In seinem Essay „Your intellectual fly is open“ kritisiert Bryan Cantrill die zunehmende Schwemme von LLM-generierten Inhalten auf LinkedIn und im Arbeitsalltag. Trotz der Nützlichkeit von Sprachmodellen für Brainstorming, Lektorat und Textverständnis erzeugen sie als eigenständige Autoren stilistisch vorhersehbaren, ausdruckslosen Text voller sprachlicher Klischees. Die Verwendung unüberarbeiteter KI-Texte entzieht den Verfassern die Glaubwürdigkeit und führt dazu, dass Leser die Inhalte aus Mangel an Authentizität ignorieren. Cantrill plädiert daher eindringlich für das Bewahren der eigenen, unverkennbaren menschlichen Stimme.
Wichtigste Punkte
Gerald-Ford-Analogie: LinkedIn hat sich nach dem Niedergang anderer Plattformen zum verlässlichen, wenn auch unspektakulären Hauptnetzwerk entwickelt, leidet jedoch unter der massiven Integration automatisierter KI-Schreibhilfen.
Identifizierbare LLM-Muster: KI-generierte Texte verraten sich verlässlich durch wiederkehrende Stilblüten wie übermäßige Em-Dashes (Gedankenstriche), Emoji-Aufzählungen, Ein-Satz-Absätze und rhetorische Schablonen („nicht nur... sondern auch“).
Verlust von Glaubwürdigkeit: Sobald KI-Generierung für den Leser sichtbar wird, schwindet das Vertrauen in den Wahrheitsgehalt der Aussagen, was zum Abbruch des Lesens führt.
Differenzierte LLM-Einsatzbereiche: KI-Modelle glänzen bei der Konzeption, der Textanalyse und als Werkzeuge für das Lektorat, versagen jedoch beim eigenständigen Verfassen ausdrucksstarker Texte.
Forderung nach Authentizität: Autoren müssen Selbstvertrauen in den eigenen Schreibstil entwickeln, anstatt individuelle Gedanken durch sterile KI-Prosa zu ersetzen.
Diskussions-Highlights
Schreiben als Denkprozess: Mehrere Kommentatoren betonen, dass Schreiben ein essenzieller Prozess zur Strukturierung eigener Gedanken ist. KI-Generierung führt zum Auslagern des eigentlichen Denkens (unter Berufung auf Leslie Lamport: „Wer denkt, ohne zu schreiben, glaubt nur zu denken“).
Fehlendes Urheberbewusstsein und Täuschung: Das Hauptproblem sei nicht nur schlechter Stil, sondern die irreführende Zuschreibung menschlicher Autorschaft für maschinell erzeugte Phrasen.
Unternehmenskommunikation und „TTFED“: In Firmenumgebungen verkommen Ankündigungsemails und Projektpläne zu aufgeblähtem KI-Text mit minimaler Signalwirkung. Geprägt wurde scherzhaft die Metrik Time to First Em Dash (TTFED) für das schnelle Erkennen von KI-Prosa (meist unter 30 Wörtern).
Nutzung durch Nicht-Muttersprachler und Barrierefreiheit: KI-Texte dienen Nicht-Muttersprachlern als Schutz vor sprachlicher Diskriminierung. Zudem verweisen Kommentatoren auf Daten des National Literacy Institute, wonach etwa 54 % der US-Erwachsenen unter dem Niveau der 6. Klasse lesen.
Prompts und Feinabstimmung: Einige Entwickler argumentieren, dass KI keineswegs pauschal schlecht schreibe; minderwertige Ergebnisse seien meist auf fehlenden Kontext, Standard-Prompts und fehlendes Post-Editing zurückzuführen.
Parallelen zur Softwareentwicklung: Ein Anthropic-Mitarbeiter zieht Parallelen zum Übergang von KI-gestütztem Programmieren zu autonomer Code-Generierung auf höheren Abstraktionsebenen und hinterfragt, ob langformatiges Schreiben einer ähnlichen Entwicklung unterliegt.
Stil-Analyse und Falschbeschuldigungen: Diskutierende analysierten Cantrills eigenen Text und zählten 7 Gedankenstriche, 9 Doppelpunkte sowie 7 Ausrufezeichen. Zudem wurde gewarnt, dass vorschnelle KI-Vorwürfe oft genutzt werden, um valide inhaltliche Argumente pauschal zu ignorieren.
Referenzierte Ressourcen: In den Kommentaren wurden das Fachbuch On Writing Well von William Zinsser, ein Nature-Artikel über iteratives Schreiben mit KI (nature.com/articles/d44148-026-00236-3) sowie eine Entwickler-Umfrage (writethatblog.substack.com) angeführt.
Glossar
LLM (Large Language Model): Ein auf enormen Textmengen trainiertes neuronales Netz, das darauf spezialisiert ist, menschenähnliche Sprache zu verstehen und zu generieren.
Em-Dash: Ein langer Gedankenstrich („—“), der in der englischen Typografie zur Trennung von Satzteilen genutzt wird und als typisches Erkennungsmerkmal (Tell) unredigierter LLM-Texte gilt.
AI Slop: Ein Abwertungsbegriff für qualitativ minderwertigen, unkritisch generierten und massenhaft im Internet verbreiteten KI-Text- oder Bildcontent.
TTFED (Time to First Em Dash): Ein informelles Metrik-Kürzel in Online-Diskussionen, das misst, wie viele Wörter vergehen, bis in einem Text der erste LLM-typische Gedankenstrich auftaucht.
Prompting: Das gezielte Formulieren von Eingabeanweisungen an ein KI-Modell, um Tonalität, Kontext und Qualität der Ausgabe zu steuern.