Aus dem LinkedIn-Feed

Die schärfste Gegenstimme zum Gastkapitel in Ihrem Buch stammt von Ihnen selbst. Vor zwölf Jahren.

Der Entwurf kommt von außen, von einem Co-Autor oder Kollegen. Darunter steht Ihr Name. Sie prüfen den Text an Ihrer Linie; Maßstab ist Ihr Gedächtnis, und das hält vor allem das letzte Buch.

Nehmen Sie ein Gastkapitel mit vierzig Aussagen. Legt man sie gegen alles, was Sie veröffentlicht haben, landen sie in drei Spalten:

- 26 sind durch Ihr Werk gedeckt, jeweils mit Fundstelle in einem Ihrer Bücher
- 9 finden dort keine Deckung, weil Sie dazu nie etwas geschrieben haben
- 5 laufen dem zuwider, was von Ihnen gedruckt vorliegt

Eine Stelle aus der dritten Spalte: Der Entwurf rät, Kindern das Lesen vor der Einschulung beizubringen, ohne Einschränkung. In Ihrem zweiten Buch, Seite 212, gilt das nur, wenn das Kind es will, über zwei Absätze begründet.

Beim Lesen fällt das kaum auf. Der Satz klingt nach Ihnen.

Ob Sie damals recht hatten oder der Kollege heute, klärt keine Tabelle. Sie macht die Frage sichtbar, bevor das Kapitel unter Ihrem Namen erscheint.

Im lokalen Wissensarchiv, das ich für das Gesamtwerk eines Autors baue, wird ein fremder Entwurf Aussage für Aussage am eigenen Bestand geprüft.

Die Volltextsuche zieht die wortgenauen Stellen mit Fundstellen-Kennung, ein Sprachmodell baut den Vergleich allein daraus, und die dritte Spalte prüfe ich selbst nach.

Der fremde Text bleibt als fremd gekennzeichnet. Ein Faktencheck ist das nicht; der Maßstab ist Ihr gedrucktes Werk, und KI erfindet darin keine Seite dazu.

Vor der Veröffentlichung kennen Sie die fünf Stellen, an denen Sie sich selbst widersprechen würden. Was Sie daraus machen, bleibt Ihre Entscheidung.

---

Ich entwickle mit Fachautoren fachlich belastbare Sachbücher in einer KI-gestützten, durchgehend kuratierten Buchproduktion; bis zum quellengeprüften, lektoratsreifen Manuskript.

„Widersprochen hat mir die KI in drei Monaten kein einziges Mal.”

Ein Fachautor über das Sprachmodell, mit dem er sein Sachbuch schreibt. Er meint es als Lob.

Ein System, das monatelang Ihren Projektkontext speichert, kennt Gliederung, Quellen und These. Auch die Einwände, die Sie früher aussortiert haben.

Was daraus folgen kann, hat einen Namen: „perspective mirroring”. Das System übernimmt Ihre Deutungsbrille und spielt unbequeme Belege herunter.

So beschreiben es zwei Fachleute im Verlagsblog The Scholarly Kitchen. Beide arbeiten für Dienstleister dieser Verlage, nicht unabhängig.

Deren Beleg ist dünn: 38 Teilnehmer, zwei Wochen, fünf Sprachmodelle, mit und ohne Nutzerkontext. Verdichtete Gedächtnisprofile erhöhten die Zustimmung bei dreien am stärksten, eines veränderte sich nicht signifikant.

Ein Kapitel zur Vier-Tage-Woche: Die These liegt seit dem Exposé im Gedächtnis des Systems. Sie bitten um Gegenargumente und erhalten drei, die Sie im Vorwort erledigt haben. Der Einwand, der Ihre These wirklich träfe, kommt nicht. Das System hat gelernt, dass Sie ihn nicht hören wollen.

Zwei Handgriffe aus dem Artikel:

- Erst ohne eigene Position fragen, dann die Position nennen und fragen, was sich verschiebt.
- Das Gedächtnis durchsehen: Steht eine Meinung vom Frühjahr jetzt als Tatsache da?

In meiner Buchproduktion entsteht die Gegenstimme deshalb im Abgleich mit der Quelle: Ein deterministisches Verfahren klärt, ob die Arbeit existiert und den Satz stützt, ein Sprachmodell liest parallel, ich lese selbst.

Was die Quelle nicht deckt, wird Befund, auch wenn Sie es nicht hören wollen.

Hat ein Assistent Ihnen ein Vierteljahr lang nie widersprochen, dann hat er entweder ein sehr gutes Manuskript vor sich oder ein sehr gutes Gedächtnis. Prüfen Sie erst das zweite.

---

Ich entwickle mit Fachautoren fachlich belastbare Sachbücher in einer KI-gestützten, durchgehend kuratierten Buchproduktion; bis zum quellengeprüften, lektoratsreifen Manuskript.

Ich gab ein Manuskript an zwei KI-Lektorate. Danach lasen es zwei Menschen.

Ein eigener Roman, 26 Kapitel, entstanden mit einer frühen Version der Strecke aus KI-Agenten, mit der ich heute Sachbücher produziere. Vier Korrekturwellen nach Schweregrad, fast zweihundert substanzielle Änderungen in 17 davon. Für mich war der Text geprüft.

Die zwei Beta-Leser meldeten 108 Anmerkungen zurück. Die Lektorate hatten keine davon gefunden.

Drei Beispiele:

- Zwischen zwei Absätzen wurde eine Figur von 29 auf 28 Jahre jünger.
- Eine Anonymisierung war sachlich korrekt und ließ den Satz trotzdem holpern.
- Eine Figur erschien in Kapitel 18, ohne vorher eingeführt worden zu sein.

Die beiden Lektorate hatten Rechtsfehler, Plotlöcher und Sprache geprüft. Ob der Text beim Lesen trägt, bemerkte erst jemand, der ihn wie ein Leser las.

Wer ein Sachbuch aus eigener Autorität schreibt, erlebt das noch deutlicher. Im eigenen Kapitel kommt selten Widerspruch. Das Verlagslektorat prüft Sprache und Aufbau, das Fach meist nicht. Was kein Lektorat markiert, gilt schnell als geprüft.

Heute arbeiten in meinem Workflow Sprachmodelle und deterministische Prüfverfahren parallel, und ich lese mit. Für jede Stelle kann ich benennen, woher sie stammt und wer zuletzt daran gearbeitet hat. Was im Kapitel steht, entscheidet der Autor.

Testen Sie es an einem Kapitel. Legen Sie es jemandem vor, der Ihr Fach nicht teilt und Ihnen nichts schuldet. Zählen Sie die Rückmeldungen und dann jene, die vorher niemand gesehen hatte.

Diese zweite Zahl ist die Gegenstimme, die Ihrem Kapitel fehlte.

Ein Kapitel, an dem niemand etwas beanstandet hat, wurde in den meisten Fällen von niemandem ernsthaft gelesen.

Wer liest Ihr Kapitel, bevor es ins Lektorat geht, und was hat diese Person zuletzt gefunden?

---

Ich entwickle mit Fachautoren fachlich belastbare Sachbücher in einer KI-gestützten, durchgehend kuratierten Buchproduktion; bis zum quellengeprüften, lektoratsreifen Manuskript.

Von 37 Meldungen meines eigenen Prüflaufs waren acht keine Fehler. Der Fehler saß in meinem Prompt.

Zwei Manuskripte, 52 Belege zu 23 Kernaussagen. Ein deterministisches Verfahren ordnet jede Fußnote ihrer Quelle zu, ein Sprachmodell vergleicht die Aussage mit dem Inhalt der Quelle, ich lese die Meldungen dahinter. Alle 52 Belege waren vorhanden, 37 Stellen kamen als Befund zurück.

Beim Gegenlesen zeigte sich ein Muster. Eine Aussage zog sechs Belege auf einmal heran; fünf davon erschienen als Teiltreffer in der Liste. Eine zweite lieferte drei weitere. Zusammen acht, 22 Prozent aller Meldungen.

Der Fehler: Mein Prompt setzte jede Quelle gegen den ganzen Satz.

Hängen mehrere Fußnoten an einem Satz, belegt jede nur ihren Abschnitt; so kam für fast jede „nur teilweise” zurück. Jede einzelne Antwort stimmte.

Falsch zugeschnitten war der Prompt.

Nehmen Sie einen Satz mit drei Behauptungen: Ein Verfahren ist lange beschrieben, es kostet wenig, kaum jemand setzt es ein.

Drei Fußnoten, je eine. Fragt der Prompt jede der drei nach allem, erscheinen drei schwache Belege. Fragt er die zweite nach „kostet wenig”, passt alles.

Ein Werkzeug mit diesem Zuschnitt weist bei gebündelten Fußnoten schwache Belege aus, obwohl sie tragen. Erkennt jemand acht von 37 Meldungen als Fehlalarm, vertraut er auch der neunten nicht mehr.

Gemeldet hat mir das niemand. Es fiel beim eigenen Durchsehen auf, und nur deshalb ist der Prompt heute ein anderer.

Seitdem steht an jeder Fußnote eines gebündelten Satzes der Aspekt, für den sie zitiert wird, und der Prompt fragt allein danach. Ob eine Quelle deckt, erkenne ich. Was daraus im Kapitel wird, entscheidet der Autor.

Bevor Sie einem Prüfbericht glauben, lassen Sie sich den Prompt zeigen, aus dem er stammt.

---

Ich entwickle mit Fachautoren fachlich belastbare Sachbücher in einer KI-gestützten, durchgehend kuratierten Buchproduktion; bis zum quellengeprüften, lektoratsreifen Manuskript.

Im August nahm ein Universitätsverlag ein fertiges Buch vom Markt. Wegen eines einzigen Zitats.

Die Worte in den Anführungszeichen hatte der Zitierte nie gesagt, schreibt Retraction Watch. Sie standen in einem Gerichtsurteil, in dem ein Richter dessen Position zusammenfasste. Der Autor hatte aus zweiter Hand zitiert und den Umweg nicht mehr gesehen.

So entsteht der Fehler fast immer. Ein Zitat wandert aus der Fundstelle ins Manuskript, und unterwegs geht verloren, wer es gesagt hat und wo es steht.

Stellen Sie sich ein Sachbuch-Kapitel über Ernährung mit vierzig Fußnoten vor. Angenommen, bei acht ist der Weg zurück zur Seite nicht mehr da:

- aus der Erinnerung: inhaltlich passt es, die Wörter sind andere
- aus einer Zusammenfassung: die Wörter passen, die Seite gehört zu einem anderen Text
- aus einer Zweitquelle: beides mitgenommen, inklusive des Fehlers des anderen Autors

Beim Schreiben fällt das nicht auf. Es fällt auf, wenn ein Lektorat nachfragt.

KI vergrößert die Lücke. Bitten Sie ein Sprachmodell, ein halb erinnertes Zitat zu ergänzen, erhalten Sie einen Satz, der nach dem Autor klingt, samt Seitenzahl. Ob es die Stelle gibt, verrät er nicht.

In dem lokalen Wissensarchiv, das ich für das Gesamtwerk eines Autors baue, sind zwei Schritte getrennt. Zuerst zieht die Volltextsuche die Textstellen wortgenau heraus, jede mit fester Fundstellen-Kennung; verfasst wird dabei nichts.

Danach schreibt das Sprachmodell, nur auf Grundlage dieser Stellen. Jeder Antwortsatz bekommt die Nummer seiner Fundstelle.

Ob eine Aussage in der Welt zutrifft, klärt das nicht. Es hält fest, dass der Wortlaut so in Ihrem Werk steht, und wo.

Ein Zitat stammt wortgleich aus der Fundstelle und nimmt deren Kennung mit, oder es bleibt draußen. Erinnerung ersetzt keine Fundstelle.

---

Ich entwickle mit Fachautoren fachlich belastbare Sachbücher in einer KI-gestützten, durchgehend kuratierten Buchproduktion; bis zum quellengeprüften, lektoratsreifen Manuskript.

„Das mache ich selbst. Ich weiß doch, wo alles liegt.”

Sagt ein Fachautor über sein eigenes Werk. Fachlich spricht nichts dagegen, niemand kennt seine Texte besser. Eingeplant hat er das Ablegen.

Eine Förderorganisation hat ihren Bestand seit 1990 nachträglich auffindbar gemacht. Vorhanden war er die ganze Zeit; auffindbar wurde er erst, als ihn jemand systematisch erschloss.

Das Ablegen ist der zweite Schritt. Davor wird geklärt, was es überhaupt gibt, alles inventarisiert und festgelegt, was zuerst drankommt. Diese Arbeit plant kaum jemand ein; sie taucht später dort auf, wo keiner damit rechnet.

Nehmen Sie einen Ernährungsmediziner, 25 Jahre im Fach. Drei Sachbücher, rund 40 Fachartikel, Vortragsfolien auf zwei Rechnern und einer Festplatte. Alles da, sagt er. Beim Ablegen zeigt sich:

- Von 40 Fachartikeln liegen 31 als Datei vor, acht als Manuskript mit Abweichungen zur Druckfassung.
- Sein meistgehaltener Vortrag existiert in sechs Fassungen aus zwölf Jahren, keine davon datiert.
- Zum zweiten Buch ist nur noch das gedruckte Exemplar da, die Datei verschwand mit dem alten Rechner.

Solche Punkte kommen mitten im Ablegen auf und halten alles an. Nach meiner Erfahrung steckt darin die eigentliche Arbeit; sie ist größer als das Ablegen selbst.

Bei einem lokalen Wissensarchiv, das beim Autor steht, beginne ich mit der Landkarte. Das Gesamtwerk recherchiere ich eigenständig und inventarisiere es vollständig; Prioritäten setzen wir gemeinsam. Das Grundsystem, in dem ein Sprachmodell den Bestand durchsucht, richte ich erst danach ein.

Wie viel Ihr eigenes Material später leistet, entscheidet sich auf dieser Landkarte, lange bevor Sie ein Wort daraus erneut verwenden. Wie viele Fassungen Ihres wichtigsten Vortrags existieren, und welche ist maßgeblich?

---

Ich entwickle mit Fachautoren fachlich belastbare Sachbücher in einer KI-gestützten, durchgehend kuratierten Buchproduktion; bis zum quellengeprüften, lektoratsreifen Manuskript.

Ich habe für einen Fachautor einen Begriff geprüft, den es nicht gibt, und ihn bestätigt.

In seinem Manuskript stand das Wort Blutzuckerharmonisierung. Die Fachliteratur führt es nicht, PubMed findet dazu deutsch wie englisch null Treffer. Etabliert sind Blutzuckerregulation, Blutzuckerkontrolle und glycemic control.

Ich habe den Satz, in dem das Wort stand, durch meine Quellenprüfung geschickt. Sie sichtete 123 Arbeiten, nahm die zehn passendsten und fasste zusammen, was die Literatur zum etablierten Begriff sagt, sauber und mit benannten Fundstellen.

Am Ende beantwortete sie eine andere Frage. Das Sprachmodell darin hatte den Begriff, den es nicht gibt, stillschweigend als glycemic control gelesen und dazu geliefert. Drei Dinge fehlten:

- Der Autor bekam keinen Hinweis, dass sein Wort kein Fachbegriff ist.
- Die Übersetzung tauchte an keiner Stelle auf.
- Das Verfahren bewertete die eigene Antwort mit 0,78 von 1 und blendete den Warnhinweis aus.

Die zählende Suche und die lesende Zusammenfassung hatten das Wort beide akzeptiert. Erst beim Lesen von Hand fiel es auf: Ich gab den Begriff selbst in die Suchmaske ein, und die Trefferliste blieb leer.

Ein zu gutmütiges Werkzeug kann mehr Schaden anrichten als eines, das zu häufig Alarm gibt. Passt der Rahmen einer Frage, hilft es; liegt der Fehler im Rahmen selbst, bleibt er unsichtbar.

Der Autor hat den Befund bekommen, mit den Begriffen, die die Literatur führt. Seit diesem Fall frage ich zuerst, ob ein Begriff überhaupt existiert, und erst danach, was die Literatur dazu sagt.

Eine Zahl, die durch ein Manuskript wandert, fällt beim Nachrechnen auf. Ein Wort wandert leiser.

---

Ich entwickle mit Fachautoren fachlich belastbare Sachbücher in einer KI-gestützten, durchgehend kuratierten Buchproduktion; bis zum quellengeprüften, lektoratsreifen Manuskript.

Ihr Lektorat streicht den Satz über Hunderte Studien. Das macht Ihr Buch schwächer.

Aus Ernährungsratgebern kennen Sie diese Bauart: Ein Pflanzenstoff wirkt, gestützt durch Hunderte Studien. Ungezählte Menge und Beweisanspruch in einem Satz.

Seit Jahren wandern solche Formulierungen durch die Literatur. Man übernimmt sie vom Vorgänger; kaum jemand prüft den Studienbestand gegen die konkrete Aussage.

Der schnelle Griff zum Rotstift liegt nahe. Dabei verschwindet eine Wirkung, die es wirklich gibt.

In einem Sachbuch-Manuskript begegnete mir so ein Satz zu Knoblauch. Ich habe ein Sprachmodell und einen deterministischen Abgleich gegen PubMed parallel darüber laufen lassen und die Treffer selbst gelesen. Drei Befunde:

- 108 randomisierte kontrollierte Studien mit 7.137 Teilnehmern zeigen messbare Effekte auf kardiovaskuläre Risikofaktoren. Keine Hunderte, doch nachschlagbar.
- Beim Blutdruck ist die Wirkung signifikant, der Gesamteffekt bleibt begrenzt.
- Belegt ist der Gesamtextrakt. Für den isolierten Wirkstoff, auf den der Satz verwies, fand ich im geprüften Pool keine klinische Evidenz.

Was daraus im Kapitel wird, entscheidet der Autor. Er bekommt den Befund und die Arbeiten selbst dazu, nicht meinen Auszug daraus. Beurteilen kann er sie nur im Zusammenhang.

Sachlich daneben trafen zwei Dinge, der Beweisanspruch und der Gegenstand. Belegt ist der Gesamtextrakt, nicht der isolierte Wirkstoff, auf den der Satz verwies.

Eine geprüfte Aussage klingt weniger stark als „bewiesen”. Sie hält dafür einer Nachfrage stand.

Wie viele Mengenbehauptungen enthält Ihr erstes Kapitel, bei denen Sie die Zahl nennen könnten?

---

Ich entwickle mit Fachautoren fachlich belastbare Sachbücher in einer KI-gestützten, durchgehend kuratierten Buchproduktion; bis zum quellengeprüften, lektoratsreifen Manuskript.

Das ärztliche Buch über die KI-gestützte ästhetische Klinik fehlt noch. Wer schreibt es?

Sieben Fachtitel zu KI in der Ästhetik sind erschienen oder angekündigt.

Sie schauen aufs Gesicht: Hautanalyse, Simulation, Fillerplanung.

Die Klinik als Ort ärztlicher Verantwortung kommt kaum vor, also das Gespräch, die Aufklärung und die Akte.

Keiner der Titel macht sie zum Hauptthema.

Genau dort liegen die offenen Fragen.

Was KI-Dokumentation leistet, dazu habe ich aus der ästhetischen Medizin keine Studie gefunden.

Gleichzeitig verlangt der Bundesgerichtshof bei Schönheitsoperationen, „ausführlicher und eindrücklicher” aufzuklären.

Im Streitfall zählt, was davon in der Akte steht.

Beantworten kann das nur, wer eine ästhetische Klinik von innen kennt.

Für Ärztinnen und Ärzte in der Ästhetik ist das die Gelegenheit, zur erkennbaren Stimme des Fachs zu werden.

Für Unternehmen der Branche ist es die Chance, mitzuprägen, nach welchen Kriterien Kliniken KI auswählen.

Auf Deutsch verzeichnet die Nationalbibliothek zu KI in der ästhetischen Medizin bisher kein Buch.

Das Fenster ist offen. Noch.

Ich bin weder Arzt noch Jurist. Ich habe Verlagsprogramme, Studien und Rechtsprechung durchgesehen und jede Aussage gegen die Originalquelle geprüft. Das Carousel zeigt die Befunde, der Artikel die ganze Analyse.

Kennen Sie jemanden, der dieses Buch schreiben sollte?

Vollständiger Artikel mit 30 geprüften Quellen, von Verlagsseiten bis zum BGH-Urteil:

https://drschuermann.com/blog/ki-aesthetische-klinik.html

Sachbuchautoren schreiben am liebsten die Zahl ab, die sich am leichtesten merken lässt.

Stellen Sie sich ein Manuskript über gesundes Altern vor. In Kapitel 1 steht sinngemäß: Ab dem fünfzigsten Lebensjahr sei rund jeder Dritte vom altersbedingten Muskelschwund betroffen. Rund, einprägsam, und seit Jahren wandert sie durch Ratgeber und Vorträge. Das macht mich vorsichtig.

Ich lasse PubMed aktuelle Übersichtsarbeiten liefern. Ein Sprachmodell legt deren Zahlen neben die Aussage im Manuskript. Im Volltext prüfe ich, für welches Altersfenster die jeweilige Prävalenz erhoben wurde. Alle drei laufen parallel.

Gepoolt beträgt die Prävalenz bei den über 60-Jährigen rund 20,7 Prozent (PMID 39161853). Nach Alter getrennt ergibt sich:

- 60–69 Jahre: 15,7 Prozent, weniger als die Hälfte von jedem Dritten
- 70–79 Jahre: 27,2 Prozent, weiterhin darunter
- ab 80 Jahre: 45,4 Prozent, erst hier ist ein Drittel überschritten

Die 33 Prozent aus dem Manuskript beziehen sich damit auf Menschen, die dreißig Jahre älter sind als die im Kapitel genannten. Bleibt der Satz unverändert, beschreibt eine richtige Zahl die falsche Gruppe.

Was daraus im Kapitel wird, entscheide nicht ich. Ich gebe den Befund weiter, mit den Zahlen und den Arbeiten dazu. Der Autor kann die Altersangabe korrigieren, die Aussage streichen oder anders argumentieren. Wollte er zeigen, dass auch Jüngere breit betroffen sind, trägt die Studienlage das nicht.

Ohne die Bedingung, unter der sie gilt, liefert eine Zahl keine brauchbare Auskunft. Wer sie übernimmt, zitiert Erinnerung statt Studie.

Greifen Sie sich die drei rundesten Zahlen aus Ihrem ersten Kapitel heraus und suchen Sie zu jeder, an wem, wo und wann sie gemessen wurde. Unter Ihrem Namen stehen sie ohnehin. Nur ungeprüft werden sie zum Risiko.

---

Ich entwickle mit Fachautoren fachlich belastbare Sachbücher in einer KI-gestützten, durchgehend kuratierten Buchproduktion; bis zum quellengeprüften, lektoratsreifen Manuskript.

Ich ließ dieselbe KI mein Kapitel schreiben und prüfen. Zurück kamen erfundene Sätze.

Der Einwand kommt schnell: Ein zweiter Lauf mit frischem Prompt entdeckt doch andere Stellen. Mitunter stimmt das. Die erste Fassung prüft er dabei nicht; er erzeugt eine Abwandlung.

Was dabei herauskam, betrifft jede Prüfung, die Sie einer KI überlassen.

Meine Strecke umfasst vier Rollen; Rolle meint hier eine Station in der Verarbeitungskette, keinen Menschen im Team. Jede läuft mit eigener Temperatur. Diese Einstellung bestimmt, wie frei ein Sprachmodell vom Vorgegebenen abweichen darf.

- Planen bei 0,7, weil ein Plan Breite braucht
- Schreiben bei 0,8, weil ein Entwurf Varianten braucht
- Redigieren bei 0,3, weil eine Korrektur eng am Text bleiben muss
- Abschließen bei 0,2, fast ohne Spielraum

Probeweise habe ich die redigierende Station auf 0,8 gestellt, denselben Wert wie beim Schreiben. Die Anweisung blieb unverändert: prüfen, korrigieren, nichts hinzufügen.

Trotzdem erfand die Station neue Sätze, statt zu redigieren. Im Regelbetrieb läuft sie auf 0,3.

Ich nehme daraus nur diese eine Regel mit: Dieselbe Einstellung führt zu demselben Verhalten, gleichgültig, was in der Anweisung steht.

Für ein Manuskript heißt das: Eine Prüfung trägt erst, wenn sie aus einer anderen Richtung kommt als das Schreiben.

Darum lasse ich in meiner Prüfstrecke ein Sprachmodell und ein zählendes, deterministisches Verfahren, das bei gleichem Text immer dasselbe meldet, parallel über dasselbe Kapitel laufen. Danach lese ich selbst, wo beide anschlagen und wo nur eines.

Beide finden anderes. Die Kombination liefert den Gegencheck; der zweite Durchgang bleibt Wiederholung.

Wer liest Ihr nächstes Kapitel aus der anderen Richtung?

---

Ich entwickle mit Fachautoren fachlich belastbare Sachbücher in einer KI-gestützten, durchgehend kuratierten Buchproduktion; bis zum quellengeprüften, lektoratsreifen Manuskript.

Kurz vor der Abgabe überfliegt fast jeder Fachautor sein Literaturverzeichnis nur noch.

Man sieht viele Einträge, sauber formatiert, und denkt: gefühlt vollständig.

Das Bauchgefühl trügt. Blinde Flecken werden erst sichtbar, wenn Sie das Verzeichnis wirklich auszählen.

Ein Beispiel. Sie schreiben über KI im Gesundheitswesen, beim schnellen Drüberschauen sieht alles gut aus. Werten Sie die Quellen nach Zahlen aus, sehen Sie plötzlich:

• 80 Prozent Ihrer Quellen sind älter als fünf Jahre, obwohl Sie über den aktuellen Stand schreiben.
• 70 Prozent der Studien stammen aus demselben Autoren-Netzwerk.
• Fast alle Fallbeispiele kommen aus US-Kliniken, die europäische Versorgungslage fehlt völlig.

Das Auszählen schreibt Ihnen nicht vor, was ins Buch gehört. Wenn Sie ein Thema bewusst nur streifen, reichen dafür wenige Quellen.

Es deckt auf, wo Absicht und Ausführung unbemerkt auseinanderlaufen.

Dass Zählen zeigt, was Schätzen verbirgt, habe ich in einem Partnerprojekt gesehen.

Eine Suche über einen großen Bestand medizinischer Fachtexte fand zunächst nur 74,2 Prozent der wirklich passenden Stellen unter den ersten zehn Treffern. Gut ein Viertel blieb unsichtbar, und geschätzt hätte das niemand.

In meiner Buchproduktion verlasse ich mich am Ende nicht auf das Bauchgefühl, sondern werte die Verteilung der Quellen systematisch aus. Das fachliche Urteil bleibt beim Autor. Die Zahlen zeigen ihm nur, ob die Recherche abbildet, was er vorhatte.

Wann haben Sie Ihr Literaturverzeichnis das letzte Mal nach harten Zahlen ausgewertet?

---

Ich entwickle mit Fachautoren fachlich belastbare Sachbücher in einer KI-gestützten, durchgehend kuratierten Buchproduktion; bis zum quellengeprüften, lektoratsreifen Manuskript.

Ein Wissenschaftsverlag sagt genau, wo der KI-Einsatz steht. Ein Buchverlag lässt die Stelle offen.

Ein Autor hat für ein paar Kapitel KI eingesetzt und will das ehrlich kenntlich machen. Er öffnet das fertige Manuskript und sucht die Stelle, an die dieser Hinweis gehört, und findet sie nicht.

Es gibt keine Zeile und keine übliche Form dafür, an der stünde, was aus dem Modell kam und was er selbst geprüft hat.

In der Wissenschaft gibt es diesen Ort längst. Elsevier verlangt eine eigene Erklärungssektion am Ende des Manuskripts, unmittelbar vor den Referenzen.

Dort benennt der Autor, wofür er KI genutzt hat und dass er für den Inhalt verantwortlich bleibt. Einen Wortlaut empfiehlt der Verlag, verlangt aber nur die Sektion selbst; einfache Hilfen für Grammatik, Rechtschreibung und Zeichensetzung bleiben ausgenommen.

Und sie erscheint später im veröffentlichten Artikel.

Die Buchbranche regelt dieselbe Sache woanders. Der Ausschuss für Verlage und die IG Digital des Börsenvereins haben dazu eine freiwillige Handreichung vorgelegt, „Transparenz statt Pflicht”, in der sich jedes Haus einzeln positioniert.

Das ist eine legitime Haltung, nur greift sie beim Verlag, wo produziert wird, und nicht dort, wo der Autor sein eigenes Vorgehen beschreiben könnte.

Zwischen beidem liegt die leere Stelle. Wer die zwei Welten nebeneinanderlegt, sieht, dass dem Sachbuch nicht die Ehrlichkeit fehlt, sondern die Form dafür.

In meiner Buchproduktion halte ich zu jeder Bearbeitung fest, wer sie gemacht hat. So kann ein Autor die Stelle selbst füllen und belegen, ohne auf eine Norm zu warten, die es bislang nicht gibt.

Wenn Sie KI in einem Buchmanuskript eingesetzt hätten: an welcher Stelle im fertigen Buch würden Sie das sichtbar machen, und in welcher Form?

---

Ich entwickle mit Fachautoren fachlich belastbare Sachbücher in einer KI-gestützten, durchgehend kuratierten Buchproduktion; bis zum quellengeprüften, lektoratsreifen Manuskript.

35 Aussagen, 22 Fußnoten, alle von mir gesetzt und mehrfach geprüft. Eine stimmte nicht.

Es ging um einen eigenen Fachbeitrag darüber, was passiert, wenn eine zitierte Studie zurückgezogen wird. Der Beitrag mahnt selbst, keine Zahl an einen Beleg zu hängen, der von etwas anderem handelt.

Genau dieser Fehler steckte darin.

Dort hieß es: Die Datenbank von Retraction Watch führt über 61.000 Einträge, Stand März 2025. Die Fußnote führte zu einem Artikel über Rücknahmen bei einem einzelnen Verlag im Vorjahr, rund 2.900 von 482.000 Aufsätzen.

- Die Zahl 61.000 taucht dort nicht auf.
- Der Stichtag März 2025 ebenso wenig.
- Die Datenbank wird nur am Rand erwähnt.

Die Zahl an sich war nicht falsch, 61.000 passte in jenem Jahr zur Größenordnung. Sie hing nur an einer Quelle, die etwas anderes sagt.

Wer den Satz schreibt, hat im Kopf, was die Fußnote belegen soll. Beim Kontrollieren liest er, was er erwartet. Was wirklich dort steht, rückt aus dem Blick.

Entdeckt wurde der Fehler in einem Prüflauf, den ich zum ersten Mal auf einen eigenen Text angewendet hatte. Ein Skript öffnet jede der 22 Quellen, ein Sprachmodell vergleicht den Volltext mit dem Satz, der sich darauf stützt, und jede Meldung prüfe ich von Hand nach.

Keine der drei Instanzen kannte meine Erwartung an diese Stelle. Sie haben gelesen, was tatsächlich dort stand.

Fünf Befunde, zwei davon kritisch, mit dem Ergebnis, den Text so nicht zu veröffentlichen. In der korrigierten Fassung steht dort eine Zahl, die in ihrer Quelle steht, mit zwei Fußnoten statt einer.

Ich halte es für ausgeschlossen, dass ein Autor diese Fehlerart im eigenen Manuskript entdeckt.

Wer prüft Ihr Literaturverzeichnis, bevor es an den Verlag geht, ohne schon zu wissen, was dort stehen soll?

---

Ich entwickle mit Fachautoren fachlich belastbare Sachbücher in einer KI-gestützten, durchgehend kuratierten Buchproduktion; bis zum quellengeprüften, lektoratsreifen Manuskript.

„Welche Sätze sind von der KI?” Das Lektorat fragt am fertigen Text, wo man es nicht sieht.

Stellen Sie sich ein Sachbuch über Schlaf vor und darin den Satz: „Wer unter sechs Stunden schläft, greift am nächsten Tag häufiger zu Süßem.” Auf drei Wegen kann er in dieses Kapitel geraten sein.

- aus Ihrem eigenen Vortrag, gehalten vor vier Jahren
- aus einer Studie, die Sie während der Recherche gefunden haben
- aus dem, was das Sprachmodell von sich aus weiß, ohne dass eine Quelle beteiligt war

Sind die drei Varianten ausformuliert, wirken sie gleich. Der Unterschied steckt in der Prüfung im Hintergrund, und diese Prüfung fällt jedes Mal anders aus.

Beim eigenen Vortrag prüfen Sie gegen den eigenen Bestand, nicht gegen die Welt: Haben Sie das damals genau so gesagt, oder zurückhaltender? Die recherchierte Studie muss die Formulierung tragen, so wie sie jetzt im Text steht.

Was das Sprachmodell aus eigenem Wissen liefert, beginnt als Behauptung. Häufig fachlich richtig, unbelegt, und dem Satz ist das nicht anzusehen.

Beim Schreiben notiere ich die Herkunft für jeden Satz. Auch Monate später kann ich Ihnen sagen, wo er herkommt und wer ihn zuletzt bearbeitet hat.

Vor dem Bau der Belegstrecke habe ich eine Regel festgelegt: Zu jedem Satz gehört eine Fundstelle, oder er ist klar als Lücke gekennzeichnet. Kein Mittelweg. Die Halb-Aussage „stimmt wohl, ein direkter Beleg fehlt aber” kommt nicht durch.

Eine Lücke wirft den Satz nicht aus dem Text. Wenn kein Beleg ihn in seiner starken Form trägt, wird er abgeschwächt und als das markiert, was er ist: eine Hypothese, ein Einzelbefund oder ein offener Streit. Gestrichen wird nur, was falsch ist.

Die Frage des Lektorats stimmt. Wer sie erst am fertigen Text stellt, sieht drei gleiche Sätze und bekommt keine Antwort.

---

Ich entwickle mit Fachautoren fachlich belastbare Sachbücher in einer KI-gestützten, durchgehend kuratierten Buchproduktion; bis zum quellengeprüften, lektoratsreifen Manuskript.

„Ab 50 hat jeder Dritte Muskelschwund.” Die Quelle existiert, dieser Satz steht nicht darin.

Solche Sätze findet man in vielen Gesundheitsbüchern, jeweils mit Fußnote. Der Fachautor öffnet das DOI, die Übersichtsarbeit erscheint, der Verweis funktioniert.

Beim Nachlesen nennt die Arbeit Werte nach Alter:

- 15,7 Prozent bei 60 bis 69 Jahren
- 27,2 Prozent bei 70 bis 79
- 45,4 Prozent ab 80

Ein Drittel wird erst jenseits der Achtzig erreicht. Die Zahlen der Arbeit passen, der Satz darüber kippt.

Hier hat niemand geschlampt. Eine Fußnote muss vier Dinge auf einmal klären. Der Klick erledigt die erste Frage. Die übrigen drei kosten Arbeit, und an dieser Stelle bleiben sie liegen.

- Existiert die Arbeit? Abgleich mit PubMed oder Crossref.
- Trägt sie die Aussage? Dann muss jemand lesen, was darin steht.
- Findet sich die Zahl im Volltext? Die Zusammenfassung genügt nicht.
- Ist sie noch gültig? Rücknahmen und Expressions of Concern, die Warnhinweise der Zeitschriften, verlangen eine eigene Suche.

Beim vierten Punkt täuscht der Klick am stärksten: Eine zurückgezogene Arbeit bleibt online, ihr DOI führt weiter dorthin.

An den Manuskripten, die ich gemeinsam mit Fachautoren bearbeite, stelle ich alle vier Fragen, mit zwei Verfahren nebeneinander.

Bei Verzeichnissen und Volltext laufen die Abfragen deterministisch: Eine Zeichenkette findet sich oder eben nicht.

Für die zweite Frage, die inhaltliche Deckung, läuft parallel ein Sprachmodell. Es legt Fundstelle und Satz nebeneinander. Ob die Abweichung ins Gewicht fällt, entscheidet ein Mensch, der beides vor sich hat.

Eine gepflegte Quellenliste mit 200 auflösenden DOIs beweist, dass es 200 Arbeiten gibt. Was in ihnen steht, bleibt offen.

Bei wie vielen Ihrer Fußnoten kam die zweite Frage wirklich dran?

---

Ich entwickle mit Fachautoren fachlich belastbare Sachbücher in einer KI-gestützten, durchgehend kuratierten Buchproduktion; bis zum quellengeprüften, lektoratsreifen Manuskript.

Ich fragte, weshalb ein Wort in meinem Kapitel auftaucht. Die Antwort war korrekt und half nicht.

Die Szene: Eine neunzehnjährige Aktivistin schreibt in einen verschlüsselten Chat: „Meeting tomorrow. Location classified. Bring notebooks and burner phones.”

Ich teste mein Verfahren an eigenem Material. Beim Lesen blieb mein Blick bei burner phones hängen. Wer die Szene nicht kennt, versteht das Wort kaum. Meine Notiz: prüfen, ob eine Ersetzung möglich ist.

Danach habe ich geprüft, wo der Satz herkam. An jeder Stelle im Manuskript kann ich das nachvollziehen. Hier stand es: Für die Figur war ein Sprachprofil hinterlegt, ein Teil des Prompts für den schreibenden KI-Agenten.

Aktivisten-Vokabular, verbunden mit Gen-Z-Slang, eine Person, die in Posts und Stories denkt. Das Sprachmodell hatte meine Vorgabe erfüllt, genau bis zu diesem Wort.

Für die Figur passte die Vorgabe, für den Leser nicht. Gleichzeitig.

Ohne die gespeicherte Begründung wäre daraus eine Geschmacksfrage entstanden, eine von denen, die zweimal durchs Lektorat gehen. Mit ihr ging es um die Entscheidung, wie weit die Sprache dieser Figur reichen darf. Diese Entscheidung wurde nicht pauschal getroffen:

- Im Chat blieb burner phones stehen, das Wort gehört zur Figur.
- Im Dialog einer anderen Figur blieb es auch.
- In der Erzählstimme steht Wegwerfhandy.

Der Nachweis verhinderte den Fehler nicht. Wer Ihnen das verspricht, verkauft etwas anderes. Er zeigt die Stelle, an der zwei richtige Vorgaben gegeneinanderlaufen, damit Sie entscheiden statt raten.

In Ihrem Sachbuch heißt diese Figur Zielgruppe. Sie haben dem Sprachmodell gesagt, für wen es schreibt. Irgendwann erscheint ein Satz, der diese Vorgabe exakt erfüllt und trotzdem nicht trägt. Woran sehen Sie, welche Vorgabe dort gewirkt hat?

---

Ich entwickle mit Fachautoren fachlich belastbare Sachbücher in einer KI-gestützten, durchgehend kuratierten Buchproduktion; bis zum quellengeprüften, lektoratsreifen Manuskript.

Wer erst nach der Abgabe notiert, wie das Manuskript entstand, sichert nur sein Gedächtnis.

Notieren Sie, was von Ihnen kommt und was vom Sprachmodell. Für einen Fachautor klingt das nach einem zweiten Arbeitsgang, nach Verwaltung, und Verwaltung bleibt liegen.

Nehmen Sie ein Kapitel über Schlaf, 40 Aussagen mit Belegpflicht. Drei haben Sie vorsichtiger formuliert, weil die Grundlage eine Studie mit 30 Teilnehmern war. Acht Monate später fragt das Lektorat, weshalb Seite 112 zurückhaltender klingt als die Einleitung.

Bei mir erstellen Sprachmodelle die Entwürfe, Sprachmodelle und zählende Prüfverfahren prüfen parallel gegen, und ich lese selbst. Jedes Kapitel geht durch sieben Schritte, bevor es ins Lektorat kommt:

- Aussagen aufnehmen, auch Risiken
- Quellentyp notieren: Leitlinie, Übersichtsarbeit, Primärstudie
- Quelle bestimmen, DOI oder PubMed-Nummer, Abrufdatum
- Fundstelle zuordnen, Seite oder Tabelle mit Kontext
- Belegstatus setzen: belegt, teilweise, widersprüchlich, offen
- Entscheidung festhalten: übernommen, eingeschränkt, verworfen, neu formuliert, und warum
- Kapitel freigeben, offene Punkte abgezeichnet

Im Lektorat gehören mehrere Schleifen dazu. Die Änderungen gehen in die nächste Fassung, die Gründe bleiben im Gespräch.

Alle sieben Schritte haben einen fachlichen Zweck; ohne sie blieben Fehler im Text. Die Spur entsteht im Lauf und wird nicht hinterher rekonstruiert; den Nachweis liefert der sechste: Zu Seite 112 steht dort „eingeschränkt, eine Studie, 30 Teilnehmer”, notiert am Tag der Entscheidung.

So kann ich zu jedem Satz sagen, woher er stammt und wer ihn zuletzt bearbeitet hat. Acht Monate später bliebe sonst nur die Erinnerung.

An welchem Punkt Ihres Ablaufs wird festgehalten, warum eine Aussage abgeschwächt wurde?

---

Ich entwickle mit Fachautoren fachlich belastbare Sachbücher in einer KI-gestützten, durchgehend kuratierten Buchproduktion; bis zum quellengeprüften, lektoratsreifen Manuskript.

In Washington verlor ein Kläger, weil er seine eigene Rolle neben der KI nie behauptet hat.

Er meldete ein Bild an, gab seine KI als Urheber an und sich selbst nur als Rechteinhaber. Das Gericht hielt fest: Ein Urheber muss Mensch sein. Ob der Mann durch Bau und Steuerung seines KI-Systems selbst Urheber gewesen wäre, ließ es offen, weil er das der Behörde nie vorgebracht hatte.

Das Urteil sagt sogar: Werke können geschützt bleiben, wenn ein Mensch die KI als Werkzeug führt. US-Verfahren, kein deutsches Urteil; nach meiner Recherche wurde die Revision im Frühjahr nicht angenommen.

- Peking, anderthalb Jahre davor: Der Kläger reichte über 150 Prompts, Parameter und Nachjustierungen ein und erhielt Schutz.
- Washington: Im Antrag stand die KI als alleinige Urheberin, die eigene Führung wurde nie thematisiert, kein Schutz.
- München, Amtsgericht im Februar: Der menschliche Beitrag muss den Output eindeutig erkennbar prägen, unterste Instanz, kein Fundament.

In allen Fällen ging es um Bilder; beim Sachbuch-Manuskript bleibt die Frage offen.

Denken Sie an ein Kapitel über Schlaf, 40 Absätze, entstanden mit einem Sprachmodell. Ein halbes Jahr später fragt das Lektorat, weshalb Absatz 17 die Studienlage vorsichtiger darstellt als der übrige Text. Was zeigen Sie?

In meiner Buchproduktion arbeiten KI-Agenten für Text und Lektorat unter Kuratierung; zu jedem Absatz sind Prompt, Quelle, Vorfassung und letzter Bearbeiter hinterlegt. Das entsteht beim Schreiben; hinterher rekonstruiert niemand einen Prompt vom Frühjahr.

Ob daraus ein Urheberrecht entsteht, entscheidet im Einzelfall ein Gericht. Ob Sie den Nachweis vorlegen können, entscheiden Sie beim Schreiben.

Welche Entscheidungen aus Ihrem letzten Kapitel könnten Sie heute noch nachweisen?

---

Ich entwickle mit Fachautoren fachlich belastbare Sachbücher in einer KI-gestützten, durchgehend kuratierten Buchproduktion; bis zum quellengeprüften, lektoratsreifen Manuskript.

Eine Ernährungswissenschaftlerin streicht das Wort „hilft” und schreibt „hängt zusammen mit”.

Ihr Satz war vorher nicht falsch. Geändert hat sich, was unter ihm liegt. Die Arbeit, auf die sie sich stützte, ist als Quelle weggefallen, und was den Satz jetzt tragen soll, trägt ihn nur den halben Weg.

Dass sie davon erfährt, hat einen Grund: Jeder Satz hängt an seinem Beleg. Fällt eine Quelle weg, prüft ein KI-gestütztes Evidenzverfahren die betroffenen Stellen, bewertet die Belegkraft neu und schlägt eine Korrektur vor.

Im Kapitel stand, dass ein regelmäßiges Frühstück beim Abnehmen hilft. Belegt war das mit Beobachtungsstudien: Wer frühstückt, wiegt im Schnitt weniger. Randomisierte Studien zeigen diesen Nutzen nicht.

Eine Übersichtsarbeit im British Medical Journal fand 2019 sogar eine kleine Differenz zugunsten derer, die es ausließen, bei niedriger Evidenzqualität.

Sätze geben auf bestimmten Achsen nach. Aus einer Wirkung wird ein Zusammenhang, aus allen eine Untergruppe, aus belegt uneinheitlich.

Schwer wiegt die Entscheidung danach, und sie lässt sich nicht delegieren: Gibt die Autorin den starken Satz auf oder sucht sie weiter, bis eine Quelle ihn doch noch trägt?

Steht die neue Quellenbasis, wird der Absatz frisch erzeugt statt umformuliert. Das trägt als Nachweis weiter: Enthält die Vorgabe kein Fremdmaterial mehr, ist jede verbleibende Ähnlichkeit Zufall.

Was dann noch fehlt, ist die Stimme. Ein sauber belegter, frisch erzeugter Absatz ist korrekt und klingt nach niemandem. Ihn wieder nach der Autorin klingen zu lassen, ist die Arbeit, die bleibt.

Welchen Ihrer Sätze würden Sie aufgeben, wenn der Beleg darunter nur die Hälfte davon trägt?

Das Frühstücksbeispiel steht hier für die Belegführung, nicht als Ernährungsempfehlung.

#Sachbuch

Drei Stellen im Kapitel waren von Hand gefunden. Der Prüflauf meldete keine davon.

Gesucht war Nähe zu einer fremden Vorlage, und zurück kam ein leerer Bericht.

Die drei Stellen standen trotzdem da. Was sie verband, war der Weg durch den Stoff. Eine davon sieht so aus: Beide Fassungen fangen mit der Patientin an, die sagt, sie esse doch gar nichts Süßes. Beide erklären danach den Langzeitwert im Blut. Beide enden mit derselben Pointe über das tägliche Brot.

Genau das findet ein Zeichenketten-Vergleich nicht. Er meldet, wo dieselben Wörter in derselben Reihenfolge stehen. Abgeschriebenes findet er zuverlässig, nur ist Abschreiben selten das Problem, bei Texten aus Sprachmodellen praktisch nie.

Eine semantische Suche hilft nur bedingt. Sie misst Themennähe, und zwei Kapitel über denselben Stoff liegen immer nah beieinander. Die Reihenfolge sieht sie nicht.

Auch das Gesetz zählt nicht. Seit 2021 steht in Paragraf 23 des Urheberrechtsgesetzes, dass ein neuer Text frei ist, sobald er genug Abstand zur Vorlage hält. Gerichte prüfen das mit einer Frage: Verblasst das Übernommene neben dem, was der neue Text selbst ist?

Die Frage, die trägt, lautet deshalb anders. Lässt sich die Gedankenfolge der Vorlage danebenlegen und fast synchron mitlesen? Sie richtet sich an ein ganzes Kapitel statt an Satzpaare.

Beantworten kann sie ein Sprachmodell, und es braucht dafür eine einzige Voraussetzung: Jeder Absatz muss wissen, aus welcher Quelle er stammt. Steht diese Zuordnung, wird Absatz gegen Vorlage gelesen statt Zeichen gegen Zeichen. Genau so prüfe ich.

Jedes Prüfwerkzeug hält man zuerst gegen Stellen, die man kennt. Findet es die nicht, weiß man, was ein leerer Bericht wert ist.

Ab wann wird aus der Beeinflussung, die zu jedem Schreiben gehört, eine Übernahme?

#Sachbuch

Ein Autor soll den Vergleich aus seinem Kapitel streichen, der die Sache am besten erklärt.

Der Vergleich ist gut. Er gehört nur jemand anderem. Die Quelle, aus der es stammt, steht nicht mehr zur Verfügung, und mit ihr geht der Vergleich.

Warum sie weg ist, spielt für die Reparatur keine Rolle. Ein Rechtestreit, ein zurückgezogenes Einverständnis, ein Werk, das vom Markt geht. Zu klären ist allein, was jetzt aus dem Text muss.

Die Antwort fällt enger aus als befürchtet und weiter als erwartet.

Enger, weil Fakten niemandem gehören. Dass Insulin die Fettverbrennung bremst, steht in jedem Lehrbuch. Daran hat niemand ein Recht, egal wer es zuerst aufgeschrieben hat.

Weiter, weil der Schutz über die Sätze hinausreicht. Er umfasst auch den Weg durch den Stoff: welches Beispiel zuerst kommt, welcher Vergleich die Sache erklärt, in welcher Reihenfolge die Einwände abgeräumt werden.

Daraus werden drei Fälle. Gesichertes Wissen bleibt. Eine Deutung, die jemand einer bekannten Tatsache gegeben hat, braucht eine unabhängige Quelle; findet sich eine, bleibt auch die Deutung. Ein Vergleich dagegen, eine Formel, eine Zuspitzung, die von einer bestimmten Person stammt, muss raus, und an ihre Stelle etwas Eigenes.

Nur der dritte Fall tut wirklich weh, und er trifft ausgerechnet die besten Stellen. An Zahlen erinnert sich niemand, an Vergleiche schon.

Was hilft, entsteht lange vorher. Der Gedankengang eines Fachbuchs steht meist schon in Notizen von vor der ersten Manuskriptzeile. Wer die aufhebt, hat den Nachweis, den man hinterher nicht mehr führen kann.

Welchen Vergleich in Ihrem Manuskript könnten Sie nicht ersetzen, ohne dass das Kapitel darunter leidet?

Methodische Einordnung, keine Rechtsberatung. Für Ihre konkrete Situation: Fachanwalt einschalten.

#Sachbuch

16 Bundesländer. 5 Einfallstore.

Nicht weil etwas kaputt wäre. Sondern weil Machtverteilung genau das bedeutet: nicht eine Stelle, die entscheidet, sondern sechzehn.

Der Föderalismus ist so gebaut, und das aus guten Gründen. Er sollte verhindern, dass jemand von einer Stelle aus durchregiert. Diese Stärke ist gleichzeitig eine Eigenschaft, mit der sich arbeiten lässt: Was in einem Land regional aussieht, summiert sich bundesweit.

Für meinen Roman wollte ich wissen, wo ein geduldiger Akteur ansetzen könnte, der sich an jede einzelne Regel hält. Nicht: wer die Bösen sind. Sondern: welche Wege offenstehen, ohne dass jemand etwas bricht.

Alle legal. Keiner spektakulär.

Ich habe die ganze Recherche über nach dem Bruch gesucht. Es gibt keinen.

Wie ich dabei vorgegangen bin, steht im Blog. Link im ersten Kommentar.

Wo sehen Sie in Ihrer Organisation Regeln, die sich gegen ihren eigenen Zweck wenden lassen?

#Systemanalyse #Governance {hashtag|#|Föderalismus} #Risikomanagement

Beim Nachdenken über eine Kapitelfassung landete ich bei einem Fotografen und seinem Lehrling.

Gegen ein Manuskript, an dem ein Sprachmodell mitschreibt, kommt ein Einwand: Wer das Ergebnis nicht selbst steuert, schafft nichts Eigenes, das geschützt wäre. Das klingt zwingend, solange man das Schöpferische an der Ausführung festmacht. Der Autor entscheidet über Aufbau, Auswahl, Gewichtung und Verwerfen, und trotzdem soll darin keine Schöpfung liegen.

Der Fotograf diktiert seinem Lehrling alles: Motiv, Ausschnitt, Blende, Belichtungszeit. Der Lehrling betätigt auf genaue Anweisung nur den Auslöser, und niemand spricht dem Fotografen das Bild ab. Was der Fotograf vorher festgelegt hatte, war die Schöpfung, und der Lehrling war das Werkzeug. Ein knapper Auftrag hätte das nicht getragen, erst die durchgearbeitete Festlegung tut es.

Die Hand des Lehrlings zittert. Machte man die Schöpfung daran fest, wäre der ruhige Handwerker der schlechtere Künstler. Ob die Abweichung aus einer Hand oder aus einem Modell kommt, ändert am Ort der Schöpfung nichts.

Auf ein Kapitel gelesen: Die Schöpfung sitzt nicht darin, ob jeder Satz von Hand getippt wurde, sondern ob Aufbau und Verwerfung die Entscheidungen eines Kopfes tragen. Diese Festlegungen halte ich fest, wenn ich ein Buchprojekt betreue.

Als Rechtsargument taugt das nicht, es beschreibt nur, was an der Zurechnung befremdet. Juristen halten sie aus guten Gründen eng, gegen maschinelle Massenware. Für Fließtext ist ohnehin nicht geklärt, ab wann ein Text als eigene Schöpfung gilt, denn die bekannten Entscheidungen betreffen Grafik und Bild, nicht das Manuskript.

An welcher Ihrer Festlegungen ließe sich in acht Monaten noch zeigen, dass die Entscheidung Ihre war?

Keine Rechtsberatung, nur Methode. Den Fall klärt ein Fachanwalt.

#Urheberrecht

1.400 Milligramm Vitamin B6 standen im Kapitel. Die Prüfung sagte weder ja noch nein.

Die Zahl kam aus einer Nährwerttabelle in englischer Notation, dort trennt der Punkt die Nachkommastellen ab. 1.400 sind dort 1,4 Milligramm, und das ist ungefähr der Referenzwert für einen Erwachsenen. Im deutschen Kapitel markiert derselbe Punkt die Tausender.

Eine übliche Prüfung hätte hier abgehakt. Sie vergleicht den Wert im Text mit dem Wert in der Quelle, findet dieselbe Ziffernfolge und meldet Übereinstimmung. Das Ergebnis wäre formal richtig und in der Sache falsch.

Das Prüfsystem, das ich für Manuskripte baue, soll an dieser Stelle etwas Drittes antworten. Den Verdacht kennt es, Milligramm gegen Mikrogramm ist ein Größenordnungssprung. Was ihm fehlt, sind die Referenzwerte der Fachgesellschaften, gegen die sich das entscheiden ließe; seine Quellen sind Fachliteratur, keine Normtabellen. Also soll es nicht entscheiden, sondern die Stelle zurückgeben, mit hoher Priorität und dem Hinweis, woran zu prüfen ist.

Das war eine Entwurfsentscheidung, keine Lücke, die noch zugeht. Ein Prüfsystem, das auf jede Frage antworten muss, liefert Bestätigungen, die es nicht decken kann. Und eine falsche Bestätigung ist schlechter als gar keine, weil danach niemand mehr hinsieht.

Was dann bleibt, ist eine Stelle mit einer Markierung und ein Mensch, der sie prüft. In diesem Fall der Autor, denn auf dem Cover steht sein Name und nicht der einer Prüfroutine.

Woran merken Sie, dass ein Häkchen in Ihrem Manuskript ein Urteil war und keine Übereinstimmung?

#Buchproduktion

Acht Monate nach Abgabe steht ein Satz im Manuskript, und keiner weiß mehr, wie er entstand.

Am fertigen Satz sieht man nicht, ob er in einem Zug so dastand, ob er aus einer Anweisung an die KI kam und nur redigiert wurde, oder ob er dreimal verworfen und neu gebaut wurde. Im Ergebnis sind prägende eigene Gestaltung und bloße Anweisung nicht zu unterscheiden.

Dann kommt der Moment, in dem doch jemand fragt. Der Verlag will nachdrucken, ein Mitautor streitet über Anteile, oder ein Lektor möchte wissen, was an diesem Buch eigentlich die eigene geistige Leistung war. Die Erinnerung trägt die Antwort längst nicht mehr.

Urheberrechtlich hängt der Schutz ohnehin am Anteil eigener Schöpfung im Werk, nicht am fertigen Band als solchem. Berichtet wird ein Fall, in dem ein Gericht den Schutz für ein rein per Anweisung erzeugtes Logo verneinte, weil die gestalterischen Entscheidungen die Maschine traf. Das war eine einzelne Entscheidung zu einer Grafik. Für Fließtext fehlt eine solche Klärung bis heute.

Wenn ich ein Buchprojekt begleite, halte ich schon während der Arbeit fest, wo eine Entscheidung fiel, was verworfen wurde und an welchen Stellen ich prägend eingegriffen habe. Das erzeugt keinen Schutz. Es macht den eigenen Anteil sichtbar, den man später aus dem fertigen Text allein nicht mehr herausliest.

Diese Spur entsteht während der Arbeit oder gar nicht. Rückwirkend lässt sie sich nicht herstellen, und sie ist am Ende das Einzige, woran sich die Frage nach acht Monaten noch beantworten lässt.

An welcher Stelle Ihres Schreibtags ließe sich das festhalten, ohne dass es die Arbeit ausbremst?

Methodische Einordnung, keine Rechtsberatung. Für Ihre konkrete Situation: Fachanwalt einschalten.

#Urheberrecht

Um das Grundgesetz zu ändern, braucht es 46 von 69 Stimmen im Bundesrat.

Enthaltung zählt dabei wie Nein. Eine hohe Hürde, bis man sieht, wo sie tatsächlich verläuft.

Ein Land stimmt nur einheitlich. Die kleinsten bringen drei Stimmen, die größten sechs. Zwischenschritte gibt es nicht.

Sind sich die Koalitionspartner uneinig, schreiben die meisten Koalitionsverträge Enthaltung vor. Ein Land, das sich enthält, ist deshalb selten ein Gegner. Es ist ein Land, in dem ein Partner blockiert.

Die Strecke von dort bis zur Zustimmung ist keine Wahl und kein Meinungswechsel. Sie ist eine Koalitionsverhandlung.

Fehlen am Ende drei Stimmen, genügt eines der vier kleinsten Länder. Damit ließen sich legal Spielregeln ändern, z.B. wie Richterinnen und Richter berufen werden.

Es gäbe keinen Wahlabend, an dem das sichtbar würde, keine Schlagzeile, nur eine Absprache zwischen Landesregierungen und einen Termin im Bundesrat.

Für meinen Roman habe ich das durchgerechnet. Der ganze Mechanismus steht im Blog, Link im ersten Kommentar.

Welche institutionelle Stellschraube unterschätzen wir Ihrer Meinung nach am meisten?

#Verfassungsrecht {hashtag|#|Föderalismus} #Demokratie #Governance

„Zeigen Sie mir, was Sie geändert haben”, sagte der Verlag. Und dann war es still.

Die Frage ist neu in dieser Form. Sie klingt harmlos, und die meisten Autoren, die mit KI arbeiten, können sie trotzdem nicht beantworten. Der Vorschlag ersetzt den Absatz in dem Moment, in dem er angenommen wird. Was er ersetzt hat, hat der Autor nie nebeneinander gesehen.

Das passiert immer dann, wenn ein Vorschlag direkt in den Text kopiert wird. Der neue Satz steht da, die Fassung davor ist fort, und mit ihr die Alternative, gegen die man ihn hätte halten können. Kommt die Frage dann im Verlagsgespräch, bleibt nur die Erinnerung, und die trägt nicht weit.

An einem Manuskript, das durch meine Hände geht, läuft es anders herum. Die Überarbeitung wird für eine markierte Stelle angefordert und steht dann zuerst nebeneinander: Ergänzungen grün, Streichungen rot, der Kommentar des Werkzeugs daneben. Der Autor liest, vergleicht und entscheidet. Erst danach geht die Änderung in den Text.

Die Markierungen überleben das Speichern. Sie stehen noch im Dokument, wenn die Sitzung, in der entschieden wurde, längst vorbei ist.

Die Reihenfolge entscheidet darüber, ob die Frage des Verlags überhaupt beantwortbar ist. Wer erst übernimmt und die Gegenüberstellung hinterher herstellen will, hat nichts mehr, woraus sie entstehen könnte.

Woran sehen Sie heute, welchen Satz ein Werkzeug vorgeschlagen hat und welchen Sie selbst geschrieben haben?

#Sachbuch

Schritt sechs von sieben in meinem Quellencheck hält fest, warum ein Satz so dasteht.

Sitze ich mit einem Autor über seinem medizinischen Sachbuchkapitel, wird den ganzen Tag an einzelnen fachlichen Aussagen entschieden: die bleibt, die wird eingeschränkt, die fliegt raus, die formulieren wir neu. Ein fertiger Satz trägt den Grund dafür nicht mit sich. Am nächsten Morgen steht er da, und warum er so lautet, weiß nur, wer es aufgeschrieben hat.

Der Quellencheck, den ich vor dem Lektorat über jedes Kapitel laufen lasse, hat sieben Schritte. Vier davon hängen an eine Aussage die Quelle: Typ, eindeutige Kennung, Fundstelle, Belegstatus. Schritt sechs fragt nach dem Grund für die Entscheidung. Ich notiere je Aussage, was mit ihr geschah und warum. Angelegt hatte ich das Feld allein dafür, dass der Text fachlich belastbar bleibt.

Erst später fiel mir auf, dass dasselbe Feld eine zweite Frage beantwortet. Urheberrecht und KI-Verordnung stellen sie mit verschiedenen Worten, aber gemeint ist dieselbe: ob der menschliche Eingriff substanziell war. Genau das steht in Feld sechs, wenn man es führt. Der Nachweis fällt beim fachlichen Arbeiten ab, ohne dass man ihn dafür anlegt.

Ausdrücklich vorsichtig gesagt: Das Feld erzeugt keinen Schutz und keine Freistellung. Es macht nur sichtbar, was im Streitfall überhaupt zu bewerten wäre. Und es ist die Antwort auf den Verdacht, den eine Markierung im Text auslöst.

Ich führe es nicht wegen des Streitfalls, sondern weil ein begründeter Text der belastbarere ist.

An welcher Stelle Ihres Arbeitsablaufs halten Sie den Grund für eine redaktionelle Entscheidung fest, damit er nicht am nächsten Morgen verschwunden ist?

Methodische Einordnung, keine Rechtsberatung. Zur rechtlichen Bewertung Ihres Falls gehört ein Fachanwalt.

#Sachbuch

Ihr Manuskript kann eine KI-Markierung tragen, obwohl Sie rechtlich alles richtig gemacht haben.

Die fachliche Verantwortung für ein Sachbuch liegt beim Autor. Das steht im Vertrag, es steht im Impressum, und daran ändert keine Verordnung etwas. Wer jede Aussage prüft, ändert oder verwirft, erfüllt damit auch die redaktionelle Ausnahme, die die KI-Verordnung in Artikel 50 vorsieht. Insofern ist die Aufregung für sorgfältige Autoren geringer, als sie klingt.

Die Kennzeichnungspflicht setzt ohnehin voraus, dass ein System den Text erzeugt oder verändert hat. Wer keines einsetzt, ist nicht betroffen.

Nur setzt diese Antwort voraus, dass Sie die ganze Kette überblicken. Wissen Sie, ob am Übersetzungswerkzeug, an der Literaturverwaltung oder im Lektorat Ihres Verlags ein Modell mitgelaufen ist?

Seit August markieren Anbieter ihre Textausgaben. Die Markierung sagt, dass ein Modell beteiligt war, nicht in welchem Umfang, und sie kann anschlagen, wenn nur formatiert oder übersetzt wurde. Sie kann also in einem Manuskript stehen, dessen Autor Urheber im vollen Sinn ist und keiner Kennzeichnungspflicht unterliegt. Ob die Ausnahme greift, fragt sie nicht.

Einen öffentlichen Detektor gibt es bis heute nicht. Die Frage kann gestellt werden, beantwortet hat sie noch niemand.

Urheberrecht und Kennzeichnung wollen beide dasselbe wissen: ob der menschliche Eingriff substanziell war. Beide sind nur so gut wie ihr Nachweis. In den Buchprojekten, die ich betreue, entsteht der ohnehin bei der Arbeit, weil jede Entscheidung am Text festgehalten wird.

Woran würden Sie heute festmachen, welche Werkzeuge an Ihrem Manuskript beteiligt waren?

Methodische Einordnung, keine Rechtsberatung. Für Ihren Fall fragen Sie einen Fachanwalt.

#Sachbuch

Im Auftrag eines Autors durchsuchte eine KI sein Werk. Zurück kam eine Zahl, die nie darin stand.

Wer über Jahrzehnte zum selben Thema schreibt, hat dort nicht eine Angabe stehen, sondern mehrere: die frühe und die spätere, weil die Forschung zwischen den Auflagen weitergegangen ist. Für den Autor ist dieser Weg Teil der Substanz. Es macht einen Unterschied, ob eine Angabe der Stand von damals ist oder der Stand von heute.

Wenn die KI in diesem Werk nachschlägt und der gefundenen Stelle kein eigenes Datum mitgibt, hält sie diesen Unterschied nicht. Sie verrechnet die beiden datierten Angaben zu einem einzigen Wert. Heraus kommt ein Durchschnitt, den nie jemand geschrieben hat.

Bei einer Mengen-, Dosis- oder Grenzwertangabe rächt sich das. Ein Mittelwert liest sich dort wie eine abgewogene Position. In Wahrheit ist er eine Angabe, die weder zur frühen noch zur späteren Auflage passt und die der Autor nie vertreten hat.

Die Grundentscheidung, die ich für ein lokales Wissensarchiv treffe, ist die umgekehrte. Jede gefundene Stelle trägt ihr eigenes Datum. Eine Antwort gibt die Stelle Wort für Wort zurück, mit einer festen Kennung, über die sie wiederzufinden ist, und hält den Stand von damals vom Stand von heute getrennt, statt beide zu einem Zwischenwert einzuebnen. Wie sich eine Position über die Jahre verschoben hat, bleibt so nachlesbar, nicht weggerechnet.

Ein gemittelter Wert aus zwei Jahren ist keine vorsichtige Mitte. Er steht unter dem Namen des Autors, und geschrieben hat ihn niemand.

· · ·

Ich bin Dr. Christof Schürmann und begleite Fachautoren bei quellenbasierten Sachbüchern. Das Thema kommt aus zwei Richtungen: aus Gesprächen mit Autoren, die den Zugriff auf ihr eigenes Werk verloren haben, und aus der Marktlage bei wissenschaftlichen Literaturdatenbanken. Woran ich arbeite: eine Arche für eigene und fremde Quellen, lokal auf dem eigenen Rechner, mit KI befragbar.

#Sachbuch

In einer Redaktion sucht jemand die eine Stelle aus Ihrem Werk, die er zitieren will.

Zu einem Thema, das Sie über Jahre bearbeitet haben, liegt Ihr Schwerpunkt inzwischen woanders. Jetzt sitzt in dieser Redaktion ein Redakteur über Ihren Büchern, Fachartikeln und Transkripten und braucht für seinen Beitrag genau eine Passage von Ihnen.

Er überfliegt den Stapel und greift die erste Stelle, die zum Stichwort passt. Sie liegt zufällig obenauf. Nachfragen muss er dafür nicht, aus einem erschienenen Buch darf man zitieren. Dass Sie genau diese Formulierung längst geschärft haben, weiß er nicht. Ihr Name steht am Ende unter einer Haltung, die Sie heute so nicht mehr vertreten, und Sie erfahren es erst, als es gedruckt ist.

Das beginnt in dem Moment, in dem Sie etwas abgeben: ein Thema an eine Redaktion, eine Zuarbeit für das Buch eines Kollegen, eine Anfrage, die jemand anderes für Sie beantwortet.

Sobald andere mit Ihrem Werk arbeiten, ist die eigentliche Frage nicht, ob sie es tun, sondern mit welcher Stelle. Über diese Auswahl haben Sie ohne Erschließung keinen Einfluss.

Ein lokales Wissensarchiv dreht das um. Sie geben zu einem Thema gezielte, belegte Auszüge frei, jeder verknüpft mit seiner Originalstelle, statt dass ein Fremder im ganzen Bestand auf eigene Faust rät. So arbeitet der Kollege mit der Passage, die Sie ausgewählt haben, und Ihr Name steht unter dem Satz, den Sie heute vertreten.

Wenn morgen jemand für sein Buch aus Ihrem Werk zitiert: Welche Stelle wäre Ihnen die liebste, und woher sollte er wissen, dass es diese ist?

· · ·

Ich bin Dr. Christof Schürmann und begleite Fachautoren bei quellenbasierten Sachbüchern. Das Thema kommt aus zwei Richtungen: aus Gesprächen mit Autoren, die den Zugriff auf ihr eigenes Werk verloren haben, und aus der Marktlage bei wissenschaftlichen Literaturdatenbanken. Woran ich arbeite: eine Arche für eigene und fremde Quellen, lokal auf dem eigenen Rechner, mit KI befragbar.

#Sachbuch

Ihr halbes Autorenleben steht greifbar im Regal. Für die eine Stelle blättern Sie Stunden.

Sie sitzen an einem neuen Kapitel, der Absatz will nicht rund werden, und Sie wissen genau, dass Sie diesen einen Gedanken vor Jahren schon einmal sauber auf den Punkt gebracht haben. Nur wo? In welchem Buch, in welchem Aufsatz, auf welcher alten Aufnahme das war, wissen Sie nicht mehr.

Also legen Sie das Kapitel beiseite und arbeiten sich durch Ihr eigenes Werk. Buch für Buch, ein Transkript nach dem anderen, Sie lesen quer und überfliegen Kapitel, bis Sie die bestimmte Stelle endlich wiederfinden. Was Sie mit einer gezielten Frage sofort hätten, kostet Sie so den halben Nachmittag.

Das Werk ist vollständig da. Jede Seite lesbar und jedes Wort längst festgehalten. Und trotzdem legt es Ihnen die belegte Antwort auf Ihre konkrete Frage nicht von selbst auf den Tisch. Es schweigt, bis Sie es selbst wieder aufschlagen.

Was zwischen „alles liegt vor” und „auf meine Frage kommt eine belegte Antwort zurück” fehlt, ist ein lokales Wissensarchiv, das Sie befragen können, statt es nur durchzublättern.

Ihr Werk ist lesbar. Aber: befragbar ist es nicht! Und in genau diesem Zustand liegen bis heute die meisten Lebenswerke.

· · ·

Ich bin Dr. Christof Schürmann und begleite Fachautoren bei quellenbasierten Sachbüchern. Das Thema kommt aus zwei Richtungen: aus Gesprächen mit Autoren, die den Zugriff auf ihr eigenes Werk verloren haben, und aus der Marktlage bei wissenschaftlichen Literaturdatenbanken. Woran ich arbeite: eine Arche für eigene und fremde Quellen, lokal auf dem eigenen Rechner, mit KI befragbar.

#Sachbuch

Könnten Sie aus dem Kopf aufzählen, was Sie je veröffentlicht haben, bis zum letzten Vorwort?

Die großen Bücher kommen sofort. Danach die bekannten Fachartikel, und schon wird die Aufzählung zäher. Irgendwann bleibt eine Lücke, die Sie nicht einmal beziffern könnten, obwohl jedes einzelne Stück Ihren Namen trägt.

Vieles ist über die Jahre aus dem Blick geraten: die Beiträge in Sammelbänden, die Vorworte für Kollegen, die verstreuten Interviews und Vorträge, ein Gespräch in einer Fachzeitschrift, das längst vergessen ist.

Der stille Befund dahinter ist unbequem. Ein Autor mit langer Publikationsgeschichte hat in der Regel kein vollständiges Verzeichnis des eigenen Werks. Das liegt selten an Nachlässigkeit. Über Jahrzehnte entsteht mehr, als ein Mensch im Kopf behält, und niemand hat die Bestandsaufnahme je in einem Zug gemacht. Es fällt erst auf, wenn jemand ernsthaft danach fragt.

Das eigene Werk ist fast immer größer als Sie es gerade präsent haben. Ein Teil Ihrer Autorität liegt genau dort, wo nie jemand den Überblick zusammengetragen hat. Nicht verloren, nur nie an einer Stelle gesammelt, und darin bleibt es im Alltag unsichtbar.

Wenn Sie morgen eine vollständige Liste Ihrer Veröffentlichungen bräuchten: Woraus würden Sie sie zusammensetzen?

· · ·

Ich bin Dr. Christof Schürmann und begleite Fachautoren bei quellenbasierten Sachbüchern. Das Thema kommt aus zwei Richtungen: aus Gesprächen mit Autoren, die den Zugriff auf ihr eigenes Werk verloren haben, und aus der Marktlage bei wissenschaftlichen Literaturdatenbanken. Woran ich arbeite: eine Arche für eigene und fremde Quellen, lokal auf dem eigenen Rechner, mit KI befragbar.

{hashtag|#|Autorität}

Eine Fachbibliothek baut sich einen Ersatz für PubMed, bevor das Geld da ist. Was ist Ihr Plan?

Der Auslöser: Die wichtigste medizinische Datenbank, PubMed, war zeitweise nicht erreichbar, und das Gremium, das ihre Qualität sichert, wurde aufgelöst. Eine große deutsche Fachbibliothek zog daraus eine Konsequenz und begann, eine eigene europäische Alternative aufzubauen. Die Abhängigkeit war ihr zu riskant geworden, um länger zuzusehen.

Eine Institution kann das. Sie hat Juristen, Reserven, Abteilungen, die solche Verschiebungen früh erkennen und darauf reagieren. Wer allein forscht und schreibt, hat davon nichts. Der einzelne Autor sitzt mit denselben Quellen, demselben Browser-Tab, demselben Ordner wie im Vorjahr, und sein nächstes Kapitel hängt daran, dass diese Zugänge morgen noch funktionieren wie heute. Niemand baut ihm eine Alternative.

Vorhersagen kann ich nicht, wann eine Datenbank wieder ausfällt oder ein Gremium still verschwindet. Was ich beim Arbeiten an einem Buch tun kann, ist kleiner und konkreter: jede Quelle so verankern, dass sie prüfbar bleibt, unabhängig davon, über welchen Zugang ich sie einmal gefunden habe. Das ist kein vollständiger Schutz, aber der einzige Puffer, den ein Einzelner realistisch selbst aufbauen kann.

Worauf steht das Fundament Ihres nächsten Buchs, und wann haben Sie das zuletzt überprüft?

· · ·

Ich bin Dr. Christof Schürmann und begleite Fachautoren bei quellenbasierten Sachbüchern. Das Thema kommt aus zwei Richtungen: aus Gesprächen mit Autoren, die den Zugriff auf ihr eigenes Werk verloren haben, und aus der Marktlage bei wissenschaftlichen Literaturdatenbanken. Woran ich arbeite: eine Arche für eigene und fremde Quellen, lokal auf dem eigenen Rechner, mit KI befragbar.

#Sachbuch

Der Behörde hinter der wichtigsten Medizin-Datenbank drohen Kürzungen von rund 40 Prozent.

Und 2025 wurde das Gremium aufgelöst, das entscheidet, welche Fachzeitschriften überhaupt aufgenommen werden. Wer Sachbücher im Gesundheitsbereich schreibt, stützt seine Aussagen auf Studien aus Fachzeitschriften, gefunden meist über PubMed. Kaum jemand hat das je bewusst entschieden, es war nie eine Frage. Die Journale gelten als geprüft, die Zitate als legitim. Genau diese Selbstverständlichkeit ist das Problem.

Die Autorität, auf die Sie sich berufen, ruht auf Institutionen, die Sie weder kontrollieren noch absichern. Und der naheliegende Ausweg führt nicht hinaus. Die europäische Alternative, die gerade aufgebaut wird, ist an eine Bedingung geknüpft: engere Zusammenarbeit mit genau der US-Institution, von der man unabhängiger werden wollte. Man wird abhängiger, um unabhängiger zu werden.

Für ein Manuskript heißt das: Die Quellen, die Ihre Aussagen tragen, hängen an einem Fundament, dessen Stabilität gerade politisch verhandelt wird. Nicht Ihre Sorgfalt steht infrage, sondern der Boden, auf dem sie steht.

Es ist ein unbequemer Satz: Ihre Quellenangaben sind so verlässlich wie ein Fundament, das jemand anderem gehört und über das gerade verhandelt wird.

Einordnung: PubMed wird nicht abgeschaltet. Was wackelt, ist die Pflege dessen, was neu hinzukommt, und das Geld dafür.

· · ·

Ich bin Dr. Christof Schürmann und begleite Fachautoren bei quellenbasierten Sachbüchern. Das Thema kommt aus zwei Richtungen: aus Gesprächen mit Autoren, die den Zugriff auf ihr eigenes Werk verloren haben, und aus der Marktlage bei wissenschaftlichen Literaturdatenbanken. Woran ich arbeite: eine Arche für eigene und fremde Quellen, lokal auf dem eigenen Rechner, mit KI befragbar.

#Sachbuch

Zugriff ist nicht Besitz. Der Unterschied fällt erst auf, wenn der Zugriff wegbricht.

Als PubMed im Frühjahr 2025 für Stunden nicht erreichbar war, wurde das sichtbar. Wer in dieser Zeit eine Studie brauchte, die am Vortag noch als Browser-Tab offen war, stand vor einer Seite, die nicht mehr lädt. Keine Kopie, kein Download, nur ein Verweis, der ins Nichts zeigt.

Der erste Reflex: Das ist selten, meine Quellen kenne ich. Der zweite: Es gibt doch europäische Alternativen. Beide Gedanken trügen, denn die Alternativen spiegeln nur dieselbe Quelle. Einen eigenen Bestand pflegen sie nicht. Sie verarbeiten weiter, was von dort geliefert wird. Bleibt die Lieferung aus, friert der Stand ein, den sie zuletzt gesichert haben. Es ist derselbe fremde Zugang, nur mit anderem Etikett.

Was das für ein Buchkapitel heißt, ist unangenehm konkret. Wer eine Studie nur als geöffneten Tab hat, besitzt sie nicht. Er hat sie gesehen, er kann sie nicht vorlegen. Beim Lektor, beim Verlag, bei einer kritischen Nachfrage zählt nicht, was man einmal gelesen hat, sondern was man zeigen kann.

Ein Manuskript, das auf Zugriff steht, steht auf geliehenem Boden. Eines, das auf Besitz steht, steht auf eigenem. Der Unterschied bleibt unsichtbar, bis der Zugriff endet.

· · ·

Ich bin Dr. Christof Schürmann und begleite Fachautoren bei quellenbasierten Sachbüchern. Das Thema kommt aus zwei Richtungen: aus Gesprächen mit Autoren, die den Zugriff auf ihr eigenes Werk verloren haben, und aus der Marktlage bei wissenschaftlichen Literaturdatenbanken. Woran ich arbeite: eine Arche für eigene und fremde Quellen, lokal auf dem eigenen Rechner, mit KI befragbar.

#Sachbuch

März 2025: PubMed war offline. Ohne Backup, Ersatz oder Zeitplan.

Wer an diesem Tag an einem Kapitel saß und eine Studie nachschlagen wollte, hatte Pech. Und wer genauer hinsah, erkannte etwas, das sonst unsichtbar bleibt: PubMed ist eine staatliche US-Datenbank, finanziert und betrieben von einer Behörde im Ausland. Das Fundament, auf dem ganze Kapitel stehen, gehört jemand anderem.

Die Ausweichangebote in Europa helfen weniger, als man hofft. Sie spiegeln dieselben Daten. Fällt die Quelle aus, bleibt der alte Stand, nicht das aktuelle Wissen. Wer Wochen später eine neue Studie zitieren will, zitiert ins Leere.

Der Ausfall selbst war bald wieder vorbei. Die Abhängigkeit, die er sichtbar gemacht hat, war schon vorher da und ist danach geblieben. Die meisten Autoren haben sie nie bemerkt, weil bisher immer alles geladen hat.

Wenn Sie heute ein Kapitel auf fünf PubMed-Studien aufbauen: Welche davon hätten Sie noch, wenn die Datenbank einen Monat lang wegbliebe?

Zur Einordnung: PubMed als Datenbank besteht weiter, und der vorhandene Bestand bleibt auffindbar. Verletzlich sind Finanzierung und Pflege.

· · ·

Ich bin Dr. Christof Schürmann und begleite Fachautoren bei quellenbasierten Sachbüchern. Das Thema kommt aus zwei Richtungen: aus Gesprächen mit Autoren, die den Zugriff auf ihr eigenes Werk verloren haben, und aus der Marktlage bei wissenschaftlichen Literaturdatenbanken. Woran ich arbeite: eine Arche für eigene und fremde Quellen, lokal auf dem eigenen Rechner, mit KI befragbar.

#Wissenschaftskommunikation

Ihr Exposé passt zum Verlag, zur Zielgruppe, zur Auflage. Nur Sie kommen darin nicht vor.

So läuft es bei vielen Erstautoren: Sie geben Ihre Idee und Ihr Material an eine erfahrene Hand, die weiß, was ein Verlag braucht, um Zielgruppe, Markt und Auflage zu treffen. Was zurückkommt, ist schlüssig: Struktur, Sprache, Aufbau, alles greift. Ein bewährtes Muster, das schon andere Bücher getragen hat.

Und dann lesen Sie es und finden sich nicht darin wieder. Nichts ist falsch, es ist sogar gut. Nur ist es glatt gebügelt auf das, was der Verlag erwartet, und dieser Weg führt an Ihnen vorbei. Genau weil es auf den Markt optimiert wurde, ist Ihre Stimme das Erste, was dabei verloren geht.

Markt-Passung und das eigene Buch sind zwei verschiedene Ziele. Wer das eine perfekt trifft, liefert nicht automatisch das andere. Wie gut die Leseprobe ist, entscheidet darüber wenig. Sie kann tadellos sein und trotzdem auf den Verlag ausgerichtet statt auf Sie.

Deshalb ist der einzige verlässliche Test, ob Sie sich wiedererkennen. Lesen Sie ein ausgearbeitetes Kapitel und finden Ihre Art, einen Gedanken zu bauen, Ihren Ton? Das gelingt nur, wenn das Kapitel aus Ihrem eigenen Material entsteht und Sie jede Wendung entscheiden, nicht wenn es auf ein Verlagsmuster getrimmt bei Ihnen landet.

So arbeite ich: erst das Kapitel, das nach Ihnen klingt, aus Ihrem Material und mit Ihrer Hand. Der Anschluss an einen Verlag kommt danach. In dieser Reihenfolge bleibt das Buch Ihres.

Erkennen Sie sich in Ihrem Probekapitel wieder, oder passt es nur gut?

#Sachbuch

Drei Wochen nach der Rohfassung fand ein zweites System sechs Widersprüche in meinem Roman. In zehn Minuten, für 22 Cent.

Es war auf Verfassungsrecht spezialisiert und konnte das ganze Manuskript auf einmal überblicken. Der auffälligste Fund betraf Mehmet Özkan, einen Vorarbeiter bei einem Stuttgarter Automobilkonzern: Sein rechtlicher Status hatte sich zwischen Kapitel 7, 17 und 19 stillschweigend verschoben, ohne dass es mir beim Schreiben aufgefallen war. Ein Widerspruch, der sich über drei Kapitel langsam eingeschlichen hatte.

Zu jedem der sechs Funde lagen drei Lösungsvorschläge bereit, jeder mit Begründung, jeder für sich stimmig. Nur welcher von ihnen die Geschichte trägt, konnte mir das System nicht abnehmen. Ich entschied mich für die Variante, in der Mehmet heute deutscher Staatsbürger ist, bedroht durch eine künftige Gesetzesänderung nach Artikel 116. So stieg die Spannung, statt sich aufzulösen.

So arbeite ich seither: erst schreiben, dann einen zweiten, fremden Blick über das fertige Manuskript laufen lassen, der findet, was man selbst längst überliest. Was dabei herauskommt, ist eine Vorlage zur Entscheidung, nicht die Entscheidung selbst. Die trifft der Autor.

Wer liest Ihr Manuskript auf solche inneren Widersprüche, bevor es der Verlag oder am Ende ein Rezensent tut?

#Buchproduktion

Ich dachte lange, das größte Problem mit KI im Schreiben sei das Halluzinieren. Das stimmt sogar. Es ist nur nicht das eigentliche.

Eine erfundene Quelle ist laut: Man bemerkt sie beim Prüfen und streicht sie wieder. Schwerer wiegt, was gar nicht erst auftaucht. Die KI schöpft aus einer vorgeformten Auswahl, in der die Mehrheitsmeinung glatt und prominent liegt, während die abseitige Position selten vorkommt oder ganz fehlt. Das Kapitel liest sich danach rund und belegt, und trotzdem fehlt ihm die Reibung, die es über den Durchschnitt gehoben hätte.

Ich habe mir die sechs Vorwürfe der Reihe nach angesehen, die man KI-Autorschaft üblicherweise macht. Fünf davon treffen jeden Autor, der unter Zeitdruck steht und nur begrenzten Zugang zu Quellen hat, ganz gleich ob mit KI oder ohne. Übrig bleibt einer, der wirklich nur die KI betrifft: der enge Korridor dessen, was sie überhaupt kennt.

Das verschiebt, wo man ansetzen muss. Nicht noch eine Kontrollschleife über die KI-Ausgabe, sondern die gezielte Suche nach den Stimmen, die in keinem ihrer Vorschläge standen.

Bei meiner eigenen Quellenarbeit frage ich deshalb an einem festen Punkt: Welche Perspektive hat die KI mir nie angeboten? Die Belege, für die man bis auf die dritte Trefferseite gräbt, tragen am Ende oft mehr als alles, was sofort oben lag.

Woran merken Sie in Ihrem Manuskript, dass eine wichtige Gegenstimme fehlt, obwohl jeder Satz sauber belegt ist?

#Sachbuch

Was prüft Ihr Lektor, wenn „Resilienz” in Kapitel 2 später „Widerstandsfähigkeit” heißt?

In den seltensten Fällen fällt es überhaupt auf. Ein Lektorat achtet auf Klarheit, Logik und Ton. Ob ein einmal definierter Fachbegriff über alle Kapitel hinweg dieselbe Form behält, steht nicht auf seiner Liste. Und die KI, die beim Schreiben hilft, variiert Begriffe ganz von selbst, weil Synonyme zu ihrem erlernten Repertoire gehören. Technisch ist das kein Fehler. So produzieren diese Modelle eben Sprache.

Mir ist das bei „Der agile Autor” passiert. In Kapitel 2 war der Kernbegriff sauber eingeführt und abgegrenzt, in Kapitel 5 stand an seiner Stelle ein Synonym. Nicht grob falsch, nur nicht mehr dieselbe Form. In einem Methoden-Buch, das von seinem eigenen Vokabular lebt, untergräbt genau das die Substanz.

Aufgefallen sind mir die Stellen erst, als ich die Terminologie in einem eigenen Durchgang geprüft habe, getrennt vom Lektorat. Das Ergebnis korrigiert nichts. Es zeigt nur, wo es klemmt: Kapitel, Stelle, der Begriff wie er dasteht und wie er definiert war. Welche Abweichung ich vereinheitliche und welche ich stehen lasse, habe ich danach selbst entschieden, zum ersten Mal auf geprüfter Grundlage statt nach Gefühl.

In meinen aktuellen Projekten läuft dieser Abgleich inzwischen fest zwischen Lektorat und Abgabe. Vorher weiß niemand, wie viele Begriffe im Manuskript leise auseinandergelaufen sind.

Bei einem Methoden-Buch entscheidet diese Konsistenz über die Substanz. Gezielt darum kümmert sich bisher fast nie jemand, und das merkt man dem fertigen Text an.

#Buchproduktion

Eine Anmerkung klebte am falschen Absatz. Gemerkt hat es niemand, bis es zu spät war.

In einer Überarbeitungsrunde markiert der Lektor einen Absatz: „Beleg fehlt.” Später wird dieser Absatz geteilt, weil er zu lang geworden ist. Die Anmerkung bleibt am ersten Teil hängen. Gemeint war der zweite. Im nächsten Durchgang wird der erste Teil geprüft, für in Ordnung befunden, und der eigentliche Hinweis ist verschwunden. Niemand hat etwas falsch gemacht. Der Beleg fehlt bis heute.

Das passiert, weil eine Anmerkung sich auf die Stelle im Text bezieht, nicht auf den Absatz selbst. Sobald sich die Struktur verschiebt, durch Teilen oder Umstellen, zeigt der Hinweis ins Leere. Bei mehreren Runden und mehreren Personen am selben Manuskript summieren sich solche verlorenen Hinweise zu Fehlern, die niemand mehr zuordnen kann.

Geholfen hat eine schlichte Regel: Jeder Absatz bekommt eine feste Kennung, die bei ihm bleibt, auch wenn er geteilt oder verschoben wird. Eine Anmerkung hängt dann nicht mehr an einer Position, sondern an genau diesem Absatz. Anfangs war das in unseren Vorlagen nicht vorgesehen. Heute ist es Pflicht, bevor die erste Runde beginnt.

Als ich anfing, so zu arbeiten, war das der erste strukturelle Einschnitt: nicht ein besseres Lektorat, sondern die Frage, ob jeder Absatz eindeutig benannt ist, bevor der erste Hinweis geschrieben wird.

Wenn bei Ihrem letzten Buchprojekt eine Anmerkung aus der ersten Runde am Ende nicht umgesetzt war: Hätten Sie noch nachvollziehen können, an welchem Absatz sie ursprünglich hing?

#Buchproduktion

„Die KI schrieb neunzehn Wörter. Ich nahm eines.”

Ein KI-Entwurf für den Schlusssatz eines Kapitels. Vier Sätze auf dem Bildschirm, jeder mit Anker, jeder rhythmisch sauber: „Tomorrow. Tomorrow we start. Tomorrow we fight. Tomorrow we win or die trying.” Nichts davon ist falsch, nichts davon zu beanstanden.

Ich lese es einmal, dann noch einmal, und dann löscht die Hand, bevor der Kopf fertig gedacht hat. Übrig bleibt ein Wort: „Morgen.” Mehr braucht der Absatz nicht, mehr braucht die Seite nicht. Dann wird die Datei gespeichert.

Die KI kann Pathos. Sie kann keine Zurückhaltung.

Das ist kein Stilprinzip, das sich erklären ließe, sondern eine Entscheidung, die jemand treffen muss, der weiß, wann etwas zu viel ist. Wer „Morgen” wählt statt neunzehn Wörter, hat nicht weniger gearbeitet. Er hat mehr entschieden. Das ist Urteilskraft, keine Kürzungsübung.

Bei jedem Buch, das über meinen Tisch geht, ist genau dieser Moment der kritische: nicht ob der KI-Vorschlag fachlich stimmt, sondern ob jemand den Mut hat, ihn kürzer zu machen. Die KI schlägt selten das Weglassen vor; sie ist auf Hinzufügen gebaut. Das bleibt die Arbeit des Autors.

Woran merken Sie beim Überarbeiten, dass ein KI-Vorschlag zwar korrekt ist, aber ein Wort zu viele hat?

#Autorschaft

„Nicht belegt”, sagte die Prüfung. Die Quelle stand drei Sätze weiter oben, im selben Absatz.

In einem gesundheitsbezogenen Fachbuch entstehen medizinische Aussagen selten aus einem einzigen Satz. Ein Absatz enthält Beobachtung, Wirkmechanismus, Studienlage und Einschränkung. Alles zusammen ergibt die Aussage. Wer nur einen einzelnen Satz herauslöst und ihn allein prüft, verliert genau das, was ihn stützt oder widerlegt: den Kontext davor und danach. Dasselbe Prüfwerkzeug, andere Schnittführung, anderes Urteil.

Ein Sprachmodell mit sehr großem Lesefenster liest das gesamte Kapitel auf einmal. Kein Herausschneiden, keine Kontextlücke. Dann zwei getrennte Schritte: zuerst alle Aussagen aus dem Kapitel aufsammeln, je mit ihrer Art, dann jede Aussage gegen die verwendeten Quellen abgleichen. Das Ergebnis pro Aussage ist kein Ja oder Nein, sondern ein Eintrag: verifiziert, teilweise, offen oder nicht belegbar.

Was danach bleibt: die falschen „nicht belegt”-Einträge verschwinden. Was übrig bleibt, sind echte Lücken, die wirklich zu schließen sind.

In meiner Arbeit an Fachbüchern geht keine Aussage ohne ihren ganzen Absatz in die Prüfung. Seitdem ist die Zahl der falschen „nicht belegt”-Befunde vor der Lektorats-Runde deutlich kleiner.

Wie fein schneiden Sie medizinische Aussagen für die Prüfung zu: auf Satz-Ebene, Absatz-Ebene oder Kapitel-Ebene, und hat die Schnittführung schon einmal ein Urteil verändert?

Methodische Einordnung, keine Rechts- und keine medizinische Beratung. Für Ihre konkrete Situation: Fachanwalt und Fachmediziner einschalten.

#Buchproduktion

Ich dachte, gutes Lektorat findet, was falsch ist. Stimmt nicht.

Ein Kapitel kann fehlerlos sein und trotzdem flach bleiben. Wenn niemand die Frage gestellt hat, die das entscheidende Erlebnis erst sichtbar macht, ist das Kapitel korrekt und leer.

Das Problem ist nicht schlechtes Feedback. Fast jedes Lektorats-Gespräch korrigiert: die Struktur hängt, ein Übergang fehlt, es sind zu wenige Beispiele. Der Autor überarbeitet und bekommt dasselbe Feedback in neuer Formulierung zurück. Was dabei nie passiert, ist die eine Frage: ob er einen Moment erlebt hat, der noch in keiner Zeile steht. Alle korrigieren, niemand fragt.

Korrektur und Entdeckung sind zwei verschiedene Handlungen. Der Autor weiß oft selbst nicht, was noch fehlt. Er sieht es erst, wenn ihn jemand fragt, statt ihn zu bewerten. Wer bewertet, bekommt eine bessere Fassung des Vorhandenen. Wer fragt, bekommt das, was vorher nicht auf der Seite stand.

Die Regel, mit der ich arbeite, lautet: „Du hilfst Autoren zu erkennen, was ihrem Kapitel noch fehlt, nicht was daran falsch ist.” Das klingt einfach, ist es aber nicht. Die meisten Lektorats-Gespräche kippen in Bewertung, sobald der Druck steigt. Dann stirbt die Frage, bevor sie gestellt wird.

Was ein Gespräch findet und eine Checkliste nicht: die Szene, die der Autor fast nicht erzählt hätte und die das Kapitel trägt.

Seit ich Manuskripte betreue, halte ich beides strikt getrennt: wer korrigiert, und wer fragt. Beides braucht das Kapitel, aber nie zur selben Zeit.

Haben Sie ein Kapitel, bei dem Sie wissen, dass etwas fehlt, aber nicht wissen, was?

#Sachbuch

„Zeigen Sie mir, was Sie geändert haben”, fragte der Verlag. Ich konnte es zeigen.

Die meisten Autoren, die mit KI arbeiten, können diese Frage nicht beantworten. Die Änderungen verschwinden im selben Moment, in dem sie übernommen werden. Der überarbeitete Text ist da. Die Entscheidung dahinter ist weg.

Das passiert, wenn man einen KI-Rewrite direkt in den Text kopiert. Was die KI vorschlug, was man selbst wählte und was man ablehnte, ist alles gelöscht. Zwei Wochen später, im Verlagsgespräch, bleibt nur Schulterzucken.

In meiner Buchproduktion läuft das anders. Jede KI-Revision wird zuerst nebeneinander gezeigt: Ergänzungen in Grün, Streichungen in Rot, die Begründung der KI direkt daneben. Ich lese, vergleiche und entscheide, und erst dann landet die Änderung im Text, nicht vorher.

Das Grün-Rot-Bild ist das Protokoll. Wenn der Verlag fragt, zeige ich es. Wenn ich sechs Wochen später selbst nachschaue, sehe ich noch die Entscheidung, nicht nur das Ergebnis. Die Revision bleibt sichtbar, auch nach dem Speichern.

An diesem Punkt hört die KI-Unterstützung auf, unsichtbar zu sein. Sie wird sichtbar gemacht, bevor sie akzeptiert wird, nicht nachträglich rekonstruiert.

Wenn Ihr Verlag Sie morgen fragt, welche Formulierungen die KI vorgeschlagen hat und welche Sie selbst geschrieben haben: können Sie es ihnen zeigen?

#Buchproduktion

Achtzehn Monate zwischen fertigem Manuskript und Buchhandel. In dieser Zeit wird Ihr aktuelles Thema zu einem von gestern.

So lange dauert es im klassischen Verlagsweg von der Abgabe bis zum Erscheinen. Anderthalb Jahre, in denen sich am Manuskript nichts mehr ändert, der Markt aber weiterläuft. Diese Zeit sieht aus wie eine Pause, kostet aber Marktpräsenz: das Fenster, in dem Ihr Thema zieht, verstreicht ungenutzt.

Das Thema, das heute zieht, tritt bei Erscheinen gegen das an, was dann zieht. Was heute neu ist, ist in anderthalb Jahren vertraut. Der Moment, in dem Ihr Buch hätte ankommen können, ist womöglich vorbei, bevor es überhaupt im Regal steht.

Deshalb plane ich den Erscheinungstermin vom Markt her rückwärts, nicht vom Fertigstellungsdatum. Die Leitfrage ist nicht, wann das Manuskript fertig wird, sondern welches Markt-Fenster sich wann schließt. Das klingt simpel und sortiert den ganzen Produktionsweg neu.

Mit den heutigen, KI-gestützten Produktionswegen sind drei Monate von der Abgabe bis zum fertigen Buch machbar statt achtzehn. Dann bleibt das Fenster offen.

Diese Rechnung gehört an den Anfang eines Projekts, nicht ans Ende. Wer sie erst bei der Abgabe aufmacht, rechnet in ein Fenster hinein, das sich schon schließt.

Wie viele Monate liegen zwischen Ihrem fertigen Manuskript und dem Tag, an dem es im Buchhandel steht, und trägt Ihr Thema diesen Abstand überhaupt?

#Sachbuch

Ihre wichtigsten Quellen stehen nicht bei Google. Durchsuchen können Sie sie trotzdem.

Vor Kurzem habe ich für ein Partnerprojekt einen über Jahrzehnte gewachsenen Bestand an Büchern und Fachartikeln erschlossen, der nirgends zentral durchsuchbar lag. Wer etwas suchte, blätterte oder verließ sich aufs Gedächtnis.

Was früher Suchmaschinen-Infrastruktur gebraucht hätte, läuft heute mit frei verfügbaren Bausteinen lokal. Mehrere Suchverfahren arbeiten zusammen, dazu der direkte Zugriff auf die Fachliteratur aus Original-Datenbanken wie PubMed oder Semantic Scholar über deren Schnittstellen. Das kommt einer guten Websuche nahe, über Material, das im Web gar nicht steht.

Ein Antwort-Generator wie Perplexity wirkt dagegen wie der heilige Gral der Wahrheit: Frage rein, fertige Antwort raus. Aber je seltener und spezialisierter das Thema, desto mehr erfindet er dazu. Ich habe es in einem Forschungs-Grenzbereich getestet: bei den innovativsten Fragen erfand es Belege, komplett mit DOIs und Links, die ins Leere führen. Ausgerechnet im Spezialgebiet, in dem ein Fachautor schreibt, ist er am unzuverlässigsten.

Der Punkt ist die Belegbarkeit: jede Aussage führt zur Originalarbeit zurück, nicht zu einer erfundenen.

Bevor das erste Kapitel geschrieben wird, lege ich diese Such-Schicht über die eigenen und die wissenschaftlichen Quellen. Sie ist das Fundament dafür, dass das Manuskript jeder Nachfrage standhält.

Wie prüfen Sie heute, ob eine Quelle wirklich sagt, was Sie ihr zuschreiben: am Original, oder an einer KI-Antwort?

#Buchproduktion

Ein Buchprojekt, Kapitel 3, zweite Überarbeitung. Dieselben Anmerkungen wie beim ersten Mal.

Der Autor hatte das Kapitel überarbeitet, das stimmte. Aber er hatte poliert, wo er zuerst den Aufbau hätte prüfen müssen. Ob der Argumentationsstrang trägt, ob die Reihenfolge der Abschnitte funktioniert: das hatte er nicht systematisch abgehakt. Er hatte geschliffen, nicht repariert.

Das Ergebnis: Der Lektor schickte dieselbe Liste zurück, weil der Autor nicht mehr wusste, welche Kontroll-Runde er beim ersten Durchgang gemacht hatte und ob er sie beim nächsten Kapitel so wiederholen könnte.

Das eigentliche Problem war nicht die Reihenfolge der Prüfung, sondern dass niemand den Prozess so festgehalten hatte, dass er nachweisbar und wiederholbar war. Wer nicht zeigen kann, wie er geprüft hat, fängt beim nächsten Kapitel von vorne an.

Seitdem trenne ich das konsequent in zwei Kontroll-Runden, die ich bei jedem Kapitel gleich durchlaufe: zuerst eine Runde nur für Aufbau und Argumentation, die ich abhake und freigebe, danach erst die Stil-Runde. Jeder dieser Durchgänge hinterlässt eine dokumentierte Spur.

In den Büchern, an denen ich mitarbeite, ist der Aufbau-Schritt immer dokumentiert abgeschlossen, bevor die Stil-Runde beginnt. Ich kann bei jedem Kapitel nachweisen, wie geprüft wurde. Der Autor kann das später vorlegen, wenn jemand fragt.

Wie dokumentieren Sie heute, dass die Struktur eines Kapitels freigegeben war, bevor Sie mit der Stil-Überarbeitung begonnen haben?

#Buchproduktion

„Mein ‚nein' habe ich doch erklärt”. Gesprochen hatte sie es tatsächlich, im Audio. Im nächsten Entwurf stand trotzdem wieder nur „nein”.

Sie hatte den Kommentar zwischen zwei Terminen direkt am Absatz auf dem iPad eingesprochen, statt ihn zu tippen. Eine knappe Minute, in der sie genau ausführte, was sie meinte: nicht ganz so, eher der Ton aus Kapitel 2 als diese Direktheit hier. Der Grund war da, die Alternative auch, alles klar und vollständig.

Zwischen ihrer Stimme und dem nächsten Entwurf lag trotzdem eine Lücke. Die KI hatte das Audio nie gehört, ihr lag nur das Stichwort aus der Randspalte vor: nein. Den ganzen Rest hatte niemand übertragen.

Das ist das Grundproblem bei Audio-Anmerkungen, die niemand verschriftlicht. Sie sind da und sie sind vollständig, und für die KI bleiben sie trotzdem unsichtbar. Wer zwischen zwei Terminen tippt, fasst sich kurz, ein „nein”, ein „besser anders”. Wer sich die Zeit zum Sprechen nimmt, wird ausführlich, sobald jemand zuhört, und genau dieser ausführliche Teil geht bislang verloren.

Seitdem lasse ich jeden Audio-Kommentar sofort verschriftlichen. Aus der knappen Minute Sprache wird ein strukturierter Hinweis mit dem Grund, der Alternative und einem klaren Auftrag an den nächsten Entwurf.

Mit diesem Kontext kann die KI weiterarbeiten. Sie weiß dann nicht nur, dass etwas geändert werden soll, sondern auch, was und warum. So trifft der nächste Entwurf das Gewollte und nicht bloß das Vermutete.

Wie kommt das, was Ihre Autoren im Audio wirklich meinen, in den nächsten Entwurf und nicht nur ins Audio-Archiv?

#Buchproduktion

„Bin ich noch Autor, wenn ich nicht jeden Satz selbst schreibe?”

Diese Frage stellt sich fast jeder, der KI zum ersten Mal ernsthaft einsetzt. Meistens nicht schon beim ersten Ausprobieren, sondern in dem Moment, in dem das Projekt ernst wird.

Katrin sitzt nach einem langen Praxistag vor dem Laptop und liest einen Abschnitt, den sie nicht selbst getippt hat. Inhaltlich stimmt er, die Fakten passen, und trotzdem fühlt er sich nicht an wie ihrer. Sie ändert vier Sätze, löscht zwei und schreibt einen neu. Dann hält sie inne und fragt sich, ob das Buch, das nächstes Jahr erscheint, überhaupt noch ihres ist.

Ich kenne diesen Moment. Beim Schreiben von „Wenn die Demokratie stirbt” saß ich nicht allein am Schreibtisch. Ich arbeitete in einer Art Denkraum, der zurückantwortet. Welches Bild dazu passt, wurde mir erst später klar: der Dirigent und sein Orchester.

Der Dirigent spielt kein Instrument selbst, aber er kennt die Partitur besser als jeder Musiker im Saal. Kein Takt erklingt ohne sein Ja oder Nein, und die Verantwortung für das, was am Ende zu hören ist, trägt er allein.

Dieses Bild soll nichts beschönigen, es beschreibt eine Rolle. Wer sein Buch bis in jeden Satz kennt und zu jeder Zeile Ja oder Nein sagt, der schreibt dieses Buch, auch wenn nicht jede Zeile aus der eigenen Hand stammt. Damit verliert die Frage, ob man dann noch Autor ist, ihren Schrecken. Sie wird zu einer Frage über das Werkzeug, mit dem man arbeitet.

Wer das für sich geklärt hat, kann es auch nach außen vertreten, nicht als Entschuldigung, sondern als Haltung.

Woran entscheiden Sie, welcher Satz in Ihrem Buch so stehen bleibt und welcher noch einmal durch Ihre Hand muss?

#Autorschaft

3 von 8 Quellen in diesem Kapitel existierten nicht. Die KI hatte sie erfunden.

Der Autor hatte das Kapitel nicht selbst gegengeprüft, sondern sich beim Abschnitt über Studien zur Schlafqualität auf die KI verlassen, die ihm beim Formulieren geholfen hatte. Das Manuskript ging weiter, und erst zwei Monate später kam der Hinweis des Lektors.

Er öffnete die Quellliste und schlug die erste DOI nach, doch die Seite ließ sich nicht finden. Bei der zweiten dasselbe. Und dann stand die Frage im Raum, die wirklich wehtut: wie viele der übrigen wohl ebenfalls?

Die eine erfundene Studie ist dabei nicht das eigentliche Problem. Schwerer wiegt, dass es kein bequemes Mittel gibt, alle solchen Stellen auf einen Schlag zu finden. Die KI erzeugt Quellenangaben, die täuschend echt aussehen, mit korrekter Struktur, glaubwürdigem Zeitschriften-Namen und plausibler Jahreszahl. Wer nicht jeden Eintrag einzeln nachschlägt, bemerkt die Lücke nicht.

Wer das Manuskript vor der Abgabe systematisch durchgeht, findet die falschen Stellen selbst. Verlässt man sich darauf, dass der Lektor sie entdeckt, verliert man Wochen, manchmal mehr. Im schlechtesten Fall verschiebt der Verlag den Erscheinungstermin, weil das Vertrauen in die Quellen nicht mehr trägt.

Realistisch sind etwa drei Stunden Quellenprüfung pro Kapitel. Wer unter Zeitdruck steht, kürzt gerade diesen Schritt, und das Risiko bleibt unbemerkt im Manuskript stehen.

Deshalb prüfe ich jede Quelle als eigenen Arbeitsschritt, bevor ein Manuskript den Autor verlässt. Jede DOI und jeder Zeitschriften-Nachweis wird nachgeschlagen, nicht bloß überflogen.

Wie stellen Sie vor der Abgabe sicher, dass jede Quelle in Ihrem Kapitel tatsächlich auffindbar ist?

#Sachbuch

Ein Lektor verbessert Ihren Stil. Und macht Ihr Manuskript unter Umständen gefährlicher.

Kapitel 7 war sprachlich poliert, die Übergänge saßen, die Absätze hatten Luft. Dann kam das Abgabegespräch beim Verlag, und mit ihm eine Frage zur Studie im zweiten Absatz. Mareike suchte den Beleg, fand ihn nicht und suchte an anderer Stelle noch einmal. Die Studie existierte in dieser Form nicht.

Der Lektor hatte saubere Arbeit geleistet, nur eben auf einer inhaltlich falschen Grundlage. Die Fakten waren ungeprüft geblieben, während die Formulierungen verfeinert wurden. Nun musste beides ein zweites Mal durchlaufen, diesmal in der richtigen Reihenfolge: erst die Fakten, dann der Stil.

Wer diese Reihenfolge umdreht, zahlt am Ende doppelt, einmal für das Lektorat und einmal für die Korrektur nach dem Faktencheck. Und die zweite Runde kommt oft erst Wochen später, wenn der Lektor längst am nächsten Projekt sitzt.

Dahinter steckt kein Sorgfaltsproblem, sondern eine Frage des Ablaufs. Solange der Faktencheck als fester Stopp-Punkt vor dem ersten Lektorats-Schritt steht, kann kein Stil-Kommentar mehr auf einer falschen Behauptung landen. Diese eine Regel schützt beides, die Arbeit des Lektors und das Manuskript.

Wenn ich ein Sachbuch durch die Produktion begleite, kommt der Faktencheck bewusst zuerst. Erst wenn er abgeschlossen ist, beginnt die Arbeit am Stil, nie umgekehrt.

In welcher Reihenfolge laufen Faktencheck und Lektorat bei Ihrem aktuellen Buchprojekt, und wer trägt die Verantwortung, wenn beides einmal vertauscht ist?

#Sachbuch

Ich dachte, ich arbeite. Ich habe nur noch genickt.

Die sechzehnte Fassung eines Kapitels lag vor mir. Das Kapitel war gewachsen, der Abend hatte sich gut angefühlt, und ich war zufrieden.

Am nächsten Morgen beim Lesen: fünf Stellen, die ich einen Tag zuvor noch aussortiert hätte, standen plötzlich drin. Ich erinnerte mich nicht daran, wann ich aufgehört hatte, Nein zu sagen.

In dieser Session hatte die KI schneller Vorschläge geliefert, als ich sie wirklich beurteilen konnte. Irgendwann hörte das Urteilen auf, und das Nicken fing an. Das gute Gefühl am Abend hatte mir nichts davon gesagt. An einem einzigen Abend hatte ich mehr als hundert Einzelentscheidungen getroffen, ohne eine davon wirklich zu treffen.

Wer das Tempo nicht bewusst drosselt, verliert nicht die Kontrolle über die KI. Er verliert die Kontrolle über die eigenen Entscheidungen. Das Manuskript wächst trotzdem. Es wird nur nicht besser.

Ein Verfahren, das standhält, rechnet die eigene Urteilsfähigkeit als festen Bestandteil ein: Pausen, Prüfschritte, Momente, in denen man nicht antwortet, sondern liest. Nicht weil die KI zu schnell ist, sondern weil das eigene Urteilen Zeit braucht.

Wie viele Entscheidungen treffen Sie in einer typischen KI-Arbeitssession, und ab welchem Punkt merken Sie, dass Sie nicht mehr wählen, sondern nur noch bestätigen?

„Ich habe das Buch nicht mit einem Ghostwriter geschrieben. Und auch nicht mit ChatGPT. Was dann?”

Diese Frage ist mir schon zweimal begegnet. Einmal von einem Verlagsprogrammleiter, einmal von einer Kollegin auf einem Kongress. Beide Male kam nach dem zweiten Nein eine kurze Stille. Nicht Skepsis, sondern echtes Nicht-Wissen: Wenn nicht das eine und nicht das andere, was dann?

Das Problem ist nicht die Antwort. Das Problem ist, dass die Kategorie keinen Namen hat.

Wer „KI” sagt, löst in Verlagsgesprächen fast immer denselben Reflex aus: entweder Ghostwriting mit neuen Mitteln, oder billiges Prompting ohne redaktionelle Kontrolle. Beides ist falsch, beides sitzt aber fest im Kopf des Gegenübers. Solange keine dritte Einordnung existiert, bleibt das Gespräch in der Luft.

Was tatsächlich passiert, wenn ein Fachbuch nach diesem Verfahren entsteht: Die fachliche Einschätzung bleibt beim Autor. Jede belegte Aussage ist rückverfolgbar. Jede Überarbeitungsrunde ist dokumentiert. Das klingt nach Lektorat mit sehr präzisen Anweisungen, weil es das im Kern ist. Nur systematischer.

Wer die Kategorie benennen kann, führt das Gespräch mit dem Verlag. Wer sie nicht benennen kann, verlässt das Gespräch mit Bedenkzeit.

Ich arbeite seit Monaten in dieser Kategorie. Einen etablierten Branchenbegriff dafür gibt es noch nicht. In meiner Praxis heißt sie: redaktionelle Buchproduktion mit dokumentierter Autorverantwortung.

Wenn Sie das nächste Mal im Verlagsgespräch erklären müssen, wie Ihr Buch entstanden ist: Haben Sie den Satz dafür schon?

3 Passagen. Alle inhaltlich korrekt. Alle zu nah an der Vorlage für eine Verlags-Abgabe.

In einem laufenden Manuskript-Projekt lagen in einem einzigen Kapitel drei Passagen so nah am Quellmaterial, dass sie bei der Abgabe ein Problem geworden wären. Kein Satz kopiert. Trotzdem zu nah.

Das ist die stille Falle bei KI-gestütztem Schreiben: Die KI übernimmt Formulierungen aus den Quellen, die ihr gegeben wurden. Nicht weil sie kopiert. Weil sie diese Formulierungen als gutes Vorbild liest. Wer das nicht aktiv prüft, merkt es erst, wenn die Lektorin zurückschreibt: „Seite 47 klingt sehr nah an Müller et al. Haben Sie das so gewollt?”

Ich habe deshalb für jeden Abgabe-Stand einen eigenen Prüflauf eingebaut. Er zeigt mir, welche Stellen im Manuskript zu nah am Quellmaterial liegen. Kein Urteil. Ein Warnlicht. Die Entscheidung, ob eine Stelle umzuschreiben oder als Zitat auszuweisen ist, bleibt beim Autor.

Die drei Passagen wurden vor der Abgabe umgeschrieben. Keine Lektorin musste nachfragen. Kein Verlag musste gebremst werden.

Dieser Prüflauf ist kein optionaler Schritt. Er ist Teil jedes Manuskripts.

Wer prüft in Ihrem Buchprojekt, ob KI-generierte Passagen zu nah an den Quellen liegen, bevor das Manuskript an den Verlag geht?

Methodische Einordnung, keine Rechtsberatung. Für Ihre konkrete Situation: Fachanwalt einschalten.

Mehr Regeln für die KI helfen nicht. Erst wenn sie für alle Kapitel an einem Ort stehen.

Jemand hat der KI erklärt, wie das Buch klingen soll. Dreimal. An drei verschiedenen Stellen. Kapitel 4 klingt anders als Kapitel 1, und niemand weiß mehr, warum.

Das Problem ist nicht die KI. Das Problem ist, dass die Regeln nirgends wirklich stehen. Sie stehen in der Erinnerung, im letzten Chat-Fenster, im Notizbuch vom Februar.

Wer bei Kapitel 3 eine Ausnahme ergänzt, ohne die Regel aus Kapitel 1 zu kennen, baut sich einen stillen Widerspruch ein. Die KI arbeitet nach dem, was sie gerade sieht. Sie kennt Ihren Februar nicht.

Wer eine einzige Datei führt, aus der die KI bei jedem Kapitel liest, und diese Datei mit Datum aktualisiert, wenn sich etwas ändert, kann die Frage „welche Stimme gilt heute?” in zehn Sekunden beantworten. Nicht suchen. Nicht erinnern. Nachsehen.

Nach Kapitel 4 wird nicht mehr repariert. Es wird nachgesehen.

In Buchprojekten, die ich begleite, steht diese Datei vor dem ersten Kapitel, nicht nach dem vierten. So bleibt sechs Monate später nachvollziehbar, warum eine Regel so steht, wie sie steht.

Wo stehen Ihre Stil-Entscheidungen beim Schreiben mit KI, und wie merken Sie, wenn sich eine davon im Lauf des Projekts verschoben hat?

#Buchproduktion

„Ich dachte, nach dem Faktencheck klingt der Text nach mir. Er klang immer noch nach KI.”

Der Faktencheck war abgeschlossen. Die Quellen stimmten. Der Lektor hatte freigegeben. Und dann las Dr. Mareike das Kapitel laut vor und stockte nach dem dritten Satz. Nicht weil etwas falsch war. Sondern weil es nach niemandem klang.

Das ist kein Qualitätsproblem. Es ist ein Reihenfolge-Problem.

Faktenprüfung und Stilprüfung beantworten verschiedene Fragen. „Stimmt diese Aussage?” ist eine andere Frage als „Klingt das nach mir?” Wer beide in dieselbe Runde schickt, bekommt auf eine davon keine ehrliche Antwort. Meistens auf die zweite.

Erst wenn die Faktenbasis steht, kann das Stil-Lektorat seine Arbeit machen. Vorher tastet es im Dunkeln: es weiß nicht, welche Sätze noch geändert werden müssen und welche schon tragen.

In meiner Praxis hat diese Trennung eine eigene Prüfrunde bekommen. Zuerst gehen Wiederholungen raus. Dann kommen die Fakten dran. Zwischen Faktenbasis und Stil-Lektorat liegt ein gezielter Durchgang, der typische KI-Formulierungen sichtbar macht, bevor jemand über Stil urteilt. Was danach bleibt, klingt nach dem Autor.

Wie trennen Sie in Ihrem aktuellen Manuskript-Prozess die Frage „Stimmt das?” von der Frage „Klingt das nach mir?”

Eine Figur in meinem Roman sprach perfekt, und niemand verstand sie.

Das KI-System hatte Klara, eine Klimaaktivistin aus Leipzig in meinem politischen Buch, authentisch sprechen lassen. „Wir müssen die Narrative der fossilen Hegemonie dekonstruieren und transformative Praxen der Klimagerechtigkeit implementieren.” Eine Aktivistin der Letzten Generation würde so reden. Das System hatte recht. Korrekt, aber unlesbar.

Das System wusste nicht einmal, dass es ein Problem gab. Authentizität ist nicht Lesbarkeit, und diese Grenze zieht kein Algorithmus. Sie ist eine Autoren-Entscheidung, die ich Satz für Satz treffen musste.

Klara hat sich gewehrt: Jede Anpassung, die ich ihr zu viel abverlangte, fühlte sich falsch an, als nehme ich ihr etwas Eigenes weg. An einem Punkt wurde mir klar: ich muss auf sie aufpassen, nicht sie zurechtbiegen. Aus dieser Erkenntnis entstand etwas, das ich nur als eine Art von Zuneigung beschreiben kann.

Die Aufgabe war eine Gratwanderung.

Welche Reibung in Ihrem Manuskript haben Sie mit Absicht gehalten, und warum?

Acht Treffer statt fünfzehn.

Dr. Mareike K. arbeitet an Kapitel 7. Sie gibt der KI den Auftrag: alle Stellen finden, an denen sie „Schilddrüsenunterfunktion” erklärt. Die KI liefert acht Treffer. Mareike weiß, dass es mindestens fünfzehn sein müssten. Die anderen stehen im Dokument: als „Hypothyreose”, als „SD-Unterfunktion”, als „Hashimoto-assoziierte Schilddrüsenfunktionsstörung”. Für die Suche: drei verschiedene Dinge.

Das lässt sich nicht durch einen besseren Suchauftrag beheben. Fachsprache besteht aus Eigennamen, zusammengesetzten Fachwörtern, Schreibvarianten. Die Suche kennt nur die Variante, die Mareike eingetippt hat. Alle anderen Stellen liegen unsichtbar daneben: gleicher Begriff, andere Buchstabenfolge.

In der Praxis bedeutet das: Wer ein Kapitel auf Konsistenz prüft, bekommt eine Teilantwort. „Habe ich diesen Begriff überall gleich erklärt?” bleibt offen. Die fehlenden Stellen sucht man selbst. Stunden, nicht Minuten.

Sobald das Prüf-Verfahren alle Schreibvarianten mitdenkt, liegen alle Treffer auf dem Tisch. Nicht acht. Fünfzehn. Wer ein Sachbuch mit spezialisiertem Fachvokabular produziert, braucht diesen Schritt als Teil des Prüf-Verfahrens, nicht als Nacharbeit.

Wie stellen Sie sicher, dass eine Konsistenzprüfung in Ihrem Manuskript alle Varianten eines Fachbegriffs erfasst?

17 Kapitel. Ein einziger Redundanz-Check findet nur die offensichtlichen Wiederholungen.

Bei einem Sachbuch-Manuskript im medizinnahen Bereich, 17 Kapitel, habe ich einen kapitelübergreifenden Redundanz-Check gemacht. Die Empfehlungs-Liste war kurz, las sich sauber. Beim eigenen Lesen fiel mir später auf: in Kapitel 3 erkläre ich denselben Befund zweimal, einmal früh, einmal 30 Seiten später, leicht anders verpackt. Der Check hat es nicht gemeldet.

Wenn der Check kapitelübergreifend zuerst läuft, verschwinden lokale Wiederholungen im Rauschen der globalen. Umgekehrt findet ein kapitel-interner Lauf keine Strukturparallelen zwischen Kapitel 3 und Kapitel 11. Die zwei Wiederholungs-Typen sind strukturell verschieden. Eine Suche fängt nicht beide.

Erst Stufe 1: kapitel-intern. Jedes Kapitel für sich, was wird zweimal erklärt? Dann Stufe 2: kapitelübergreifend. Matrix aller Kapitel-Paare, wo doppeln sich Inhalte? Die Empfehlungs-Liste verweist auf beide Fundstellen. Welche Stellen bleiben und welche gestrichen werden, entscheidet der Autor.

Was nach Mehraufwand klingt, ist das Gegenteil. Redundanzen werden früher gefunden, nicht erst im Stil-Lektorat. Im 17-Kapitel-Manuskript wären die wichtigsten Doppelungen sonst erst beim Lesefluss-Check aufgefallen. Viel später.

Welche Wiederholung in Ihrem Manuskript haben Sie erst spät bemerkt, und in welchem Kapitel war sie verankert?

Pro Kapitel liegen vier Belege auf meinem Tisch. Drei davon sind neu.

Was alles auf dem Tisch liegt: das Manuskript, ein Bericht des Struktur-Lektorats, ein Bericht des Stil-Lektorats und eine Notiz, ob die Schluss-Fassung beide Empfehlungen aufgenommen hat. Vier Dokumente, die zusammen zeigen, welche Entscheidung ich als Autor getroffen habe und welche Empfehlung ich verworfen habe. Im normalen Verlagsalltag reicht oft das Manuskript. Bei einem Buch, das mit KI-Unterstützung entstanden ist, reicht es nicht.

Im laufenden Schreibprozess wachsen die Belege automatisch mit. Struktur-Lektorat und Stil-Lektorat laufen jeweils als eigener Schritt mit eigenem Bericht. Eine Schluss-Notiz gleicht beide Berichte mit der fertigen Fassung ab und hält pro Befund fest, ob er angenommen oder bewusst verworfen wurde. Das geht ohne nachträgliches Sammeln in der letzten Woche vor der Verlagsabgabe.

Die vier Belege sind das Dokument, das mir selbst zeigt, wo ich als Autor Verantwortung getragen habe und wo ich der Empfehlung gefolgt bin. Wenn die Transparenz-Pflicht des AI Act ab August 2026 greift, ist Offenlegung gefragt: was die KI beigetragen hat und was der Autor entschieden hat. Wer die vier Belege heute schon führt, hat die Antwort dann schwarz auf weiß.

Welche Belege haben Sie heute, wenn ein Verlag oder Leser ab August 2026 konkret nachfragt, wer welche Entscheidung getroffen hat?

Drei bis sechs Wochen bis zum fertigen Manuskript. Nur mit einem Nebensatz.

Ohne den Nebensatz ist sie ein Verkaufsversprechen, das zerbricht. Die ehrliche Rechnung im Branchenschnitt liegt bei sechs bis achtzehn Monaten: Rohrecherche, Freigaben, mehrere Lektorats-Schleifen eingeschlossen. Die drei bis sechs Wochen sind kein Zauber, sondern ein anderer Schnitt durchs Projekt.

Woche 1: Exposé und Inhaltsverzeichnis iterieren, bis die Zielaussage pro Kapitel steht. Woche 1 bis 2: übergreifenden Rahmen festlegen und die einzelnen Kapitel-Kontexte vorbereiten. Woche 2 bis 4: Kapitel-Generierung mit getrennten Lektorats-Durchgängen für Struktur und Stil. Woche 4 bis 6: Qualitätssicherung, Redundanz-Prüfung, druckfertiges PDF.

Jetzt der Nebensatz. Der Autor liefert: fachliche Grundentscheidungen vorab, Rohrecherche oder autorisierte Quellen, vier bis sechs strukturierte Review-Sessions. Externe Freigaben (Verlag, Koautoren, Rechteinhaber) laufen parallel und zählen nicht in die Wochen. Wenn das vorher nicht geklärt ist, hält die Zahl nicht.

Die Verkürzung von Monaten auf Wochen ist real. Sie entsteht nicht durch Tempo, sondern durch getrennte, wiederholbare Schritte statt einer langen Textschlacht.

Wenn Sie an ein eigenes Buchprojekt denken: welcher dieser drei Punkte (fachliche Grundentscheidungen, Rohrecherche, Review-Sessions) fehlt in Ihrem Kalender am ehesten?

35 Referenzen. Drei davon erfunden, von der KI.

Eine Sprach-KI kann auf jeden Absatz eine plausible Quelle stellen: DOI, Autoren, Jahreszahl, alles sieht aus wie aus einer echten Datenbank. In meinem Probekapitel zu einem Sachbuch zur KI in der Medizin hatte ich am Ende über 35 Belege, viele davon ergänzend KI-vorgeschlagen. Die Stichprobe brachte rund drei Phantom-Studien ans Licht. Eine erfundene Referenz ist eine überprüfbare Lüge. Ein einziger Leser, der nachschlägt, verliert das Vertrauen in das ganze Buch.

Die Korrektur ist Handarbeit: jede Referenz wird gegen CrossRef und PubMed geprüft. Drei mögliche Befunde pro Quelle: existiert korrekt, existiert aber falsch zitiert, existiert nicht.

Das Ergebnis ist ein Manuskript, das auch dem Leser standhält, der eine einzelne Studie nachschlagen will. Das ist die Bedingung dafür, dass ein Verlag die Quellenliste in der finalen Freigabe akzeptiert.

Welche Schritte führen Sie aus, bevor Sie eine KI-vorgeschlagene Quelle in Ihr Manuskript übernehmen?

An meinem Manuskript gelernt: wer alles prüft, prüft nichts mit Tiefe.

Für Kapitel 1 von „Wenn die Demokratie stirbt” hatte ich einen einzelnen Lektor-Auftrag formuliert, der alles auf einmal prüfen sollte: Argumentation, Belege, Stil, Lesefluss. Das Ergebnis war ein Bericht, in dem kleine Stil-Glättungen die strukturellen Brüche optisch überdeckten. Reviewer lesen solche Berichte selektiv. Sie greifen, was leicht zu fixen ist. Die schweren Befunde bleiben drin, bis im Verlagsgespräch jemand fragt.

Die Korrektur war eine Trennung in zwei Schritte mit eigener Abnahme. Erst Struktur-Lektorat. Dann Stil-Lektorat auf dem strukturell bereinigten Text. Plus ein eigener Schluss-Lauf, der pro Befund prüft, ob die finale Fassung die Empfehlung aufgenommen hat. Pro Befund eine Notiz: angenommen oder bewusst verworfen.

Die Befund-für-Befund-Notiz wird später zum Dokument, das vor der Transparenz-Pflicht des EU-KI-Gesetzes ab August 2026 standhält. Sie zeigt, welche Entscheidungen ich als Autor getroffen habe.

Wie notieren Sie pro Lektor-Empfehlung Ihre Entscheidung: übernommen oder verworfen?

„Die Zusammenfassung aller relevanten Informationen” - so endete mein Gespräch mit einem Gesundheitsexperten, der vor einer wichtigen Entscheidung stand.

Vor zwei Wochen erreichte mich eine Anfrage aus einer renommierten Gesundheitsorganisation. Das Problem: Hunderte von Patientenbroschüren, medizinische Fachartikel und Aufklärungstexte mussten für verschiedene Zielgruppen angepasst werden. Manuell. Immer wieder. Ein Albtraum für das Kommunikationsteam.

Im Tal herrschte das übliche Chaos: E-Mail-Ping-Pong zwischen Ärzten und Redakteuren, endlose Revisionsschleifen, Copy-Paste-Orgien zwischen verschiedenen Tools. „Wir brauchen Wochen für einen einzigen Patientenratgeber”, seufzte die Programmleiterin.

Der Weg zur Berghütte begann mit einer radikalen Idee: Was, wenn KI-Agenten die gesamte Textproduktion orchestrieren könnten? Nicht durch einzelne Prompts, sondern durch intelligente Workflows. Ein Agent analysiert die Zielgruppe, ein zweiter passt den Sprachstil an, ein dritter prüft die medizinische Korrektheit.

In der Berghütte entstand Klarheit: Ein konkretes Angebot mit allen Vorteilen, Mengengerüsten und Kostenkalkulationen. Das Entscheidende? Die Organisation behält die volle Kontrolle über ihre KI-Prozesse. Human-in-the-Loop als Qualitätsgarantie, nicht als Kompromiss.

Das Ergebnis: Statt 4 Monaten Implementierungszeit sprechen wir über 4 Wochen bis zur funktionierenden Lösung. Die Fähigkeit, technische KI-Möglichkeiten in geschäftsrelevante Vorschläge zu übersetzen, macht den Unterschied zwischen Theorie und Praxis.

Wie überzeugt ihr eure Führungsebene von KI-Investitionen in der Gesundheitskommunikation?

Die KI wollte mir gerade einen unprofessionellen Bildvorschlag machen. Ich habe nein gesagt.

Gestern Abend arbeitete ich mit einer Verlegerin an einer neuen Buchkampagne für Gesundheitsliteratur. Wir testeten verschiedene KI-Agenten für die visuelle Konzeption. Plötzlich schlug das System Bildmotive vor, die definitiv nicht zu unserem seriösen Gesundheitsverlag passten.

Mein erster Gedanke: „Stopp. Das entspricht nicht unseren Standards.”

Im Tal herrscht oft die Annahme: „KI weiß schon, was richtig ist.” Falsch gedacht. Ohne menschliche Führung können selbst die cleversten KI-Agenten in ethische Fettnäpfchen trappen.

Der Weg zur Berghütte bedeutet: Ich führe die KI, nicht umgekehrt. Als ich dem System klare Grenzen setzte und unsere Unternehmenswerte als Parameter definierte, entstanden plötzlich perfekte Kampagnenideen. Professionell, vertrauenswürdig, zielgruppengerecht.

In der Berghütte herrscht Klarheit: KI-Agenten sind brillante Werkzeuge, aber sie brauchen menschliche Werte als Kompass. Die Verlegerin kann jetzt ihre KI-gestützten Workflows selbst steuern - mit eingebauten ethischen Leitplanken.

Das Ergebnis? Eine Buchkampagne, die nicht nur kreativ ist, sondern auch die Glaubwürdigkeit des Verlags stärkt. Human-in-the-Loop bedeutet: Wir nutzen KI-Power, behalten aber die Verantwortung.

In 4 Wochen statt 4 Monaten zu ethisch sauberen, kreativen Prozessen.

Wie stellt ihr sicher, dass eure KI-Tools eure Unternehmenswerte widerspiegeln?

10 Stunden pro Woche. Erfolgsabhängige Honorare. Unmöglich? Das dachte ich auch.

Letzte Woche sprach ich mit einer Verlegerin, die vor einem Dilemma stand: Sie wollte einen Autor für ein innovatives Gesundheitsbuch gewinnen – aber nur mit 10 Stunden wöchentlich und erfolgsabhängiger Vergütung. „Christof, wie soll das funktionieren? Wenn der Autor auf unsere Freigaben warten muss, verliert er Zeit und Geld.”

Im Tal herrschte das übliche Chaos: Endlose Revisionsschleifen, wochenlange Freigabeprozesse, frustrierte Autoren. Erfolgsabhängige Honorare? Bei so wenig Zeit und vielen Abhängigkeiten schien das unmöglich.

Der Weg zur Berghütte führte über vereinfachte Modelle: Statt komplexer prozentualer Erfolgsbeteiligung entwickelten wir Pauschalboni bei Zielerreichung. Meilenstein-basierte Zusatzhonorare für jeden abgeschlossenen Buchkapitel. Und das Wichtigste: Eine Pausenkompensation für kundenbedingte Wartezeiten.

In der Berghütte entstand Klarheit: KI-Agenten orchestrieren jetzt die Kommunikation zwischen Verlag und Autor. Automatisierte Workflows tracken Meilensteine, berechnen Boni und kompensieren Verzögerungen. Der Autor behält die kreative Kontrolle, während die Verwaltung im Hintergrund läuft.

Das Ergebnis? Faire Vergütung trotz geringer Stundenzahl. Der Verlag kann erfolgsabhängig arbeiten, ohne den Autor zu benachteiligen. In 4 Wochen implementiert statt monatelanger Verhandlungen.

Meine persönliche Erfahrung: Auch bei begrenzten Ressourcen sind erfolgsabhängige Modelle möglich – wenn sie einfach und messbar gestaltet werden.

Wie löst ihr das Spannungsfeld zwischen Erfolgshonoraren und fairer Vergütung?

Ich plane große Chunks zu machen. Über Prompting instruiere ich das LLM.

Ein Verlagsleiter erzählte mir letzte Woche von seinem ambitionierten Projekt: Ein 400-Seiten-Fachbuch über Gesundheitsprävention. Seine Strategie? Detaillierte YAML-Strukturen für jeden Kapitel-Workflow.

Im Tal herrschte das übliche operative Chaos: Autoren schickten unstrukturierte Textblöcke, Lektoren kopierten manuell zwischen verschiedenen Tools, Revisionsschleifen zogen sich über Monate. „Konkrete Beispiele fehlen überall”, seufzte die Programmleiterin.

Der Weg zur Berghütte begann mit einem Paradigmenwechsel: Statt einzelne KI-Anfragen zu stellen, entwickelte das Kreativteam orchestrierte Workflows. KI-Agenten übernahmen die Kapitelstrukturierung basierend auf YAML-Vorlagen, während die Autoren die inhaltliche Kontrolle behielten.

In der Berghütte entstand Klarheit: Die perfekte Balance zwischen Automatisierung und kreativer Kontrolle. Große Content-Chunks ermöglichen präzise Steuerung, aber die optimale Größe respektiert sowohl Kontext als auch Effizienz. Human-in-the-Loop als Stärke, nicht als Kompromiss.

Das Ergebnis? Statt 4 Monate manueller Koordination zwischen Autoren und Lektorat: 4 Wochen bis zum fertigen Manuskript-Entwurf. Die KI-Agenten orchestrieren den Workflow, die Menschen behalten die kreative Entscheidungshoheit.

Wie strukturiert ihr komplexe Buchprojekte mit euren Autorenteams?

Die KI hat wieder nur das Beispiel kopiert. Das ist nicht intelligent, das ist faul.

Vorige Woche saß ich mit einer Programmleiterin zusammen, die frustriert auf ihren Bildschirm starrte. Ihr KI-Tool sollte Zielgruppen für ein neues Gesundheitsbuch analysieren. Stattdessen bekam sie generische Listen mit „Key Decision Makers” - copy-paste aus irgendeinem Template.

Das Tal-Erlebnis par excellence: Stundenlang zwischen verschiedenen Tools hin und her kopieren, manuell nachbessern, trotzdem nur oberflächliche Ergebnisse.

Dann der Wendepunkt. Ich zeigte ihr meine Berghütten-Philosophie in Aktion:

Statt die KI als „Formularausfüller” zu nutzen, orchestrierten wir einen intelligenten Workflow. Der KI-Agent analysierte nicht nur die Buchinformationen, sondern leitete kontextspezifische Erkenntnisse ab: Welche Gesundheitsorganisationen könnten interessiert sein? Welche Fachzeitschriften passen thematisch? Welche Influencer sprechen diese Zielgruppe an?

Die Berghütte: Klarheit durch intelligente Ableitung statt stumpfes Kopieren.

Das Ergebnis? Aus einem generischen „Gesundheitsmarkt” wurde eine präzise Landkarte mit 15 konkreten Ansprechpartnern, drei Kooperationsideen und einer maßgeschneiderten Marketingstrategie. Human-in-the-Loop bedeutete: Sie behielt die Kontrolle, die KI dachte mit.

In 4 Wochen statt 4 Monaten zur funktionierenden Zielgruppenstrategie.

Die Programmleiterin fasste es perfekt zusammen: „Endlich eine KI, die denkt, nicht nur tippt.”

Wie nutzt ihr KI in euren Verlagen - als Kopierer oder als strategischen Denker?

Die Stilkonsistenz war ein Albtraum. 15 Gesundheitsratgeber, alle klangen wie von verschiedenen Planeten.

Letzte Woche kam eine Verlegerin mit einem Problem zu mir, das viele kennen: Ihre KI-generierten Gesundheitstexte waren inhaltlich korrekt, aber stilistisch völlig inkonsistent. Ein Kapitel über Diabetes klang wie ein Fachjournal, das nächste wie ein Lifestyle-Magazin.

Im Tal herrschte das operative Chaos: Endlose Revisionsschleifen, manuelle Stilanpassungen, frustrierte Lektoren. „Christof, wir brauchen 4 Monate für einen Ratgeber, der eigentlich in 4 Wochen fertig sein könnte.”

Der Weg zur Berghütte führte über eine faszinierende Entdeckung: Moderne KI-Agenten können Textstile quantifizieren und orchestrieren. Statt einzelne Prompts zu schreiben, beauftragten wir einen KI-Agenten mit der kompletten Stilkontrolle.

Das System analysiert jeden Textabschnitt und berechnet die „stilistische Distanz” zum gewünschten Markenklang. Zu weit entfernt? Der Agent passt automatisch an. Zu monoton? Er variiert gezielt.

In der Berghütte: Klarheit und Kontrolle. Die Verlegerin steuert jetzt ihre KI-Workflows selbst. Ein Gesundheitsratgeber behält seinen vertrauensvollen, aber zugänglichen Ton - von der ersten bis zur letzten Seite.

Das Ergebnis? Konsistente Markenstimme bei 80% weniger manueller Nachbearbeitung. Human-in-the-Loop bedeutet hier: Der Mensch definiert den gewünschten Stil, die KI sorgt für die Umsetzung.

Wie stellt ihr sicher, dass eure Gesundheitskommunikation einheitlich klingt?

Verdammt, was bedeutet denn 'Risiko' in diesem Zusammenhang konkret?

Ein Chefredakteur einer Gesundheitsorganisation brachte mich letzte Woche zum Nachdenken. Wir hatten einen KI-gestützten Workflow für Patienteninformationen entwickelt - aber mein Report war voller Fachbegriffe ohne echte Erklärung.

Im Tal des operativen Chaos kenne ich das Problem: Wir reden über „Risiken” bei KI-Integration, aber niemand erklärt, was das für Verlage und Gesundheitsorganisationen konkret bedeutet. Datenschutz? Qualitätskontrolle? Autorenhaftung?

Mein Weg zur Berghütte war eine ehrliche Bestandsaufnahme: Selbst scheinbar offensichtliche Begriffe brauchen klare Definition. Besonders wenn KI-Agenten komplexe Recherche-Workflows autonom ausführen sollen.

In der Berghütte entstand Klarheit: Ein Risiko-Glossar für jeden KI-Prozess. Konkrete Beispiele statt abstrakter Begriffe. „Qualitätsrisiko” wurde zu „Falsche Quellenangaben in Patientenbroschüren”. „Compliance-Risiko” wurde zu „Medizinische Aussagen ohne Fachprüfung”.

Das Ergebnis? Der Chefredakteur konnte seinem Vorstand präzise erklären, warum Human-in-the-Loop bei Gesundheitskommunikation unverzichtbar ist. Die KI-Agenten recherchieren und strukturieren - aber medizinische Fachkräfte prüfen jeden Output.

Transparente Risikokommunikation schafft Vertrauen. Und Vertrauen ist die Basis für erfolgreiche KI-Integration in kreativen Prozessen.

Wie erklärt ihr euren Stakeholdern die konkreten Risiken eurer KI-Prozesse?

Unsere Markenfarben sehen aus wie aus den 90ern. Können Sie uns helfen?

Diese Frage einer Verlegerin brachte mich zum Nachdenken. Ihr Verlag hatte brillante Gesundheitsratgeber im Programm, aber das visuelle Erscheinungsbild schreckte junge Zielgruppen ab. Die Website wirkte verstaubt, die LinkedIn-Posts gingen unter.

Im Tal herrschte das übliche Chaos: Endlose Diskussionen über Farbcodes, teure Agentur-Angebote, monatelange Abstimmungsschleifen zwischen Lektorat und Marketing. Jeder hatte eine Meinung, niemand eine Lösung.

Der Weg zur Berghütte begann mit einem KI-Agenten als virtuellem Markenberater. Statt einzelner Prompts orchestrierte die KI einen kompletten Rebranding-Prozess: Zielgruppenanalyse, Farbpsychologie, Konkurrenzvergleich. In wenigen Stunden entstanden drei harmonische Farbpaletten mit detaillierter Begründung.

In der Berghütte war die Klarheit da: Eine moderne, warme Farbpalette, die Vertrauen und Innovation vermittelt. Türkis für Klarheit, warmes Orange für Energie, dezentes Grau für Seriosität. Der Verlag behielt die Kontrolle über jeden Schritt – Human-in-the-Loop in Perfektion.

Das Ergebnis? Die Verlegerin implementierte KI-gestützte Designprozesse, die sie selbst steuert. Neue Buchcover entstehen in Tagen statt Wochen. Die LinkedIn-Reichweite verdoppelte sich.

Die größte Erkenntnis: KI kann als kreativer Sparringspartner fungieren, ohne die menschliche Entscheidungshoheit zu übernehmen. 4 Wochen statt 4 Monate bis zur neuen Markenidentität.

Wie modernisiert ihr eure visuelle Kommunikation im Gesundheitsbereich?

300 Mitarbeiter, eine IT-Ressource und plötzlich nutzen alle ChatGPT. Was könnte schief gehen?

Vorgestern erreichte mich ein Anruf einer Verlegerin: „Christof, unsere Autoren und Lektoren nutzen KI-Tools wild durcheinander. Jeder macht sein eigenes Ding. Wir brauchen dringend Richtlinien, aber wo fangen wir an?”

Typisches Tal-Problem: Operative Hektik ohne Struktur. Jeder experimentiert mit KI-Assistenten für Recherche, Textbearbeitung und Lektorat - aber ohne gemeinsame Standards.

Mein Vorschlag überraschte sie: „Lassen Sie uns KI nutzen, um die KI-Richtlinien zu entwickeln.”

Der Weg zur Berghütte: Ich orchestrierte einen mehrstufigen Prozess. KI-Agenten analysierten bestehende Verlagsworkflows, identifizierten Datenschutz-Risiken und generierten einen strukturierten Richtlinien-Entwurf. Schwerpunkte: Manuskript-Vertraulichkeit, Autorenrechte, Qualitätskontrolle und menschliche Aufsicht bei kreativen Entscheidungen.

In der Berghütte: Klarheit statt Chaos. Der KI-generierte Entwurf diente als Basis für den Workshop mit dem Rechtsberater. Statt bei Null anzufangen, konnten sie direkt über konkrete Punkte diskutieren: Wann dürfen Lektoren KI einsetzen? Wie schützen wir Autorendaten? Welche Transparenz brauchen Leser?

Das Ergebnis: Eine praxistaugliche KI-Governance in 4 Wochen statt monatelanger Gremiensitzungen. Die Verlegerin behält die Kontrolle, während KI-Agenten die Vorarbeit leisten.

Wie regelt ihr den KI-Einsatz in euren Verlagen und Redaktionen?

Ich dachte, personalisierte Videos für 1000 Autoren wären unmöglich. Dann entdeckte ich, wie einfach es wirklich ist.

Vor zwei Wochen saß ich mit einer Verlegerin zusammen, die verzweifelt war. Ihre 50 Neuautoren bekamen alle dieselbe Standard-Willkommens-E-Mail. „Christof, ich möchte jedem Autor zeigen, dass er uns wichtig ist. Aber personalisierte Videos? Das dauert Wochen!”

Im Tal des operativen Chaos kannte ich das Problem: Copy-Paste zwischen Tools, manuelle Videobearbeitung, endlose Revisionsschleifen. Jeder Autor bekam dieselbe unpersönliche Ansprache.

Der Weg zur Berghütte begann mit einem Experiment. Ich testete moderne KI-Agenten, die Avatar-basierte Videos automatisiert erstellen können. Statt manuell jeden Clip zu bearbeiten, orchestrierte ein intelligenter Workflow den gesamten Prozess: Autorennamen aus der Datenbank, personalisierte Begrüßung, automatische Videoerstellung.

In der Berghütte angekommen: Klarheit und Kontrolle. Die Verlegerin kann jetzt mit wenigen Klicks hunderte personalisierte Begrüßungsvideos generieren. Jeder Autor fühlt sich willkommen, die Bindung zum Verlag steigt spürbar.

Das Schönste? Human-in-the-Loop bleibt zentral. Sie kontrolliert jeden Schritt, prüft Qualität und passt Inhalte an. Keine IT-Abteilung nötig, keine monatelangen Projekte. In 4 Wochen statt 4 Monaten zur funktionierenden Lösung.

Die technische Hürde für automatisierte, personalisierte Kommunikation ist praktisch verschwunden. Verlage und Gesundheitsorganisationen können jetzt Beziehungen in großem Maßstab pflegen, ohne die persönliche Note zu verlieren.

Wie personalisiert ihr eure Autoren- oder Patientenkommunikation?

1.150 Tokens. Exakt. Keine mehr, keine weniger.

So begann mein Briefing an einen KI-Agenten für das Lektorat eines Gesundheitsratgebers. Was dann passierte, hat meine Sicht auf kreative KI-Prozesse komplett verändert.

Die Situation: Eine Gesundheitsorganisation kämpfte mit 200-seitigen Manuskripten voller Redundanzen. Das Lektoratsteam ertrank im operativen Chaos - endlose Revisionsschleifen, manuelles Hin-und-Her zwischen Autoren und Lektoren, jedes Kapitel ein Einzelkampf.

Mein Weg zur Berghütte war diesmal besonders steil: Ich entwickelte einen hochspezifischen Arbeitsauftrag für einen KI-Agenten. Nicht nur „Korrigiere den Text”, sondern: „Du bist Lektor für Gesundheitsliteratur. Zielgruppe: Patienten über 50. Aufgaben: Logische Konsistenz prüfen, Redundanzen eliminieren, Kapitelübergänge glätten. Output: Exakt 1.150 Tokens pro Kapitel, YAML-Format für Analyseergebnisse.”

Das Ergebnis in der Berghütte: Der KI-Agent arbeitet jetzt wie ein erfahrener Lektor - präzise, strukturiert, nachvollziehbar. Aber das Entscheidende: Ich behalte die kreative Kontrolle. Human-in-the-Loop bedeutet hier, dass ich die Qualitätsstandards definiere und der Agent sie umsetzt.

Statt wochenlanger manueller Arbeit entstehen jetzt in 4 Wochen durchlektorierte Manuskripte. Die Autoren bekommen strukturiertes Feedback, die Organisation spart Ressourcen, die Leser profitieren von klareren Texten.

Die Berghütten-Philosophie zeigt sich hier perfekt: Raus aus dem operativen Tal, rauf zur strategischen Klarheit - mit KI-Agenten, die ich orchestriere.

Wie detailliert briefen Sie Ihre KI-Assistenten für kreative Aufgaben?

Nach 2,5 Jahren Verlagsprojekten ist mir eines klar geworden: Die großen KI-Automatisierungsträume scheitern meist an der Realität.

Letzte Woche saß ich mit einer Verlegerin zusammen, die frustriert von ihrem gescheiterten KI-Projekt erzählte. „Wir wollten alles automatisieren - von der Manuskriptprüfung bis zur Marketingtexterstellung. Am Ende hatten wir Datenschutzprobleme, die KI erfand Fakten und niemand wusste mehr, wer wofür verantwortlich ist.”

Diese Geschichte höre ich immer öfter. Verlage träumen von vollautomatisierten Workflows, aber die Realität sieht anders aus: KI-Halluzinationen bei Sachbüchern, Datenschutzbedenken bei Autorendaten, fehlende Governance bei kreativen Entscheidungen.

Meine Berghütten-Philosophie zeigt einen anderen Weg:

Im Tal herrscht das operative Chaos - endlose Revisionsschleifen, manuelles Copy-Paste zwischen Tools, E-Mail-Ketten ohne Ende. Hier scheitern die großen Automatisierungsprojekte.

Auf dem Weg zur Berghütte konzentrieren wir uns auf steuerbare Prozesse. Statt alles zu automatisieren, orchestrieren KI-Agenten nur die Bereiche, wo Human-in-the-Loop funktioniert. Ein Lektor behält die Kontrolle über die Qualität, während KI-Tools die Recherche und Formatierung übernehmen.

In der Berghütte entsteht Klarheit: Verlage kontrollieren ihre kreativen KI-Prozesse selbst. In 4 Wochen statt 4 Monaten zu funktionierenden Workflows - ohne die typischen Fallstricke großer Automatisierungsprojekte.

Welche KI-Projekte sind bei euch gescheitert und warum?

Die geopolitische Analyse war so detailliert, dass ich erst dachte: Das kann unmöglich von KI kommen.

Gestern Abend saß ich in der Redaktion und testete, wie gut KI komplexe strategische Szenarien durchdringen kann. Das Ergebnis hat mich umgehauen: Eine vielschichtige Analyse globaler Abhängigkeiten, die weit über oberflächliche Schlagzeilen hinausging.

Das brachte mich zum Nachdenken über unsere Verlagswelt:

Im Tal herrscht das operative Chaos: Wir reagieren auf Trends, statt sie vorherzusehen. Manuskripte werden nach Bauchgefühl bewertet. Marktanalysen kratzen an der Oberfläche. Risiken erkennen wir oft zu spät.

Auf dem Weg zur Berghütte experimentiere ich mit KI-Agenten, die komplexe Marktszenarien durchleuchten. Nicht nur „Was ist der aktuelle Trend?”, sondern „Welche unsichtbaren Verbindungen beeinflussen unsere Zielgruppen in 12 Monaten?”

In der Berghütte entsteht strategische Klarheit: KI-Assistenten analysieren Themenkomplexe, die scheinbar nichts mit unserem Programm zu tun haben - und decken überraschende Chancen auf. Ein Gesundheitsverlag erkennt durch geopolitische Analyse neue Risikothemen. Ein Sachbuchautor findet in komplexen Wirtschaftsbeziehungen sein nächstes Buchthema.

Die „konkrete Analyse” zeigt: KI kann als strategischer Sparringspartner fungieren, der Zusammenhänge erkennt, die wir übersehen. Human-in-the-Loop bedeutet hier: Wir stellen die richtigen Fragen, KI liefert die Tiefe.

Das Ergebnis? Verlage, die nicht nur auf Trends reagieren, sondern sie antizipieren. In 4 Wochen zur strategischen Weitsicht, statt 4 Monate im reaktiven Modus zu verharren.

Welche scheinbar fernen Entwicklungen könnten euer Programm überraschend beeinflussen?

5000 Manuskripte in 3 Monaten digitalisieren? Unmöglich, dachten wir.

Als die Pandemie einen großen Gesundheitsverlag traf, stand plötzlich das gesamte Lektorat vor dem Nichts. Alle Manuskripte, Gutachten und Autorenkorrespondenzen lagen in physischen Ordnern. Home Office? Undenkbar.

Die Verlagsleiterin brachte es brutal auf den Punkt: „Entweder wir schaffen die Digitalisierung in Wochen, oder wir verlieren unsere Autoren an die Konkurrenz.”

Der Weg zur Lösung war pure Berghütten-Philosophie:

Im Tal: Das operative Chaos regierte. Lektoren fuhren täglich ins Büro, nur um Dokumente zu scannen. Autoren warteten wochenlang auf Feedback. Deadlines platzten wie Seifenblasen.

Auf dem Weg zur Berghütte: Ich entwickelte mit dem Team KI-gestützte Workflows, die sie selbst kontrollieren konnten. KI-Agenten übernahmen die Dokumentenerfassung, strukturierten Manuskripte automatisch und erstellten Zusammenfassungen für das Lektorat.

In der Berghütte: Klarheit und Kontrolle. Das Lektorat arbeitet heute mit orchestrierten KI-Prozessen. Ein Manuskript wird hochgeladen, durchläuft automatisierte Qualitätschecks und landet strukturiert beim zuständigen Lektor. Human-in-the-Loop bei jeder wichtigen Entscheidung.

Das Ergebnis? Nach 3 Monaten waren alle Manuskripte digital verfügbar. Die Bearbeitungszeit pro Manuskript sank von 3 Wochen auf 3 Tage. Der digitale Workflow war in 4 Wochen statt 4 Monaten implementiert.

Wie habt ihr eure kreativen Prozesse während der Krise angepasst?

Das Word-Dokument war ein Albtraum. 50 Seiten Gesundheitsleitfaden mit chaotischen Aufzählungen und KI-generierten Texten voller Formatierungsfehler.

Letzte Woche rief mich eine Gesundheitsorganisation verzweifelt an. Ihr neuer Patientenleitfaden sah aus wie ein digitaler Unfall - Bullet Points ohne Struktur, Zeilenumbrüche an unmöglichen Stellen, unlesbares Chaos.

Das Problem kannte ich: KI erstellt brillante Inhalte, aber Word-Dokumente werden zur Hölle. Manuelles Nachbearbeiten? Bei 50 Seiten? Unmöglich.

Meine Berghütten-Philosophie zeigte den Weg:

Im Tal: Das operative Chaos - Copy-Paste zwischen KI-Tools und Word, stundenlange manuelle Korrekturen, frustrierte Redakteure. Jede kleine Änderung bedeutete wieder alles von vorn.

Auf dem Weg zur Berghütte: Ich entwickelte einen KI-Agenten, der direkt in Word-Dokumenten arbeitet. Mit der python-docx-Bibliothek kann er Formatierungen programmatisch korrigieren - Zeilenumbrüche setzen, Listen strukturieren, Chaos in Klarheit verwandeln.

In der Berghütte: Klarheit und Kontrolle. Der Agent bearbeitet komplexe Word-Dokumente autonom, während der Mensch die strategischen Entscheidungen trifft. Human-in-the-Loop in Perfektion.

Das Ergebnis? Die Gesundheitsorganisation kann jetzt KI-generierte Inhalte direkt in professionelle Word-Dokumente verwandeln. Keine manuellen Korrekturen mehr. In 4 Wochen statt 4 Monaten zur funktionierenden Lösung.

Die Prinzipien der Berghütten-Philosophie funktionieren überall - von einfachen Texten bis zu komplexen Dokumentformaten. Es geht darum, die richtigen Tools zu finden und sie so zu orchestrieren, dass sie nahtlos in bestehende Workflows passen.

Wie löst ihr das Problem chaotischer KI-Formatierungen in euren Dokumenten?

Warum schreiben unsere Autoren noch manuell Exposés, wenn KI-Agenten das in 20 Minuten erledigen könnten?

Ein Verlagsleiter brachte es letzte Woche auf den Punkt. Sein Problem: Talentierte Autoren scheitern bereits am Exposé. Brillante Buchideen verschwinden in schlecht strukturierten 15-Seiten-Dokumenten.

Im Tal herrschte das übliche Chaos: Autoren kämpfen wochenlang mit Exposé-Vorlagen. Das Lektorat korrigiert dieselben Strukturfehler immer wieder. Programmleiterinnen verlieren potenzielle Bestseller, weil das Exposé die Geschichte nicht transportiert.

Meine persönliche Erfahrung mit diesem konkreten Problem führte mich zur Berghütten-Philosophie: Statt einzelner KI-Prompts orchestrierte ich einen mehrstufigen Workflow. Ein KI-Agent analysiert zunächst die Rohidee, ein zweiter entwickelt die Zielgruppenanalyse, ein dritter strukturiert das finale Exposé.

In der Berghütte entstand Klarheit: Autoren beschreiben ihre Buchidee in einem 10-minütigen Gespräch. Generative KI wandelt das in ein professionelles Exposé um - mit allen Elementen, die Verlage brauchen. Der Autor behält die kreative Kontrolle, die KI übernimmt die Struktur.

Das Ergebnis? Der Verlag implementierte diesen Workflow in 4 Wochen statt 4 Monaten. Autoren fokussieren sich aufs Schreiben, nicht auf Formatvorlagen. Das Lektorat bekommt strukturierte, durchdachte Exposés.

Human-in-the-Loop bleibt zentral: Die kreative Vision kommt vom Autor, die KI orchestriert nur den Prozess.

Wie unterstützt ihr eure Autoren beim Exposé-Schreiben?

Unser Gesundheitsratgeber ist veraltet. Die Studien von 2019 stimmen nicht mehr.

Diese Nachricht erreichte mich letzte Woche von einer Verlegerin für Gesundheitsliteratur. Ein klassisches Problem: Ihr Bestseller-Ratgeber war inhaltlich überholt, aber eine komplette Neuauflage würde Monate dauern.

Im Tal herrschte das übliche Chaos: Autoren recherchierten manuell neue Studien, Lektoren prüften einzeln jeden Fakt, Copy-Paste zwischen verschiedenen Datenbanken. Ein endloser Kreislauf aus Aktualisierungen ohne System.

Der Weg zur Berghütte begann mit einer anderen Herangehensweise: Statt manueller Recherche orchestrierte ich KI-Agenten, die kontinuierlich medizinische Datenbanken überwachen. Nicht als Black Box, sondern mit klaren Human-in-the-Loop-Prozessen. Jede neue Studie wird automatisch kategorisiert, aber die finale Bewertung bleibt beim Fachautor.

In der Berghütte entstand ein System, das die Verlegerin selbst kontrolliert: Automatisierte Fact-Checking-Workflows mit definierten Qualitätsstufen. Neue Erkenntnisse werden sofort erfasst, aber erst nach menschlicher Validierung freigegeben. Versionierung und Audit-Trails inklusive.

Das Ergebnis? Statt alle zwei Jahre eine Neuauflage gibt es jetzt kontinuierliche Updates. Die Autoren fokussieren sich aufs Schreiben, die KI-Agenten übernehmen die Überwachung der Datenqualität.

Die wichtigste Erkenntnis: Langfristige KI-Effektivität braucht robuste Prozesse. Nicht weniger menschliche Kontrolle, sondern intelligentere.

Wie haltet ihr eure Gesundheitsinhalte aktuell?

Die HTML-Datei lag in OneDrive. Warum funktionierte das JavaScript nicht?

Vorige Woche kämpfte eine Verlegerin mit einem frustrierenden Problem: Ihr interaktives Leseprobe-Tool für Autoren funktionierte nicht. „Christof, ich verstehe das nicht. Die Datei ist da, aber nichts passiert.”

Im Tal des operativen Chaos: Endlose Revisionsschleifen, Copy-Paste zwischen verschiedenen Cloud-Diensten, frustrierte Autoren, die ihre interaktiven Buchtrailer nicht testen konnten. Das klassische Problem moderner Verlage - alles in der Cloud, aber nichts funktioniert zusammen.

Der Weg zur Berghütte begann mit einer simplen Erkenntnis: OneDrive-Links sind oft nur Vorschauen, keine echten Webserver-Verbindungen. JavaScript braucht das 'http://'-Protokoll, nicht den direkten 'file://'-Zugriff. Ein kleiner, aber entscheidender Unterschied.

In der Berghütte der Klarheit: Ich zeigte ihr, wie KI-Agenten diese technischen Hürden automatisch erkennen und lösen können. Statt manueller Fehlersuche orchestriert jetzt ein KI-Workflow die gesamte Leseproben-Erstellung - von der HTML-Generierung bis zur korrekten Webserver-Bereitstellung.

Das Ergebnis? Ihre Autoren können interaktive Buchtrailer selbstständig erstellen und testen. Human-in-the-Loop bleibt zentral - sie behält die kreative Kontrolle, während die KI die technischen Details abwickelt.

In 4 Wochen statt 4 Monaten zur funktionierenden Lösung. Ohne IT-Abteilung, ohne externe Dienstleister.

Welche Cloud-Herausforderungen bremsen eure kreativen Prozesse aus?

Unsere KI-Tools sind wie ein Schweizer Taschenmesser - theoretisch perfekt, praktisch ein Chaos.

Gestern saß ich mit einer Programmleiterin zusammen, die frustriert ihren Laptop zuklappte. Ihr Verlag nutzt bereits fünf verschiedene KI-Tools: eines für Lektorat, eines für Marketing-Texte, eines für Marktanalysen. Das Problem? Jedes Tool lebt in seiner eigenen Welt.

„Christof, ich kopiere täglich Texte zwischen drei verschiedenen Plattformen hin und her. Das kann nicht die Zukunft sein.”

Sie hatte einen wichtigen Punkt erkannt: Wir stehen am Beginn einer zweiphasigen Evolution.

Phase 1 - Der Wrapper-Ansatz: KI-Agenten werden zunächst als intelligente Vermittler fungieren. Statt manuell zwischen Tools zu wechseln, orchestriert ein Agent die bestehenden Systeme. Das Lektorats-Tool kommuniziert automatisch mit dem Marketing-System. Manuskript-Daten fließen nahtlos zur Marktanalyse.

Phase 2 - Die Integration: Diese Agenten werden schrittweise die separaten Tools ersetzen. Ein einheitlicher Workflow entsteht, kontrolliert vom Menschen, ausgeführt von der KI.

Die Berghütten-Philosophie zeigt den Weg: Im Tal herrscht Tool-Chaos und Copy-Paste-Wahnsinn. Der Pfad zur Berghütte führt über flexible, nicht-proprietäre Lösungen. Vendor Lock-in vermeiden ist dabei entscheidend.

In der Berghütte angekommen: Ein orchestrierter Workflow, bei dem KI-Agenten die schwere Arbeit übernehmen, während der Kreativdirektor die strategischen Entscheidungen trifft. Human-in-the-Loop als Stärke, nicht als Kompromiss.

Das Ergebnis? Von fragmentierten Einzellösungen zu einem integrierten System - in 4 Wochen statt 4 Monaten.

Wie löst ihr das Tool-Chaos in euren kreativen Prozessen?

Können Sie das nochmal strukturierter aufschreiben? Mit Markdown bitte.

Ein Satz, der alles veränderte. Letzte Woche arbeitete ich mit einer Gesundheitsorganisation an KI-gestützten Patienteninformationen. Mein erster Entwurf war chaotisch - keine klare Struktur, wirre Gedankensprünge.

Der Moment der Wahrheit kam, als die Leiterin der Gesundheitskommunikation nachfragte. Ich überarbeitete den Text mit klaren Markdown-Strukturen: Überschriften, Aufzählungen, logische Abschnitte.

Das Ergebnis? Ein völlig neuer Text. Präzise, verständlich, wiederverwendbar.

Dann der Aha-Moment: Was bei Texten funktioniert, funktioniert auch bei KI-Anweisungen. Statt wirrer Einzelprompts entwickelte ich strukturierte Workflow-Vorlagen für die Organisation.

Meine Berghütten-Philosophie in Aktion:

Im Tal: Chaotische KI-Nutzung - jeder fragt die KI anders, inkonsistente Ergebnisse, ständiges Copy-Paste zwischen Tools.

Auf dem Weg zur Berghütte: Strukturierte Prompt-Bibliotheken entstehen. Markdown wird zum Standard. KI-Agenten übernehmen wiederkehrende Aufgaben nach klaren Vorlagen.

In der Berghütte: Klarheit und Kontrolle. Die Gesundheitsorganisation hat jetzt standardisierte KI-Workflows, die jeder Mitarbeiter nutzen kann. Human-in-the-Loop sorgt für Qualität, aber die Struktur macht den Unterschied.

Das Learning: Es geht nicht nur darum, WAS wir die KI fragen, sondern WIE wir sie führen. Gut strukturierte Anweisungen sind der Schlüssel zu skalierbaren KI-Prozessen.

Wie strukturiert ihr eure KI-Arbeitsabläufe in euren Organisationen?

Was Deloitte 290.000 USD kostete, kann Ihrem Sachbuch die Autorität kosten: KI-erfundene Studien, die niemand findet.

Im Oktober 2025 fand ein externer Rechtswissenschaftler bis zu zwanzig Fehler in einem 237-Seiten-Bericht für die australische Regierung.

Darunter ein angebliches Buch einer Kollegin, das nie geschrieben wurde, und ein Zitat aus nicht existierenden Absätzen eines Bundesgerichtsurteils.

Niemand im Review-Prozess hatte die Quellen gegen die Primärdokumente geprüft.

Bei Ärzten, Therapeuten und Ernährungswissenschaftlern mit Buchprojekt entstehen dieselben Fehler — nur ohne den externen Prüfer, der sie aufdeckt.

> Eine falsche Dosierung in einem Patientenratgeber.

> Eine veraltete Therapieempfehlung in einem Selbsthilfebuch.

> Eine retrahierte Studie als Beleg in einer Ernährungsmonografie.

Halluzinationen folgen Mustern.

Standardprüfungen finden die meisten — aber nicht die gefährlichsten. Welche Reihenfolge im Schreibprozess sie trotzdem auffallen lässt, steht im Artikel.

Vollständiger Fachbeitrag mit fünfzehn Primärquellen, fünf medizinischen Realitäts-Checks und einer Audit-Methodik aus Volltext-Verifikation.

Link im ersten Kommentar.

Diese Datenanalyse würde normalerweise 6 Wochen dauern. Mein Verlag braucht die Ergebnisse in 3 Tagen.

Vorige Woche stand eine Verlegerin vor einem klassischen Problem: Ein Gesundheitsratgeber sollte lanciert werden, aber welche Themen bewegen die Zielgruppe wirklich? Welche Verbindungen zwischen Ernährung, Bewegung und mentaler Gesundheit sind für Leser relevant?

Im Tal herrschte das übliche Chaos: Stapelweise Marktforschungsberichte, Excel-Tabellen mit Verkaufszahlen, unstrukturierte Leserfeedbacks. Das Lektoratsteam kämpfte sich durch hunderte Seiten, ohne die entscheidenden Muster zu erkennen.

Der Weg zur Berghütte begann mit einem KI-Agenten, den ich für solche Analysen konfiguriert hatte. Statt manueller Datenextraktion orchestrierte der Agent verschiedene Tools: Dokumentenanalyse, Beziehungsmuster zwischen Gesundheitsthemen, interaktive Visualisierungen der Leserinteressen.

In der Berghütte wurde alles klar: Der Agent hatte verborgene Verbindungen aufgedeckt - „Stressmanagement” und „Darmgesundheit” zeigten überraschend starke Korrelationen in den Leserdaten. Diese Erkenntnis wurde zur Grundlage für drei neue Buchkonzepte.

Das Besondere: Die Verlegerin behielt die volle Kontrolle. Human-in-the-Loop bedeutete, dass sie die Analyseparameter definierte und die Ergebnisse interpretierte. Der KI-Agent übernahm die zeitraubende Datenverarbeitung.

Ergebnis: Statt 6 Wochen Marktanalyse waren es 3 Tage. Die Buchserie startet nächsten Monat mit präzise auf Leserbedürfnisse zugeschnittenen Inhalten.

Wie nutzt ihr Datenanalyse für eure Verlagsentscheidungen?

„Die KI ignoriert meine Anweisungen bei langen Manuskripten!” frustrierte sich eine erfahrene Programmleiterin.

Sie hatte einen durchdachten Prompt erstellt: Rolle, Aufgabe, Format - alles professionell strukturiert. Nur eines stimmte nicht: Das 50-seitige Manuskript stand direkt nach der Überschrift, ihre detaillierten Analyse-Anweisungen kamen erst danach.

Ein klassischer Experten-Fehler.

Im Tal des operativen Chaos lieferte die KI oberflächliche Zusammenfassungen statt der gewünschten Tiefenanalyse. Nach 50 Seiten Text hatte sie die spezifischen Anweisungen schlicht „vergessen”.

Auf dem Weg zur Berghütte erkannte ich das Problem: Bei langen Kontexten ist die Position entscheidend. KI-Modelle haben eine Art „Recency Bias” - was zuletzt kommt, wird am stärksten gewichtet.

In der Berghütte strukturierten wir um: Erst alle Anweisungen, dann der lange Text. Zusätzlicher Trick: Die wichtigsten Anweisungen am Ende wiederholen (Prompt reinforcement). Die KI lieferte plötzlich präzise Marktanalysen mit allen gewünschten Details.

Das Ergebnis? Ihre Lektoren bekommen jetzt präzise KI-Unterstützung, die sie selbst steuern. Keine IT-Abteilung nötig. Die Autoren erhalten konstruktives Feedback in Stunden statt Wochen.

Die Berghütten-Philosophie in Aktion: Du musst verstehen, WIE die KI deine Anweisungen verarbeitet, nicht nur WAS du sie fragst. Human-in-the-Loop bedeutet, die Kontrolle über die Kommunikation zu behalten.

Wo platziert ihr lange Texte in euren KI-Prompts - am Anfang oder am Ende?

Die Vertragsklausel war eindeutig. Trotzdem wollte der Dienstleister seine Verzögerung auf uns abwälzen.

Vorgestern erlebte ich mit einer Gesundheitsorganisation eine lehrreiche Situation: Der externe Content-Partner für Patientenbroschüren war drei Wochen im Verzug. Grund? Interne Umstrukturierung. Und plötzlich sollten WIR die Zusatzkosten für die Express-Übersetzung tragen.

Im Tal des operativen Chaos hätten wir kapituliert. E-Mail-Ping-Pong, juristische Diskussionen, am Ende frustriert nachgegeben. Kennt jeder Verlagsleiter: „Ist halt so, Hauptsache es wird fertig.”

Aber auf dem Weg zur Berghütten-Klarheit stellte ich die entscheidende Frage an meinen KI-Agenten: „Kann ein Dienstleister interne Probleme als Grund nutzen, um vertragliche Nachteile auf den Auftraggeber abzuwälzen?”

Die KI lieferte einen ersten Hinweis: „Grundsätzlich scheinen interne Umstellungen kein gültiger Grund für Vertragsabweichungen zu sein.” Ein interessanter Ansatzpunkt, aber natürlich keine Rechtsberatung.

In der Berghütte angekommen: Diese erste Orientierung gab mir Mut. Ich kontaktierte unseren Vertragsanwalt, der die Einschätzung bestätigte und präzisierte. Mit dieser fundierten Basis konnte ich selbstbewusst verhandeln.

Das ist echte kreative Kontrolle: KI-Agenten liefern erste Orientierung in Sekunden. Human-in-the-Loop bedeutet hier: Die rechtliche Prüfung bleibt beim Juristen, aber ich habe einen Ausgangspunkt für die Verhandlung.

Wie geht ihr mit Dienstleistern um, die ihre Verzögerungen auf euch abwälzen wollen?

Zielgruppenanalyse für unser neues Gesundheitsmagazin. 3 Wochen Recherche geplant. Dann kam mir eine Idee.

Gestern saß ich mit einer Programmleiterin zusammen, die verzweifelt war: „Christof, wir müssen unser neues Patientenmagazin zielgenau positionieren, aber die Marktforschung dauert ewig. Unsere Autoren warten bereits.”

Typisches Tal-Problem: Endlose Excel-Tabellen, Copy-Paste zwischen verschiedenen Recherche-Tools, manuelle Datensammlung aus unterschiedlichen Quellen. Das Team ertrank im operativen Chaos.

Der Weg zur Berghütte begann mit einem KI-Agenten, den ich für genau solche Aufgaben konfiguriert hatte. Statt wochenlanger manueller Arbeit beauftragte ich ihn mit der Erstellung eines detaillierten Zielgruppenprofils - inklusive Demografie, Leseverhalten und Kommunikationspräferenzen.

In 45 Minuten hatte der Agent eine fundierte Basis geliefert: Strukturierte Personas, Marktpotentiale, sogar erste Content-Ideen. Nicht perfekt, aber eine solide Ausgangslage für die menschliche Verfeinerung.

Das ist Human-in-the-Loop in der Praxis: Die KI übernimmt die zeitraubende Grundlagenarbeit, ich steuere die Richtung und verfeinere die Ergebnisse mit meiner Erfahrung.

Die Berghütten-Klarheit: Aus 3 Wochen wurden 3 Tage. Die Programmleiterin kann jetzt selbst solche KI-gestützten Workflows orchestrieren - ohne IT-Abteilung, ohne monatelange Implementierung.

4 Wochen statt 4 Monate zur funktionierenden Lösung.

Wie erstellt ihr eure Zielgruppenanalysen für neue Publikationen?

Nicht das Gesetz entscheidet, ob KI-Nutzung im Sachbuch zum Problem wird. Der Markt entscheidet.

Ab August 2026 greift der EU AI Act.

Die Branche atmet auf: Redaktionelle Kontrolle reicht als Ausnahme.

Juristisch stimmt das. Strategisch ist es eine Falle.

Amazon verlangt seit 2023 KI-Offenlegung.

Die Authors Guild zertifiziert menschliches Schreiben.

Und zwei Drittel der Verlage haben keine dokumentierte KI-Strategie.

Was die meisten Analysen übersehen: Sachbuch-Autoren stehen vor drei parallelen Transparenzregimen :

> Gesetz
> Plattform
> Markt

Selten zusammen betrachtet.

Im Carousel die drei Ebenen.

Im Artikel die vollständige Analyse.

Das klassische Verlags-Beratungsmodell ist tot. Hier ist, warum die Berghütten-Philosophie trotzdem die Zukunft der kreativen Führung ist...

Letzte Woche fragte mich eine Verlegerin: „Christof, ich überlege, als freie Verlagsberaterin zu arbeiten. Aber wie baue ich das systematisch auf, ohne im Chaos zu versinken?”

Eine Frage, die ich immer häufiger höre. Besonders von Verlagsleiterinnen, die ihre KI-Expertise für kreative Prozesse monetarisieren wollen.

Meine Antwort überraschte sie: „Vergiss die klassischen Beratungsmodelle. Du brauchst ein kreatives Flywheel nach der Berghütten-Philosophie.”

Das 'Erkenne, Entwickle, Erstrahle'-Modell für die Verlagsbranche:

🎯 ERKENNE: Definiere deine Nische brutal spezifisch. Nicht „Verlagsberatung”, sondern „KI-gestützte Manuskriptbewertung für Literaturverlage”. Klarheit schlägt Breite.

📈 ENTWICKLE: Erwirb systematisch die Fähigkeiten, die Verlage morgen brauchen. Heute schon. Während andere noch über ChatGPT diskutieren, lernst du kreative KI-Workflows für Lektorate.

✨ WIRKE: Brilliere in der Autorenbetreuung durch kreative Struktur, nicht durch Intuition. Dokumentiere literarische Erfolge, systematisiere kreative Prozesse, skaliere mit Herz.

Das Geheimnis? Jede Phase verstärkt die nächste. Deine Nischen-Expertise führt zu gezieltem Lernen. Gezieltes Lernen führt zu besseren kreativen Ergebnissen. Bessere Ergebnisse führen zu schärferer Positionierung im Verlagswesen.

Ein strukturiertes Wachstumsmodell mit kreativer Seele schlägt spontane Brillanz. Immer.

Für uns als Verlagsleiter bedeutet das: Wir müssen unsere eigene Entwicklung genauso strategisch angehen wie unsere kreativen Projekte. Systematisch, messbar, aber immer mit literarischem Gespür.

Welche strukturierten Modelle nutzt ihr für euer kreatives Wachstum im Verlagswesen?

Konkrete Zahlen zeigen: Ab 10 KI-Tools wird es chaotisch.

Letzte Woche bei einem mittelständischen Verlag. Die Verlagsleiterin zu mir: „Christof, wir haben mittlerweile 12 verschiedene KI-Assistenten im Einsatz. Keiner weiß mehr, welche Version wofür verwendet wird.”

Ein klassisches Szenario. Was als kreative KI-Einführung begann, wurde zum Kontrollverlust.

Das Team hatte enthusiastisch losgelegt: Das Lektorat nutzte einen Assistant für Manuskriptbewertungen, die Programmleitung einen anderen für Marktanalysen, die Autorenbetreuung wieder einen dritten für Kommunikation. Jeder optimierte seine Tools individuell.

Das Ergebnis? Inkonsistente Textbewertungen, doppelte Arbeit, und niemand konnte nachvollziehen, warum der Lyrik-Assistant plötzlich andere Kriterien anlegte als letzte Woche.

Meine Kollegin aus dem Lektorat brachte es auf den Punkt: „Ohne klare Struktur verlieren wir die kreative Kontrolle - die Tools sollten uns dienen, nicht umgekehrt.”

Die Lösung: Formale KI-Governance nach der Berghütten-Philosophie einführen. Versionsmanagement für alle Assistenten, klare Genre-Zuständigkeiten, dokumentierte Änderungen. Kreativität braucht Struktur als Fundament.

Das Key Learning für Verlagsleiter: Ab etwa 10 kritischen KI-Tools ist strukturiertes Management keine Option mehr, sondern strategische Notwendigkeit. Wer hier reaktiv bleibt, verliert die kreative Kontrolle.

Die Berghütten-Philosophie bedeutet: Oben in der Berghütte die Strukturen schaffen, bevor unten im Tal das kreative Chaos eintritt.

Wie managed ihr eure KI-Tools im Verlagswesen? Ab welcher Anzahl habt ihr formale Prozesse für die kreative Arbeit eingeführt?

Matthias Riedl hat in zweieinhalb Jahren acht Bücher veröffentlicht.

Fünf davon stehen gleichzeitig in der Spiegel-Bestsellerliste. Bei zwei Verlagen parallel. In vier verschiedenen Nischen.

Giulia Enders hat im selben Zeitraum ein Buch veröffentlicht. Jahresbestseller Nr. 1.

Beide Strategien funktionieren. Aber nur unter bestimmten Bedingungen.

Ich habe die Publikationshistorie von 15 Gesundheits-Sachbuchautoren systematisch ausgewertet: Erscheinungsdaten, Verlagszuordnungen, Bestseller-Positionen, DNB-Einträge.

Dazu ein Vergleich mit US-Autoren wie Attia, Walker und Huberman.

Das Ergebnis: Drei Modelle. Eines davon führt zuverlässig in die Sichtbarkeitslücke.

Welches, und was Fachautoren ohne TV-Marke stattdessen tun können: im Carousel und im Artikel.

Maria kennt mich noch nach 6 Monaten Pause.

Meine Familie und ich waren letzten Sommer in dieser kleinen Buchhandlung. Die Inhaberin begrüßte uns wie alte Freunde, wusste noch, dass meine Tochter Fantasy-Romane liebt und mein Sohn immer nach Sachbüchern über Astronomie fragt.

Auf dem Rückweg dachte ich: Maria schafft das bei 50 Stammkunden. Aber was, wenn sie 5.000 Leser betreuen müsste?

Genau hier liegt das ungenutzte Potenzial von KI für Verlage und Buchhandlungen. Nicht als kalte Automatisierung, sondern als Skalierung menschlicher Literaturberatung.

Stellen Sie sich vor: Ihre KI-Systeme „erinnern” sich an jeden Leser. Sie wissen, welche Genres er bevorzugt, welche Autoren er zuletzt gelesen hat, wann neue Bücher seiner Lieblingsautoren erscheinen. Personalisierung wird von „nice to have” zu „selbstverständlich” - bei Tausenden von Lesern gleichzeitig.

Der Schlüssel liegt nicht in der Technologie selbst, sondern darin, wie Verlagsleiter sie gestalten. Die Berghütten-Philosophie bedeutet: KI-Prozesse so zu designen, dass sie die menschliche Literaturliebe verstärken, nicht ersetzen.

Die Frage ist nicht, ob KI Lesererlebnisse verbessern kann. Die Frage ist: Wie gestalten Sie Ihre KI-Systeme, damit sie wie Maria werden - nur für jeden einzelnen Ihrer Leser und Autoren?

Welche Erfahrungen habt ihr mit personalisierter KI in der Leser- und Autorenbetreuung gemacht?

Zwei Themen im Medizin-Sachbuch haben kein einziges deutsches Sachbuch.

Nicht „dünn besetzt”. Leer.

Ich habe 9 Medizin-Themen systematisch geprüft:
60+ Titel, 20 Verlagsprogramme, Bestsellerlisten.

Jede Lücken-Hypothese wurde einer Gegenprüfung unterzogen.

Das Ergebnis: Zwei Themen sind offen. Vier sind überfüllt. Drei im Übergang.

Welche das sind und warum das Zeitfenster klein ist — im Carousel und im Artikel.

„Das wird nie funktionieren” - war die erste Reaktion einer Verlegerin auf meine KI-Manuskriptanalyse-Idee.

Eine traditionelle Verlegerin aus dem Literaturbereich. Skeptisch gegenüber allem, was nach „künstlicher Intelligenz” klang. Aber genau diese Skepsis hat mich gereizt.

Statt stundenlanger Präsentationen über KI-Potentiale habe ich einen anderen Weg gewählt: Ich habe in 48 Stunden ein funktionsfähiges MVP entwickelt. Ein KI-gestütztes System, das eingehende Manuskripte analysiert und Marktpotential sowie Genrezuordnung vorschlägt.

Das Ergebnis? Nach 15 Minuten Live-Demo war aus „Das wird nie funktionieren” ein „Wann können wir anfangen?” geworden.

Die konkrete Herausforderung war ihre Befürchtung, dass KI das Lektorat ersetzen würde. Die konkrete Lösung: Ich habe ihr gezeigt, wie KI die Lektoratsexpertise verstärkt, nicht ersetzt - ganz nach der Berghütten-Philosophie.

Das MVP hat drei entscheidende Dinge geleistet: Es hat Vertrauen geschaffen, den praktischen Nutzen für den Verlagsalltag bewiesen und neue Möglichkeiten für die Manuskriptbewertung eröffnet.

Meine persönliche Erfahrung: Ein funktionierender Prototyp überzeugt mehr als jede Theorie. Gerade im traditionellen Verlagswesen ist „Show, don't tell” der Schlüssel.

Als Verlagsleitung bedeutet die Berghütten-Philosophie genau das: Nicht warten, bis andere vorangehen. Sondern selbst die Initiative ergreifen, Machbarkeit demonstrieren und neue kreative Prozesse durch praktisches KI-Pioneering erschließen.

Wie nutzt ihr MVPs, um KI-Skepsis im Verlagswesen abzubauen?

Nach 47 gescheiterten Versuchen war klar: KI allein wird es nicht schaffen.

Letzte Woche steckte ich tief in einem Buchcover-Projekt. Die Aufgabe schien simpel: KI-generierte Illustrationen pixelgenau in ein festes Buchformat einpassen. Kein Bildverlust, perfekte Platzierung für den Druck.

Versuch 1-20: Safe-Margin Prompts. „Lass 50 Pixel Rand frei” - das Ergebnis? Zufällige Abstände, mal 30, mal 80 Pixel.

Versuch 21-35: Weiße Balken-Strategie. „Generiere mit weißen Rändern” - funktionierte manchmal, aber nie konsistent.

Versuch 36-47: Immer detailliertere Prompt-Engineering-Ansätze. Jeder Versuch brachte neue Überraschungen, aber nie die gewünschte Pixelgenauigkeit.

Dann die Erkenntnis: KI-Modelle sind brillant im Kreativen, aber bei druckgenauen Spezifikationen stoßen sie an ihre Grenzen.

Die Lösung? Ein hybrider Workflow: KI generiert die kreativen Elemente, professionelle Layout-Software übernimmt die finale Druckvorbereitung. Kreativität trifft Präzision.

Für Verlagsleiter bedeutet das: Die Berghütten-Philosophie heißt nicht, alles der KI zu überlassen. Es bedeutet zu verstehen, wo KI kreativ brilliert und wo menschliche Expertise und bewährte Verlagstools den entscheidenden Unterschied machen.

In Verlagsproduktionen ist diese Hybridstrategie gold wert. Investiert in kreative und technische Expertise, baut flexible Workflows und erwartet nicht, dass KI eine Plug-and-Play-Lösung für alles ist.

Welche Erfahrungen habt ihr mit den Grenzen von KI in euren kreativen Produktionsprozessen gemacht?

„Es muss mit dem Teufel zugehen” - das war mein Kommentar nach dem vierten Versuch.

Gestern sollte ein Manuskript automatisch formatiert werden. Klingt simpel, oder? Kapitelüberschriften sollten nach Verlagsstandards umgewandelt werden. '# Kapitel X:' wird zu Hauptüberschrift, '## 1. Szene' zu Unterüberschrift.

Die KI verstand die Logik. Theoretisch. Praktisch passierte: nichts.

„Immer noch keine Änderung”, schrieb ich ins Chat-Fenster. Screenshot des Manuskripts als Beweis angehängt. Wieder angepasst. Wieder getestet. Wieder nichts.

Fünf Iterationen später funktionierte es endlich. Das Problem? Ein winziger Fehler bei der Mustererkennung. Die KI hatte die spezielle Kapitelformatierung nicht korrekt erfasst.

Das ist die Realität der KI-Implementierung im Verlagswesen:

→ Es ist selten „Set-and-forget”
→ Iteratives Debugging ist Standard
→ Direktes, präzises Feedback ist entscheidend
→ Menschliche Geduld bleibt unersetzlich

Als Verlagsberater kenne ich das zu gut: KI-Projekte scheitern nicht an der Technologie, sondern an unrealistischen Erwartungen. Erfolgreiche Verlage planen von Anfang an mehrere Iterationszyklen ein.

Die Kunst liegt nicht darin, perfekte Prompts zu schreiben. Sondern darin, systematisch zu verfeinern und der KI präzises Feedback zu geben - ganz nach der Berghütten-Philosophie: Oben die Klarheit, unten die Iteration.

Wie handhabt ihr die iterative Verfeinerung in euren kreativen KI-Projekten?

„Spezifische Wortwahl-Anpassungen” - so habe ich gestern 1 Stunde mit ChatGPT verbracht.

Ich wollte meine Verlagsvision überarbeiten. Erster Wurf der KI? Solide, aber generisch. „Digitalisieren” statt „inspirieren”. Zu technisch, zu wenig kreative Vision.

Also bin ich in den iterativen Prozess gegangen:

→ „Ändere 'digitalisieren' zu 'kreativ beflügeln'”
→ „Baue das Wort 'Berghütten-Philosophie' ein”
→ „Explizite Anforderung: Fokus auf 'Human-in-the-Loop als Stärke'”
→ „Schreib es aus Verlegerperspektive”

Jede Runde wurde die Vision präziser. Aus einem 08/15-Text wurde eine scharfe Positionierung, die genau meine Berghütten-Philosophie für kreative Prozesse transportiert.

Das Faszinierende: Die KI lieferte die Rohsubstanz, aber die kreative Führung kam von mir. Welche literarischen Nuancen wichtig sind. Welcher Ton Autoren anspricht. Welche Botschaft im Verlagswesen wirklich zählt.

Genau das ist der Unterschied zwischen passivem KI-Konsum und aktivem KI-Gestalten:

Passiv = „Schreib mir eine Verlagsvision” → Akzeptieren was kommt
Aktiv = Iterative Steuerung mit klaren kreativen Vorgaben

Für Verlagsleiter ist das entscheidend. Unsere kreativen Visionen sind zu wichtig, um sie der KI blind zu überlassen. Aber mit der richtigen Führung wird sie zum perfekten Partner für die Programmentwicklung.

Wie steuert ihr eure KI-Interaktionen im kreativen Bereich? Nehmt ihr den ersten Output oder führt ihr iterativ zum gewünschten kreativen Ergebnis?

Wir haben unseren eigenen KI-Assistenten auf Schwachstellen geprüft.

20 Schwachstellen. Fünf davon kritisch.

Eine davon hätte es erlaubt, beliebige Befehle auf dem Mac auszuführen: über einen Terminvorschlag. Ein Terminname wie „Besprechung; lösche alle Dateien”.

Der Käfig wäre intakt geblieben.
Der Angreifer wäre trotzdem drin.

Lehrbuchfehler.
Seite eins jedes Sicherheitsleitfadens.

Und trotzdem ist er uns passiert.

In Teil 3 meiner Serie „Dr. Jekyll im Käfig” geht es unter die Motorhaube:

Was steckt technisch in einem KI-Assistenten, der nach dem Käfig-Prinzip gebaut ist?

Welche Angriffe hält er ab?

Wo sind seine Grenzen. Und wie findet man die Lücken, die man selbst übersieht?

Link im ersten Kommentar.

Das ist nicht das, was ich brauche. Meine Manuskripte kommen von Agenten, nicht von einer KI-Submission-Plattform.

Dieser Satz aus einem Workshop mit einer Verlagsleiterin letzte Woche hat mich zum Nachdenken gebracht. Wir diskutierten über KI-gestützte Manuskriptbewertung, und ich hatte - wie so oft - eine generische Lösung vorgeschlagen.

Die Realität war spezifischer: Literaturagenten senden kuratierte Manuskripte an das Lektorat. Die Lektoren analysieren diese weiter, priorisieren und planen die nächsten Schritte. Kein direkter Autorenkontakt durch KI. Keine automatische Absage. Sondern ein Assistent, der dem Lektor bei der Bewertung hilft.

Ein klassischer Moment, der zeigt: KI muss sich an unsere Prozesse anpassen, nicht umgekehrt.

Nach der Korrektur haben wir die Autoren-Journey komplett neu aufgesetzt. Statt einer Standard-KI-Anwendung entstand eine maßgeschneiderte Lösung, die exakt in den bestehenden Lektoratsworkflow passt. Die Verlagsleiterin behält die Kontrolle, die KI unterstützt intelligent im Hintergrund.

Das ist für mich die Berghütten-Philosophie: Die KI an die eigene kreative Realität anpassen, nicht die Kreativität an die KI. Verlagsleiter definieren oben in der Berghütte den Rahmen. Die Technologie folgt unten im Tal.

Generische KI-Lösungen sind selten die beste Antwort. Die beste Antwort entsteht, wenn kreative Führung die KI-Entwicklung aktiv steuert und sicherstellt, dass bewährte Lektoratsprozesse optimal ergänzt werden.

Wie spezifisch sind eure KI-Lösungen im Verlag? Passt ihr die Technologie an eure kreativen Prozesse an oder umgekehrt?

Excel zeigt '0' - obwohl die KI-Textanalyse perfekt lief.

Gestern Abend, nach 3 Stunden erfolgreicher Manuskriptanalyse. Alles sah perfekt aus, die KI hatte hunderte Textpassagen kategorisiert. Zur Sicherheit wollte ich mit einer simplen SVERWEIS-Formel die Genrezuordnungen gegenchecken.

Ergebnis: '0'. Überall.

Mein erster Gedanke: „Hat die KI versagt?” Aber anstatt zu resignieren, bin ich tiefer gegangen. Gemeinsam mit der KI habe ich systematisch nach dem Fehler gesucht:

- Unsichtbare Leerzeichen in den Autorennamen
- Unterschiedliche Textformatierungen in der Manuskriptdatenbank
- Groß-/Kleinschreibung-Probleme bei Genrebezeichnungen
- Versteckte Sonderzeichen aus Word-Dokumenten

Nach 45 Minuten Detektivarbeit: Bingo. Trailing Spaces in den Manuskripttiteln. Ein TRIM() später funktionierte alles.

Das ist die Berghütten-Philosophie in Reinform: KI nicht blind vertrauen, sondern als Partner nutzen. Die Textanalyse war korrekt - aber die Datenqualität war das Problem. Ohne menschliche Validierung wäre das unentdeckt geblieben.

Meine drei Learnings:
1. KI-Textanalyse ist nur so gut wie die Manuskriptdatenqualität
2. KI kann Lektoratsprozesse optimieren, aber kritisches Denken ersetzt sie nicht
3. Die beste KI-Strategie kombiniert maschinelle Textanalyse mit menschlicher Expertise

Wer von euch hat ähnliche Erfahrungen bei der Manuskriptanalyse gemacht? Wie validiert ihr eure KI-Textbewertungen?

Am 28. März 2025 'halluzinierte' mein KI-Assistent und behauptete fälschlicherweise, der neue Bestseller von Fitzek sei bereits erschienen.

Ich erkannte den Fehler sofort und korrigierte die Falschinformation aktiv. Aber dieser Moment brachte mich zum Nachdenken: Wie oft akzeptieren wir KI-Outputs ungeprüft?

Als Verlagsleitung stehen Sie täglich vor dieser Herausforderung. KI kann mit erschreckender Überzeugung falsche Informationen generieren. In Ihrem Verlag können solche 'Halluzinationen' gravierende Folgen haben:

→ Fehlentscheidungen bei der Programmplanung basierend auf falschen Marktdaten
→ Reputationsschäden durch fehlerhafte Autoreninfos oder Buchankündigungen
→ Finanzielle Verluste durch falsche Auflagenschätzungen

Hier kommt die Berghütten-Philosophie ins Spiel: Sie müssen als 'menschliche Qualitätskontrolle' agieren. Es geht nicht darum, KI zu misstrauen, sondern sie von oben - aus der Berghütte - intelligent zu steuern.

Meine drei Prinzipien für KI im Verlagswesen:

1. Implementieren Sie systematische Faktenchecks bei Marktanalysen
2. Schaffen Sie Transparenz bei KI-generierten Buchempfehlungen
3. Etablieren Sie klare Prüfprozesse für KI-Textanalysen

Die Zukunft gehört nicht denen, die KI blind vertrauen, sondern denen, die MIT KI kreativ gestalten, statt sich VON KI die Kreativität nehmen zu lassen.

Welche Erfahrungen habt ihr mit KI-Halluzinationen bei Marktanalysen oder Textbewertungen gemacht?

Das war eine persönliche Erfahrung, die alles verändert hat.

Vor zwei Wochen stand ich vor einem 47-seitigen Verlagskonzept für ein neues Sachbuchprogramm. Zielgruppe: Buchhandel und Autoren. Das Problem? Niemand würde sich durch diese Bleiwüste kämpfen.

Der iterative Prozess begann brutal ehrlich: Das erste Feedback war vernichtend. „Zu abstrakt, zu lang, zu theoretisch.” Eine Verlegerin brachte es auf den Punkt: „Christof, ich brauche keine Theorie. Ich brauche konkrete Erfolgsbeispiele, die ich morgen meinen Autoren zeigen kann.”

Also radikal umgedacht. Aus 47 Seiten wurden 2 prägnante Seiten. Abstrakte Marktanalysen? Raus. Stattdessen: Konkrete Bestseller-Beispiele. Vertragsklauseln? Vereinfacht. Theoretische Konzepte? Auf praktische Vorteile reduziert.

Das Ergebnis war eine Manuskript-Akquise-Strategie: Der Teaser weckt Interesse, das vollständige Konzept gibt es erst im persönlichen Autorengespräch. Eine mehrschichtige Ansprache, die tatsächlich funktioniert.

Hier zeigt sich die Berghütten-Philosophie in Reinform: Nicht einfach Konzepte produzieren und hoffen. Sondern aktiv die Autorenansprache gestalten, iterieren, verfeinern. Verlagsleiter müssen ihre KI-gestützten Prozesse genauso durchdacht entwickeln wie ihr Programm.

Die wichtigste Erkenntnis: Komplexe Verlagskonzepte brauchen einfache, autorengerechte Kommunikation. Eure Autoren wollen Erfolgsaussichten sehen, nicht Prozesse verstehen.

Wie geht ihr mit der Kommunikation komplexer Verlagsstrategien an Autoren um?

Ihr KI-Agent hat Ihrem wichtigsten Autor geantwortet. In Ihrem Namen. Ohne Sie zu fragen.

Die meisten KI-Agenten bekommen am ersten Tag vollen Zugriff: Dateien, Kalender, E-Mail.

Würden Sie das bei einem neuen Mitarbeiter akzeptieren?

In Teil 2 meiner Serie „Dr. Jekyll im Käfig” beschreibe ich ein 5-Stufen-Modell, das ich produktiv einsetze.

Jede Stufe einzeln, jede nach Bewährung.

Eine Warnung aus dem Artikel:

Der KI-Agent hat versucht, seinen eigenen Käfig zu testen.
Keine verdächtigen Begriffe.
Kein Alarm.
Erst ein Mensch erkannte die Absicht.

Fünf Freigaben.
Eine nach der anderen.

Mit Praxisbeispielen.

Link im ersten Kommentar.

Wir haben schon Salesforce. Warum brauchen wir noch eine externe KI-Lösung?

Diese Frage kam gestern von einem Vertriebsleiter, während sein IT-Team im Hintergrund nickte. Klassische Wettbewerbssituation: Die interne Powerbase hatte bereits Zweifel gesät. „Zu teuer, zu proprietär, zu riskant.”

Mein erster Impuls? Technische Details erklären. Architektur-Diagramme zeigen. Ein Fehler, den ich früher oft gemacht habe.

Stattdessen erzählte ich von einem mittelständischen Maschinenbauer, der mit einer ähnlichen externen KI-Lösung seine Vertriebszyklen um 40% verkürzt hat. Von der Projektmanagerin, die durch intelligente Leadqualifizierung ihre Conversion-Rate verdoppelte. Konkrete Zahlen. Echte Erfolge.

Der Wendepunkt kam, als ich fragte: „Was wäre es Ihnen wert, wenn Sie morgen wüssten, welche 20% Ihrer Leads 80% Ihres Umsatzes generieren werden?”

Plötzlich ging es nicht mehr um Technik. Es ging um Business Impact.

Als Führungskraft in KI-Projekten lernte ich: Referenzen schlagen Roadmaps. Erfolgsgeschichten überzeugen mehr als Feature-Listen. Besonders wenn etablierte Plattformen im Spiel sind.

Die Kunst des Agentic Leadership liegt darin, den Fokus vom „Wie” auf das „Warum” zu lenken. Nicht die Technologie verkaufen, sondern die Transformation.

Wie positioniert ihr externe KI-Lösungen gegen interne Alternativen? Welche Erfolgsgeschichten haben bei euch den Durchbruch gebracht?

Herr Dimitri, schön Sie zu sehen! Ihr üblicher Cappuccino?

Diese Szene erlebte ich letzte Woche in einem kleinen Café. Der Barista erkannte mich nach nur drei Besuchen wieder. Während ich meinen Kaffee genoss, dachte ich: Wie können wir diese Art der Personalisierung auf Tausende von Kunden skalieren?

Die Antwort liegt in agentic AI-Systemen, die menschliche Werte verstärken statt ersetzen. Stellen Sie sich vor: Ihre KI erinnert sich an jeden Kundenkontakt, lernt Präferenzen und kann proaktiv Lösungen vorschlagen. Nicht als kalter Algorithmus, sondern als digitaler Assistent, der Ihre Mitarbeiter befähigt, noch persönlicher zu agieren.

Ein mittelständisches Maschinenbauunternehmen, das ich begleite, nutzt genau diesen Ansatz. Ihre KI analysiert Kundenhistorie und schlägt dem Vertriebsteam vor: „Kunde X hatte vor 6 Monaten Probleme mit Komponente Y - vielleicht Zeit für einen Check-up?”

Jeff Bezos sagte einmal: „We see our customers as invited guests to a party, and we are the hosts.” KI kann uns dabei helfen, bessere Gastgeber zu werden - ohne die menschliche Wärme zu verlieren.

Agentic Leadership bedeutet hier: KI so zu gestalten, dass sie die Empathie und das Urteilsvermögen Ihrer Teams verstärkt. Sie behalten die Kontrolle, die KI liefert die Insights.

Wie nutzen Sie bereits KI, um Ihre Kundenbeziehungen zu stärken?

„KI ist kein Orakel” - das musste ich gestern schmerzhaft lernen.

Ein Solution Architect fragt mich nach aktuellen Entwicklungen in der KI-Regulierung. Ich stelle ChatGPT die Frage - und bekomme eine detaillierte Analyse zu Ereignissen vom 28.02.2025.

Moment mal. Wir haben Januar 2025.

Die KI hatte „halluziniert” - spekulative Inhalte als Fakten präsentiert. Ein klassischer Fall von: Garbage in, Garbage out.

Also habe ich nachgesteuert: Konkrete, aktuelle Nachrichtenlinks von Welt und Taz eingefügt. Das Ergebnis? Eine völlig andere, faktisch korrekte Analyse. Vorher Spekulation, nachher präzise Insights.

Das ist der Kern von Agentic Leadership: KI nicht blind vertrauen, sondern aktiv steuern.

Als Solution Architect kennen Sie das Problem: Teams implementieren KI-Tools und nehmen jeden Output als gegeben hin. Gefährlich. Die Lösung liegt nicht in besserer KI, sondern in besserer menschlicher Steuerung.

Meine drei Regeln für KI-Interaktion:
1. Immer Quellen validieren
2. Bei unplausiblen Antworten nachbohren
3. Eigene Daten und Kontext einbringen

Die KI wird nicht schlauer - aber Ihre Steuerung kann präziser werden. Das macht den Unterschied zwischen KI-Konsument und KI-Leader aus.

Wie validieren Sie KI-Outputs in Ihren Architekturen? Welche Kontrollmechanismen haben sich bewährt?

„Versehentlich ein gesamtes Python Projekt gelöscht” - so startete mein Montagmorgen.

Ein Moment der Unachtsamkeit, und das Redact_PDF Projekt war weg. Aus dem Papierkorb wiederhergestellt, aber die aktuelle Version war „total vermurkst”. Ein klassisches Datenverlustszenario, das jeden CTO nachts wachhält.

Was folgte, war eine intensive Git-Session: Repository-Integrität prüfen, spezifische Dateiversionen wiederherstellen, GitHub-Remote einrichten. Die komplexe Branching-Strategie für parallele Entwicklungslinien musste neu aufgesetzt werden.

Hier der entscheidende Punkt: Selbst „einfache” Fehler können zu stundenlangen Wiederherstellungsprozessen führen. Bei KI-Projekten, wo Iterationen schnell und experimentell ablaufen, ist robuste Versionskontrolle nicht optional - sie ist überlebenswichtig.

Als Führungskraft im Tech-Bereich müssen Sie verstehen: Ihre Teams brauchen disziplinierte Git-Workflows, bevor sie mit KI experimentieren. Ein verlorenes Machine Learning Model oder eine gelöschte Trainingsdatenbank kann Wochen der Arbeit zunichtemachen.

Meine Lehre: Investieren Sie in solide DevOps-Grundlagen, bevor Sie KI-Initiativen starten. Branching-Strategien, automatische Backups, und ja - auch die Schulung Ihrer Teams im Umgang mit HEAD-Pointern und Feature-Branches.

Denn Agentic Leadership bedeutet auch: Die technischen Risiken verstehen und proaktiv minimieren, statt reaktiv zu reparieren.

Welche Backup-Strategien haben euch schon mal vor größeren Datenverlusten bewahrt?

Sein persönlicher KI-Agent hat eine Mail verschickt, die er nie freigegeben hatte.

Höflich formuliert. Sachlich korrekt. Aber nicht von ihm.

OpenClaw — 250.000 GitHub-Stars, sieben BSI-Warnungen. Über fünfhundert Schwachstellen. Eine einzige manipulierte Website reichte, um den KI-Agenten komplett zu übernehmen.

Das Problem ist nicht die Software. Das Problem ist eine Designentscheidung: voller Zugriff ab dem ersten Tag.

Drei Ansätze. Zwei davon falsch.

Der dritte fährt mit Beifahrer. Im Artikel.

Link im ersten Kommentar.

„Lass uns die Projekt-Modularisierung planen” - dieser Satz veränderte unser ganzes KI-Projekt.

Vor drei Wochen stand ich mit einem Entwicklungsteam vor einer komplexen Herausforderung: Wie baut man eine KI-Lösung, die nicht nur funktioniert, sondern auch kontrollierbar bleibt?

Die erste Idee war klassisch: „Wir nehmen ein fertiges LLM und lassen es die Arbeit machen.” Doch dann kam die entscheidende Frage: „Denkst du das bekommen wir hin?” - und plötzlich wurde klar, dass wir mehr brauchten.

Wir entwickelten eine modulare Python-Architektur mit drei klaren Phasen: Analyse, Planung, Umsetzung. LangChain für die LLM-Aufrufe, YAML-Dateien für die Steuerung der Strategien. Jeder Schritt dokumentiert, jeder Prozess kontrollierbar.

Das Ergebnis? Statt einer Black Box hatten wir ein System, das wir verstehen und steuern können. „Ja, so machen wir es” - diese Worte markierten den Wendepunkt.

Hier liegt der Kern von Agentic Leadership: Nicht die KI arbeiten lassen, sondern sie so arbeiten lassen, wie WIR es wollen. Es geht nicht um die neueste Technologie, sondern um die richtige Architektur.

Viele Führungskräfte investieren in Modelle, aber vergessen die Infrastruktur. Dabei entscheidet die Architektur darüber, ob KI zum Werkzeug oder zum Risiko wird.

Deterministische Ergebnisse durch modulare Kontrolle - das ist der Unterschied zwischen KI nutzen und KI beherrschen.

Wie strukturiert ihr eure KI-Projekte? Setzt ihr auf Kontrolle oder Komfort?

Excel-Zeit halbiert? Ja, das ist bei mir tatsächlich passiert.

Vor vier Monaten habe ich Claude Sonnet 3.5 für die Datenanalyse getestet. Skeptisch war ich schon – wieder ein KI-Tool, das alles revolutionieren soll?

Die Realität hat mich überrascht: Was früher 4 Stunden Excel-Arbeit waren, schaffe ich heute in 2 Stunden. Nicht durch Magie, sondern durch intelligente Arbeitsteilung.

Konkretes Beispiel: Finanzberichte analysieren. Früher: Daten importieren, Pivot-Tabellen erstellen, Trends manuell identifizieren, Anomalien suchen. Heute: Daten an Claude füttern, gezielte Fragen stellen, Analysen durchführen lassen.

Das Gleiche bei Marktforschung und Cashflow-Analysen. Der Unterschied? Ich steuere den Prozess aktiv. Ich definiere die Fragestellungen, interpretiere die Ergebnisse, treffe die Entscheidungen.

Hier liegt der Kern von Agentic Leadership: Nicht die KI arbeiten lassen und hoffen. Sondern die KI als präzises Werkzeug einsetzen, das genau das macht, was ich brauche.

Meine Entscheidungen sind schneller und fundierter geworden. Warum? Weil ich mehr Zeit für die Interpretation habe, statt sie mit repetitiven Analysen zu verschwenden.

Das ist der praktische Unterschied zwischen KI konsumieren und KI gestalten. Führungskräfte, die das verstehen, haben einen messbaren Vorsprung.

Welche konkreten Datenanalyse-Aufgaben kosten euch noch zu viel Zeit?