
ArtikelSchreib-Tools
Die meisten Tonchecker checken deinen Ton nie
Drei KI-Berichte über Tonwerkzeuge, zusammengeführt und faktengeprüft. Die meisten schreiben nur um. Nur wenige lesen zuerst deinen Ton, und genau das macht den Unterschied.
Von Samet Durgun · Mitgründer von Subtext · 16 Min. Lesezeit
· Aktualisiert am 16. November 2026
Kurz gesagt
Nur vier der 17 Tools gehören zur Gruppe, die deinen Ton liest, bevor sie ein Wort anfasst. Für persönliche Nachrichten sind meine beiden Empfehlungen Subtext, das ich mitgegründet habe, und Goblin Tools, das im Web kostenlos ist. Für Dokumente und berufliche E-Mails würde ich mit der Tonerkennung von Grammarly anfangen. In meinem Test mit fünf lockeren Nachrichten auf kostenlosen Konten haben Wordtune und QuillBot sie umgeschrieben, ohne ein Wort zum Ton zu verlieren, und der Paraphraser von Grammarly hat den Ton nur bei Nachrichten mit acht oder mehr Wörtern gelesen. Auf unterstützten Apple-Geräten bieten die Schreibwerkzeuge ohne Zusatzkosten Umformulierungen in voreingestellten Tönen an, ohne deinen Ton zu diagnostizieren.
Ein einfacher Weg, eines zu testen
- Nimm eine Nachricht, von der du weißt, dass sie schlecht ankam, aber gib private Nachrichten nicht auf kostenlosen Webseiten ein.
- Schau, ob es dir sagt, was es in deinem Ton liest, bevor es eine Umformulierung anbietet.
- Prüf, ob jede Umformulierung noch nach dir klingt.
Ich habe Subtext mitgegründet, eines der hier genannten Tools. Der Hinweis zu meiner Voreingenommenheit ist der erste Abschnitt unten.
Schönere Worte, dieselbe falsche Nachricht?
Subtext sagt dir, wie dein Entwurf wirkt, bevor es ein Wort ändert.
Ich habe kürzlich drei KI-Rechercheagenten denselben Auftrag gegeben und gefragt, welche Tonchecker gerade die besten sind. Claude, ChatGPT und Gemini kamen alle drei mit einem langen, selbstbewussten Bericht zurück. Sie waren sich in vielem uneinig, zitierten teils Quellen, die es gar nicht gibt, und einer von ihnen erfand sogar eine charmante Entstehungsgeschichte über meine eigene Firma. Also habe ich gemacht, was ich anderen bei KI-Recherchen immer rate. Ich habe die Struktur behalten, jede Behauptung bis zur Primärquelle zurückverfolgt und alles gestrichen, was den Kontakt mit der Realität nicht überlebt hat.
Das hier ist die zusammengeführte, geprüfte Version. Siebzehn Tools, sortiert nach dem Job, den jedes davon macht, mit den Belegen durchnummeriert ganz unten. Außerdem habe ich fünf lockere Nachrichten selbst durch Grammarly, Wordtune und QuillBot geschickt, weil das der Vergleich ist, nach dem die Leute ständig fragen, und daneben durch Subtext.
Karten offen auf dem Tisch, denn ich habe eines dieser Tools mitgegründet
Subtext ist meine Firma, und es kommt in diesem Artikel vor. Es ist eine App, die erkennt, wie eine persönliche Nachricht ankommt, bevor etwas daran umgeschrieben wird, was bedeutet, dass das Sortierprinzip, auf dem dieser ganze Artikel läuft, Diagnose vor Umschreiben, mein eigenes Produkt bequem bevorteilt. Wäge alles, was ich darüber sage, entsprechend ab.
Damit das hier trotzdem etwas bringt, habe ich mein eigenes Produkt nach demselben Maßstab behandelt wie alle anderen. Behauptungen stammen von Produktseiten, aus der Dokumentation, aus Store-Einträgen oder aus peer-reviewter Forschung, und jede verlinkt zu einer nummerierten Quelle. Wo eine Behauptung nur im Marketing eines Anbieters existiert, sage ich das dazu. Und ich habe gestrichen, was die KI-Agenten selbstbewusst berichtet haben, aber keine Quelle stützt, inklusive der schmeichelhaften Entstehungsgeschichte (angeblich hat ein früherer Therapeut Subtext gebaut; niemand hat das, Anton ist Ingenieur, und ich mache die Worte).
Ein echter Tonchecker diagnostiziert, bevor er umschreibt
Leute nennen jedes Tool in diesem Bereich Tonchecker, aber unter diesem einen Label verstecken sich zwei ganz verschiedene Aufgaben.
Die Diagnose sagt dir, wie dein Text gerade ankommt. Umschreiben macht etwas anderes daraus. Der Unterschied klingt akademisch, bis du dir einen Entwurf ansiehst, deshalb hier die Art Einschätzung, die Subtext liefert, bevor es ein Wort anfasst. In einem Beispiel, bei einem ausgedachten Austausch, in dem Jo fragt, ob du lieber den frühen oder den späten Zug nehmen willst, lautete die Antwort im Entwurf „Schon gut. Mach, was du willst.“ Bevor es irgendetwas umschrieb, markierte Subtext die ganze Zeile und benannte zwei Probleme: Passiv-aggressiv, denn die Zeile „wirkt beleidigt und schiebt die Entscheidung genervt weg“, und Unklarheit, denn „Jos Frage, ob der frühe oder späte Zug, bleibt unbeantwortet“. Danach schrieb es noch keine Version, sondern fragte zurück: „Klingt, als wärst du gerade genervt. Damit die Antwort nicht kühl rüberkommt: Welchen Zug möchtest du denn wirklich nehmen?“, mit den Antworten Früher Zug, Später Zug und Ist mir wirklich egal zum Antippen. Am Ende dieses Beispiels stand also keine glattere Zeile, sondern die Einschätzung und die Frage, was du eigentlich willst.
Antworte auf… Jo: Willst du lieber den frühen oder den späten Zug nehmen?
Schon gut. Mach, was du willst.
Klingt, als wärst du gerade genervt. Damit die Antwort nicht kühl rüberkommt: Welchen Zug möchtest du denn wirklich nehmen?
Ein Umschreib-Tool macht daraus ohne zu zögern „Klingt gut, mach einfach das, was für dich am besten passt“, einen netteren Satz, der von alldem nichts erwähnt. Ein diagnostisches Tool hält dich zuerst auf und zeigt dir die echte Einschätzung oben. Sobald du das siehst, kannst du entscheiden, was du damit machst. Vielleicht milderst du es ab. Vielleicht meintest du genau diese Schärfe und lässt sie stehen. Ich habe aufgeschrieben, was ein KI-Nachrichtenchecker checken kann und wie du es selbst machst.
Reine Umschreib-Tools überspringen diesen Schritt. Sie geben dir einen netteren Satz, ohne dir je zu sagen, was an deinem eigenen nicht gestimmt hat, und genau so verschicken Menschen am Ende polierte Nachrichten, die trotzdem das Falsche sagen. Deshalb habe ich das Feld aufgeteilt in Tools, die zuerst lesen, Tools, die nur umschreiben, und Tools, die deinen Ton auf ein ganz bestimmtes Publikum abstimmen.
In einer E-Mail-Studie erwarteten Absender, dass ihr Ton zu 78 % ankommen würde. Tatsächlich waren es 56 %.
Vor den Tools der Grund, warum es sie überhaupt gibt.
2005 veröffentlichten Justin Kruger, Nicholas Epley und Kollegen fünf Experimente zum Ton in E-Mails1 im Journal of Personality and Social Psychology. In einer der Studien schätzten Absender, ihr Ton (ernst oder sarkastisch) würde in etwa 78 % der Fälle ankommen. Tatsächlich lagen die Empfänger nur in 56 % der Fälle richtig2, kaum besser als ein Münzwurf, und die Empfänger waren sich dabei sogar sicherer als die Absender und glaubten, 89 % der Nachrichten richtig gelesen zu haben. Die Diagnose der Autoren, in ihren eigenen Worten1:
Diese Selbstüberschätzung entspringt dem Egozentrismus.
Du hörst deine eigene Nachricht mit dem ganzen Soundtrack deiner Absichten. Dein Gegenüber bekommt nur die Worte auf einem Bildschirm. Das ist auch, warum du von innen nicht zuverlässig sagen kannst, ob ein Text unhöflich klingt.
Zwanzig Jahre später ist dieser Befund das Geschäftsmodell hinter jedem Tool weiter unten.
Vier Tools, die deinen Ton lesen, bevor sie ein Wort anfassen
Subtext
Subtext ist das Tool, das ich mitgegründet habe, gebaut für persönliche Nachrichten statt für Dokumente. Du fügst einen Entwurf ein, wirfst einen Screenshot des Gesprächs rein oder sprichst eine Sprachnotiz ein, und es liest, was du ihm gibst, und bei einem einbezogenen Gespräch den ganzen Austausch, bevor es irgendetwas sagt. Es markiert genau die Wörter, die hart, passiv oder leicht misszuverstehen wirken könnten, und benennt dann das Gefühl dahinter3. Nach dem Lesen schreiben Ein-Tipp-Anpassungen (Persönlicher, Kürzer, Lässiger, Selbstbewusster)4 die Nachricht um, wobei deine eigene Formulierung der Ausgangspunkt bleibt, und es verschickt nie etwas für dich.
Subtext versieht einen Entwurf mit bis zu drei Labels, aus 48 Arten von Triggern, und ein Tipp auf ein Label erklärt, warum. Beim ausgedachten Entwurf „Das passt dann wohl.“ gab Subtext die Labels Klarheit und Gemischte Signale zurück und benannte das Gefühl als Zurückhaltung. Die Begründung zum ersten sagte, die Zeile „lässt offen, ob du wirklich zustimmst oder eher zweifelst“, die zum zweiten, das „wohl“ könne als widerwillige Zustimmung gelesen werden. Die erste Version, beschriftet mit Klar und nah dran und markiert mit „kann so raus“, lautete „Das passt dann so.“ Sie nimmt das Zögern heraus, also genau den Schritt, den ich oben kritisiert habe, und ist deshalb nur dann richtig, wenn das Zögern nie gemeint war. Das gilt hier für alle drei Versionen: Auch „Ja, das passt für mich. Danke dir!“ und „Super, das passt für mich so. Dann machen wir es genau so.“ sagen ein klares Ja. Eine Version, die das Zögern ehrlich behält, bot dieses Beispiel nicht an. Wer es behalten will, schreibt es selbst wieder hinein. Das ist die echte Ausgabe der App, unbearbeitet. Die Angaben in diesem Absatz stammen aus der App selbst, nicht aus einer externen Quelle.

Seit Oktober 2026 hat Subtext außerdem die Funktion Gedächtnis: kurze Notizen dazu, wie du einer bestimmten Person schreibst, und Schreibstile wie Arbeit und Freunde. Das ist nicht die Profilierung der Empfänger, wie sie die Tools weiter unten betreiben, die den Ton auf eine bestimmte Person zuschneiden.
Der Store-Eintrag ist unverblümt, für wen das gedacht ist, und nennt Menschen, die dieselbe Nachricht fünfmal umschreiben, bevor sie sie abschicken, Zerdenker, und alle, die sich fragen „klingt das okay?“4. Viele der wärmsten Bewertungen kommen von neurodivergenten Nutzern, den Menschen, für die ein KI-Tonchecker für neurodivergente Erwachsene gemacht ist, besonders von Nutzern mit ADHS, die lange, chaotische Entwürfe reinwerfen und etwas Klares zurückbekommen, das trotzdem noch nach ihnen klingt5. Es läuft auf iOS, Android und als synchronisierte Web-App, in 20+ Sprachen, die muttersprachlich geschrieben sind statt übersetzt. Kostenlos zum Ausprobieren, danach schaltet ein Abo den Rest frei. Zwei Grenzen will ich nennen. Es ist für Nachrichten gebaut, lange Dokumente gehören woanders hin, und die eigenen Nutzungsbedingungen sagen, dass seine Ergebnisse keine rechtliche, medizinische, finanzielle, psychologische oder sonstige professionelle Beratung sind6, und dasselbe Dokument sagt, dass deine Texte nicht zum Training von KI-Modellen verwendet werden. Die FAQ auf der Startseite ergänzt, dass es keine Therapie, Diagnose oder medizinische Beratung anbietet.
Der Tondetektor von Grammarly
Grammarly betreibt die am weitesten verbreitete Tondiagnose der Welt. Es erkennt den Ton deines Textes anhand von Wortwahl, Formulierung, Zeichensetzung und sogar Großschreibung7, mit einer Kombination aus Regeln und maschinellem Lernen8. Beim Start 2019 konnte es etwa 40 Töne benennen, von freundlich und fröhlich bis aggressiv und genervt9. Es braucht etwas Text zum Arbeiten: rund 150 Zeichen im Browser10, 90 auf der mobilen Tastatur11. Die Labels sind die Diagnose; Umschreibungen auf Satzebene gibt es erst in den bezahlten Tarifen. Für Unternehmen bringt Grammarly Business Marken-Töne mit. Admins wählen aus mehr als 50 Tönen und markieren sie als markenkonform oder nicht12, und Grammarly stupst alle in Echtzeit an. Inzwischen hat Grammarly Reader Reactions ergänzt, einen Agenten in Grammarly-Dokumenten, der simuliert, wie eine Person, die du auswählst, etwa deine Führungskraft oder eine Kundin, deinen Text verstehen könnte13. Wenn dein Schreiben in Dokumenten und Arbeits-E-Mails stattfindet, ist das hier die Benchmark. Keine der Nachrichten in meinem Test mit fünf lockeren Texten erreichte die Mindestlänge des Detektors, also kam die einzige Tonlesung, die ich bekam, vom Paraphraser in Grammarly-Dokumenten, und nur bei Nachrichten mit acht oder mehr Wörtern.
Goblin Tools (der Judge und der Formalizer)
Goblin Tools ist eine Sammlung winziger, kostenloser KI-Tools des belgischen Entwicklers Bram De Buyser, auf der eigenen Seite beschrieben als „kleine, einfache Ein-Zweck-Tools“14, gebaut vor allem für neurodivergente Menschen. Zwei davon sind hier relevant. Der Judge erspürt die Stimmung oder Emotion hinter jeder Nachricht, die du bekommen hast, und der Formalizer formuliert deinen Text sofort in den richtigen Ton um15, mit einem „Schärfegrad“-Regler dafür, wie stark verändert wird. Dieser Decoder für eingehende Nachrichten ist selten; fast alles andere in diesem Artikel schaut nur auf das, was du selbst verschickst. Die Website ist kostenlos, die mobilen Apps sind günstige Einmalkäufe.
Sapling
Sapling richtet sich an Kundenservice- und Sales-Teams und veröffentlicht die transparenteste Ton-Taxonomie in dieser Gruppe. Der kostenlose Tonchecker erkennt mehr als 25 emotionale Töne (Freude, Verwirrung, Dankbarkeit, Angst) auf Satz- und auf Dokumentebene16, und die Entwickler-API deckt 28 Töne mit Wahrscheinlichkeiten pro Satz ab17. Wenn du Tonerkennung in dein eigenes Produkt einbauen willst, ist das hier der praktische Nachfolger der alten IBM-API, die wir gleich beerdigen.
Sieben Tools, die in jeden Ton umschreiben, den du willst
Die hier sind nützlich, und ich benutze selbst ein paar davon, aber außer Copilot in Outlook und einer Tonprüfung, die QuillBot hinter Premium sperrt, sagt dir keines, wie dein ursprünglicher Entwurf ankommt. Sie geben dir einfach einen anderen Entwurf in die Hand.
Apple Intelligence Writing Tools sitzen auf Systemebene und schreiben markierten Text professioneller, freundlicher oder knapper, fast überall, wo du tippen kannst, auch in Apps von Drittanbietern18, dazu ein freies „Beschreibe deine Änderung“-Feld19. Kostenlos mit iOS 18.1, iPadOS 18.1 oder macOS Sequoia 15.1 auf unterstützter Hardware. Drei Presets, null Diagnose. Ich habe verglichen, was Apple, Google, Grammarly und ChatGPT mit deinen Nachrichten machen, Feature für Feature.
Microsofts Copilot macht dasselbe innerhalb von Office, wo du Text in Word markierst, Rewrite wählst und das Menü Adjust Tone nutzt (unter anderem mit den Optionen Neutral, Casual und Concise)20. Outlook ist die Ausnahme. Dort macht das E-Mail-Coaching von Copilot Vorschläge zu Ton, Klarheit und der voraussichtlichen Reaktion der lesenden Person21, damit ist es das einzige Tool in dieser Gruppe, das eine gewisse Diagnose liefert, allerdings nur für Arbeits-E-Mails. Was du bekommst, hängt von deinem Microsoft-Tarif ab und davon, welches Outlook du nutzt, und Belege dazu, wie treffsicher das Coaching ist, habe ich nicht gesehen.
Wordtune ist der schnellste der reinen Umschreib-Tools. Du markierst einen Satz, tippst auf Casual oder Formal, dazu Shorten und Expand22, und wählst aus den Vorschlägen. Kostenlose Stufe, bezahlte Pläne ab etwa 7 $ im Monat bei jährlicher Abrechnung23, Stand August 2026.
Hemingway Editor hat sich seinen Namen mit Lesbarkeit verdient, es färbt dichte Sätze und Passivkonstruktionen ein, was neben dem Ton steht, statt selbst der Ton zu sein. Das kostenpflichtige Hemingway Editor Plus bringt KI-Umschreiben mit, darunter markierten Text professioneller oder freundlicher anpassen24 und eigene Tools für lockerer, formeller und überzeugender25. Immer noch das beste Mittel gegen aufgeblähte Prosa, das ich kenne.
Drei kurze. LanguageTool ist die mehrsprachige Wahl, ein Grammatik- und Stil-Checker in rund 30 Sprachen mit einem Paraphrasierer in der bezahlten Stufe; Ton ist hier ein Nebeneffekt, nicht das Produkt. ProWritingAid ist für lange Manuskripte gedacht, ein tiefer Stapel an Stil- und Lesbarkeitsberichten, ohne Live-Einschätzung, wie eine Textnachricht ankommt. Und QuillBot ist der Paraphrasierer für Studierende mit vorgefertigten Modi, Formal inklusive. Es schreibt flüssig um, und auf einem kostenlosen Konto sagt es dir nichts über dein Original: In meinem Test bat mich sein Tone panel, auf Premium umzusteigen.
Vier Tools, die deinen Ton auf eine bestimmte Person zuschneiden
Diese Gruppe beantwortet eine andere Frage. Wie sollte ich für genau diese Person klingen, oder als genau dieses Unternehmen?
Crystal profiliert deinen Empfänger mit dem DISC-Persönlichkeitsmodell, und dann prüft der Writing Assistant Wörter, Formulierungen, Stil und Ton deiner E-Mail in Echtzeit direkt in Gmail oder Outlook und lenkt dich zum Kommunikationsstil dieser Person26. Ich finde es leicht unheimlich und gelegentlich brillant, und offensichtlich für den Vertrieb gebaut.
Lavender ist ein Coach für Cold-E-Mails. Es bewertet jeden Entwurf beim Schreiben von 0 bis 100, Ton ist einer der Faktoren, und schlägt Korrekturen vor, die an Antwortraten-Daten hängen27. Es gibt eine kostenlose Stufe mit 5 E-Mails im Monat, danach Pläne ab 29 $ im Monat (Stand August 2026)27. Wenn dein Job im Outbound-Vertrieb liegt, wird der Score schnell zur Gewohnheit.
Textio28 besetzt die Nische Recruiting, markiert verzerrte oder ausgrenzende Sprache in Stellenanzeigen und Feedback-Texten und bewertet, wie die Sprache bei Bewerbern ankommt. Und Writer arbeitet auf Unternehmensebene: Schreibproben hochladen, und es baut ein Voice-Profil29, damit der komplette KI-Output einer Organisation in einem einzigen Ton bleibt.
Die kostenlosen Einzelseiten-Checker sind okay, mit einer Einschränkung
Jenseits der großen Namen gibt es einen langen Schwanz kostenloser „Text-hier-einfügen“-Seiten. Saplings kostenloser Checker (oben) ist der glaubwürdige. Der Tonchecker von LiveChatAI30 erkennt einen dominanten Ton und markiert, welche Formulierungen das Urteil ausgelöst haben, reine Erkennung, kein Umschreiben. Die Version von AskAI31 legt ein Chatmodell um einen Formalitäts-Score von 0 bis 100 und meldet Ton-Drift über lange Dokumente hinweg, mit einer bezahlten Stufe für intensivere Nutzung. Denen würde ich für einen Blogabsatz oder ein Anschreiben vertrauen.
Alles, was du in eine kostenlose Webseite einfügst, wandert auf den Server von irgendwem, und die meisten dieser Seiten sagen wenig darüber, was danach damit passiert. Einen Marketing-Absatz würde ich ohne zu zögern reinkopieren, eine Trennungsnachricht würde ich von diesen Seiten fernhalten.
Die 17 Tools, danach sortiert, was sie zuerst tun
Die Tabelle gruppiert alle siebzehn Tools von oben, Subtext eingeschlossen, danach, was jedes davon zuerst tut.
| Gruppe | Tool | Was es macht | Wofür es passt |
|---|---|---|---|
| Liest zuerst deinen Ton | Subtext | Markiert Wörter, die hart wirken könnten, benennt das Gefühl, schreibt dann um | Persönliche Nachrichten, für Zerdenker |
| Liest zuerst deinen Ton | Tondetektor von Grammarly | Erkennt deinen Ton an Wortwahl, Formulierung und Zeichensetzung | Dokumente und Arbeits-E-Mails |
| Liest zuerst deinen Ton | Goblin Tools | Der Judge erspürt die Stimmung einer erhaltenen Nachricht; der Formalizer formuliert deine um | Vor allem neurodivergente Menschen |
| Liest zuerst deinen Ton | Sapling | Der kostenlose Checker erkennt mehr als 25 Töne; die API deckt 28 ab | Kundenservice- und Sales-Teams |
| Liest deinen Ton nicht | Apple Intelligence Writing Tools | Schreibt markierten Text professioneller, freundlicher oder knapper | Wer ohnehin Apple-Hardware nutzt |
| Liest deinen Ton nicht (außer in Outlook) | Copilot in Word und Outlook | Schreibt in Word über Adjust Tone um; in Outlook kommentiert das E-Mail-Coaching Ton, Klarheit und die voraussichtliche Reaktion der lesenden Person | Office-Nutzer mit Copilot |
| Liest deinen Ton nicht | Wordtune | Schreibt einen markierten Satz um: Casual, Formal, Shorten oder Expand | Das schnellste der reinen Umschreib-Tools |
| Liest deinen Ton nicht | Hemingway Editor | Markiert dichte Sätze und Passivkonstruktionen farbig; Editor Plus bringt KI-Umschreiben mit | Lesbarkeit und aufgeblähte Prosa |
| Liest deinen Ton nicht | LanguageTool | Prüft Grammatik und Stil in rund 30 Sprachen; die bezahlte Stufe paraphrasiert | Mehrsprachiges Schreiben |
| Liest deinen Ton nicht | ProWritingAid | Liefert tiefe Stil- und Lesbarkeitsberichte | Lange Manuskripte |
| Liest deinen Ton nicht (außer mit Premium) | QuillBot | Paraphrasiert in vorgefertigten Modi, Formal inklusive | Studierende |
| Stimmt den Ton auf eine Person oder Firma ab | Crystal | Profiliert den Empfänger mit DISC und richtet deine E-Mail auf dessen Stil aus | Vertrieb, direkt in Gmail oder Outlook |
| Stimmt den Ton auf eine Person oder Firma ab | Lavender | Bewertet Entwürfe von 0 bis 100, Ton eingeschlossen, und schlägt Korrekturen vor | Cold-E-Mails und Sales-Outreach |
| Stimmt den Ton auf eine Person oder Firma ab | Textio | Markiert verzerrte oder ausgrenzende Sprache in Stellenanzeigen und Feedback | Recruiting |
| Stimmt den Ton auf eine Person oder Firma ab | Writer | Baut ein Voice-Profil aus Schreibproben, die du hochlädst | Einheitliche Markenstimme im ganzen Unternehmen |
| Kostenloser Einzelseiten-Checker | LiveChatAI | Erkennt einen dominanten Ton und die Formulierungen dahinter; kein Umschreiben | Kostenlose „Text-hier-einfügen“-Seite |
| Kostenloser Einzelseiten-Checker | AskAI | Formalitäts-Score von 0 bis 100; meldet Tonabweichungen in langen Dokumenten | Kostenlose „Text-hier-einfügen“-Seite |
Subtext ist das eigene Produkt des Autors. Die Zeilen folgen den Abschnitten dieses Artikels und sind kein Ranking. Text, den du in einen kostenlosen Web-Checker einfügst, wandert auf den Server von irgendwem.
Grammarly gegen Wordtune gegen QuillBot bei fünf lockeren Nachrichten
Die Kurzfassung: Von den dreien hat nur Grammarly etwas zum Ton gesagt, und nur bei Nachrichten mit acht Wörtern oder mehr. Wordtune und QuillBot haben umformuliert, und ihre Versionen behielten meist die Schärfe.
Ich wollte sehen, was diese drei mit den kurzen, leicht aufgeladenen Texten machen, über die Menschen wirklich grübeln, und habe deshalb am 16. November 2026 fünf solche Texte in jedes Tool auf einem kostenlosen Konto getippt. Die Nachrichten habe ich für den Test erfunden. Jede wirkt harmlos und trägt etwas darunter, und keine kam mit einem Gespräch drumherum, also bekam jedes Tool genau dieselbe Eingabe.
Bei Grammarly habe ich Grammarly-Dokumente benutzt, den Online-Editor, und das Korrektur-Panel sowie den Paraphraser gelesen. Die Browser-Erweiterung und die Handy-Tastatur habe ich nicht getestet, und keine dieser Nachrichten ist ohnehin lang genug für den Tondetektor. Bei Wordtune habe ich die Rewrite-Schaltfläche in seinem Editor benutzt und zitiere den ersten der vier Vorschläge, die es zeigte. Der kostenlose Tarif erlaubt zehn Umschreibungen am Tag, diese fünf Nachrichten haben sieben verbraucht. Bei QuillBot habe ich den Paraphraser im Standard mode benutzt. Dieselben fünf habe ich auf einem abonnierten Testkonto durch Subtext laufen lassen, bei dem anders als bei den anderen dreien nichts gesperrt war. Subtext ist mein Produkt, und das sind die Art von Nachrichten, für die es gebaut ist, also gewichte seine Spalte entsprechend. Der Test lief auf Englisch. Jedes Zitat unten ist genau so kopiert, wie das Tool es ausgegeben hat, mit meiner Übersetzung in Klammern; die Tabelle fasst sie nur zusammen.
Zuerst, was jedes Tool zum Ton gesagt hat, bevor es irgendetwas umgeschrieben hat:
| Nachricht | Grammarly | Wordtune | QuillBot | Subtext |
|---|---|---|---|---|
| „Wow, thanks for finally replying 😊“ (Wow, danke, dass du endlich antwortest 😊) | Nichts, zu kurz | Nichts | Nichts | Sarkasmus, Passiv-aggressiv |
| „Sorry for being annoying again, just ignore me“ (Tut mir leid, dass ich schon wieder nerve, ignorier mich einfach) | Selbstabwertend, entschuldigend | Nichts | Nichts | Selbstabwertung, Bestätigung suchen |
| „Can we talk later? It’s kind of important.“ (Können wir später reden? Es ist irgendwie wichtig.) | Direkt und dringlich | Nichts | Nichts | Klarheit: „später“ nennt keine Zeit, und die Vagheit kann die lesende Person beunruhigen |
| „Glad you had fun! Would’ve been nice to be asked 🙂“ (Schön, dass du Spaß hattest. Es wäre nett gewesen, gefragt zu werden 🙂) | Leicht passiv-aggressiv oder enttäuscht | Nichts | Nichts | Passiv-aggressiv, Sarkasmus |
| „Sure, if you think that’s best.“ (Klar, wenn du meinst, dass das das Beste ist.) | Nichts, zu kurz | Nichts | Nichts | Klarheit: unklar, ob du das willst oder nur mitgehst |
„Nichts“ heißt: kein Kommentar zum Ton. Die Einschätzungen von Grammarly stammen aus seinem Paraphraser, der mindestens acht Wörter braucht; die von Subtext sind seine Tags, mit dem Kern seiner Notiz, wo es nur ein Tag vergeben hat. Einige Grammatikkorrekturen stehen weiter unten.
Und hier, was jedes Tool aus der Nachricht gemacht hat.
„Wow, thanks for finally replying 😊“ (Wow, danke, dass du endlich antwortest 😊)
- Grammarly: keine Vorschläge. Es zählte sechs Wörter, zwei weniger, als sein Paraphraser verlangt.
- Wordtune: „Thank you so much for finally getting back to me 😊“ (Vielen Dank, dass du dich endlich bei mir meldest 😊). Ein anderer seiner vier Vorschläge war „Wow, thanks for responding so soon 😊“ (Wow, danke für die so schnelle Antwort 😊), was das Gegenteil dessen sagt, was passiert ist.
- QuillBot: „Whoa, I appreciate your response at last. 😊“ (Whoa, ich schätze deine Antwort, endlich. 😊)
- Subtext: benannte das Gefühl als Groll und bot „Thanks for replying, I was starting to wonder 😊“ (Danke für deine Antwort, ich fing schon an, mich zu wundern 😊) mit dem Label „Hinweis“ an, denn „starting to wonder“ (fing an, mich zu wundern) deutet die Wartezeit noch an. Seine anderen zwei Versionen waren als „kann so raus“ markiert, eine davon nannte die Wartezeit offen: „Thanks for replying. The wait was a bit hard on my side, so I’m glad to hear from you now 😊“ (Danke für deine Antwort. Das Warten war für mich etwas schwer, deshalb freue ich mich, jetzt von dir zu hören 😊)
„Sorry for being annoying again, just ignore me“ (Tut mir leid, dass ich schon wieder nerve, ignorier mich einfach)
- Grammarly: Der Paraphraser las es als „casual and self-deprecating, but the apologetic tone may undermine your confidence and clarity“ (locker und selbstabwertend, aber der entschuldigende Ton könnte dein Selbstvertrauen und deine Klarheit untergraben), und sein Simple-Stil, als Pro-Vorschlag und kostenlose Probe gekennzeichnet, bot „Sorry to bother you again, please feel free to ignore me“ (Entschuldige, dass ich dich wieder störe, ignorier mich gern) an. Die Korrekturfunktion schlug vor, „just“ (einfach) zu streichen, damit es selbstbewusster klingt.
- Wordtune: „I’m sorry for being annoying again, just ignore me“ (Es tut mir leid, dass ich schon wieder nerve, ignorier mich einfach). Alle vier seiner Vorschläge behielten „ignore me“ (ignorier mich).
- QuillBot: „I apologise for bothering you once more; please disregard me.“ (Ich entschuldige mich, dass ich dich noch einmal belästige; bitte beachte mich nicht.)
- Subtext: benannte das Gefühl als Verlegenheit und vergab das Tag Selbstabwertung, mit der Notiz, die Zeile „may make the other person feel they have to reassure you“ (könnte der anderen Person das Gefühl geben, dich beruhigen zu müssen), und das Tag Bestätigung suchen. Seine erste Version, als „kann so raus“ markiert: „Sorry to message again. Feel free to answer when it suits you.“ (Sorry, dass ich nochmal schreibe. Antworte gern, wenn es dir passt.)
„Can we talk later? It’s kind of important.“ (Können wir später reden? Es ist irgendwie wichtig.)
- Grammarly: las es als „direct and urgent, but could be softened to sound more approachable and less abrupt“ (direkt und dringlich, könnte aber abgemildert werden, damit es zugänglicher und weniger schroff klingt) und sagte dann, es habe keine Vorschläge.
- Wordtune: schrieb die beiden Sätze einzeln um. Seine ersten Vorschläge waren „Would it be possible to talk later?“ (Wäre es möglich, später zu reden?) und „I think it’s important.“ (Ich finde, es ist wichtig.) Unter den Optionen für den zweiten Satz war „There’s a lot at stake here.“ (Hier steht viel auf dem Spiel.)
- QuillBot: „Can we have a conversation later? It’s somewhat significant.“ (Können wir später ein Gespräch führen? Es ist einigermaßen bedeutsam.)
- Subtext: benannte das Gefühl als Nervosität und vergab das Tag Klarheit, weil „‘Later’ has no time behind it, and ‘kind of important’ with no hint of what it is about can make the reader worry“ („Später“ hat keine Zeit dahinter, und „irgendwie wichtig“ ohne Hinweis, worum es geht, kann die lesende Person beunruhigen), und fragte, wann du Zeit hast. Die als „kann so raus“ markierte Version gibt den Zeitpunkt aus der Hand: „There’s something I’d like to talk about with you when you have a quiet moment. What time suits you?“ (Es gibt etwas, worüber ich gern mit dir sprechen würde, wenn du einen ruhigen Moment hast. Wann passt es dir?)
„Glad you had fun! Would’ve been nice to be asked 🙂“ (Schön, dass du Spaß hattest. Es wäre nett gewesen, gefragt zu werden 🙂)
- Grammarly: las es als „friendly and casual, but the tone could be interpreted as slightly passive-aggressive or disappointed“ (freundlich und locker, aber der Ton könnte als leicht passiv-aggressiv oder enttäuscht gedeutet werden) und bot, als weitere Pro-Probe, „Glad you had fun! It would have been nice if you had asked me 🙂“ (Schön, dass du Spaß hattest. Es wäre nett gewesen, wenn du mich gefragt hättest 🙂) an. Die Korrekturfunktion wollte „It would’ve“ statt „Would’ve“.
- Wordtune: „I’m glad you had fun!“ (Ich freue mich, dass du Spaß hattest.) und „It would have been nice to have been asked 🙂“ (Es wäre schön gewesen, gefragt worden zu sein 🙂).
- QuillBot: „I’m glad you enjoyed yourself! It would have been wonderful to be asked. 🙂“ (Ich freue mich, dass du dich amüsiert hast. Es wäre wundervoll gewesen, gefragt zu werden. 🙂)
- Subtext: benannte das Gefühl als Verletztheit und vergab die Tags Passiv-aggressiv und Sarkasmus. Seine erste Version blieb nah an deinen Worten und ließ den Smiley weg, „Glad you had fun. I would have liked to be asked.“ (Schön, dass du Spaß hattest. Ich wäre gern gefragt worden.), mit dem Label „Hinweis“, dass „Glad you had fun“ (Schön, dass du Spaß hattest) immer noch leicht knapp klingen kann. Die zwei als „kann so raus“ markierten sagen die Verletzung laut, eine davon mit „I’ll admit it stung a little not to be asked“ (Ich gebe zu, es hat ein bisschen wehgetan, nicht gefragt zu werden).
„Sure, if you think that’s best.“ (Klar, wenn du meinst, dass das das Beste ist.)
- Grammarly: keine Vorschläge, und wieder zu kurz für den Paraphraser.
- Wordtune: „Yes, if that’s what you prefer.“ (Ja, wenn du das bevorzugst.) Seine Korrekturfunktion markierte „best“ (am besten) als Grammatikfehler und schlug „good“ (gut) vor.
- QuillBot: „Yes, if you believe that’s the best option.“ (Ja, wenn du glaubst, dass das die beste Option ist.)
- Subtext: benannte das Gefühl als Resignation und vergab das Tag Klarheit, da die Zeile „leaves open whether you actually want this or are just going along“ (lässt offen, ob du das wirklich willst oder nur mitgehst). Seine erste Version, „Sure, that works for me. I trust your call on this.“ (Klar, das passt für mich. Ich vertraue da deiner Entscheidung.), wurde als „kann so raus“ markiert und nimmt das Widerstrebende heraus, was nur richtig ist, wenn du es nie gemeint hast. Seine dritte, mit dem Label „Hinweis“, fügte ein Versprechen hinzu, sich später zu melden, und sagte das auch: „That commitment is new, so check it fits you.“ (Diese Zusage ist neu, prüf also, ob sie zu dir passt.)
Wordtune und QuillBot haben getan, was sie versprechen, nämlich umformuliert, und auf einem kostenlosen Konto hat keines von beiden ein Wort zum Ton gesagt. Ihre Umschreibungen behielten meist die Schärfe („finally“ (endlich), „at last“ (endlich), „ignore me“ (ignorier mich)), und einige Alternativen von Wordtune veränderten die Bedeutung: „responding so soon“ (so schnell antworten) bei einer späten Antwort und „There’s a lot at stake here.“ (Hier steht viel auf dem Spiel.) für „kind of important“ (irgendwie wichtig). Grammarly schnitt besser ab, als ich erwartet hatte. Sein Paraphraser las die drei Nachrichten mit acht Wörtern oder mehr und erkannte die Passiv-Aggression in der vierten, auch wenn er zu den zwei kürzesten nichts sagte, und sein Reader-Reactions-Agent verlangt mindestens 100 Wörter. Bei den beiden Sechs-Wort-Texten hat mir also keines der drei gesagt, was an meinem falsch war. Subtext hat bei allen fünf etwas benannt, und genau dafür ist es gebaut, und seine eigenen Zeilen zeigen den Zielkonflikt, den ich oben beschrieben habe: Eine als „kann so raus“ markierte Version glättet manchmal ein Gefühl, das du behalten wolltest.
Das ist ein Durchlauf pro Tool an einem Tag, und diese Tools formulieren beim zweiten Versuch anders (QuillBots zweiter Versuch bei der ersten Nachricht lautete „Whoa, thanks for responding at last 😊“, auf Deutsch: Whoa, danke, dass du endlich geantwortet hast 😊), nimm es also als Momentaufnahme und nicht als Benchmark. Die Antworten von Subtext sind die echte Ausgabe der App, unbearbeitet. Der Test ist mein eigener, deshalb hat er keine nummerierte Quelle.
Die Ton-API, die früher alle zitiert haben, ist tot
Ein Jahrzehnt lang meinte „Tonprüfung“ im technischen Sinn den IBM Watson Tone Analyzer, die API hinter unzähligen Demos und Forschungsarbeiten. Er ist weg. IBM kündigte die Einstellung am 24. Februar 2022 an, und der Dienst wurde am 24. Februar 2023 abgeschaltet32. Was bleibt, ist ein kleines vorgefertigtes Modell zur Tonklassifikation innerhalb von Watsons Natural-Language-Toolkit33, das Englisch und Französisch abdeckt, mit einer kurzen Liste an Kategorien wie aufgeregt, frustriert, unhöflich, höflich, traurig, zufrieden und mitfühlend.
Ich nehme diesen Nachruf mit rein, weil er den Markt erklärt. Die Ära der eigenständigen Ton-API ist vorbei, und die Energie ist in die Assistenten oben und in große Sprachmodelle gewandert, die auf Zuruf alles umschreiben. Was uns zum unbequemen Teil bringt.
Was die Forschung dazu sagt, KI an deine Worte zu lassen
Das Umschreiben selbst ist inzwischen trivial. Die Folgen sind weniger übersichtlich, und dazu gibt es eine echte Forschungsliteratur.
Forschende nennen es KI-vermittelte Kommunikation: wenn ein KI-System Nachrichten zwischen Menschen verändert, erweitert oder erzeugt34, so wie Jeff Hancock, Mor Naaman und Karen Levy es 2020 definiert haben. Der Haupt-Befund kam ein Jahr früher, in einer CHI-Studie zu Airbnb-Gastgeberprofilen, in der Jakeschs Team herausfand, dass Leser, die glaubten, der Text sei KI-geschrieben, ihn als weniger vertrauenswürdig bewerteten35. Eine Folgestudie zu KI-Smart-Replies fand heraus, dass die Vorschläge die Sprache veränderten, die Menschen tatsächlich produzierten, sie ins Positive schoben und beeinflussten, wie sich Gesprächspartner gegenseitig wahrnahmen36. Ob KI-Umschreibtools für Nachrichten wirklich etwas bringen, habe ich an anderer Stelle ausführlicher untersucht.
Es gibt auch ein Bias-Problem in den Modellen selbst. Eine Studie der Monash University aus dem Jahr 2025 erzeugte Tausende Assistenten-Dialoge aus bewusst neutralen Prompts und fand eine durchgängige Schieflage. Die Modelle klingen standardmäßig, in den Worten der Forschenden, „übertrieben höflich, fröhlich oder vorsichtig, selbst wenn Neutralität erwartet wird“37, wobei Ton-Klassifikatoren die Schieflage mit Makro-F1-Werten von bis zu 0,92 erkennen37. Die Maschinen haben einen Akzent. Wenn du eine alles umschreiben lässt, was du verschickst, fängst du an, mit genau diesem Akzent zu sprechen. Das NLP-Feld hat sogar einen Namen für die Mechanik dahinter, Text Style Transfer, mit einer ganzen eigenen Survey-Literatur38, und nichts davon lernt, was dich wie dich klingen lässt. Dieser Akzent ist der Grund, warum Subtext deine eigenen Formulierungen als Ausgangspunkt jeder Umschreibung beibehält, statt sie gegen einen Hausstil auszutauschen.
Meine Schlussfolgerung aus alldem ist, diese Tools zuerst als Spiegel und selten als Ghostwriter zu nutzen, und ja, achte darauf, von wem diese Schlussfolgerung kommt. Ein Ton-Check vor dem Absenden geht das 78/56-Problem aus der Kruger-Studie an, bleibt aber eine Vermutung von außerhalb deines Kopfes. In einer ACL-Studie von 2025 trafen menschliche Lesende und Sprachmodelle die Gefühle, die die Schreibenden nach eigener Aussage empfanden, beide nur unvollkommen39, also behandle die Einschätzung jedes Checkers, auch meine, als zweite Meinung. Ein komplettes Umschreiben von allem, was du verschickst, schafft ein neues Problem, nämlich das, bei dem deine Mutter merkt, dass ein Roboter geantwortet hat.
Wie ich wählen würde
Für persönliche Nachrichten und schwierige Gespräche ist meine Shortlist Subtext oder Goblin Tools. Subtext, wenn du Diagnose, Umschreiben und den Gesprächskontext an einem Ort willst, mit erhaltener eigener Stimme; Judge und Formalizer von Goblin, wenn du es kostenlos, auf eine Aufgabe fokussiert und ohne Konto willst. Für Dokumente und Arbeits-E-Mails ist Grammarlys Erkennung die Benchmark, mit Hemingway als Werkzeug gegen aufgeblähten Text. Bei kurzen lockeren Texten fand mein Test die kostenlosen Tools von Grammarly unter acht Wörtern stumm, und Wordtune und QuillBot schreiben nur um. Wenn du Apple-Hardware nutzt, decken die Writing Tools voreingestellte Tonwechsel ohne Zusatzkosten ab, und wenn dein Arbeitgeber ohnehin für Copilot zahlt, liefert dessen Coaching in Outlook eine einfache Einschätzung für Arbeits-E-Mails. Für ein eigenes Tool zahlst du nur, wenn du eine echte Diagnose brauchst. Für Sales-Outreach nimm Lavender, für auf den Empfänger abgestimmte Nachrichten Crystal, für Recruiting-Sprache Textio, und für unternehmensweite Markenstimme Writer. Knapp bei Kasse und neugierig? Saplings kostenloser Checker plus Goblin Tools bringen dir das Konzept umsonst bei. Ist der Entwurf vor dir eine Arbeits-E-Mail, die schärfer klingt als gemeint, findest du fünf solche E-Mails, mit und ohne KI umgeschrieben, in Wie schreibst du eine Arbeits-E-Mail so um, dass sie nicht passiv-aggressiv klingt?
Und egal, für welches du dich entscheidest: Behalte das letzte Wort. Die Forschung oben macht ziemlich klar, dass das Ziel eine Nachricht ist, die klingt wie du an einem guten Tag, nicht wie ein Modell mit tadellosen Manieren.
Wenn der Moment „klingt das okay?“ der ist, den du nur zu gut kennst, dann ist genau das der Moment, für den Subtext gebaut wurde. Füg den Entwurf ein oder mach einen Screenshot des Gesprächs, damit es beide Seiten liest, und es benennt, was deine Nachricht signalisiert und zeigt die exakten Worte, die das tun, dann bietet es Versionen, die immer noch nach dir klingen. Subtext im Browser ausprobierenLaden im App StoreJetzt bei Google PlayMit der Handykamera scannen und installieren.
Ich habe für diesen Artikel drei KI-Recherche-Berichte zusammengeführt und gestrichen, was sich nicht bestätigt hat, aber ich tue nicht so, als wären die Überlebenden über jeden Zweifel erhaben. Wenn du eines dieser Tools baust und findest, ich hätte es zu kurz kommen lassen, oder du kennst einen Checker, der besser diagnostiziert als die vier, die ich gefunden habe, sag mir Bescheid und ich teste es und aktualisiere den Artikel.
Samet Durgun ist Mitgründer von Subtext, einer App, die den emotionalen Ton deiner Nachrichten erkennt und sie in deinen Worten neu schreibt. Er lebt in Berlin.
Quellen
Jeder Link oben führt zur Primärquelle, wo es eine gibt. Die Zitate sind unten nummeriert, in der Reihenfolge, in der sie im Text erscheinen.
Warum Ton kaputtgeht
- Kruger, J., Epley, N., Parker, J. und Ng, Z. (2005). Egocentrism over e-mail: can we communicate as well as we think? Journal of Personality and Social Psychology, 89(6), 925-936. DOI: 10.1037/0022-3514.89.6.925. Offenes PDF.
- American Psychological Association, Monitor on Psychology (Februar 2006). E-mails and egos.
Die Tools
- Subtext, offizielle Website. (Funktionsbeschreibungen)
- Subtext: AI Writing Assistant, Eintrag im Apple App Store (Funktionen, Zielgruppe, Preise der In-App-Abos).
- Subtext: AI Writing Assistant, Eintrag bei Google Play (Anwendungsfälle und Nutzerbewertungen).
- Subtext, Nutzungsbedingungen und Datenschutz.
- Grammarly, Writing Tone Detector and Tone Suggestions.
- Grammarly-Blog, Meet Grammarly’s Tone Detector.
- VentureBeat (24. September 2019). Grammarly uses AI to detect the tone and tenor of your writing.
- Grammarly Support, Using the tone detector in the browser extension.
- Grammarly-Blog, Tone Detector for Mobile.
- Grammarly Business, Brand Tones.
- Grammarly Support, Reader Reactions user guide (Stand September 2026).
- goblin.tools About, zitiert nach Autism Community Training.
- Goblin Tools, offizieller Google-Play-Eintrag.
- Sapling, Tone Checker / Detector.
- Sapling, Dokumentation zur Tone Detection API.
- Apple Support, Use Writing Tools to write, improve, and summarize content on iPhone.
- Apple Support, Use Writing Tools on Mac.
- Microsoft Support, Use Copilot in Word with a screen reader (Abschnitt Rewrite, Menü Adjust Tone).
- Microsoft Support, Get email coaching with Copilot in Outlook (Stand September 2026).
- Wordtune, Free Online Rewriting Tool.
- Capterra, Wordtune-Preise (Sekundärquelle; Preise Stand August 2026).
- Hemingway Editor Help, Rewriting text with AI tools.
- Hemingway-Editor-Blog (5. März 2024). Announcing powerful AI tools for adjusting tone and style.
- Crystal, Getting Started with the Crystal Writing Assistant (archiviert; die Seite wurde inzwischen von crystalknows.com entfernt).
- Woodpecker (Rezension 2026; Sekundärquelle, Preise Stand August 2026). Lavender AI Review.
- Textio, offizielle Website (Augmented Writing fürs Recruiting; Hinweise zu Bias und Ton).
- Writer, Introducing voice.
- LiveChatAI, Free AI Tone Checker.
- AskAI, AI Tone Checker.
- IBM Watson SDK, Hinweis zur Einstellung (Tone Analyzer eingestellt am 24. Februar 2022, abgeschaltet am 24. Februar 2023).
- IBM, Watson Natural Language Processing tone classification block.
Schreiben mit KI
- Hancock, J. T., Naaman, M. und Levy, K. (2020). AI-Mediated Communication: Definition, Research Agenda, and Ethical Considerations. Journal of Computer-Mediated Communication, 25(1), 89-100.
- Jakesch, M., French, M., Ma, X., Hancock, J. T. und Naaman, M. (2019). AI-Mediated Communication: How the Perception that Profile Text was Written by AI Affects Trustworthiness. CHI 2019.
- Mieczkowski, H., Hancock, J. T., Naaman, M., Jung, M. und Hohenstein, J. (2021). AI-Mediated Communication: Language Use and Interpersonal Effects in a Referential Communication Task. Proceedings of the ACM on Human-Computer Interaction, 5(CSCW1).
- Bodara, H., Mushfiq, M. M. und Siddiqui, I. F. (2025). Bias Beneath the Tone: Empirical Characterisation of Tone Bias in LLM-Driven UX Systems. UISE ’26 workshop (ACM).
- Jin, D., Jin, Z., Hu, Z., Vechtomova, O. und Mihalcea, R. (2022). Deep Learning for Text Style Transfer: A Survey. Computational Linguistics, 48(1), 155-205.
- Li, J., Zhou, Y., Narayanan Venkit, P., Islam, H. B., Arya, S., Wilson, S. und Rajtmajer, S. (2025). Can Third Parties Read Our Emotions? Proceedings of the 63rd Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers), 21478-21499.