Warum generische KI-Entwürfe in der Beratung scheitern
4 Minuten Lesezeit
Ein generischer Entwurf ist flüssig geschrieben und gut gegliedert, und Sie könnten ihn unverändert an jeden Kunden der Branche schicken. Genau das ist das Problem. Woher generische Ergebnisse kommen und wie Sie sie loswerden.
Generische KI-Ergebnisse scheitern in der Kundenarbeit, weil sie für jeden Kunden geschrieben sein könnten. Eine Beratung wird für den Teil der Antwort bezahlt, der auf genau diesen Kunden zutrifft und auf keinen anderen. Ein Entwurf aus einem allgemeinen Modell und einem kurzen Prompt enthält davon nichts. Er mag inhaltlich stimmen, beantwortet aber eine breitere Frage als die, die der Kunde gestellt hat.
Am Modell liegt das selten. Es kann nur mit dem arbeiten, was man ihm gibt, und meist war das ein Absatz Anweisungen und sonst nichts.
Woran Sie einen generischen Entwurf erkennen
Dafür gibt es einen einfachen Test: Ersetzen Sie den Namen des Kunden durch den eines Wettbewerbers und prüfen Sie, ob sich sonst noch etwas ändern muss. Liest sich der Entwurf weiterhin stimmig, ging es nie um diesen Kunden.
Es gibt weitere Anzeichen. Die Empfehlungen würde jedes Unternehmen der Branche genauso hören, und als Beleg dient allgemeines Branchenwissen, hinter dem kein Dokument steht. Nichts im Entwurf würde den Kunden überraschen, denn nichts davon stammt vom Kunden oder aus Arbeit, die nur Ihr Haus geleistet hat.
Wer prüft, merkt das meist, bevor er es benennen kann. Zeile für Zeile lässt sich kaum etwas beanstanden, und trotzdem lohnt es sich nicht, den Entwurf zu verschicken.
Woher generische Ergebnisse kommen
Generische Ergebnisse entstehen aus vier Lücken in dem, was das Modell bekommen hat.
| Was fehlte | Was der Entwurf stattdessen tut |
|---|---|
| Das Material des Kunden | Er beschreibt ein typisches Unternehmen der Branche |
| Methode und Sichtweise des Hauses | Er nutzt das gängigste Framework zum Thema |
| Für das Briefing ausgewählte Quellen | Er greift auf das allgemeine Wissen des Modells zurück |
| Die konkrete Frage | Er beantwortet die allgemeine Version des Themas |
Mit jeder Lücke rückt der Entwurf näher an den Durchschnitt dessen, was das Modell zu dem Thema gesehen hat. Bleiben alle vier offen, bekommen Sie genau diesen Durchschnitt, ordentlich formuliert.
Warum bessere Prompts nicht helfen
Ein längerer Prompt ändert die Anweisungen, liefert aber nichts von dem fehlenden Material. Wenn Sie ein Modell anweisen, „spezifisch auf den Kunden einzugehen“, hat es deshalb noch keine Unterlagen des Kunden. Sie drängen es nur dazu, spezifisch zu klingen. Das ist schlimmer, denn erfundene Details fallen weniger auf als offensichtliche Allgemeinplätze.
Material in den Prompt zu kopieren hilft bei einer Aufgabe und nicht darüber hinaus. Die nächste Person fängt wieder bei null an, der eingefügte Text ist ein eilig ausgewählter Ausschnitt, und wer das Ergebnis liest, kann nicht erkennen, aus welchem Dokument eine Aussage stammt. Am Ende hat das Haus einen Entwurf, der spezifisch klingt, und keine Möglichkeit, ihn zu prüfen.
So werden Sie generische Ergebnisse los
Generische Ergebnisse verschwinden, wenn das fehlende Material vorliegt, bevor der Entwurf entsteht.
Beginnen Sie mit dem Material des Kunden: was er Ihnen geschickt hat, was Ihr Haus früher für ihn erarbeitet hat und was im Briefing vereinbart wurde. Ergänzen Sie die Methode, mit der Ihr Haus diese Art von Arbeit angeht, damit die Antwort Ihrer Struktur folgt und nicht der des Internets. Beschränken Sie externe Quellen auf solche, die Ihr Haus auch zitieren würde. Und stellen Sie dann die enge Frage, die tatsächlich im Briefing steht.
Ein so aufgebauter Entwurf unterscheidet sich von Kunde zu Kunde, weil sich das Ausgangsmaterial unterscheidet. Und er hat etwas, das ein generischer Entwurf nicht haben kann: eine Spur von jeder Aussage zurück zu einem Dokument. Die Quellenseite behandelt der Beitrag Freigegebene Quellen für KI auswählen im Detail.
Auch ein spezifischer Entwurf muss geprüft werden
Ein Entwurf aus dem richtigen Material ist ein besserer Ausgangspunkt, und trotzdem muss ihn eine Fachperson lesen. Konkrete Aussagen können auf konkrete Weise falsch sein: eine Zahl aus einer veralteten Datei oder eine Schlussfolgerung, die zwei Dokumente verbindet, die nicht zusammengehören. Der Unterschied ist, dass Sie solche Fehler prüfen können, weil jede Aussage auf ein Dokument verweist.
Die Zeitersparnis zeigt sich bei der Prüfung. Einen generischen Entwurf müssen Sie umschreiben, bevor er rausgehen kann, einen belegten nur prüfen. Den gesamten Ansatz beschreibt der Leitfaden zu verlässlicher Kundenarbeit mit KI.
So sieht das in Hebno aus
Hebno schreibt aus der Bibliothek Ihres Hauses und den Kundenunterlagen, die eine Person ohnehin öffnen darf, ergänzt um öffentliche Quellen, die Ihr Haus ausgewählt hat. Jede Quelle ist als intern, Kunde oder öffentlich gekennzeichnet und jede Aussage als belegt, abgeleitet oder unsicher. So sieht die prüfende Person, worauf eine Aussage beruht. Die Quellenangaben bleiben erhalten, während Sie den Entwurf bearbeiten. Auf der Seite zum Bereich Ausarbeitung sehen Sie einen Entwurf mit seinen Quellen daneben.
