Klingen deine Nachrichten mit KI wie von einem Roboter?

Meistens ja. Und zum ersten Mal gibt es ordentliche Forschung dazu, warum. Wenn ein KI-Modell eine Nachricht umschreibt, bleibt die Bedeutung weitgehend erhalten. Die Art, wie du Dinge sagst, bleibt es nicht. Kurzformen verschwinden, „ich“ taucht seltener auf, die kleinen Wörter, die deinen Rhythmus tragen, werden weggeräumt, und was zurückkommt, liest sich, als wäre es für irgendwen geschrieben.

Ich habe Subtext mitgegründet, eine App, die um genau dieses Problem herum gebaut ist, also gewichte, was ich darüber sage, entsprechend. Anbieten kann ich, dass ich die Studien gründlich durchgegangen bin und jede davon verlinkt habe, damit du mich überprüfen kannst. Hier steht, was sie zeigen, was nicht, und was du tun kannst, ob du nun unsere App nutzt oder deine Entwürfe in ChatGPT einfügst.

Was mit einer Nachricht passiert, wenn KI sie umschreibt

Die bislang größte Studie erschien im August 2026 in Nature Human Behaviour. Die Forschenden untersuchten mehr als 880.000 Texte, darunter kontrollierte Experimente, in denen dieselben Texte mit Prompts wie „aufpolieren“, „mach es klarer“ und „mach es natürlicher“ durch mehrere KI-Modelle liefen. Der Kerninhalt blieb, wo er war. Die Vielfalt in der Art, wie Menschen schrieben, blieb es nicht. Über ihre Datensätze und Modelle hinweg schrumpfte die Bandbreite der Schreibkomplexität um 21 bis 50 Prozent, und Klassifikatoren, die aus einem Text Geschlecht, Alter, politische Haltung oder Werte der schreibenden Person erraten, wurden bei den Umschreibungen merklich schlechter, wobei die Fehler in Richtung des Mehrheitsprofils ausschlugen (The shrinking landscape of linguistic diversity in the age of large language models)¹.

Das Umschreib-Experiment dieser Studie nutzte Reddit-Beiträge und wissenschaftliche Abstracts. Eine kleinere Studie von 2026, noch ein Preprint, sah sich etwas an, das einer Textnachricht näher kommt, nämlich 300 persönliche Geschichten, jede von drei führenden Modellen umgeschrieben. Das Muster war jedes Mal dasselbe. Weniger Kurzformen. Weniger Pronomen der ersten Person. Weniger von den kleinen Funktionswörtern. Längere Wörter und schickere Zeichensetzung. Es spielte keine Rolle, ob die Anweisung „verbessere das“ oder einfach „schreib das um“ lautete. Die Anweisung, die Stimme der schreibenden Person zu bewahren, schwächte den Effekt um etwa ein Drittel ab, aber die Richtung änderte sich nie, und das Modell war schlechter darin, zu behalten, was es gern entfernt, als darin, sich bei dem zurückzuhalten, was es gern hinzufügt (Voice Under Revision: Large Language Models and the Normalization of Personal Narrative)².

Zwei Befunde ziehen in die andere Richtung, und sie sind wichtig. Eine Studie von 2025 zu Nachrichtenartikeln aus der Zeit vor und nach ChatGPT fand mehr KI-typische Wörter, aber mit den verwendeten Messgrößen keinen messbaren Verlust an Wortschatzvielfalt; der Effekt ist also beim kontrollierten Umschreiben am deutlichsten und in freier Wildbahn weniger klar (Testing English News Articles for Lexical Homogenization Due to Widespread Use of Large Language Models)³. Und ein begutachtetes Experiment zum gemeinsamen Schreiben mit einem Modell fand, dass die Gleichförmigkeit, wenn Essays einander ähnlicher wurden, von dem Text kam, den das Modell einfügte. Die eigenen Beiträge der Schreibenden blieben so vielfältig wie vorher (Does Writing with Language Models Reduce Content Diversity?)⁴.

Dieser zweite Befund ist der nützliche. Der Schaden entsteht, wenn deine Sätze ersetzt werden, und nicht durch kleine Änderungen an ihnen.

Warum deine Bedeutung überlebt und deine Stimme nicht

Forschende, die sich mit Schreibstil beschäftigen, behandeln zwei Dinge getrennt. Das eine ist, was eine Nachricht sagt. Das andere ist, wie sie es sagt, und dieses Wie besteht aus ganz gewöhnlichem Material: welche Alltagswörter du wählst, wie lang deine Sätze sind und wie stark das schwankt, deine Gewohnheiten bei der Zeichensetzung, Abschwächungen wie „irgendwie“ und „ehrlich gesagt“, ob du „hab“ oder „habe“ schreibst, der Slang, die Emojis, der Wechsel in eine andere Sprache mitten im Satz. Eine Studie von 2021 zu Texten im Netz fand, dass diese Gewohnheiten so beständig sind, dass ein Modell, das an Zehntausenden Schreibenden trainiert wurde, anhand von zwei kurzen Beiträgen meistens erkennen kann, ob beide von derselben Person stammen (Idiosyncratic but not Arbitrary: Learning Idiolects in Online Registers Reveals Distinctive yet Consistent Individual Styles)⁵.

Die Bedeutung braucht keines dieser Merkmale. Eine Umschreibung kann also die Bedeutung perfekt bewahren und alle davon verlieren. Genau das hat die Nature-Studie gemessen. Was gesagt wurde, blieb sich sehr ähnlich, während die Vielfalt darin, wie es gesagt wurde, zusammenbrach.

Deshalb sind „dieselbe Nachricht“ und „dieselbe Stimme“ zwei verschiedene Versprechen. Die meisten Tools geben nur das erste, und die meisten Menschen merken erst, dass das zweite fehlt, wenn sie schon auf Senden gedrückt haben. Was die großen drei Chatbots jeweils mit deinen Worten machen, habe ich separat aufgeschrieben. Ob das alles überhaupt eine Rolle spielt, entscheidet hier die nächste Frage.

Merkt die andere Person es überhaupt?

Die Belege dazu sind konkreter, als ich erwartet hatte.

Eine Studie von 2026, veröffentlicht auf der CHI, der wichtigsten Konferenz für Forschung dazu, wie Menschen Technik nutzen, hat genau das in Liebesbeziehungen getestet. In einem randomisierten Experiment mit 704 Personen, die Nachrichten von ihrem Partner oder ihrer Partnerin lasen, variierten die Forschenden zwei Dinge, nämlich ob die KI den Ton leicht überarbeitet oder die ganze Nachricht entworfen hatte, und ob die sendende Person zugab, dass KI geholfen hatte. Ein größerer KI-Anteil am Entwurf ließ die Nachricht verlässlich weniger nach der sendenden Person selbst und weniger authentisch wirken, und mehr Klarheit oder Schliff glich das nicht aus. Das auffälligste Ergebnis betraf Entschuldigungen. Wenn bei einer leicht überarbeiteten Entschuldigung dazu gesagt wurde „Ich hatte beim Ton Hilfe von einer KI“, fanden die Lesenden sie authentischer und waren eher bereit zu verzeihen. Wurde dasselbe über eine komplett von KI entworfene Entschuldigung gesagt, sank beides. Nachrichten mit mehr persönlichen Eigenheiten der sendenden Person schnitten bei der Authentizität durchgehend besser ab (Is It Still You? Attributing Authorship and Authenticity in AI-Assisted Romantic Communication)⁶.

Eine zweite Studie von 2025 erklärt zum Teil, warum. Als 399 Personen Nachrichten lasen, die als KI-unterstützt gekennzeichnet waren, ließ das Label die sendende Person nicht schlecht dastehen, aber die Nachricht zählte nicht mehr als Beleg. Eine Entschuldigung ohne KI-Hilfe wirkte warm. Eine Schuldzuweisung ohne KI-Hilfe wirkte kalt. Mit dem KI-Label rückten beide Richtung neutral, als sagte die Nachricht überhaupt nichts über die Person aus (Explaining the Reputational Risks of AI-Mediated Communication)⁷.

Offenlegung hat ihren eigenen Preis. In 13 präregistrierten Experimenten wurde Menschen, die angaben, KI genutzt zu haben, weniger vertraut als Menschen, die das nicht angaben, in Situationen vom Benoten bis zur Designarbeit (The Transparency Dilemma: How AI Disclosure Erodes Trust)⁸. In emotional neutralen, einmaligen Situationen wie einem Vertrauensspiel mit einer fremden Person machte KI-Hilfe allerdings kaum einen Unterschied für das Vertrauen, ob offengelegt oder nicht (Writing with AI boosts trust-building efficiency)⁹.

Zusammen gelesen ergibt das ein stimmiges Muster. Je persönlicher die Nachricht, desto mehr kostet dich eine komplette Umschreibung, und desto mehr kann ein leichter Eingriff in deine eigenen Worte helfen. Die Forschung zu Entschuldigungen verdient einen eigenen Text, und den hat sie bekommen: Wie entschuldigst du dich per Nachricht?

Die Glättung trifft manche Menschen härter

Wenn du in einer Zweitsprache schreibst oder beim Texten zwischen Sprachen wechselst, hast du das schon gespürt.

In einem Experiment von 2025 schrieben 118 Menschen in Indien und den USA kurze Essays über ihr eigenes Leben, etwas mehr als die Hälfte davon mit eingeschalteter KI-Autovervollständigung. Mit laufenden Vorschlägen näherten sich die indischen Schreibenden den Mustern der amerikanischen Gruppe an und begannen, ihr eigenes Essen und ihre eigenen Feste aus westlicher Perspektive zu beschreiben (AI Suggestions Homogenize Writing Toward Western Styles and Diminish Cultural Nuances)¹⁰.

Das ist eine einzelne Studie, auf Englisch, und sie kann nicht für jede Sprache sprechen. Der Mechanismus ist aber leicht zu erkennen. Was ein Modell in deinem Text am ehesten „korrigiert“, das Lehnwort, die Formulierung aus deiner Erstsprache, der Wechsel ins Türkische oder Spanische für den Teil, der nur auf Türkisch oder Spanisch Sinn ergibt, genau das klingt am meisten nach dir.

Kann eine App lernen, wie du schreibst?

Teilweise. Und du solltest allen misstrauen, die mehr behaupten, mich eingeschlossen.

Der bisher gründlichste Test gab führenden Modellen von OpenAI, Google, Meta und DeepSeek echte Schreibproben von mehr als 400 Menschen und ließ sie neue Texte im Stil der jeweiligen Person schreiben. Beispiele halfen viel. Bei strukturierten Texten wie E-Mails akzeptierte ein Autorschaftsprüfer die Imitation in über 95 Prozent der Fälle als echten Text der Person. Bei lockeren Texten wie Blogposts ließ er sich nur in 17 bis 21 Prozent der Fälle täuschen, mehr Beispiele änderten daran kaum etwas, und die Ausgabe driftete zurück zu einem generischen Ton (Catch Me If You Can? Not Yet: LLMs Still Struggle to Imitate the Implicit Writing Styles of Everyday Authors)¹¹. Ein separater Benchmark vom April 2026, noch ein Preprint, maß vier Personalisierungsmethoden daran, wie ähnlich echte Menschen sich selbst sind. Jede Methode lag unter dem Niveau, auf dem sich zwei verschiedene Menschen ähneln (Theory-Grounded Evaluation Exposes the Authorship Gap in LLM Personalization)¹².

Kein Tool kann dir also seriös versprechen, dass du genau wie du selbst klingst. Was ein Tool leisten kann, ist enger und nützlicher. Es kann so wenig wie möglich ändern, von deinen Worten ausgehen, statt sie zu ersetzen, dir zeigen, was es geändert hat, und dich entscheiden lassen.

So haben wir Subtext gebaut. Subtext liest den Verlauf und deinen Entwurf, und bevor es irgendetwas umschreibt, sagt es dir, wie die Nachricht wahrscheinlich ankommt und welche deiner Worte dafür verantwortlich sind. Dann bietet es drei Versionen an. Die erste bleibt nah an dem, was du geschrieben hast, die letzte ist eine umfassendere Neuformulierung, und jede zeigt, wie viel deiner Formulierung sie verändert hat, sodass du auf einen Blick siehst, ob du eine Politur oder einen Ersatz vor dir hast. Du kannst jede davon wärmer oder kürzer machen oder mit Manuell bearbeiten selbst ein Wort ändern, bevor du sie kopierst. Standard ist der leichte Eingriff, denn laut Forschung übersteht genau der die Begegnung mit der Person, die die Nachricht liest. Subtext im Browser ausprobieren

Wie du deine Stimme behältst, egal mit welchem Tool

Das funktioniert in jeder App, auch in ChatGPT.

1. Bitte um die kleinste Aufgabe. „Korrigiere nur Grammatik und Tippfehler“ bringt dir ein ganz anderes Ergebnis als „verbessere das“.
2. Sag ausdrücklich, was bleiben soll. Kurzformen, „ich“, die Emojis, das Fluchen, den unvollständigen Satz. Modelle verkneifen sich eher etwas, das sie hinzufügen würden, als dass sie etwas verschonen, das sie normalerweise entfernen würden. Also benenne es.
3. Übernimm nie eine komplette Umschreibung ungelesen. Vergleich sie Zeile für Zeile mit deinem Entwurf und nimm nur die Zeilen, die noch nach dir klingen.
4. Bei allem Emotionalen bleibt dein eigener Entwurf die Grundlage. In der Studie zur Kommunikation in Liebesbeziehungen kam eine Entschuldigung mit leichter KI-Überarbeitung des Tons besser an als eine, die die KI komplett entworfen hatte.
5. Lies die Nachricht vor dem Abschicken laut vor. Wenn du es der Person nicht mit genau diesen Worten ins Gesicht sagen würdest, schick es nicht ab.

Wenn du diesen Check lieber erledigen lassen willst, geht was ein KI-Nachrichtenchecker prüfen kann und wie du es selbst machst ihn Schritt für Schritt durch, und ich habe die KI-Umschreiber auf dem Markt danach verglichen, ob sie erst eine Diagnose stellen und dann umschreiben.

Häufige Fragen

Welche App formuliert Nachrichten um, ohne dass sie klingen, als hätte ein Roboter sie geschrieben? Die, die am wenigsten ändert und dir sagt, wie viel sie geändert hat. Nach der Evidenz oben glättet ein Tool, das deine Sätze ersetzt, deine Stimme, egal was das Marketing sagt; achte also auf eine Version, die nah an deinem Entwurf bleibt, eine Angabe, wie weit sich jede Version entfernt hat, und eine Umschreibung, die du ablehnen kannst. So haben wir Subtext gebaut, und die Checkliste oben funktioniert in jeder App.

Gibt es eine App, die meine Nachrichten in meinem eigenen Stil umschreibt und nicht in diesem typischen KI-Ton? Teilweise. Keine aktuelle Methode kommt an die Beständigkeit heran, mit der ein echter Mensch sich selbst gleicht, also betrachte „in deinem eigenen Stil“ als Behauptung, die du testen solltest, und nicht als Funktion, der du vertrauen kannst. In der Praxis heißt das, ein Tool zu nehmen, das von deinem Entwurf ausgeht, deine Kurzformen, Abschwächungen und Emojis behält und angibt, wie weit sich jede Version von deiner Formulierung entfernt hat. Danach würde ich suchen, und das macht Subtext.

Gibt es eine App, die meine Nachricht umschreibt und trotzdem nach mir klingt? Näher dran als die meisten, aber nie ganz genau, so würde ich es sagen. Die Forschung oben zeigt, dass jede aktuelle Methode hinter der Beständigkeit eines echten Menschen zurückbleibt, also verspricht jede App zu viel, die eine Umschreibung verspricht, die nicht von dir zu unterscheiden ist. Was du bekommen kannst, ist eine Umschreibung, die von deinen Sätzen ausgeht, die Gewohnheiten behält, die deine Stimme tragen, und dir sagt, wie weit sie sich entfernt hat. So arbeitet Subtext, und seine erste Version ist bewusst die, die am nächsten an dem bleibt, was du getippt hast.

Wie lasse ich meine Nachrichten wärmer klingen, ohne meine eigene Stimme zu verlieren? Füg die Wärme in deinen eigenen Worten hinzu, statt um eine warme Umschreibung zu bitten. Gerade eine komplette Umschreibung bügelt deine Stimme glatt. Nenn eine konkrete Sache über die Person oder den Moment, behalt deine gewohnte Formulierung drumherum, und wenn du ein Tool nutzt, bitte es, nur die Zeile zu ändern, die kalt klingt, und nicht die ganze Nachricht.

Warum macht ChatGPT meine Nachrichten so förmlich? Weil es darauf trainiert ist, flüssigen, durchschnittlichen Text zu produzieren, und durchschnittliches Englisch ist förmlicher als die Art, wie irgendwer textet. Umschreibungen tendieren zu längeren Wörtern, ausgeschriebenen Kurzformen und weniger Pronomen der ersten Person, selbst wenn niemand um Förmlichkeit gebeten hat. Wenn du es locker willst, musst du ausdrücklich darum bitten, und du musst die konkreten Dinge benennen, die unangetastet bleiben sollen.

Sollte ich jemandem sagen, dass ich eine Nachricht mit KI geschrieben habe? Das hängt davon ab, wie viel die KI gemacht hat. In der Studie zur Kommunikation in Liebesbeziehungen kam eine Entschuldigung besser an, wenn dazu gesagt wurde, dass die KI nur leicht am Ton gefeilt hatte. Einen kompletten KI-Entwurf zuzugeben ließ sie schlechter ankommen. Wenn die Worte von dir sind und die KI sie aufgeräumt hat, ist es in Ordnung, das zu sagen, und kann sogar helfen. Wenn die KI sie geschrieben hat, ist der ehrliche Weg, die Nachricht vorher selbst neu zu schreiben.

Gilt das auch für Nachrichten auf Deutsch, Türkisch oder Spanisch? Der größte Teil der Forschung ist auf Englisch, deshalb kann ich es nicht sicher sagen. Die eine kulturübergreifende Studie fand, dass KI-Vorschläge die Schreibenden in Richtung amerikanischer Muster zogen. Wenn du in einer anderen Sprache schreibst oder zwischen Sprachen wechselst, ist die sicherste Gewohnheit, dem Tool ausdrücklich zu sagen, welche Wörter und Wendungen tabu sind.

Quellen

Jeder Link oben führt zur Primärquelle, nummeriert in der Reihenfolge des Auftretens. Preprints sind als solche gekennzeichnet; behandle ihre Ergebnisse bis zur Begutachtung als vorläufig.

1. Sourati, Z., Karimi-Malekabadi, F., Ozcan, M., McDaniel, C., Ziabari, A., Trager, J., Tak, A. N., Chen, M., Morstatter, F. and Dehghani, M. (2026). The shrinking landscape of linguistic diversity in the age of large language models. Nature Human Behaviour.
2. van Nuenen, T. (2026). Voice Under Revision: Large Language Models and the Normalization of Personal Narrative. arXiv preprint 2604.22142.
3. Fitterer, S., Gangl, D. and Ulbrich, J. (2025). Testing English News Articles for Lexical Homogenization Due to Widespread Use of Large Language Models. ACL 2025 Student Research Workshop.
4. Padmakumar, V. and He, H. (2024). Does Writing with Language Models Reduce Content Diversity? ICLR 2024.
5. Zhu, J. and Jurgens, D. (2021). Idiosyncratic but not Arbitrary: Learning Idiolects in Online Registers Reveals Distinctive yet Consistent Individual Styles. EMNLP 2021.
6. Fan, G., Liu, D. and Pan, L. (2026). Is It Still You? Attributing Authorship and Authenticity in AI-Assisted Romantic Communication. CHI 2026.
7. Khadpe, P., Wenzel, K., Loewenstein, G. and Kaufman, G. (2025). Explaining the Reputational Risks of AI-Mediated Communication: Messages Labeled as AI-Assisted Are Viewed as Less Diagnostic of the Sender’s Moral Character. AIES 2025.
8. Schilke, O. and Reimann, M. (2025). The Transparency Dilemma: How AI Disclosure Erodes Trust. Organizational Behavior and Human Decision Processes, 188.
9. Purcell, Z. A., Jakesch, M., Dong, M., Nussberger, A.-M. and Köbis, N. (2025). Writing with AI boosts trust-building efficiency. iScience, 28.
10. Agarwal, D., Naaman, M. and Vashistha, A. (2025). AI Suggestions Homogenize Writing Toward Western Styles and Diminish Cultural Nuances. CHI 2025.
11. Wang, Z., Tripto, N. I., Park, S., Li, Z. and Zhou, J. (2025). Catch Me If You Can? Not Yet: LLMs Still Struggle to Imitate the Implicit Writing Styles of Everyday Authors. Findings of EMNLP 2025.
12. Sawant, Y. G. (2026). Theory-Grounded Evaluation Exposes the Authorship Gap in LLM Personalization. arXiv preprint 2604.26460, angenommen beim CTB-Workshop der ICML 2026.