Ein Kunde hat mir letzten Monat einen Vortrag mit einer Notiz geschickt: *„Die KI hat den Großteil davon geschrieben – kannst du die Teile korrigieren, die wie KI-Sprache klingen?“* Das ist eine seltsame Anfrage, wenn man sie bedenkt – sie konnte keine bestimmte Zeile nennen, die falsch war, sondern hatte nur das allgemeine Gefühl, dass jeder Folieninhalt so klang, als stamme er von derselben leicht überheblichen Erzählerin. Das stimmte nicht. Die Hälfte des Vortrags stammte von ChatGPT, die andere Hälfte von Claude – einfach so eingebaut, ohne dass jemand entschieden hätte, welches Tool welche Aufgabe übernehmen sollte.

Das ist meistens der Ursprung der Beschwerde *„Die KI hat meine Folien geschrieben“* – nicht wegen schlechter Ergebnisse, sondern wegen fehlender Arbeitsteilung.

Die „schreibe meine Folien“-Abfrage, die beide Modelle verschwendet

Die meisten Menschen öffnen ein Chat-Fenster, fügen ein Thema ein und bitten um *„10 Folien zu Thema X“*. Sowohl ChatGPT als auch Claude erfüllen dies gerne, und beide liefern etwas Strukturiertes und tonmäßig Ähnliches wie das, was das andere Modell produziert hätte. Das ist kein Vorwurf an die Modelle – es ist das Ergebnis, wenn man einen allgemeinen Texter auch mit redaktionellen Entscheidungen über Tempo, Hierarchie und was auf einer Folie stehen sollte versus was während der Präsentation gesagt werden soll, beauftragen lässt.

Folientext ist kein Essay mit Zeilenumbrüchen. Ein Titel, der als Satz gut klingt, liest sich oft schlecht als Titel – er ist zu vollständig, und ein vollständiger Satz auf einer Folie ermutigt das Publikum, Ihnen vorauszulesen, statt zuzuhören. Dieser Unterschied geht genau verloren, wenn man *„10 Folien“* in einem Schritt anfordert: Das Modell optimiert für einen guten Absatz und schneidet ihn danach in Stichpunkte.

Wofür jedes Modell tatsächlich gut ist, wenn man die Aufgabe aufteilt

In meiner Erfahrung, wenn ich dieselbe Folienaufgabe gleichzeitig durch beide Tools laufen lasse, zeigt sich der Unterschied weniger in der *„Qualität“* und mehr darin, welche Art von Denkprozess jedes Modell standardmäßig anwendet. Claude neigt dazu, die Struktur einer Argumentation über einen langen Entwurf beizubehalten – nützlich, wenn eine Folie drei Absätze Logik in zwei Zeilen komprimieren muss, ohne die Logik zu verlieren. ChatGPT ist dagegen schneller bei der Generierung von Optionen – fünf Titelvarianten, drei Möglichkeiten, einen Datensatz zu formulieren –, was wichtig ist, wenn man am Ton arbeitet, statt eine Argumentation aufzubauen.

Das ist keine persönliche Einschätzung. PowerPoints neuere Copilot-Tools ermöglichen es nun sogar, auszuwählen, welches Modell eine bestimmte Aufgabe übernimmt, wobei Claude eher für visuelle, designlastige Arbeiten und OpenAI-Modelle für inhaltslastige Recherche genutzt werden – ein klares Signal aus Microsofts eigenem Produkt, wo die jeweiligen Stärken liegen.

Etwas, das viele übersehen: Das ist keine permanente Hierarchie. Fordert man von jedem Modell, einen einzelnen Titel zu verbessern, statt einen ganzen Abschnitt zu verfassen, verschwinden die Unterschiede meistens – der Unterschied liegt wirklich an der Aufgabengröße, nicht an der reinen Schreibfähigkeit.

Ein Workflow, der den Text in fünf getrennte Schritte unterteilt, nicht in einen

Was tatsächlich funktioniert, ist, zu verhindern, dass ein Modell die gesamte Aufgabe in einem Prompt erledigt. Stattdessen:

  • Grobkonzept-Pass: Frage nur nach der Argumentationsstruktur – noch kein Folientext, sondern was jede Folie beweisen muss und in welcher Reihenfolge.
  • Titel-Pass: Gib die Grobkonzeption zurück und bitte explizit um Titel unter einer festen Zeichenanzahl. Vage Anweisungen wie *„kurz halten“* werden ständig ignoriert; eine Zahl nicht.
  • Stichpunkte-Pass: Frage explizit nach paralleler grammatikalischer Struktur – *„Jeder Stichpunkt soll mit einem Verb beginnen“* oder *„Jede Zeile soll unter 8 Wörtern bleiben“*. Ohne diese Einschränkung erhältst du eine Mischung aus Fragmenten und vollständigen Sätzen, die selbst wenn jede Zeile einzeln gut ist, ungleichmäßig wirkt.
  • Präsentatorennotizen-Pass: Ein separater Prompt, da das Modell, das gerade präzisen Folientext geschrieben hat, sonst weitermachen würde – und Präsentatorennotizen brauchen den gegenteiligen Instinkt: mehr Raum zum Atmen.
  • Verkürzungs-Pass: Füge den gesamten Vortrag erneut ein und frage, was gekürzt werden kann. Dieser Schritt erkennt die Redundanz, die folienweise unsichtbar ist, aber offensichtlich wird, wenn der gesamte Vortrag von Anfang bis Ende gelesen wird.

Fünf Schritte klingen langsamer als ein Prompt. In der Praxis ist es das nicht – die Version mit einem Prompt benötigt meistens drei oder vier Runden *„kürzer machen, weniger generisch“* ohnehin, nur ohne klare Vorstellung, was in jeder Runde korrigiert wird.

Das Zeichenlimit-Problem, das keines der Modelle für dich löst

Hier ist der Teil, der Menschen überrascht, die diese Tools bisher nur für vollständige Absätze genutzt haben: Weder ChatGPT noch Claude haben ein zuverlässiges internes Gefühl dafür, wie eine Textzeile tatsächlich in einem Folien-Textfeld aussehen wird. Ein Titel, der technisch 40 Zeichen lang ist, kann trotzdem unangenehm umbrechen, je nach Schriftgröße und Spaltenbreite des Vorlagentemplates. Bitte um *„einen kurzen Titel“* und du erhältst etwas, das für das Modell kurz ist, nicht aber im Verhältnis zu deiner spezifischen Layoutgestaltung.

Die Lösung ist unaufwendig: Gib dem Modell die tatsächliche Einschränkung aus deinem Template – *„dieser Titelkasten fasst etwa 45 Zeichen pro Zeile, bevor er umbricht“* – statt eines subjektiven Adjektivs. Sobald du das tust, folgen beide Modelle der Zahl genau. Bevor du das tust, verhandelst du mit einer Schätzung.

Wo beide Modelle in dieselbe Fehlerquelle geraten

Fordert man von jedem Tool *„strategisch klingende“* Sprache, erhält man dieselbe Auswahl an Wörtern zurück – Synergie, Roadmap, Ökosystem, Leverage. Das ist kein echtes KI-Problem; es ist dieselbe Instinktive Reaktion eines nervösen menschlichen Schriftstellers, wenn ein einfacher Satz *„dünn“* klingt. Ob das Wort seinen Platz auf der Folie verdient oder nur eine Entscheidung verdeckt, die noch nicht getroffen wurde, muss man im Einzelfall beurteilen – das Löschen jeder Instanz, die das Modell vorschlägt, ist nicht automatisch eine Verbesserung, und das Beibehalten aller auch nicht.

Ein weiterer gemeinsamer Fehler ist überzogene Selbstsicherheit. Fordert man von jedem Modell eine unterstützende Statistik an, wird es oft eine liefern – manchmal eine reale, manchmal eine plausibel klingende Zahl ohne nachvollziehbare Quelle. Behandle jede auf einer Folie dargestellte, von der KI generierte Zahl als Platzhalter, bis du sie gegen etwas überprüft hast, auf das du verweisen kannst, nicht als fertite Fakt.

Eine Zusammenfassung von 2026 von Zebracat zeigte, dass 68 % der geschäftlich-professionellen Nutzer ChatGPT 2025 für Präsentationen und Berichte nutzten, gegenüber 39 % bei Studierenden – was zeigt, dass die Praxis bereits Mainstream ist, nicht dass die Ergebnisse bereits zuverlässig sind. Das sind zwei unterschiedliche Aussagen, und wenn man sie vermischt, landen unverifizierte Zahlen auf einer Folie vor einem echten Investor oder Kunden.

Warum der Schreibpass wichtiger ist als der Deck-Erstellungs-Pass

Es ist verlockend, direkt zu *„generiere den gesamten Vortrag“*-Tools zu springen und den Text als Nebenprodukt der Layoutgestaltung zu betrachten. Das stellt die Prioritäten falsch herum. Die Aufmerksamkeit für einen Vortrag konzentriert sich stark auf die ersten Folien, was bedeutet, dass die wenigen Zeilen, auf die Sie die meisten Bearbeitungsaufwand verwenden sollten, normalerweise die sind, die ein Modell zuerst und schnellstmöglich erstellt – nicht als Nachgedanke, nachdem das visuelle Layout feststeht. Stellen Sie die Anfangsargumentation zuerst in klarem Text auf, bevor Sie einem Tool die Gestaltung überlassen.

Zurück zu dem Vortrag der Kundin: Nachdem wir die Arbeit aufgeteilt hatten – Claude für die Argumentationsstruktur und die dicht gepackten Vergleichsfolien, ChatGPT für Titelvarianten und schnelle Neuerstellungen –, kam die Bemerkung *„klingt wie KI“* nicht mehr vor. Nicht, weil eines der Modelle über Nacht klüger geworden wäre, sondern weil niemand mehr verlangte, dass ein Tool gleichzeitig Strategin und Texter in einem war. Das ist meistens die eigentliche Lösung, mehr als jeder Prompt-Trick: Entscheiden Sie, welche Aufgabe Sie dem Modell zuweisen, bevor Sie das Chat-Fenster öffnen.