Wenn wir über unsere GPT-Umschreibungsfunktion sprechen, klingt das meistens sehr nüchtern: „verwandelt Blogartikel automatisch in LinkedIn-taugliche Posts“. Was dabei unter den Tisch fällt: bis dahin war’s ein Weg voller herrlich unfreiwillig komischer Zwischenergebnisse.
Ein frühes Testbeispiel, das bei uns intern zum Running Gag wurde: Aus dem Satz „Hab heute einen blöden Bug gefixt“ hat das Modell ohne weitere Vorgaben gemacht: „Im Rahmen unserer kontinuierlichen Qualitätssicherungsmaßnahmen konnten wir heute eine technische Optimierung erfolgreich umsetzen.“ Technisch nicht falsch. Als Mensch würde das aber niemand so schreiben, geschweige denn lesen wollen.
Der Grund ist nachvollziehbar, wenn man drüber nachdenkt: Ein Sprachmodell ohne klare Stilvorgabe zieht sich in Richtung des statistischen Mittelwerts der Texte, mit denen es trainiert wurde — und LinkedIn ist voll von genau diesem aufgeblasenen Corporate-Ton. Ohne Gegensteuern landet man fast zwangsläufig dort.
Deshalb ist die Brand-Voice-Einstellung in Social Publisher (Pro-Feature) keine nette Spielerei, sondern aus unserer Sicht die eigentliche Kernfunktion der Umschreibung. Sie gibt dem Modell konkrete Beispiele des eigenen Tons vor, statt es einfach „irgendwie professionell klingen“ zu lassen.
Was wir daraus gelernt haben: KI-Texte sind nur so gut wie die Leitplanken, die man ihnen mitgibt. Ohne die klingt praktisch jedes Modell irgendwann wie eine Pressemitteilung. Mit klaren Beispielen wird daraus ein Text, der wenigstens ein bisschen nach einem echten Menschen klingt.
Schreibe einen Kommentar