Briefe und E-Mails mit KI schreiben: warum Kontext die halbe Arbeit ist

Bitten Sie KI um "eine höfliche Mail an einen Kunden" und Sie bekommen einen Text, der nirgends falsch und nirgends gut ist. Höflich, glatt, austauschbar. Viele schließen daraus, dass KI nicht schreiben kann. Die wirkliche Ursache ist eine andere: Das Modell bekam zu wenig Material, und füllte die Lücken mit den wahrscheinlichsten Allgemeinplätzen. Wer versteht, warum das passiert, holt plötzlich viel mehr heraus.

Warum KI-Mails generisch klingen

Ein Sprachmodell sagt die wahrscheinlichste Fortsetzung Ihres Auftrags voraus. Steht in dem Auftrag nichts über Empfänger, Situation oder gewünschtes Ergebnis, dann ist die wahrscheinlichste Mail nun einmal der Durchschnitt aller Geschäftsmails, mit denen das Modell trainiert wurde. Das Ergebnis ist zwangsläufig graues Mittelmaß. Die Qualität der Ausgabe bestimmt sich also vor allem durch das, was Sie hineingeben.

Die fünf Dinge, die ein Mail-Prompt braucht

• Ziel. Was soll die Empfängerin nach dem Lesen tun oder wissen? "Bestätige den Termin und bitte vorab um die Unterlagen" steuert stärker als "schreibe eine Mail zum Termin".
• Empfänger und Beziehung. Ein langjähriger Kunde bekommt einen anderen Ton als ein Interessent oder ein Lieferant im Zahlungsverzug. Sagen Sie es dazu.
• Die Fakten. Daten, Beträge, Vereinbarungen, Aktenzeichen: wörtlich mitgeben. Was Sie nicht mitgeben, füllt das Modell selbst aus, und genau da geht es schief.
• Ton und Länge. "Kurz und warm, höchstens fünf Sätze, keine Ausrufezeichen" funktioniert. Ebenso eine eigene Beispielmail mitschicken: Das Modell übernimmt Ihren Stil erstaunlich gut.
• Was nicht hinein darf. Keinen Rabatt versprechen, nicht auf den Konflikt eingehen. Begrenzen steuert genauso stark wie Beauftragen.

Zusammengesetzt sieht das etwa so aus: "Schreibe eine Mail an einen langjährigen Kunden. Ziel: den Termin am Donnerstag bestätigen und vorab um die Vertragsunterlagen bitten. Ton: warm und knapp, höchstens fünf Sätze. Nicht auf die Preisdiskussion aus dem letzten Gespräch eingehen." Das ist ein Auftrag, mit dem ein Modell arbeiten kann, und der Unterschied zum Ergebnis von "schreibe eine höfliche Mail" ist sofort sichtbar.

Zwei Fallstricke, die bleiben

Erstens: Prüfen Sie jede Tatsachenbehauptung, bevor die Mail das Haus verlässt. Ein Sprachmodell unterscheidet nicht zwischen dem, was Sie geliefert haben, und dem, was es selbst plausibel ergänzt hat. Ein erfundenes Lieferdatum in einer Kundenmail ist schnell passiert.

Zweitens: Achten Sie auf die Eingabe. Kundendaten, Personalangelegenheiten oder vertrauliche Zahlen gehören nicht in ein kostenloses Consumer-Tool, das Eingaben womöglich für das Training nutzt. Verwenden Sie für Arbeitsmails eine Unternehmensumgebung mit klaren Vereinbarungen zur Datenverarbeitung, oder anonymisieren Sie.

Vom Trick zur Fähigkeit

Für Teams lohnt es sich, diese Grundsätze gemeinsam festzulegen: welche Tools erlaubt sind, was nie eingegeben werden darf, und wie das Ergebnis geprüft wird, bevor es verschickt wird. So wird aus verstreutem Ausprobieren eine Arbeitsweise, auf die sich alle verlassen können.

Der Unterschied zwischen gelegentlichem Generieren und strukturell gutem KI-Einsatz ist keine Trickliste, sondern Verständnis: wissen, warum Kontext so schwer wiegt, warum das Modell manchmal etwas erfindet, und wann man dem Ergebnis nicht trauen sollte. Die Grundlage dafür erklärt Was ist ein LLM?, und Modul 1 ist kostenlos lesbar.