28.07.2026•8 Min. Lesezeit

Kursskripte mit KI schreiben: Der Co-Autor-Workflow für dichte Module

Ein Kursskript wird besser, wenn du dein eigenes Rohwissen reinkippst und die KI daraus eine saubere Struktur baut. Es wird schlechter, wenn du sie bittest, das Modul für dich zu schreiben. An diesem Unterschied entscheidet sich, ob ein Modul nach dir klingt oder nach einem generischen Ratgeber-Text, den es schon tausendfach gibt.

Warum „Schreib mir ein Modul über X” scheitert

Der naheliegendste Prompt ist auch der schlechteste: „Schreib mir ein Modul über Preisverhandlung für Freelancer.” Das Ergebnis ist technisch korrekt und inhaltlich leer. Es enthält die Allgemeinplätze, die jeder Ratgeber-Artikel zum Thema auch enthält, weil das Modell aus einem Durchschnitt aller verfügbaren Texte schöpft.

Genau das ist der Kern des Problems: Ein Sprachmodell kennt keine Fallgeschichten aus deiner Beratungspraxis. Es kennt nicht den einen Moment, in dem ein Kunde dir nach dem Zuschlag beiläufig sagt, er hätte auch mehr gezahlt, und es kennt nicht, was du daraus gelernt hast. Diese Substanz existiert nur bei dir. Ohne sie bleibt jedes generierte Modul austauschbar, und austauschbare Kursinhalte verkaufen sich schlecht, weil Teilnehmer sie überall sonst auch finden.

Der Ausweg: die Reihenfolge umdrehen. Auf KI verzichten musst du dafür nicht. In einem Experiment von Shakked Noy und Whitney Zhang (Science, Juli 2023) bearbeiteten 453 Fachkräfte berufstypische Schreibaufgaben, die Hälfte davon mit ChatGPT. Deren Bearbeitungszeit sank um 40 Prozent, die extern vergebene Qualitätsnote stieg um 18 Prozent. Der Unterschied liegt im Futter.

Schritt 1: Rohmaterial dumpen, bevor du strukturierst

Bevor überhaupt ein Skript entsteht, produziere ich Rohmaterial. Meistens als Sprachmemo, manchmal als Stichpunktliste. Die Regel dabei: keine Form, keine Reihenfolge, kein Anspruch an Eleganz. Einfach alles raus, was ich zu diesem einen Modul-Thema weiß, in der Reihenfolge, in der es mir einfällt.

Ein typisches Memo klingt bei mir ungefähr so: „Okay, Modul zu Preisverhandlung. Das Wichtigste zuerst: Die meisten Freelancer nennen den Preis zu früh, bevor der Kunde überhaupt den Wert versteht. Beispiel dazu einbauen, der Fall mit dem Agenturbudget. Zweiter Punkt: Schweigen nach der Preisnennung ist die unterschätzteste Taktik überhaupt. Dritter Punkt: …”

Das Memo ist unstrukturiert, redundant und teilweise unvollständig. Genau das soll es sein. Ein Viertelstündchen freies Sprechen bringt bei mir zuverlässig mehr verwertbare Substanz als eine deutlich längere Sitzung vor einem leeren Textdokument.

Ein Nachteil, den ich nicht wegreden will: Transkripte sind mühsam zu lesen. Wenn du zu den Leuten gehörst, die beim Sprechen abschweifen, produzierst du in fünfzehn Minuten auch fünfzehn Minuten Material, das du hinterher durchkämmen musst. Bei manchen Themen ist die Stichpunktliste ehrlicher.

Schritt 2: KI strukturiert, du bestätigst

Das transkribierte oder abgetippte Rohmaterial gebe ich anschließend komplett in die KI, mit einem Prompt wie diesem:

„Hier ist ein unstrukturiertes Rohmaterial zu einem Kursmodul über [Thema]. Baue daraus ein Skript-Gerüst mit klaren Abschnitten. Erfinde nichts dazu, was nicht im Material steht. Wo dir Übergänge fehlen, markiere sie explizit als Lücke statt sie selbst zu füllen.”

Der letzte Satz trägt den ganzen Prompt. Ohne diese Einschränkung füllt fast jedes Modell Lücken automatisch mit plausibel klingendem, aber generischem Text auf. Mit ihr bekommst du einen ehrlicheren Output: eine Liste der Stellen, an denen dein Rohmaterial selbst noch unvollständig ist.

Das ist dieselbe Sparring-Funktion, die schon beim übergeordneten Kurskonzept funktioniert: KI zeigt dir Lücken, du füllst sie mit eigenem Wissen. Auf Modulebene wiederholt sich das Prinzip nur eine Ebene tiefer, im Detail statt in der Gesamtstruktur.

Schritt 3: Klärende Rückfragen vor dem Volltext

Lass die KI vor dem Ausformulieren Rückfragen stellen, statt sofort einen fertigen Text zu produzieren.

„Bevor du das Skript ausformulierst: Stell mir drei bis fünf Rückfragen, die du brauchst, um dieses Modul präzise statt generisch zu schreiben. Frag nach Beispielen, nach genauen Formulierungen, die ich benutze, nach Ausnahmen von der Grundregel.”

Diese Rückfragen sind oft aufschlussreicher als das fertige Skript. Sie zeigen dir, wo dein Rohmaterial noch zu abstrakt ist. Eine typische Rückfrage lautet dann: „Du erwähnst, dass Schweigen nach der Preisnennung wichtig ist. Wie lange genau, und was machst du, wenn der Kunde selbst nach zehn Sekunden nichts sagt?” Die Frage zwingt dich, dein eigenes implizites Wissen explizit zu machen.

Erst nach dieser Rückfragerunde lasse ich den vollständigen Skripttext generieren, auf Basis von Rohmaterial plus meinen Antworten. Der Unterschied zur direkten Generierung ist spürbar: weniger Füllwörter und mehr konkrete Details.

Ehrlicherweise kostet dich diese Runde Zeit. Bei einem Modul, das du im Schlaf könntest, ist sie Overhead. Ich überspringe sie bei genau diesen Modulen und mache sie bei allen anderen.

Schritt 4: Fakten- und Stimmen-Check, bevor irgendwas rausgeht

Kein Skript aus diesem Prozess geht ungeprüft in die Aufnahme. Zwei getrennte Durchgänge:

Der Faktencheck. Modelle formulieren mit großer Sicherheit, auch wenn eine Zahl, ein Datum oder ein Prozessschritt leicht daneben liegt. Wie groß das wird, hat das Stanford RegLab mit dem Institute for Human-Centered AI 2024 gemessen: Bei juristischen Recherchefragen an allgemeine Sprachmodelle lagen die Halluzinationsraten zwischen 58 und 88 Prozent. Ein Kursskript ist kein Gerichtsfall, geschenkt. Je spezifischer die Frage, desto eher füllt das Modell die Lücke selbst. Bei Kursinhalten, die Teilnehmer als verlässlich annehmen und direkt anwenden, ist das nicht verhandelbar. Jede konkrete Zahl, jeder Prozessschritt, jede Tool-Referenz wird von mir gegengelesen. Jede.

Der Stimmen-Check. Selbst ein präzise strukturiertes Skript klingt oft zu glatt, zu neutral, zu sehr nach gutem Durchschnittstext. Ich lese deshalb jedes Skript laut. Eine Frage dabei: Würde ich das genau so in einem Gespräch mit einem Kunden sagen? Klingt eine Formulierung zu förmlich oder zu rund, wird sie umformuliert, meistens in etwas Kürzeres.

Eine Brand-Voice-Datei, die bei jedem Modul mitläuft

Ein einzelner guter Prompt reicht nicht, wenn du zehn oder mehr Module schreibst. Ohne feste Referenz driftet der Ton von Modul zu Modul auseinander, weil jede Session neu interpretiert, wie „dein Stil” klingen soll.

Der Fehler, den ich am häufigsten sehe: Leute beschreiben ihre Stimme mit Adjektiven. „Schreib locker, professionell, nahbar, auf Augenhöhe.” Das Ergebnis ist austauschbarer Einheitston, weil Adjektive für ein Modell tausend verschiedene Dinge bedeuten können.

Stattdessen baue ich für jedes Kursprojekt eine kurze Stildatei mit echten Beispielsätzen aus meiner eigenen Sprache: ein paar Sätze, wie ich eine Erklärung tatsächlich formuliere, dazu zwei oder drei Negativbeispiele, die bewusst nicht meinem Stil entsprechen. Diese Datei füge ich jedem Skript-Prompt bei. Der Effekt ist weniger Nachbearbeitung, weil das Modell von Anfang an in die richtige Richtung formuliert.

Den Workflow über viele Module hinweg wiederholbar machen

Bei einem einzelnen Modul lohnt sich der Prozess auch ohne feste Vorlage. Sobald du sechs, acht oder zehn Module hintereinander schreibst, wird Wiederholbarkeit wichtiger als Kreativität bei jedem einzelnen Prompt.

Ich arbeite deshalb mit einer festen Prompt-Kette pro Modul, die ich nur noch mit neuem Rohmaterial fülle: Dump rein, Strukturvorschlag raus, Rückfragen beantworten, Volltext generieren, Fakten- und Stimmen-Check. Die Kette läuft inzwischen schneller als bei den ersten Modulen, einfach weil die Prompts feststehen und ich nicht jedes Mal neu überlege, wie ich die Aufgabe formuliere.

Wer diesen Prozess für ein ganzes Kursprojekt aufsetzen will, für den lohnt sich ein Blick auf die Werkzeuge drumherum, von Transkriptions-Workflows für die Sprachmemos bis zu Vorlagen, die sich automatisch mit dem passenden Stildokument befüllen. Ich habe diesen Werkzeugkasten für die Kursproduktion mit KI in einem eigenen Artikel zusammengefasst.

Wo der Prozess trotzdem an Grenzen stößt

Nicht jedes Modul lässt sich gleich gut aus einem zehnminütigen Sprachmemo destillieren. Module, die stark von Nuancen leben, etwa Tonfall in einer schwierigen Kundensituation oder Timing in einer Verhandlung, brauchen oft mehrere Anläufe an Rohmaterial. Das heißt dann meistens: Dieses bestimmte Wissen liegt bei dir selbst noch unstrukturierter vor als gedacht.

Diese Grenze ist schwer vorherzusagen. In einem Feldexperiment mit 758 Beratern der Boston Consulting Group (Dell’Acqua u. a., Harvard Business School, 2023) lag die Ergebnisqualität mit KI-Unterstützung rund 40 Prozent höher. Dieselben Autoren beschreiben eine „jagged frontier”: eine ausgefranste Linie zwischen dem, was Modelle gut lösen, und dem, woran sie scheitern.

Und manchmal ist es schlicht das falsche Werkzeug. Ein Modul, das im Kern aus einer Demonstration besteht, schreibst du nicht, du nimmst es auf und redest dazu. Ein Skript wäre da doppelte Arbeit.

Wie das Skript in die Aufnahme geht

Das fertige, gegengelesene Skript ist der Ausgangspunkt für die Produktion. Ob daraus ein Video, ein Audio-Track oder ein Textmodul wird, hängt von der Formatentscheidung ab, die idealerweise schon vor dem Schreiben feststand. Wie du die passende Kursform zwischen Video, Text und Audio wählst, bestimmt sogar, wie du das Skript formulierst. Ein Skript für gesprochenes Video liest sich anders als eines für einen reinen Textkurs.

Diesen Skript-Workflow ordne ich im kompletten Guide zur Kursproduktion zwischen Kurskonzept und Produktion ein. Er ist der Schritt, an dem aus einer Struktur echte Inhalte werden, und der Schritt, an dem sich am meisten Zeit sparen lässt, ohne dass die Qualität leidet.

Wenn du selbst nicht mehr weiterkommst

Manche Module bleiben trotz dieses Prozesses zäh, meistens weil das eigene Wissen dazu noch nicht klar genug sortiert ist. Genau da setze ich in der Zusammenarbeit mit Creators an: gemeinsam das Rohmaterial durchgehen und die richtigen Rückfragen stellen, bevor überhaupt ein Prompt geschrieben wird. Ein Gespräch löst öfter einen Knoten als der nächste Prompt-Versuch.

Was zäh bleibt, bleibt allerdings manchmal auch zäh. Wenn ein Modul sich nach mehreren Anläufen immer noch nicht schreiben lässt, ist die nüchterne Frage nicht „welcher Prompt fehlt mir”, sondern ob dieses Modul überhaupt in den Kurs gehört. Wie oft hast du diese Frage bei deinem Entwurf schon umgangen?

Quellen

Benedikt Backhaus

Experte für KI, Automatisierung und die Zukunft der Arbeit. Ich helfe Unternehmen und Einzelpersonen dabei, die Potenziale neuer Technologien zu nutzen.

Mehr über mich →Termin buchen →