Wie wirksam kommuniziert KI? Zweitausend B2B-Texte im Lesbarkeits-Check

Bei SISTRIX messen wir Sichtbarkeit, seit über 18 Jahren für die klassische Google-Suche und zunehmend auch für KI-Systeme. Denn diese sind längst keine reinen Antwortgeber mehr. Sie crawlen Inhalte, verarbeiten sie, destillieren sie und entscheiden dabei, welche Quellen sie zitieren und welche sie ignorieren. Ob ein Text von einem KI-System korrekt interpretiert wird, hängt unter anderem von seiner sprachlichen Klarheit und Struktur ab.

Klare, gut strukturierte Sprache spielt dabei eine doppelte Rolle: Sie entscheidet, ob Menschen einen Text verstehen und ihm vertrauen, und außerdem, wie leicht KI-Systeme Inhalte verarbeiten und als Quelle heranziehen. Was lange vor allem als Thema der digitalen Barrierefreiheit diskutiert wurde, ist heute zusätzlich ein Qualitätskriterium für die Sichtbarkeit in KI-Systemen.

Wie es um die menschliche Seite dieser Gleichung steht, wird im B2B-Marketing bisher kaum belegt untersucht. Genau deshalb haben wir diese Studie von WORTLIGA unterstützt: Sie ersetzt Meinungen in der Debatte über KI-Content durch reale Zahlen und zeigt, wie verständlich aktuelle KI-Modelle eigentlich für menschliche Leser:innen schreiben.

Die Ergebnisse in Kürze: kein Modell überzeugt ohne Führung

Kein getestetes Modell erreicht im Gesamtdurchschnitt den grünen Bereich von 60+ Punkten im WORTLIGA-Score, der Schnitt liegt bei 44,1 Punkten. Innerhalb dieses Mittelmaßes zeigen sich klare Unterschiede:

• Claude liefert mit 47,7 Punkten die stabilsten Ergebnisse und die wenigsten Passiv-Fehler im Testfeld.
• Gemini liegt mit 46,8 Punkten fast gleichauf, flutet seine Texte aber mit Abstand am stärksten mit Füllwörtern.
• GPT-5.5 fällt mit 37,7 Punkten deutlich ab und verfällt ohne strenge Vorgaben in einen passivlastigen, künstlich-akademischen B2B-Jargon.

Das wichtigste Ergebnis der Studie betrifft aber nicht die Modelle, sondern die Nutzer. Sprachmodelle spiegeln den Stil des Prompts fast blind, die Spannweite innerhalb eines einzigen Modells reicht von Score 1 bis Score 96:

• Ein förmlich-bürokratischer Prompt drückt die Lesbarkeit auf katastrophale 4,4 Punkte im Schnitt.
• Die bloße Anweisung „schreib verständlich“ treibt den Score zwar auf 79,4 Punkte, erzeugt dabei aber Kinderbuch-Sprache auf A2-Niveau, die für B2B-Entscheider unbrauchbar ist.
• Den besten Kompromiss liefern Best-Practice-Prompts mit klaren Restriktionen: Ein explizites Verbot von Passiv und Floskeln senkte die Passiv-Fehler bei Gemini und GPT auf exakt null.

Die Qualität ist also nicht im Modell verankert, sondern in der Anweisung.

Ob KI-Modelle verständlich schreiben, ist die eine Seite. Ob die eigenen Inhalte in den Antworten von ChatGPT, Perplexity oder Google AI überhaupt auftauchen, ist die andere Frage. Raten muss man hier nicht mehr: Im SISTRIX Prompt Tracking lässt sich für selbst definierte Prompt-Sets verfolgen, ob eine Marke dort auftaucht und welche Quellen die Systeme stattdessen zitieren.

Tauchen dort regelmäßig fremde Seiten auf, während die eigenen fehlen, ist das häufig ein Hinweis auf genau die Schwächen, die diese Studie beschreibt: Inhalte, die Maschinen nur schwer verarbeiten können, werden seltener zur Quelle. Gleicht man diese Beobachtung mit der klassischen Google-Sichtbarkeit ab, sieht man schnell, welche Inhalte in beiden Welten funktionieren und wo Nacharbeit lohnt. Wer das ausprobieren möchte, kann sich einen kostenlosen Testaccount für 14 Tage anlegen.

Was das für die Praxis bedeutet

Aus den Daten der Studie lassen sich klare Konsequenzen ableiten. Auf die Standard-Outputs der Modelle ist kein Verlass: Lazy Prompting führt zu passivem Durchschnittsbrei. Drei Dinge machen den Unterschied:

• Harte sprachliche Leitplanken im Prompt: Aktiv-Pflicht, ein Verbot von Substantivierungen und Floskeln sowie eine Vorgabe zur Satzlänge von etwa 12 bis 15 Wörtern, die Stakkato-Texte verhindert.
• Die passende Modellwahl: Für dichte, anspruchsvolle Texte war Claude im Test die erste Wahl. Bei Gemini gehört ein Lektorats-Durchgang gegen die Füllwort-Flut fest eingeplant, bei GPT-5.5 sind strenge Leitplanken Pflicht.
• Eine objektive Qualitätssicherung mit festen Grenzwerten, etwa für Passiv-Anteil und Sprachniveau. Menschliche Lektoren übersehen eingeschlichenes Passiv systematisch, Tools nicht.

Über allem steht aber eins: Lest eure Texte, bevor ihr sie veröffentlicht!

So wurde gemessen

Für die Studie hat WORTLIGA zwischen dem 11. Mai und dem 11. Juni 2026 insgesamt 2.112 B2B-Texte mit den drei führenden Sprachmodellen claude-opus-4-7, gemini-3.1-pro-preview und gpt-5.5 generiert. Getestet wurden 11 Textgattungen aus Marketing und Vertrieb, von der LinkedIn-Ad über Cold-Outreach-Mails bis zum Fachartikel, über 8 Branchen hinweg.

Entscheidend für das Testdesign: Jeder Text wurde mit einem von 8 stark unterschiedlichen Prompt-Stilen erzeugt. Die Bandbreite reicht vom neutralen Kurzbefehl über Buzzword-Anweisungen und bürokratische Vorgaben bis zu strikten Best-Practice-Prompts mit Passiv-Verbot. Gemessen wurde mit dem WORTLIGA-Score (0 bis 100), der neben der Lesbarkeit auch Passivkonstruktionen, Nominalstil, Füllwörter und Floskeln einbezieht, ergänzt um den Flesch-Index.

Bei WORTLIGA gibt es die vollständige Studie mit allen Daten, Beispielen und Handlungsempfehlungen.