Navigation

Profil

In deinem persönlichen Profilbereich kannst du den Status deiner Bewerbung einsehen, unvollständige Bewerbungen zwischenspeichern und aktuelle News und Events einsehen

Einloggen Registrieren

deDeutsch

enEnglisch

deDeutsch

08. April 2026

Warum KI halluziniert - und was Technical Writing dagegen tun kann

Data Science

Arbeitsmethoden

Worum geht es in dem Artikel?

Technische Dokumentation? Oft ein lästiges Muss, das man auf die lange Bank schiebt. Doch jetzt, wo KI unseren Arbeitsalltag erobert, gewinnt die Qualität unserer Inhalte eine völlig neue Bedeutung. Was wäre, wenn das „KI-Halluzinationsproblem” im Kern eigentlich ein Inhaltsproblem ist? Dieser Post zeigt, warum die Kernkompetenzen von Technical Writern - von klarer Struktur bis präziser Terminologie - nicht länger optional, sondern unverzichtbar für den erfolgreichen und zuverlässigen Einsatz von Künstlicher Intelligenz sind.

Was macht technische Dokumentation gut? Jahrzehntelang war die Antwort klar: Sie muss für Menschen funktionieren. Jetzt ist Künstliche Intelligenz am Start. Und plötzlich wird Technical Writing ganz offensichtlich zum Effizienzfaktor.

Denn wenn KI auf schlechte Dokumentation trifft, passiert das, was alle kennen, aber niemand will: KI halluziniert. Jemand fragt den KI-Assistenten nach dem Deployment-Prozess. Zurück kommt eine Anleitung, die aus drei verschiedenen, teils veralteten Dokumenten zusammengewürfelt ist. Klingt plausibel, funktioniert aber nicht. Das ist kein KI-Problem. Das ist ein Content-Problem.

Bessere Inhalte für alle

Die Prinzipien, die Technical Writer schon immer anwenden, um Dokumentation für Menschen nutzbar zu machen, sind genau das, was KI-Systeme brauchen, um präzise zu arbeiten: Einheitliche Terminologie, klare Struktur, nachvollziehbare Hierarchien, explizite Metadaten.

Aber was für Menschen gut ist, funktioniert für KI nicht automatisch genauso. Bei OTTO suchen wir im Technical Writing gerade die Balance: Wie müssen Inhalte aussehen, damit Menschen sie lesen wollen und Maschinen sie verarbeiten können? Wir experimentieren noch, aber die Richtung stimmt.

Was Technical Writer tun und warum KI das liebt

Konsistente Terminologie

Einheitliche Sprache hilft Menschen beim Lesen und KI beim Finden. Wenn ein Dokument von "User" spricht, das nächste von "Nutzer", ein drittes von "Anwender" und "Benutzer" – alle meinen dasselbe – dann findet die KI nur einen Bruchteil der relevanten Infos. Einheitlichkeit ist der Schlüssel: Ein Begriff, ein Konzept, konsistent durchgezogen. Inkonsistente Begriffe sind einer der häufigsten Treiber für KI-Halluzinationen, weil das Modell nicht erkennt, dass vier Wörter dasselbe meinen.

Strukturierte Hierarchien

Ohne klare Struktur ist Dokumentation nutzlos, egal wie gut der Inhalt ist. Strukturierte Hierarchien bedeuten: Aussagekräftige Überschriften, logische Abschnitte, durchdachter Aufbau. Jedes Thema bekommt seinen eigenen Bereich.

Beispiel: Statt "Unser Service macht A, B und C und wird so deployed und bei Problemen macht man X", besser so:

Purpose: Was der Service macht
Architecture: Wie der Service aufgebaut ist
Deployment: Wie man den Service deployed
Troubleshooting: Was bei Problemen zu tun ist

Menschen können auf diese Weise gut scannen statt mühsam alles durchlesen zu müssen. KI kann den Kontext verarbeiten und präzise zur relevanten Section springen.

Standardisierte Formate und Metadaten

Der Albtraum für KI: Freestyle-Markdown hier, Word-Dokument da, Screenshots im Chat, und alles ohne Versionsnummer oder Zeitstempel. Stattdessen funktionieren definierte Templates wie zum Beispiel für READMEs, Entscheidungen, Runbooks. Wenn alle READMEs die gleiche Struktur haben (z.B. Purpose - Structure - Requirements - Development), wissen Menschen, wo sie suchen müssen, und die KI kommt gezielt zur relevanten Information.

Dazu kommen Metadaten: Zeitstempel, Status-Labels wie "veraltet" oder "in Prüfung", thematische Tags. Ohne diese Infos tappt die KI im Dunkeln. Mit Metadaten kann sie einordnen: Ist das noch aktuell? Passt das zum Use Case? Menschen filtern damit, KI entscheidet damit.

Präzise Code-Beispiele mit Kontext

Nicht: "Run Terraform, replace the values",
sondern: Strukturierter Code-Block mit Syntax-Highlighting, Erklärungen und präzisen Platzhaltern:

# Run Terraform with the desired environment
terraform apply -var="ENVIRONMENT={YOUR_ENV}"

KI versteht Syntax, Kontext und kann korrekte Code-Suggestions geben. Menschen können "copy-paste" nutzen.

Was wir bei OTTO gerade lernen

Dokumentation ist im Entwicklungsprozess ein Schlusslicht, und kommt, wie in vielen anderen Unternehmen, zu kurz. Sie ist da, mal so, mal so. Jedes Team hat seinen eigenen Aufbau, seinen eigenen Ablageort, seine eigenen Prozesse, seine eigenen Schreibweisen. Menschen haben sich über die Jahre ihre Wege gebahnt: Sie wussten, wen sie fragen müssen, wo sie suchen können, wie sie sich Infos mühsam zusammenpuzzeln. Das hat irgendwie funktioniert.

Natürlich wollen viele KI als Hilfestellung und Effizienzboost nutzen. Aber das klappt noch nicht so ohne Weiteres. Die KI halluziniert, findet Infos nicht oder sucht an Stellen, wo nichts liegt. Was Menschen mit genug Erfahrung noch hinbekommen haben, macht KI schonungslos sichtbar: die Lücken, die Inkonsistenzen, die Fragmentierung.

Technical Writer unterstützen mit ihren Skills dabei, technische Dokumentation auch KI-ready zu machen. Einiges funktioniert schon: klare Strukturen, konsistente Begriffe, aktuelle Inhalte. Anderes nicht: Kurze Sätze? Gut für Menschen, aber KI braucht manchmal mehr Kontext. Wiederholungen vermeiden? Nervt beim Lesen, hilft aber der KI. Wie wir das unter einen Hut bekommen? Offene Fragen, an denen wir arbeiten.

Was das in der Praxis bringt

Ein Beispiel aus unserem Alltag als Technical Writer: Unsere How-Tos und Templates haben wir ursprünglich für Menschen erstellt. Erste Erkenntnis: KI kann damit schon richtig gut arbeiten. Also verproben wir gerade, auf dieser Basis Prompts und Agenten zu bauen, die Vorarbeit für uns leisten: Infos sammeln, Strukturen vorschlagen, Templates vorbefüllen. Wir können uns dann auf das Fachliche konzentrieren, statt bei null anzufangen. Zack: Zeit gespart!

Dass Struktur und Dokumentation stimmen, merken wir zusätzlich an solchen Dingen:

Einarbeitung in einen neuen Service: Devs fragen GitHub Copilot nach einem Setup-Prozess, KI findet das strukturierte README und liefert präzise Antworten.
Wissen abrufen: Statt Chat-Archäologie findet die KI die Info an zentraler Stelle in einem Dokument.
Konsistenz: KI generiert nach einheitlichen Standards, weil die Guidelines klar formuliert sind.

Technical Writer schaffen hier ein belastbares Fundament.

Halluziniert eure KI noch oder strukturiert ihr schon?

Die Frage ist nicht, ob KI Teil unseres Alltags wird. Sie ist es bereits. Die Frage ist: Sind die Inhalte bereit dafür? Diese Anzeichen sprechen für Handlungsbedarf:

KI-Systeme liefern inkonsistente Ergebnisse, obwohl relevantes Wissen im Unternehmen existiert.
Onboarding und Informationsbeschaffung dauern Wochen statt Tage, weil Dokumentation fragmentiert ist.
Wissenstransfer hängt an einzelnen Personen statt an zugänglicher Dokumentation.

Technical Writing ist kein Fix für schlechte KI-Modelle. Aber es ist ein Hebel: Ihr erinnert euch an die ratlose Person vom Anfang des Posts, die nach dem Deployment-Prozess sucht? Mit strukturierter Dokumentation bekommt sie kein halluziniertes Patchwork mehr, sondern die aktuelle Anleitung. Nicht, weil die KI schlauer geworden ist, sondern weil der Content es schon war.

Technical Writer schreiben nicht nur. Sie entwickeln Wissen, das funktioniert – für Menschen und KI. Wer heute in strukturierte Dokumentation investiert, ist morgen bereit für das, was kommt.

Lust bei uns zu arbeiten?

Jobsuche

6 Personen gefällt das