Du gibst deine wissenschaftliche Arbeit ab. Du hast recherchiert, du hast Quellen eingebaut, du hast sogar Korrektur gelesen. Zwei Wochen später sitzt du im Feedback-Gespräch, und dein Betreuer schaut dich an und sagt: „Der Text klingt irgendwie… nicht nach Ihnen.“

Ich lese jede Woche Texte von Studierenden und Promovierenden, die ich bewerten oder zu denen ich Feedback geben muss. Und in letzter Zeit fällt mein Urteil leider oft nicht besonders positiv aus.

Ganze Absätze klingen wie GPT-3 output aus 2023. Da stehen Wörter und Satzkonstruktionen, die ich von dieser Person im echten Leben noch nie gehört habe.

Man denkt: Hauptsache, es klingt akademisch. Hauptsache, es klingt irgendwie schlau. Und was dabei herauskommt, ist ein grauenhaft nichts sagender Text, der an der Oberfläche glatt wirkt aber nichts dahinter hat.

Und das ist für Betreuer extrem frustrierend, weil sie jeden Tag dieselbe Sorte Text lesen. Und das spiegelt sich entsprechend in den Noten wider.

Genau deshalb zeige ich dir heute fünf typische KI-Floskeln, die wirklich furchtbar sind, warum sie so nervig zu lesen sind, und wie du sie ersetzt, damit dein Text wieder nach dir klingt und aus der Masse heraussticht.

#1 Viel Lärm um nichts

Fangen wir mit der ersten Kategorie an: den „Wichtigkeits-Floskeln“. Sätze wie:

„Es ist wichtig zu betonen, dass…“
„Es ist entscheidend zu beachten, dass…“
„An dieser Stelle sollte hervorgehoben werden, dass…“
Oder der Klassiker: „In der heutigen schnelllebigen Welt…“

Klingt auf den ersten Blick seriös ist aber nur Füllmasse. Diese Sätze kündigen Bedeutung an, statt sie zu liefern. Sie sagen dir: „Achtung, jetzt kommt was Wichtiges.“ Aber wenn du den Satz auseinandernimmst, ist da oft: nichts.

Warum ist das nervig? Weil es Platz verschwendet. Wissenschaftliches Schreiben ist kein Theaternebel. Jeder Satz muss sich seinen Platz verdienen. Jeder Satz muss so sein, dass der Text schlechter wird, wenn man ihn löschen würde.

Ein schlechter Satz erzeugt nur eine Atmosphäre von Wichtigkeit.

Wenn dein Chatbot schreibt:
„Es ist wichtig zu betonen, dass die digitale Auszeit nicht nur eine individuelle Entscheidung darstellt, sondern auch eine gesellschaftliche Dimension besitzt“,
dann sagt das nicht wirklich etwas aus.

Was für eine gesellschaftliche Dimension? Was soll das heißen? Und warum sollte das für deine Arbeit relevant sein?

Besser:
„Verminderte Erreichbarkeit durch Digital Detox kann die soziale Bewertung einer Person negativ beeinflussen (Kalman & Rafaeli, 2011).“

Jetzt steht da ein ganz einfacher, normaler Satz, der einen Zusammenhang aus der Forschung darstellt anstatt nur heiße Luft zu erzeugen.

#2 „Nicht nur… sondern auch“

„Die Methode ist nicht nur effizient, sondern auch flexibel und praxisnah.“

All diese Phrasen sind grammatikalisch nicht falsch. Doch dadurch, dass KI Tools sie inflationär verwenden und Menschen KI Tools inflationäre verwenden, sind sie unerträglich geworden.

Nur weil KI sie verwendet, lasse ich mich doch nicht davon abbringen! Ich liebe Spiegelstriche. Das habe ich schon oft gehört.

Klar kannst du das. Aber dann riskierst du Argwohn und Ablehnung vom Leser. Toll ist das nicht, aber ich weiß selber wie allergisch ich auf diese Dinge reagiere. Also vermeide ich sie lieber komplett.

„Nicht nur, sondern auch“ taucht in praktisch jedem KI-generierten Text auf, wenn nicht dagegen gepromptet wird.

Noch schlimmer:
„Dieses Ergebnis bedeutet nicht X, sondern Y.“
Wenn es nicht X bedeutet — dann lass X einfach weg.

Um das zu vermeiden, kannst du deinem KI-Tool wortwörtlich verbieten, solche Konstruktionen zu verwenden. So einfach ist das.

Ich habe das bereits für dich erledigt. In meinem Master-Prompt, dem shribe! Abschlussarbeits-Assistenten sind alle typischen KI-Floskeln aus diesem Video als ausführliche Anti-Prompts mit Beispielen hinterlegt. Einfach in dein Claude Project oder dein Custom ChatGPT kopieren, fertig. Den Link findest du unter diesem Video.

#3 Die Dreier-Liste

Schon jetzt ein Klassiker sind dreiteilige Aufzählungen.

Sätze wie:

„Digital Detox — ein Ansatz, der vielfältig, relevant und hochaktuell ist.“
„Sie gewinnen Zeit, Fokus und Wohlbefinden zurück.“
„Der Wunsch nach Ruhe, Klarheit und Selbstbestimmung.“

Diese Struktur klingt rund und super knorke. Und genau deshalb benutzt KI sie STÄNDIG. Sprachmodelle lieben Dreier-Muster: drei Tipps, drei Argumente, drei Schritte. Nach ein paar Texten erkennt jeder das Schema. Und wenn es dir einmal aufgefallen ist, kannst du den Text nicht mehr ertragen.

Wenn das einmal vorkommt, ist das nicht schlimm.

Aber wenn ein Student das nicht weiß, dann kommen in jedem zweiten Satz diese Dreiteiler vor.

Auch das solltest du in deinem KI-Meta-Prompt explizit verbieten.

#4 Synonyme

Punkt 4 ist besonders tückisch, weil du mit deiner KI hier mehr Schaden als nur stilistische Repetition anrichtest.

KI liebt es, ständig Begriffe auszutauschen, damit der Text „schöner“ klingt:

„Digital Detox“ → digitale Auszeit, Medienfasten, digitale Entgiftung, Bildschirmpause, Offline-Zeit
„Smartphone“ → Mobilgerät, Endgerät, digitaler Begleiter
„Wohlbefinden“ → Wohlergehen, Lebensqualität, psychische Gesundheit

Und das ist der Tod einer wissenschaftlichen Arbeit.

Warum? Weil es beim wissenschaftlichen Schreiben um begriffliche Präzision geht.

Wenn du einen Begriff einmal definierst, hat er eine feste Funktion in deiner Arbeit. Er ist ein Präzisionswerkzeug. Und Präzisionswerkzeuge tauscht man nicht ständig aus, nur damit ein Satz eleganter klingt.

Beispiel:

Du definierst am Anfang „Digital Detox“ — etwa als bewusste, zeitlich begrenzte Auszeit von bestimmten digitalen Geräten oder Anwendungen (Radtke et al., 2022).
Wenn du danach ständig zwischen „digitaler Auszeit“, „Medienfasten“, „digitaler Entgiftung“ und „Bildschirmpause“ wechselst, wird dein Text unklar.

Diese Begriffe sind nicht identisch. Vielleicht überlappen sie sich — vielleicht auch nicht. Man weiß es nicht. So oder so: Es entsteht Verwirrung.

Und anders als die anderen KI-Floskeln (die „nur“ nervig sind) ist das hier wissenschaftlich schlicht falsch.

Wenn ich eine Arbeit lese, die voller unnötiger Synonyme steckt, gibt es Abzug. Und zwar deutlich. Das war vor KI so — und das ist immer noch so.

Genau deshalb holt jemand mit Erfahrung + KI viel bessere Ergebnisse raus als jemand ohne Erfahrung mit derselben KI.

#5 Satzzeichen-Overload

Die letzte Kategorie sind keine Phrasen, sondern Satzzeichen-Muster:
Gedankenstriche, Semikolons, Doppelpunkte.

KI-Texte nutzen sie exzessiv, um Sätze zu verlängern oder „eleganter“ wirken zu lassen.

Im Deutschen ist das ein noch stärkeres Erkennungszeichen als im Englischen. Die Sprachmodelle sind überwiegend auf englischen Texten trainiert. Dort ist der lange Gedankenstrich, der em-dash in der Literatur weit verbreitet. Im Deutschen benutzt ihn fast niemand. Die meisten Menschen wissen nicht mal, wo er auf der Tastatur liegt. Wenn deine Hausarbeit also plötzlich vor Gedankenstrichen wimmelt, dann sieht das komisch aus.

Keines dieser Satzzeichen ist für sich genommen falsch. Das Problem ist die Frequenz.

Viele Autoren die Gedankenstriche früher geliebt haben, vermeiden sie inzwischen — nur um nicht nach KI zu klingen. Traurig, aber wahr.

Umgekehrt sehe ich auch immer häufiger Menschen, die so sprechen, wie KI schreibt — inklusive „Nicht nur… sondern auch“-Konstruktionen. Auch traurig. Auch wahr.

Du musst diese Satzzeichen nicht komplett verbannen. Aber ich würde sie sparsam einsetzen.

Wenn jeder zweite Satz einen Gedankenstrich, ein Semikolon oder einen Doppelpunkt enthält, stimmt meistens auf Satzebene etwas nicht.

Statt:
„Das Medienfasten bietet dabei eine Möglichkeit: Menschen können sich bewusst von ihren Geräten distanzieren“,
schreib einfach:
„Digital Detox ermöglicht es, sich bewusst von digitalen Geräten zu distanzieren.“

Statt:
„Menschen distanzieren sich von ihren Geräten; sie gewinnen Zeit und Fokus zurück“,
schreib:

„Digital Detox kann die Konzentrationsfähigkeit steigern.“

Weniger ist manchmal mehr. Vor allem in wissenschaftlichen Arbeiten.

Die fünf KI-Floskeln kannst du mit einem guten Meta-Prompt vermeiden. Aber das löst ja nicht das darunter liegende Problem. Du kannst einer KI nur dann gute Anweisungen geben, wenn du selbst weißt, wie eine gute Arbeit aussieht. Genau das lernst du in meinem Abschlussarbeitstraining: das komplette Schritt-für-Schritt System für eine 1,X Abschlussarbeit. So machst du einen Sprung in deinen Fähigkeiten während die anderen noch ihre KI-Floskeln weg-editieren. Den Link findest du direkt unter diesem Video.