisieren" führt zu zwei sehr unterschiedlichen Suchabsichten, und es lohnt sich, sie zuerst zu trennen. Die eine: ein brauchbarer Entwurf klingt generisch und soll wie deine eigene Stimme klingen, bevor er rausgeht. Die andere: ein Text soll an einem KI-Erkennungstool vorbeikommen. Dieser Artikel behandelt die erste — ehrlich gesagt ist die zweite ohnehin kein verlässliches Ziel, weil diese Erkennungstools selbst unzuverlässig sind und du am Ende nicht weißt, wogegen du eigentlich optimierst.
Der praktische Fall im Büro ist fast immer derselbe: ChatGPT oder ein ähnliches Werkzeug liefert einen ersten Entwurf für eine E-Mail, einen Bericht oder eine Nachricht, und der Entwurf ist inhaltlich richtig, klingt aber wie eine Vorlage — nicht wie etwas, das du selbst geschrieben hättest.
Die Muster, die einen Text generisch klingen lassen
- Gleichlange Sätze im immer selben Rhythmus, ohne die natürlichen Sprünge zwischen kurz und lang, die ein Mensch beim Schreiben macht.
- Floskeln wie „Zusammenfassend lässt sich sagen" oder „Es ist wichtig zu betonen", die nichts Konkretes aussagen, aber jeden Absatz eröffnen.
- Aufzählungen, wo ein einzelner Satz gereicht hätte — KI-Modelle strukturieren gern, auch wenn die Information dafür zu dünn ist.
- Fehlende konkrete Details: Namen, Zahlen, ein bestimmter Vorfall — alles, was nur du aus dem tatsächlichen Kontext weißt und das Modell nicht erfinden kann, ohne dass es falsch wird.
Ein Ablauf, der den Entwurf zu deinem macht
- Lies den Entwurf laut — nicht im Kopf. Stellen, die du beim lauten Lesen nie so sagen würdest, sind fast immer die Stellen, die generisch klingen.
- Streich jede Floskel, die auch in hundert anderen Texten stehen könnte, und ersetze sie entweder durch nichts oder durch eine konkrete Angabe.
- Füge mindestens ein Detail hinzu, das nur du kennst — einen Namen, ein Datum, eine Zahl aus deinem eigenen Kontext. Das Modell konnte es nicht erfinden, du kannst es ergänzen.
- Variiere bewusst die Satzlänge: ein kurzer Satz nach zwei langen bricht den gleichförmigen Rhythmus, an dem generischer Text meist erkennbar ist.
Ein Beispiel von Anfang bis Ende
Der Ausgangsentwurf für eine Absage an eine Bewerberin: „Vielen Dank für Ihre Bewerbung und Ihr Interesse an unserem Unternehmen. Nach sorgfältiger Prüfung haben wir uns entschieden, mit anderen Kandidaten fortzufahren. Wir wünschen Ihnen für Ihre weitere berufliche Zukunft alles Gute." Inhaltlich korrekt, aber austauschbar — dieselbe E-Mail könnte an jede Bewerberin für jede Stelle gehen.
Die überarbeitete Version: „Danke für das Gespräch am Dienstag und die Zeit, die Sie sich genommen haben. Wir haben uns für eine andere Kandidatin entschieden, weil die Stelle mehr Erfahrung mit [konkretem Thema] verlangt, als aus dem Gespräch hervorging. Falls Sie mögen, geben wir Ihnen gern kurzes Feedback dazu." Gleicher Inhalt, aber mit einem konkreten Datum, einem konkreten Grund und einem echten Angebot — Details, die das Modell beim ersten Entwurf nicht hatte, weil niemand sie ihm gegeben hat.
Ein Text klingt nicht generisch, weil eine KI ihn geschrieben hat. Er klingt generisch, weil ihm die Details fehlen, die nur du aus dem echten Kontext kennst.
Warum ein Erkennungstool nicht die richtige Frage ist
KI-Erkennungstools schätzen anhand statistischer Muster, wie wahrscheinlich ein Text maschinell erzeugt wurde — sie wissen es nicht, sie raten mit einer Fehlerquote in beide Richtungen. Wie schnell sich generative Sprachmodelle weiterentwickeln und wie schwer sich ihr Text von menschlichem Text unterscheiden lässt, verfolgt der AI Index von Stanford Jahr für Jahr — der Abstand wird kleiner, was Erkennungstools nicht zuverlässiger macht, sondern im Gegenteil unzuverlässiger.
In Kontexten, in denen Herkunft tatsächlich zählt — eine Prüfungsarbeit, ein journalistischer Text, eine eidesstattliche Erklärung —, ist die richtige Antwort nicht, den Text so zu verändern, dass ein Tool ihn nicht erkennt. Die richtige Antwort ist Offenheit darüber, wie der Text entstanden ist. Die OECD-Leitlinien zu KI nennen Transparenz über den Einsatz von KI ausdrücklich als einen ihrer Grundsätze — genau für diese Fälle, nicht für eine interne E-Mail, die niemand als literarisches Werk liest.
Für die meisten Büroaufgaben stellt sich diese Frage ohnehin nicht: Niemand erwartet, dass eine interne Statusmeldung oder eine Kundenantwort ohne jedes Hilfsmittel entstanden ist. Was zählt, ist, dass der Text stimmt und zu dir passt — nicht, wie er entstanden ist.
Wie verbreitet das Thema im Job bereits ist
Der Bitkom erhebt regelmäßig, wie viele deutsche Beschäftigte KI-Werkzeuge fürs Schreiben nutzen — die Zahl steigt Jahr für Jahr, und mit ihr die Frage, wie ein Entwurf zur eigenen Stimme wird. Welche Schreibaufgaben sich technisch überhaupt automatisieren lassen, unabhängig vom einzelnen Werkzeug, untersucht laufend das IAB.
Genau diese Überarbeitungsfähigkeit ist Teil dessen, wofür der Arbeitsmarkt laut PwC AI Jobs Barometer einen deutlichen Gehaltsaufschlag zahlt: nicht, einen Entwurf anzufordern, sondern ihn in etwas zu verwandeln, das tatsächlich nach dir klingt.
Was du am Montag ausprobierst
- Nimm den letzten KI-Entwurf, den du verschickt hast, und lies ihn laut vor. Markiere jede Stelle, die du so nie sagen würdest.
- Streich zwei Floskeln daraus und ersetze sie durch eine konkrete Angabe aus deinem eigenen Kontext.
- Füge ein Detail hinzu, das nur du kennst — ein Datum, einen Namen, eine Zahl.
- Frag dich bei wichtigen Texten, ob Offenheit über die Entstehung nötig ist — statt zu versuchen, das mit Umformulierung zu umgehen.
Diese Überarbeitung ist derselbe Prüfschritt wie bei jedem anderen KI-Entwurf im Büro: erst lesen, dann korrigieren, dann verschicken. KI im Büro geht das an einem Statusupdate durch, und wenn du dieselbe Art von Text regelmäßig überarbeitest, hilft ein Custom GPT, deinen eigenen Ton nicht jedes Mal neu vorzugeben. Übt euer Team das gerade in einer ChatGPT-Schulung, sollte genau dieser Überarbeitungsschritt Teil davon sein — nicht nur, wie man einen Entwurf anfordert.
Falls ChatGPT für deinen Schreibstil grundsätzlich nicht passt, lohnt sich ein direkter Test gegen eine ChatGPT Alternative — manche Modelle treffen einen bestimmten Ton von Haus aus näher als andere.
Coursium übt genau diese Überarbeitungsfähigkeit in kurzen Lektionen fürs Handy — an echten Büroaufgaben statt an Demo-Texten. Bleib der KI voraus und fang mit einer Lektion an. Mehr zu diesem Ansatz steht über Coursium.