Mit der KI sprechen statt prompten: Warum Erklären besser funktioniert als Formulieren

Es gibt kaum eine Kanzlei-Fortbildung zu künstlicher Intelligenz, in der nicht irgendwann die Sammlung der guten Prompts auftaucht. „Du bist ein erfahrener Steuerberater.“ „Gehe Schritt für Schritt vor.“ „Antworte in exakt fünf Abschnitten.“ „Wenn du das verstanden hast, antworte nur mit OK.“ Wer diese Zeilen kennt, hat auch die Tabellen gesehen, in denen sie gesammelt und gepflegt werden, als handle es sich um Formulierungsmuster für Einspruchsschreiben.

Ich halte diesen Aufwand für die tägliche Arbeit inzwischen für verschwendet. Dabei haben die Formeln durchaus funktioniert; sie waren der Behelf, mit dem man schwächeren Modellen etwas abgerungen hat. Nur lösen sie ein Problem, das es in dieser Form nicht mehr gibt, und verdrängen dabei genau das, worauf es ankommt: den Sachverhalt.

Die interessantere Frage lautet nicht mehr „Wie schreibe ich den perfekten Prompt?“, sondern „Wie erkläre ich der KI mein Problem so, wie ich es einem kompetenten Kollegen erklären würde?“ Und für diese Aufgabe ist die Tastatur selten das beste Werkzeug.

Woher die Zauberformeln kommen

Frühe Sprachmodelle reagierten auf knappe, mehrdeutige Eingaben unzuverlässig. Wer nur „Wie ist das mit dem Firmenwagen?“ tippte, bekam eine beliebige Allgemeinplatzsammlung. Also hat man gelernt, die Modelle zu führen: eine Rolle zuweisen, ein Ausgabeformat vorschreiben, das Denken in Schritte zerlegen. Das war kein Aberglaube, das war ein Workaround, und er hat gewirkt.

Aus dem Workaround ist ein Ritual geworden. Es gibt Kurse, Vorlagenmärkte und Kanzleihandbücher für Formulierungen, deren Zweck darin besteht, eine technische Schwäche auszugleichen, die bei den aktuellen Modellen weitgehend behoben ist. Bemerkenswert ist, wer inzwischen davon abrät: die Hersteller selbst. OpenAI hält in seinen Hinweisen zu Reasoning-Modellen fest, die Aufforderung „denke Schritt für Schritt“ sei überflüssig, weil diese Modelle intern ohnehin so arbeiten; knappe, direkte Anweisungen seien besser. Anthropic empfiehlt für Claude, allgemeine Anweisungen den kleinteilig vorgeschriebenen vorzuziehen: Eine übergeordnete Aufforderung, gründlich nachzudenken, trägt dort oft weiter als eine vorgegebene Schrittfolge.

Was bleibt, ist eine Beschäftigung mit der Verpackung. Der Nutzer feilt an der Anrede des Modells, während die Information fehlt, die das Modell nicht erraten kann.

Derselbe Fall, zwei Eingaben

Ein Beispiel aus der Beratungspraxis, bewusst ein alltäglicher Fall: Eine Zahnarzt-GmbH überlässt ihrem Gesellschafter-Geschäftsführer ein Fahrzeug, das auch privat gefahren wird.

Gehen Sie beide Texte einmal durch und markieren Sie alles, was etwas über diesen konkreten Mandanten aussagt. Im ersten bleibt nichts übrig.

Die zweite Eingabe ist nicht länger, weil jemand mehr Mühe investiert hätte. Sie ist länger, weil beim Sprechen automatisch mitkommt, was man beim Tippen weglässt: die Rechtsform, die tatsächliche Nutzung, das Ziel der Anfrage, die Grenze des Auftrags. Und sie erlaubt sofortige Korrektur, sobald die erste Rückfrage kommt: „Der Gesellschafter ist zugleich Geschäftsführer.“ „Es gibt ein Fahrtenbuch.“ „Bitte nur die Folgen für die Lohnabrechnung.“

Damit ist der eigentliche Punkt benannt, und er ist kein Komfortargument: Sprechen liefert das bessere Ergebnis. Wie brauchbar eine KI-Antwort ausfällt, hängt vor allem daran, wie viel das Modell vom Fall weiß; was Sie nicht sagen, ersetzt es durch Annahmen, und die klingen genauso souverän wie der Rest. Wer tippt, kürzt, und merkt es nicht einmal. Wer spricht, erzählt, und erzählt dabei die Vorgeschichte, die Ausnahme und das eigentliche Ziel gleich mit.

Warum beim Sprechen mehr ankommt

Der erste Grund ist banal und trotzdem entscheidend: Tempo. Sprechen ist schneller als Tippen, und zwar nicht knapp. In einer Untersuchung von Ruan und anderen aus dem Jahr 2016 haben 32 Teilnehmer denselben Text einmal auf der Smartphone-Tastatur getippt und einmal diktiert. Die Spracheingabe war im Englischen dreimal so schnell wie das Tippen, bei einer um 20,4 Prozent niedrigeren Fehlerquote; auf Mandarin lag der Faktor bei 2,8.

Die Studie misst Texteingabe, nicht Beratungsqualität, und sie ist an kurzen Sätzen auf einem Smartphone entstanden; übertragen Sie den Faktor nicht ungeprüft auf jedes Diktat am Schreibtisch.

Bei mir sieht es konkret so aus: Das Diktierwerkzeug, mit dem ich arbeite, weist mir 102 Wörter pro Minute aus und ordnet mich damit den obersten zwei Prozent seiner Nutzer zu. Das gesprochene Beispiel weiter oben hat 52 Wörter, in diesem Tempo also gut dreißig Sekunden. Wer dieselben 52 Wörter in dreißig Sekunden tippen wollte, müsste über hundert Wörter pro Minute schaffen; das erreicht kaum jemand, und schon gar nicht nebenbei zwischen zwei Terminen.

Genau da liegt der Punkt: Das Tempo bestimmt, wie viel Sie überhaupt sagen. Wer in derselben Minute das Dreifache unterbringt, lässt die Vorgeschichte nicht weg, nur weil sie zu mühsam zu tippen wäre. Der Tempovorteil ist deshalb der eigentliche Grund, warum die gesprochene Eingabe mehr Kontext enthält.

Dazu kommen drei Effekte, die sich schlecht messen, aber täglich zeigen. Beim Sprechen sinkt die Hemmschwelle bei Fragen, die noch nicht fertig gedacht sind: Man muss keinen Text komponieren, sondern nur anfangen. Der Gedankengang bleibt erhalten: Hypothese, Einschränkung, Beispiel, Kurskorrektur, so wie man tatsächlich arbeitet und nicht wie eine einmal abgeschickte Anweisung. Und die Nachschärfung im Dialog kostet Sekunden statt eines neuen Anlaufs.

Nicht zuletzt ist der Weg über die Stimme barriereärmer. Wer nicht schnell tippt oder ohnehin den halben Tag am Bildschirm sitzt, gewinnt dabei mehr als nur Zeit; unterwegs, zwischen zwei Terminen oder während der Aktendurchsicht ist er oft der einzige praktikable.

Wo der geschriebene Prompt bleibt

Sprache ersetzt die künstliche Prompt-Literatur. Klares Denken ersetzt sie nicht, und den schriftlichen Auftrag auch nicht, wenn es auf dessen Wortlaut ankommt.

Schreiben Sie, wenn eines dieser Merkmale zutrifft:

• Das Ergebnis muss reproduzierbar sein. Zwei gesprochene Erklärungen desselben Sachverhalts sind nie identisch; zwei identische Textbausteine schon.
• Es geht um Struktur statt Fließtext, also um Tabellen, Vorlagen, JSON oder Code. Dort ist die Anweisung selbst das Format.
• Der Wortlaut wird später geprüft. Eine steuerlich oder rechtlich relevante Formulierung, die in ein Mandantenschreiben wandert, muss man gegenlesen können, auch die Frage, aus der sie entstanden ist.
• Der Ablauf wiederholt sich. Was zwanzigmal im Monat gleich läuft, gehört in einen festen Prompt und nicht jedes Mal neu ins Mikrofon.
• Vor der Eingabe ist eine bewusste Prüfung nötig, weil Mandantendaten betroffen sind. Getippter Text lässt sich vor dem Absenden noch einmal lesen. Gesprochenes ist schon draußen.

Der letzte Punkt ist der wichtigste, und er führt zum eigentlichen Kanzleithema.

Was in der Kanzlei zusätzlich gilt

Spracheingabe beschleunigt die Erfassung, nicht die Zulässigkeit. An der Verschwiegenheitspflicht ändert das Mikrofon nichts: Wer Mandantendaten in ein KI-System gibt, bezieht einen Dritten in ein Mandatsverhältnis ein, und das ist berufsrechtlich und datenschutzrechtlich zu unterlegen. Die Bundessteuerberaterkammer hat dazu einen FAQ-Katalog zum KI-Einsatz im Berufsstand veröffentlicht, der die Linie zusammenfasst: Vertrauliche Daten dürfen an einen KI-Dienstleister nur, wenn dieser vertraglich strikt zur Verschwiegenheit verpflichtet ist, die datenschutzrechtliche Prüfung dokumentiert vorliegt und ein Auftragsverarbeitungsvertrag geschlossen ist. Wie Sie genau das aufsetzen (Strafrecht, Datenschutz und Berufsrecht als drei getrennte Ebenen), habe ich in einem eigenen Beitrag ausführlich beschrieben.

Beim Diktieren verschärft sich das Problem, weil man beiläufig mehr sagt. Genau die Details, die die Antwort besser machen (Ort, Branche, Betriebsgröße, Familienverhältnisse), machen einen Mandanten bestimmbar, auch ohne dass sein Name fällt. Der Vorteil der Methode ist zugleich ihr Risiko.

Dazu kommt eine Pflicht, die viele Kanzleien noch nicht auf dem Schirm haben: Nach Art. 4 der KI-Verordnung (EU) 2024/1689 müssen Betreiber von KI-Systemen dafür sorgen, dass ihre Mitarbeiter über ausreichende KI-Kompetenz verfügen. Diese Vorschrift gilt seit dem 2. Februar 2025 und trifft auch die Kanzlei, die „nur“ ein Standardmodell nutzt. Ein Zertifikat verlangt sie nicht, wohl aber ein dokumentiertes, zum Risiko passendes Vorgehen.

Wie ich die Arbeit aufteilen würde

Aus beidem ergibt sich eine Reihenfolge, die ich für tragfähig halte:

1. Sprechen, um Sachverhalt, Ziel und Abgrenzung schnell und vollständig zu erfassen.
2. Dialogisch weiterarbeiten und die Rückfragen des Modells zulassen, statt die erste Antwort zu bewerten.
3. Schriftlich prüfen und festhalten, sobald das Ergebnis fachlich, rechtlich oder für die Akte relevant wird.
4. Feste Prompts nur dort, wo ein Ablauf wiederkehrt und zuverlässig automatisiert werden soll.

Welcher Schritt in welcher Umgebung stattfinden darf, entscheidet die Datenlage, nicht die Bequemlichkeit. Genau dieses Aufsetzen ist der Kern meiner Beratung und Begleitung.

Was daraus folgt

Die neue Kompetenz besteht darin, einer Maschine den richtigen Kontext zu geben: Was ist der Fall, was soll herauskommen, was gilt nicht, wo bin ich unsicher. Das ist dieselbe Fähigkeit, die einen guten Aktenvermerk von einem schlechten unterscheidet, und sie war noch nie an eine Tastatur gebunden.

Die Stimme beendet also nicht das Prompten, sondern das Prompt-Theater. Was beginnt, ist ein Gespräch, für das man vorher wissen muss, was man eigentlich fragen will.