Techniken für natürliche japanische Texte mit KI

Die Grammatik ist korrekt, aber das Lesen ermüdet. Nach der Hälfte wird man schläfrig. Schon in der ersten Zeile denkt man sich: „Ah, das wurde von einer KI geschrieben.“

Das eigentümliche Unbehagen beim Schreibenlassen durch KIs auf Japanisch bleibt auch heute noch eine Herausforderung für viele. Viele haben experimentiert und Fähigkeiten sowie Systeme entwickelt, um dieses Unbehagen zu beseitigen.

In diesem Artikel fasse ich praktische Erkenntnisse zusammen, die ich durch tägliches Schreiben und Community-Erfolge verifiziert habe, strukturiert nach den folgenden vier Perspektiven:

• Modellauswahl: Warum die Wahl des richtigen Modells wichtiger ist als Verbesserungen am Harness (Framework)
• Empfohlene Schreibprozedur: Fünf Schritte zur Reduzierung der kognitiven Belastung der Leser und zur Schaffung eines Satzrhythmus
• Empfohlene Skills: Wesentliche Tools von Vorgängern, die Satzlängen steuern und Desorientierung der Leser verhindern
• Tatsächliche Schreibumgebung: Repository-Struktur zur Überwindung der Wand, an der „das Hinzufügen von Regeln den KI-Geruch zurückbringt“

Zuerst möchte ich klarstellen, dass die „Modellauswahl“ effektiver ist als Prompts oder Hooks (Harnesses).

Stand 2026 ist Gemini 3.8 Flash für japanisches Texten haushoch überlegen, gefolgt von Kimi K3. Claude, einst für natürliche Prosa gelobt, wirkt aufgrund seiner Spezialisierung auf Coding zunehmend steif und kantig. ChatGPT bleibt mittelmäßig, mit zu einheitlichen Absatzlängen und lehrbuchartigen Strukturen, die die offensichtlichsten KI-Spuren hinterlassen.

Allerdings führt alleiniges Verlassen auf die Rohausgabe des Modells zu homogenem Satzrhythmus und verlagert die kognitive Last auf den Leser. Es sind Prozeduren und Systeme nötig, um die inhärente Stärke des Modells nutzbar zu machen.

Empfohlene Schreibprozedur

Unter Einbeziehung aktuellen Wissens lässt sich die Schreibprozedur, die wir jetzt befolgen sollten, in diese fünf Schritte zusammenfassen.

1[Schritt 1] Informationsaussortierung und Kürzung (unnötige Freundlichkeit wegwerfen)
2   ↓
3[Schritt 2] Design der mentalen Landkarte des Lesers (globale Reihenfolge und Verbindungen)
4   ↓
5[Schritt 3] Design von Intonation und Variation (intentionale Wärmeverteilung)
6   ↓
7[Schritt 4] Trennung von Schreiben und mechanischer Inspektion (Ablehnung via PostToolUse Hook)
8   ↓
9[Schritt 5] Menschliches Feinschliff der letzten 10 % (Diffs protokollieren, um sie in Regeln einzuspeisen)

Schritt 1. Vor dem Schreiben: Informationsaussortierung und „Kürzung“

Der größte Grund, warum KI-Texte unlesbar sind, ist die „Verlagerung der kognitiven Last“ (Tsubota-san / @tsubotax). Sie packt Prämissen, Ergänzungen und vorbeugende Beruhigungen in einzelne Sätze. Die eiserne Regel lautet: Informationen, die nicht für das „Was tut der andere als Nächstes?“ genutzt werden, müssen vor dem KI-Schreiben gekürzt werden.

• Bestimme in den ersten zwei Zeilen „Für wen ist das hier, und welche Entscheidung ist nötig?“
• Weise jedem Absatz nur eine Rolle zu, wie „Optionsunterschiede“, „Entscheidungsmaterialien“ oder „Verifikationsmethoden“, und werfe Absätze weg, die keine passen
• Entferne alle parenthetischen Ergänzungen, die bei Löschung keinen Einfluss auf Entscheidungen haben

Schritt 2. Globales Design, das die „mentale Landkarte“ des Lesers nicht bricht

Wie von Keiichiro Shikano (@golden_lucky) angemerkt, entstehen Textzusammenbrüche durch „Hinterhalte, bei denen die Absicht erst beim Weiterlesen klar wird“ oder „mangelnde Verbindung zum vorherigen Absatz“. Bereite einen Pfad vor, damit sich Leser nicht verirren.

• Wenn du ein Konzept zum ersten Mal einfährst, ordne es so, dass Leser Typen und Rollen allein durch sequenzielles Lesen identifizieren können
• Bevor neue Informationen eingeführt werden, bereite im Kopf des Lesers einen Pfad vor, um sie aufzunehmen
• Platziere immer einen Satz, der zum vorherigen Absatz verbindet, direkt nach einer Überschrift

Schritt 3. Intentionales Einbetten von „Bias (Variation)“

KI neigt dazu, alle Themen auf derselben Temperatur zu diskutieren, aber das Wesen menschlicher Note liegt im „Bias“ (Natsu-san / @art_reflection). Sprich obsessiv über interessante Themen, fegte Prämissen in einem Satz hinweg. Allokier die Intensität der Wärme absichtlich während der Strukturphase.

Schritt 4. Trennung von Schreiben und mechanischer Inspektion

Je mehr Verbote du im Prompt auflistest, desto mehr schrumpft das Modell und verkürzt Sätze. Lass es frei schreiben, dann inspiziere mechanisch via Hook sofort nach Dateioutput. Bei Verstößen ersetze nicht nur Wörter – lass den gesamten Satz, der das Problem enthält, neu schreiben. Die Trennung von Schreiben und Inspektion ist der Schlüssel zur Aufrechterhaltung des Rhythmus.

Schritt 5. Menschliches Feinschliff der letzten 10 %

Strebe nicht mit KI allein nach 100 Punkten. Überlasse 90 % des Skeletts der KI, und lass Menschen die restlichen 10 % Atmungsspielraum und Textur anpassen. Protokolliere die Korrekturen und speise sie in zukünftige Prompts oder Inspektionsregeln ein.

Empfohlene Skills

Ich stelle auch wesentliche, community-generierte Tools und Skills vor, die die Qualität japanischer Dokumente verbessern, die ich selbst aktuell nutze.

natural-japanese (@techtalkjp**

Ein Agent Skill, geboren aus der Erkenntnis, dass „KI-Geruch eher im Rhythmus als im Vokabular sichtbar wird“ (GitHub Repo / Erklärartikel). Basierend auf gemessenen Korpora von menschlichem und KI-Text erkennt er mechanisch Variationen in der Satzlänge (Burstiness) und verwirft traditionelle Annahmen wie „Mangel an Substantivenden“ oder „wenige satzanfangliche Wiederholungen“.

https://x.com/techtalkjp/status/2076808889371443679

japanese-tech-writing (@golden_lucky**

Eine Prompt-Skillifizierung aus kommerziellen Buchredaktionsperspektiven (Gist / Blogpost). Er eliminiert LLM-Ton, der Haltung übertreibt, ohne Argumente hinzuzufügen, wie handle directly, dig deeper oder nothing less than ~, und reguliert Reihenfolge und Subjektplatzierung, damit Leser sequenziell verstehen können.

https://x.com/golden_lucky/status/2066751852088336698

Hooks × lint mit guten Mustern (@yugen_matuni**

Ein System, das die Hook-Funktionen (PostToolUse) von KI-Coding-Tools nutzt, um sofort nach dem Dateischreiben zu inspizieren. Für NG-Ausdrücke gibt es spezifische Korrekturmuster (good) wie „der wahre Wert liegt in ~“ zurück, was eine Neuformulierung des ganzen Satzes anregt.

https://x.com/yugen_matuni/status/2088251220452679951

Meine Schreibumgebung

In meinem Schreibrepository habe ich das Versagen erlebt, dass „je mehr Regeln ich hinzufügte, desto mehr schrumpften die Sätze und der KI-Geruch kehrte zurück.“ Das Hinzufügen von Konventionen ließ die KI in sichere, kurze Sätze zurückweichen.

Daraus leitete ich das Designprinzip ab: „Reduziere Regeln nicht; trenne ihre Orte.“

1[Gesamter Schreibfluss]
2
3[Input] style-guide / voice-samples / edit-patterns (nur Urteilskriterien)
4     ↓
5[Schreibausführung] writer (Gemini 3.8 Flash)
6     ↓
7[Automatische Inspektion] PostToolUse Hook (Ablehnung via detect-ai-smell.js)
8     ↓
9[Qualitätsurteil] reviewer (objektive Bewertung basierend auf rubric.md)
10     ↓
11[Finale Politur] Menschliche Anpassung & Veröffentlichung (Diffs in Regeln einspeisen)

1kgsi-note-documents_v2/
2├── CLAUDE.md              # Betriebsrichtlinie, Schreibmodi, Agentenberechtigungen
3├── GOVERNANCE.md          # Größenlimits für Referenzmaterialien, drei Speicherorte
4├── style-guide.md         # Kogisos Schreibstil (nur Urteilsbeschreibungen, max. 4.500 Zeichen)
5├── references/
6│   ├── voice-samples.md   # Stilproben (Absatzauszüge nach Funktion)
7│   ├── edit-patterns.md   # Protokoll manueller Korrekturen (vorher→nachher)
8│   └── rubric.md          # Reviewer-Bewertungskriterien (Abstandsbenchmarks)
9├── human-bench/           # 5 vergangene menschlich geschriebene Artikel (writer liest nicht; Schwelle für maschinelle Inspektion)
10├── scripts/
11│   ├── detect-ai-smell.js # Maschinelle Inspektionsgate (Regex, Dichteprüfung, mit 'good'-Mustern)
12│   ├── clean-japanese-spacing.js # Auto-Entfernen halbbreiter Leerzeichen zwischen japanischen/westlichen Zeichen
13│   └── hooks/             # Skripte für PostToolUse Hooks etc.
14├── editor/                # Lokaler Notizstil-Vorschau- & Revisionseditor
15└── note/                  # Artikeltextheader (finale Entwürfe)

Dies ist der Bildschirm meines benutzerdefinierten lokalen Editors (note-editor). Bearbeiten links spiegelt sich sofort in der zentralen notizproduktionsäquivalenten Vorschau wider, und teilweise KI-Revision ausgewählter Bereiche kann vom rechten Paneel aus durchgeführt werden.

Benutzerdefinierter Editor. Gestartet mit dem Befehl /note-editor

Drei Speicherorte und Berechtigungstrennung

1. Internalisierungsebene (gelesen vom writer): style-guide.md, voice-samples.md. Beschreibt nur die Urteilskriterien des Writers dünn (max. 4.500 Zeichen).
2. Maschinenebene (automatisch gescannt vom Hook): scripts/detect-ai-smell.js. Kein Zeichenlimit. Aggregiert regex-erkennbare Verbote und Korrekturpolitiken (good).
3. Urteilsebene (gelesen vom reviewer): references/rubric.md. Ein separater Agent bewertet unabhängig den Abstand zwischen dem fertigen Entwurf und dem Ziel.

Um Aufblähung zu verhindern, wenn der Guide 80 % seines Limits überschreitet, löschen wir eine Menge alter Regeln, die gleich der Anzahl neuer hinzugefügter Regeln ist.

Auszüge aus tatsächlichen Dateien

Hier sind Kernteile aus Dateien, die tatsächlich im Betrieb sind.

`GOVERNANCE.md` (Prinzipien der Orts- und Limitverwaltung)

1Wenn Materialien, die vom writer und reviewer gelesen werden, anschwellen, schrumpfen Sätze, die versuchen, Regeln zu folgen, und der KI-Geruch kehrt zurück.
2In dieser Umgebung ist das Prinzip „Regeln werden nicht reduziert, sondern verlegt“, mit Limits pro Ort gesetzt.
3
4[Drei Speicherorte]
5- Internalisierungsebene (gelesen vom writer): style-guide.md, voice-samples.md, edit-patterns.md
6  → Dünn halten. Nur Urteilsbeschreibungen. Nicht in Checklisten umwandeln
7- Maschinenebene (automatisch gescannt vom Hook): Inspektionen in scripts/detect-ai-smell.js
8  → Kein Limit. Alle regex-schreibbaren Verbote gehen hierhin
9- Urteilsebene (gelesen vom reviewer): references/rubric.md, references/voice-samples.md
10  → Abstands-Kriterien sind Auszüge. Nur eine Vorlage pro Typ, wenn verwirrend

`scripts/detect-ai-smell.js` (Maschinelle Inspektion und 'good'-Kontrast)

1// detect-ai-smell.js excerpt
2const CHECKS = [
3  {
4    name: "Evasive expressions / Non-committal attitude",
5    patterns: [/一概には言え|メリットもデメリットも|一長一短|状況によります|と言えるでしょう|と考えられます/g],
6    limit: 1,
7    gate: true,
8    good: "Pick a side and state it firmly, placing one sentence of evidence immediately after. Don't close with both sides presented",
9  },
10  {
11    name: "Preview clift 'What's important is...'",
12    patterns: [/重要なのは|大事なのは/g],
13    limit: 1,
14    gate: true,
15    good: "Write the content directly without previewing. 'What's important is X' → 'X is. Because ~'",
16  },
17  {
18    name: "Signboards of abstract contrasts",
19    patterns: [/という構図です|デザイン思考/g],
20    limit: 1,
21    gate: true,
22    good: "Write contrasts as actions of who does what. 'Structure of A and B' → 'A does ~. B does not do ~'",
23  },
24];

`style-guide.md` (Prämisse-Anweisungen an den writer)

1Dieser Guide ist keine Checkliste. Wenn du dir beim Schreiben fragst „Verstoße ich gegen Regeln?“, kehrt der KI-Geruch zurück.
2Wenn ich Artikel schreibe, operieren diese als internalisierte Prämissen.
3
4Bevor du beginnst, verbalisiere Folgendes:
51. Als wen schreibe ich gerade (z.B. Designer, der KI praktisch berührt)
62. Über welche Reaktion schreibe ich (Erwartung → Realität → Lücke)
73. Wie werde ich schließen (Unresolved Questions hinterlassen oder Position behaupten und abschließen)
84. Intonationsdesign. Welche Abschnitte betonen, welche in einem Satz fegen

Fazit

Egal wie ausgeklügelt der Harness oder exzellent das gewählte Modell ist, wenn es innerhalb des menschlichen Writers keine „rohe Spezifität“ gibt, kann der Text nicht stehen.

KI spuckt Klischees aus, weil Menschen kein Material wie „was sie erlebt haben und was falsch fühlte“ bereitgestellt haben. Abstrakte Anweisungen liefern nur abstrakte Plattitüden.

„Als ich es tatsächlich berührte, war es einfacher als erwartet und enttäuschend“

„Ich fühlte mich ein wenig erleichtert, als der Pull Request spät nachts durchging“

Nur wenn Samen aus fleisch-und-blut-Beobachtungen, Zahlen und Eigennamen vorhanden sind, glänzen die Ausdruckskraft von Gemini 3.8 Flash und die hook-basierte automatische Inspektion wirklich.

KI-Schreiben ist keine faule Automatisierung, sondern ein redaktioneller Versuch, dein eigenes Unbehagen effizient an Leser zu liefern. Versuche, damit zu starten, die Zeile zu überprüfen, die du gerade geschrieben hast.

Hinweis: Dieser Artikel selbst wurde basierend auf der hierin erklärten Schreibumgebung geschrieben.