Wie wirksam kommuniziert KI in Marketing und Vertrieb?

„Die Daten zeigen, dass KI-Modelle von Haus aus keine überzeugenden B2B-Texte schreiben.“ – Gidon Wagner, WORTLIGA

Executive Summary

Verteilung der Modell-Mittel: 1 Modell unter 40 Punkten, 2 im Band 40–49, 0 im Band 50–59, 0 im grünen Bereich ab 60. Die Standardabweichung der Modell-Mittel liegt bei σ = 4,5.

Warum das für Marketing und SEO zählt

Johannes Beus, Gründer und CEO von SISTRIX, hat die Studie beauftragt und begleitet:

„Ob ein Text von einem KI-System korrekt interpretiert wird, hängt unter anderem von seiner sprachlichen Klarheit und Struktur ab. Was lange als ‚nice to have‘ galt, ist heute aus Accessibility-Sicht und aus der Perspektive maschinenlesbarer Inhalte ein starkes Qualitätskriterium.“

„Es ist eine ehrliche Bestandsaufnahme dessen, was künstliche Intelligenz heute tatsächlich leistet – und wo der Mensch unverzichtbar bleibt.“

Lesbarkeit ist damit kein Stilgeschmack mehr, sondern Voraussetzung für Vertrauen, Lead-Generierung und korrekte Interpretation durch Such- und Antwortsysteme.

Fünf zentrale Erkenntnisse

1. Erhebliche Qualitätsunterschiede zwischen den Modellen

Claude Opus 4.7 geht mit 47,7 Punkten als Gesamtsieger hervor und liefert die stabilsten Ergebnisse. GPT-5.5 fällt mit 37,7 Punkten deutlich ab: Das Modell flutet Texte mit 8.527 Nominalstil-Ausprägungen und 824 Passivkonstruktionen. Ohne strikte Leitplanken verfällt es in künstlich-akademischen B2B-Jargon.

2. Der Chamäleon-Effekt des Promptings

KI-Modelle spiegeln den Schreibstil des Prompts nahezu blind. Zwingt man sie in einen formellen „Beamten“-Stil (Prompt-Kategorie 5_beamter), stürzt die Lesbarkeit bei allen Modellen auf einen Durchschnitt von 4,4 Punkten. Ein schlampiger Prompt erzeugt schlampigen Content – modellübergreifend.

3. Das Paradoxon der Überkompensation

Fordert man extrem hohe Verständlichkeit, steigen die Scores auf durchschnittlich 79,4 Punkte. Der Preis: Die Modelle verfallen in naive Kindersprache (A2-Niveau) mit abgehackten Stakkato-Sätzen – für B2B-Entscheider ungeeignet. Mehr Score ist nicht automatisch bessere Kommunikation.

4. Formatgrenzen werden ignoriert

Bei schlechten Stilvorgaben ignorieren die Modelle das gewünschte Format. Absurdes Ergebnis: Ausgerechnet Cold-Outreach-Mails – die von Kürze leben – weisen im Gesamtdurchschnitt mit 14,7 Wörtern pro Satz die längsten Sätze des Berichts auf. Im Vertrieb ist das ein sofortiges K.-o.-Kriterium.

5. Best Practice allein reicht nicht

Die Prompt-Kategorie 7_bestpractice liefert mit 49,3 Punkten die beste Balance. Ein explizites Verbot von Passiv und Floskeln führt bei Gemini und GPT zu 0 Passiv-Fehlern. Dennoch bleibt selbst dieser Bestwert unter 60. Gute Prompts sind die halbe Miete – ohne anschließende Qualitätssicherung und gezielte Optimierung erreichen KI-Texte das nötige Niveau nicht.

Datenbasis und Methode

Auswertung mit dem WORTLIGA-Score (0–100) und Fehlerklassen: Passiv, Nominalstil, Füllwörter, lange Sätze, Floskeln. Kontrollierte Generierung über Modelle × Branchen × Gattungen × Prompt-Stile.

Was das für Teams bedeutet

1. Modellwahl ist messbar – Claude und Gemini liegen deutlich vor GPT-5.5, keines erreicht von allein den Zielkorridor.
2. Prompting ist Produktionsfaktor – schlechte Stilvorgaben zerstören Lesbarkeit und Formattreue.
3. QS bleibt Pflicht – Best-Practice-Prompts heben das Niveau, ersetzen aber keine redaktionelle Freigabe.
4. Vertrieb braucht Kürze – wenn Outreach-Mails die längsten Sätze liefern, scheitert der Funnel an der Sprache.

Fazit

Effiziente Content-Erstellung liegt nicht in blinder Automatisierung, sondern in präziser menschlicher Steuerung: klare Prompts, Verbot toxischer Stilmittel, redaktionelle QS. Die Analyse von 2.112 Texten zeigt, was KI heute leistet – und wo der Mensch die Qualität erst herstellt.