Künstliche Intelligenz

Die neue Kunst des Schreibens

Warum gute Fragen wichtiger sind als perfekte Formulierungen

Wie KI das Schreiben verändert: Nicht perfekte Formulierungen zählen, sondern die richtige Frage, der passende Kontext und die kritische Prüfung des Ergebnisses.

Lange galt das Schreiben als einsames Handwerk. Ein leerer Bildschirm, ein blinkender Cursor – und irgendwo dazwischen das zähe Ringen um den richtigen Ausdruck. Doch wer heute publiziert, steht an einem anderen Punkt. Mit KI-gestützten Werkzeugen hat sich der Prozess geradezu umgedreht: Schreiben beginnt heute nicht mehr beim Formulieren, sondern beim Fragen.¹

Diese Verschiebung klingt unscheinbar, ist aber tiefgreifend. Sie verändert, welche Fähigkeiten den Ausschlag geben – und welche an Bedeutung verlieren. Nicht der einzelne, mühsam gefeilte Satz entscheidet mehr über die Qualität eines Textes, sondern die Klarheit der Gedanken, die hinter den Anweisungen an die Maschine stehen. Und, wie ich aus eigener Erfahrung weiß, reicht dieser Wandel längst über das Schreiben hinaus – bis tief in die Technik hinein.

Vom Formulieren zum Fragen – eine Umkehrung des Schreibprozesses

Jahrhundertelang lag der Engpass des Schreibens in der Formulierung. Man wusste oft ungefähr, was man sagen wollte – aber der Weg vom Gedanken zum geschliffenen Satz war weit und beschwerlich. Geübte Schreiber unterschieden sich von ungeübten vor allem darin, wie souverän sie diese Strecke zurücklegten. Genau dieser Engpass hat sich aufgelöst. Sprachlich tragfähige Entwürfe entstehen heute in Sekunden, in jeder gewünschten Länge und Tonlage.

An ihre Stelle tritt ein neuer Engpass, und der ist anspruchsvoller: zu wissen, was man eigentlich will. Die leere Seite schreckt nicht mehr, weil das Formulieren schwerfällt, sondern weil sie eine unbequeme Frage stellt – habe ich überhaupt einen klaren Gedanken, den es wert ist, ausformuliert zu werden? Wer das nur vage beantworten kann, bekommt auch nur vage Texte zurück. Die Maschine verstärkt die Klarheit des Autors, aber sie erzeugt sie nicht. Das ist die erste und wichtigste Einsicht: Das Werkzeug ist ein Verstärker, kein Ersatz.

Die Kunst der präzisen Frage

Die zentrale neue Kompetenz ist die der präzisen Frage. Es genügt nicht, ein Stichwort hinzuwerfen und auf ein Wunder zu hoffen. Es kommt darauf an, genau zu beschreiben, was gesagt werden soll, in welche Richtung das Ganze gehen soll, wie es klingen darf und wofür der Text am Ende stehen soll. Ein guter Auftrag an die KI enthält all das – Ziel, Richtung, Ton, Zweck und oft auch, was gerade nicht gemeint ist.

Autorinnen und Autoren verstehen ihre Rolle dabei zunehmend als die einer Regie: Sie führen einen kreativen Dialog, statt einen Monolog zu Papier zu bringen. Eine ungenaue Anweisung erzeugt eine beliebige Antwort – eine geschärfte Frage erzeugt einen brauchbaren ersten Entwurf. Der alte Grundsatz aus der Datenverarbeitung gilt hier fast wörtlich: Was vorne an Halbgarem hineingeht, kommt hinten an Halbgarem wieder heraus. Die Qualität eines Textes wird damit schon entschieden, bevor das erste Wort der eigentlichen Antwort steht. Wer fragen kann, schreibt; wer nur Stichworte wirft, bekommt Beliebigkeit.

Kontext ist alles: Hintergrundmaterial und Dokumente als Rohstoff

Eine gute Frage allein reicht nicht – sie braucht Futter. Wer der KI eigene Notizen, Quellen, Belege oder ganze Dokumente zur Analyse mitgibt, bekommt etwas grundlegend anderes als jemand, der aus dem Nichts heraus fragt.² Aus einem allgemeinen Sprachgenerator wird so ein Werkzeug, das mit meinem Material arbeitet.

Das hat zwei Vorteile. Erstens bleibt der Text inhaltlich verankert: Er stützt sich auf das mitgelieferte Material und nicht auf das, was bloß statistisch am wahrscheinlichsten klingt. Wer einen Gerichtsbeschluss, eine Studie oder einen Originalartikel beilegt, bekommt eine Antwort, die sich daran abarbeitet – nicht eine, die darüber frei fabuliert. Zweitens bleibt der Text der eigene. Wer seine Recherche, seine Aktenlage, seine Argumente einbringt, lässt die Maschine nicht denken, sondern ordnen, zuspitzen und ausformulieren. Der Stoff stammt vom Menschen, die Verfeinerung von der Maschine. Genau diese Arbeitsteilung trennt seriöse Nutzung von bequemer Hochstapelei.

Wenn niemand mehr alles lesen kann: KI als Analyse-Werkzeug für große Dokumente

Es gibt einen Punkt, an dem die menschliche Lesekapazität schlicht an ihre Grenze stößt. Als ich mich mit dem Gutachten zur Frage der AfD-Verfassungswidrigkeit befasste, lagen mir mehrere sehr umfangreiche Dokumente vor – hunderte Seiten dichter juristischer und tatsächlicher Argumentation. So etwas liest niemand „mal eben” und fasst es aus dem Stand zusammen. Das muss man lesen und durchdringen – und genau hier verschiebt die KI die Grenze des Machbaren.

Ich lasse solche Textmengen strukturiert erschließen: Worum geht es im Kern? Welche Belege werden geführt? Wie ist die Argumentation aufgebaut, wo liegen die entscheidenden Stellen, wo die Schwachpunkte? Aus dieser geordneten Vorarbeit lässt sich dann eigener Content bilden – eine Zusammenfassung, eine Einordnung, ein fundierter Beitrag. Ohne strukturierte Unterstützung wäre das in vertretbarer Zeit kaum zu leisten, schon gar nicht über mehrere lange Quellen hinweg; mit ihr wird aus einem unüberschaubaren Stapel ein bearbeitbares Material.

Entscheidend ist auch hier die Haltung dahinter: Die Maschine nimmt mir nicht das Lesen ab, sie nimmt mir das Ersticken in der Menge ab. Die wichtigen Stellen prüfe ich am Original nach – denn gerade bei langen Dokumenten kann eine Zusammenfassung verkürzen, falsch gewichten oder feine Zwischentöne verlieren.³ Die KI liefert den Zugang und die Ordnung; das Urteil darüber, was wirklich zählt, bleibt meines.

Die Plausibilitätsprüfung: Warum der Mensch das letzte Wort behält

Damit ist die wichtigste Fähigkeit überhaupt benannt – die Einschätzung, ob das Gelieferte stimmt. Eine KI-Antwort kann sprachlich tadellos und sachlich völlig falsch sein. Modelle erzeugen mitunter Aussagen, Zahlen, Zitate oder Quellen, die überzeugend wirken, aber schlicht erfunden sind.⁴ Je flüssiger der Text, desto größer die Versuchung, ihm zu glauben.

Hier liegt die eigentliche Verantwortung des Autors. Er muss prüfen: Ist das plausibel? Deckt sich das mit dem, was ich weiß und belegen kann? Gerade dort, wo es um Fakten geht – in Politik, Recht, Wissenschaft –, ist diese Gegenprüfung nicht optional, sondern Pflicht. Wer ungeprüft übernimmt, was die Maschine ausgibt, hat das Werkzeug missverstanden. Die KI liefert einen Vorschlag; ob er Bestand hat, entscheidet die Urteilskraft des Menschen. Diese Urteilskraft ist nicht angeboren – sie wächst mit Erfahrung, Wissen und der Bereitschaft, auch eine glänzende Antwort noch einmal gegen die Wirklichkeit zu halten.

Vom Schreibtisch zum Server: KI in Administration und Programmierung

Was beim Schreiben gilt, gilt – das ist meine vielleicht überraschendste Erfahrung – genauso in der Technik. Ich betreibe seit Jahren eigene, selbstgehostete Dienste: Server, Reverse-Proxys, verschiedene Anwendungen, die gepflegt, aktualisiert und gelegentlich repariert werden wollen. Früher war das ein Feld, auf dem ich mich nur mit großem Respekt und in kleinen Schritten bewegt habe. Heute gehe ich mit KI-Unterstützung auch die komplexesten Dinge souverän an.

Ich will es offen sagen, weil es zum Thema gehört: Ich verstehe nicht immer jedes Detail dessen, was im Hintergrund geschieht. Aber ich kann es abschätzen. Ich lasse mir erklären, was ein Befehl bewirkt, ich lasse mir Varianten und Risiken aufzeigen, ich frage nach, wo ich unsicher bin – und in dem Moment, in dem ich in der Kommandozeile den entscheidenden Befehl absetze oder den Commit-Button drücke, habe ich eine begründete Vorstellung davon, was gleich passieren wird. Das ist der Punkt: nicht blindes Vertrauen, sondern eine informierte Abschätzung im letzten Augenblick vor der Ausführung.⁵

Für mich waren das regelrechte Quantensprünge. Aufgaben, an die ich mich früher nie herangetraut hätte – Konfigurationen, Migrationen, Updates an heiklen Stellen –, sind heute machbar geworden. Die KI ist dabei nicht der Pilot, sondern der erfahrene Beifahrer, der den Streckenverlauf kennt, auf Gefahren hinweist und Vorschläge macht. Die Hand am Steuer bleibt meine. Und es ist exakt dieselbe Kompetenz wie beim Schreiben: die richtige Frage stellen, den nötigen Kontext liefern – und am Ende selbst einschätzen, ob das Ergebnis trägt.

Mensch und Maschine: Wer stiftet Sinn?

Über alle Anwendungen hinweg zeichnet sich dieselbe Arbeitsteilung ab. Die Maschine liefert Geschwindigkeit und Präzision. Der Mensch liefert Sinn und Haltung. Er setzt Prioritäten, gibt den gedanklichen Rahmen vor und entscheidet, wofür ein Text – oder ein technischer Eingriff – einsteht.

Eine gute KI-Assistenz reagiert nicht nur auf Stichworte – sie spiegelt, erweitert und sortiert Ideen, hilft, Argumente zu strukturieren, Tonlagen zu variieren und Perspektiven auszuloten. Aber sie tut all das im Dienst einer Absicht, die sie nicht selbst hat. Diese Absicht – und die Verantwortung dafür – bleibt beim Menschen. Wer veröffentlicht, haftet für den Inhalt; wer einen Server administriert, haftet für seinen Zustand. Ganz gleich, welcher Anteil mit Maschinenhilfe entstanden ist.⁶

Die Schattenseite: Was wir nicht verlieren dürfen

Bei aller Begeisterung gehört die Gegenrede dazu. Kritische Stimmen warnen vor den Kehrseiten dieser neuen Bequemlichkeit: dem allmählichen Verlernen der eigenen Schreib- und Denkfähigkeit, einer Angleichung vieler Stimmen zu glatter Einheitsprosa und einer geistigen Trägheit, die das Selberdenken an die Maschine delegiert.⁷ Auch in der Technik gibt es dieses Risiko – wer nur noch ausführt, was ihm vorgeschlagen wird, ohne je verstehen zu wollen, macht sich abhängig.

Diese Sorgen sind ernst zu nehmen. Die Antwort darauf ist aber nicht, das Werkzeug zu verweigern, sondern die menschlichen Fähigkeiten scharf zu halten, die es voraussetzt: lesen, zweifeln, prüfen, eine eigene Stimme behaupten, ein eigenes Urteil bilden. Eine KI macht aus einem unklaren Kopf keinen klaren – sie macht einen klaren Kopf nur schneller. Und einen schludrigen schneller schludrig. Der Unterschied liegt nicht im Werkzeug, sondern in dem, der es führt.

Der verräterische Gedankenstrich – und warum sich niemand ertappt fühlen muss

Es hat sich ein kleiner Sport entwickelt: KI-Nutzung „enttarnen”. Mal ist es eine bestimmte Lieblingsvokabel, mal ein allzu glatter Satzbau – und ganz besonders gern der lange Gedankenstrich, der Geviertstrich „—”, wie ihn die englischsprachige Welt großzügig verwendet. „Aha, erwischt!”, heißt es dann triumphierend. Dabei lässt sich genau dieser Strich mit einem Handgriff auf die kürzere deutsche Länge umstellen – und schon ist das vermeintliche Beweisstück verschwunden. (Wer aufmerksam war, hat es längst bemerkt: In diesem Text steht ohnehin durchgängig der kurze.)

Das ist hübsch als Anekdote, in der Sache aber eine Nebensächlichkeit. Niemand sollte sich ertappt fühlen, wenn er KI nutzt – so wenig, wie sich jemand ertappt fühlt, der eine Rechtschreibprüfung, ein Wörterbuch oder einen Taschenrechner verwendet. Entscheidend ist nicht, ob ein Werkzeug im Spiel war, sondern ob das Ergebnis taugt.

Und dafür zählt am Ende nur eines – dieselben vier Dinge, die diesen ganzen Text durchziehen: die richtige Frage, der richtige Kontext, die richtige Abschätzung des Ergebnisses und, wo es darauf ankommt, die Gegenprüfung. Letztere lässt sich elegant verschärfen, indem man dieselbe Frage mehreren KI-Modellen vorlegt und die Antworten vergleicht: Wo sie übereinstimmen, wächst das Vertrauen; wo sie auseinanderlaufen, weiß man genau, wo man selbst noch einmal genauer hinschauen muss.⁸

Fazit: Eine neue Kompetenz, kein Ersatz

Wer heute Inhalte veröffentlichen oder anspruchsvolle Technik beherrschen will, muss nicht mehr jede Formulierung selbst feilen und nicht jeden Befehl auswendig kennen. Stattdessen zählt die Fähigkeit, den Dialog zu führen – analytisch, neugierig, mit Gespür für Sprache und mit einem wachen Sinn für das Plausible.

Denn die besten Ergebnisse entstehen nicht dort, wo eine KI brav Anweisungen befolgt, sondern dort, wo Mensch und Maschine gemeinsam denken. Die KI wird so nicht zum Ersatz für Können, sondern zum Medium seiner Erweiterung. Der Mensch aber bleibt unverzichtbar: als derjenige, der die richtigen Fragen stellt, den Stoff liefert und am Ende entscheidet, was wahr ist, was trägt und was bleibt.

Für die gezielte Formulierung solcher Anweisungen hat sich der Begriff „Prompt Engineering” eingebürgert – die Fertigkeit, einer KI durch klare, kontextreiche und zielgerichtete Eingaben zu möglichst brauchbaren Ergebnissen zu verhelfen. ↩
Je mehr belastbares Ausgangsmaterial – eigene Notizen, Quellen, Dokumente – einer KI mitgegeben wird, desto stärker stützt sich ihre Antwort darauf und desto geringer ist die Gefahr frei erfundener Aussagen. Fachleute sprechen von „Grounding”: dem Verankern der Ausgabe in überprüfbarem Kontext. ↩
Zusammenfassungen langer Texte sind komprimiert und damit immer auch interpretierend: Sie können Schwerpunkte anders setzen, Einschränkungen weglassen oder Zwischentöne glätten. Bei wichtigen Aussagen führt deshalb kein Weg an der Gegenprobe in der Originalquelle vorbei – die KI erschließt das Material, sie ersetzt nicht den prüfenden Blick. ↩
KI-Sprachmodelle können Inhalte erzeugen, die sprachlich überzeugend, sachlich aber falsch sind – sogenannte „Halluzinationen” oder Konfabulationen. Ausgerechnet scheinbar präzise Angaben wie Zahlen, Zitate oder Quellenverweise sind ohne Gegenprüfung nicht verlässlich. ↩
Gerade auf produktiven Systemen gilt: Einen von der KI vorgeschlagenen Befehl führt man nicht blind aus. Wer ungefähr abschätzen kann, was er bewirkt, vorher ein Backup hat und im Zweifel nachfragt, nutzt die Unterstützung verantwortungsvoll – die Plausibilitätsprüfung des Schreibens kehrt hier als Sicherheitsprinzip wieder. ↩
Verantwortung und Urheberschaft bleiben beim Menschen. Wer einen Text veröffentlicht oder ein System betreibt, haftet für das Ergebnis – unabhängig davon, welcher Anteil mithilfe einer Maschine entstanden ist. ↩
Schon früh hat die Forschung darauf hingewiesen, dass große Sprachmodelle Sprache statistisch nachbilden, ohne sie im menschlichen Sinne zu verstehen – pointiert etwa in der Arbeit „On the Dangers of Stochastic Parrots” (Bender u. a., 2021). Daran knüpfen Warnungen vor Stilangleichung, Entwertung eigener Kompetenz und geistiger Bequemlichkeit an. ↩
Verschiedene Modelle haben unterschiedliche Stärken, Trainingsstände und blinde Flecken. Wer eine wichtige Aussage von zwei oder drei Systemen unabhängig prüfen lässt, erkennt Widersprüche und Schwachstellen schneller als beim Verlassen auf eine einzige Quelle. ↩