KI-Texte menschlicher schreiben mit Agent Skills

Gib einer KI nicht nur die vage Anweisung, „menschlich zu klingen“. Gib ihr ein kleines, prüfbares Schreibsystem. Trenne Quellenwissen, Ausgabestruktur und redaktionelle Qualität. Miss anschließend, ob jede Ebene die Arbeit tatsächlich verbessert. Das ist die praktische Lehre aus drei schnell wachsenden Open-Source-Projekten: No AI Slop, i-have-adhd und book-to-skill.

Die drei werden oft als Lösungen für dasselbe Modellproblem präsentiert. Das sind sie nicht. No AI Slop bearbeitet wiederkehrende Textmuster. i-have-adhd verändert die Struktur einer Assistentenantwort. book-to-skill macht große Referenzbestände bei Bedarf zugänglich. Zusammen können sie wiederholte Korrekturarbeit verringern. Ohne Quellen, Evals und menschliches Urteil liefern sie womöglich saubere Texte, die trotzdem leer oder falsch sind.

Dieser Artikel beantwortet die Workflow-Frage. Wenn du zuerst die Technologiekategorie verstehen willst, erklärt unser Entscheidungsbaum zu MCP, RAG, Agent Skills und Custom GPTs, wo Skills in einem KI-System sitzen.

Die Kurzantwort: Welcher KI-Schreib-Skill löst welches Problem?

Für eine Person genügt oft der schmalste Skill plus Schlussredaktion. In einem Unternehmen ist der Skill eine versionierte Produktkomponente. Lege fest, was er ändern darf, wie Erfolg bewertet wird, wer Aussagen freigibt und wie ein schlechtes Update zurückgerollt wird.

Warum klingen KI-Texte generisch?

Schwacher Output beginnt meist vor dem ersten Satz. Das Modell erhält eine unklare Aufgabe, wenig Material aus erster Hand und keinen Abnahmetest. Also optimiert es auf eine plausible Durchschnittsantwort. Das Ergebnis sind glatte Strukturen, allgemeine Aussagen, wiederkehrende rhetorische Muster und Schlussfolgerungen, die wichtiger klingen als ihre Belege.

Ein längerer Prompt ist nicht automatisch besser. Wenn Fakten, Ton, Prozess, verbotene Formulierungen, Zielgruppe, Format und Beispiele in einem permanenten Block stehen, werden Konflikte unsichtbar. Ein Skill gibt diesen Regeln eine Zuständigkeit, eine Version und einen Ort für Beispiele oder deterministische Prüfungen. Der verwandte Begriff ist Prompt Engineering. Der operative Vorteil entsteht aber durch Paketierung und Tests, nicht durch einen magischen Satz.

Drei Open-Source-Skills, drei verschiedene Aufgaben

1. No AI Slop: ein fokussierter Post-Editor

No AI Slop dokumentiert mehr als 20 wiederkehrende Muster, darunter einleitendes Räuspern, künstliche Erkenntnis-Setups, dramatische Fragmente, vage Zuschreibungen und aufgeblähte Schlusssätze. Der Skill kann einen Entwurf bearbeiten oder passende Stellen markieren, ohne zu behaupten, er könne die Urheberschaft erkennen. Das Repository enthält sowohl die Anweisungen als auch eine Eval-Datei, sodass die Regeln überprüfbar sind.

Die enge Zuständigkeit ist seine Stärke. Nutze ihn, nachdem der faktenbasierte Entwurf steht. Ein Stil-Pass darf keine Belege erfinden, notwendige Einschränkungen entfernen oder alle Autor:innen in denselben Rhythmus pressen. „Menschlich“ ist kein Preset. Das bessere Ziel ist konkretes Schreiben, bei dem Quelle, Argument und Stimme erhalten bleiben.

2. i-have-adhd: handlungsorientierte Antwortstruktur

i-have-adhd weist einen Coding-Assistenten an, mit der nächsten Handlung zu beginnen, mehrteilige Aufgaben zu nummerieren, Abschweifungen zu unterdrücken, konkrete Zeitangaben zu machen und zeremonielle Einleitungen oder Verabschiedungen zu entfernen. Die eigene Dokumentation stellt klar, dass keine Diagnose nötig ist. Es handelt sich um einen Ausgabestil mit weniger Abstand zwischen Lesen und Handeln, nicht um ein medizinisches Werkzeug.

Der Skill kopiert keine Markenstimme und verbessert nicht die Faktenbasis. Er macht operative Antworten leichter erfassbar. Das passt zu Support, Runbooks und interner Delivery, kann aber für Essays, sensible Nachrichten oder nuancierte Erklärungen zu starr sein. Aktiviere ihn nach Aufgabe, nicht ungeprüft für jeden Kanal.

3. book-to-skill: Referenzmaterial als Wissen auf Abruf

book-to-skill verarbeitet Bücher, Dokumentordner oder Quellensammlungen und erzeugt daraus einen Skill mit Kernindex sowie Dateien für Kapitel, Glossar, Muster und Kurzreferenz. Der Agent lädt den relevanten Teil, statt bei jeder Anfrage das gesamte Material zu erhalten. Das Projekt nennt Marken- und Designsysteme ausdrücklich als Anwendungsfall.

Das löst die Paketierung von Wissen, nicht die redaktionelle Qualität. Ein generierter Skill übernimmt Lücken, Widersprüche und Lizenzgrenzen seiner Quellen. Prüfe das Ergebnis am Original, bewahre die Herkunft und verwandle kein Material in ein gemeinsames Unternehmens-Asset, wenn dir die Rechte fehlen. Für eine Marke startest du mit freigegebenen Beispielen, nicht mit jedem Text, den das Unternehmen je veröffentlicht hat.

Wie arbeiten die drei Ebenen zusammen?

1. Aufgabe erden. Liefere Produktfakten, freigegebene Aussagen, Zielgruppe, Kanal und gewünschte Leserhandlung.
2. Nur relevantes Wissen laden. Nutze eine kleine Referenz oder einen schrittweise offengelegten Skill für Produkt-, Markt- und Stimmregeln.
3. Antwort formen. Verwende eine knappe, handlungsorientierte Struktur nur dort, wo die Aufgabe sie braucht.
4. Entwurf redigieren. Prüfe Floskeln und Klarheit erst nach dem Argument und erhalte Fakten, Einschränkungen und Autorenstimme.
5. Prüfen und freigeben. Gleiche jede wesentliche Aussage mit ihrer Quelle ab, bewerte das Ergebnis und behalte eine verantwortliche Person.

Die Reihenfolge ist wichtig. Stilbereinigung vor der Erdung kann unbelegte Aussagen glaubwürdiger klingen lassen. Erdung ohne Redaktion kann korrekte Informationen unlesbar machen. Jeder Skill sollte eine zusammenhängende Verantwortung besitzen.

Wie baust du einen Schreib-Skill für dein Unternehmen?

Die offene Agent-Skills-Spezifikation definiert einen Skill als Verzeichnis mit einer verpflichtenden SKILL.md und optionalen Skripten, Referenzen und Assets. Bei der schrittweisen Offenlegung werden zuerst Metadaten, bei Aktivierung die vollständigen Anweisungen und erst bei Bedarf weitere Dateien geladen. Für ein Schreibsystem passt das gut, weil nicht jede Aufgabe jedes Produktblatt, jede Rechtsregel und jede Kanalvorlage benötigt.

1. Wähle eine begrenzte Aufgabe. Starte mit „einen belegten B2B-Artikel nach Hausstil redigieren“, nicht mit „alles fürs Marketing schreiben“.
2. Sammle gute und schlechte Beispiele. Erkläre, warum sie bestehen oder scheitern, und entferne vertrauliche Kundendaten.
3. Trenne Invarianten von Vorlieben. Aussagen brauchen Belege und rechtliche Formulierungen bleiben intakt. Rhythmus und Ton dürfen je Kanal variieren.
4. Schreibe die kleinste nützliche Prozedur. Die offizielle Anleitung für Skill-Autor:innen empfiehlt einen kohärenten Scope, moderate Detailtiefe und progressive Offenlegung statt eines allumfassenden Master-Prompts.
5. Bündle deterministische Checks. Ein Skript findet verbotene Phrasen, fehlende Quellen, falsche Titellängen, kaputte Links oder TODOs zuverlässiger als eine weitere Prosa-Regel.

Wie prüfst du, ob der Schreib-Skill funktioniert?

Erstelle das Testset vor der Optimierung. Nimm kurze Supportantworten, technische Erklärungen, Produktseiten, Executive Summaries, schwaches Quellenmaterial und Fälle auf, in denen der Agent nach Belegen fragen muss. Führe jeden Fall mit und ohne Skill auf demselben Modellstand aus.

Der offizielle Leitfaden zur Skill-Evaluierung empfiehlt, aus fehlgeschlagenen Assertions, menschlichem Feedback und Ausführungstranskripten zu lernen. Wenn der Agent eine Regel ignoriert, präzisiere sie. Wenn er sie befolgt und die Qualität fällt, entferne oder begrenze sie. Eine größere Anweisungsdatei ist kein Erfolgsmaß.

Welche Produktionsrisiken gibt es?

• Instruction Supply Chain: Ein veränderliches Repository kann nach dem Review wechseln. Pinne Commit oder Release, prüfe Skripte und teste Updates erneut.
• Falsches Vertrauen: Natürliche Prosa kann schwache Aussagen glaubwürdig machen. Quellen- und Freigabe-Gates müssen außerhalb des Stil-Passes liegen.
• Geglättete Stimme: Universelle Verbotslisten können Rhythmus, Humor und kulturelle Unterschiede entfernen. Lokalisiere Urteilsvermögen, nicht nur Wörter.
• Quellen-Leakage: Markenbücher und Kundenbeispiele können vertrauliche oder personenbezogene Daten enthalten. Kontrolliere den Modellkontext.
• Regelkonflikte: Mehrere Skills können bei Länge, Ton oder Format widersprechen. Definiere Prioritäten und teste die Kombination.

Ein produktiver Workflow braucht Versionskontrolle, ein Änderungsprotokoll für Modell und Prompt, Quellenrechte, Evals, Freigaberollen und Rollback. Unsere AI-Agent-SLA-Vorlage zeigt, wie solche Betriebsgrenzen messbar werden.

Vorhandenen Skill installieren oder ein eigenes System bauen?

Die wirtschaftliche Frage lautet, ob wiederholte manuelle Korrektur inzwischen mehr kostet als ein getestetes Content-System. Wavects AI-Enablement-Team überführt freigegebene Redaktionsprozesse in versionierte Agent-Workflows. Die Twinsoft-AI-Fallstudie zeigt die Delivery-Disziplin hinter einem produktiven KI-Produkt. Unser Prototype-to-Production-Leitfaden hilft beim Scope. Für Architektur und Pilotaufwand kannst du einen AI-Workflow-Review buchen.