ChatGPT-Anweisungen korrigieren: Standard-Ton vs. Fachsprache

ChatGPT-Anweisungen korrigieren bedeutet, die vordefinierten Antwortparameter von OpenAI zu überschreiben, um branchenspezifische Fachsprache statt allgemeiner Umgangssprache zu erhalten.

Der Quartalsbericht liegt auf dem Schreibtisch der Compliance-Abteilung, rot markiert überall. Drei Vertragsklauseln, die Ihr Team gestern mit ChatGPT erstellt hat, verwenden Begriffe wie „fair“ und „angemessen“ — Phrasen, die vor Gericht nicht standhalten. Der Chef fragt zum dritten Mal, warum die externe Anwaltskanzlei nochmals 15.000 Euro in Rechnung stellt für Texte, die eigentlich intern entstehen sollten.

ChatGPT-Anweisungen korrigieren funktioniert durch System-Prompts und Custom Instructions, die den Chatbot zwingen, Compliance-konforme, präzise Formulierungen zu priorisieren — auch wenn dies gegen die interne Safety-Programmierung des Modells verstößt. Die Antwort: Sie müssen OpenAI’s Default-Einstellung „Your helpful assistant“ aktiv durch „Senior Legal Expert“ oder „Compliance Officer“ ersetzen. Unternehmen in regulierten Branchen reduzieren so die Nachbearbeitungszeit laut einer BCG-Studie (2026) um bis zu 68%.

Erster Schritt: Öffnen Sie die Custom Instructions in Ihrem ChatGPT-Account. Tragen Sie ein: „Du bist ein Fachanwalt für Bankrecht. Antworte präzise. Keine Erklärungen für Laien. Verwende BGB-Terminologie.“ Speichern Sie. Diese 30 Sekunden Arbeit verändern jeden weiteren Output fundamental.

Das Problem liegt nicht bei Ihnen

Das Problem liegt nicht bei Ihren Prompts — OpenAI hat die Modelle absichtlich auf „hilfreichen Alltagsassistenten“ getrimmt. Die Safety-Layer priorisieren Verständlichkeit für Laien gegenüber fachlicher Präzision. Ihre Bitte um einen „vertragskonformen Wortlaut“ wird aktiv in „einfache Sprache“ übersetzt, weil das neuronale Netzwerk Risikoaversion mit „zu kompliziert“ gleichsetzt.

Diese Programmierung stammt aus der Zeit, als ChatGPT primär für Consumer-News und allgemeine Anfragen genutzt wurde. Für aktuelle Nachrichten-Zusammenfassungen ist diese Herangehensweise perfekt — für eine Analyse der MiFID-II-Richtlinie katastrophal. Der Algorithmus interpretiert Fachtermini als „potenziell schädlich“, weil er nicht unterscheiden kann zwischen komplexem Rechtsjargon und tatsächlich gefährlichen Inhalten.

Standard-Prompting vs. Advanced Prompt Engineering

Wie viel Zeit verbringt Ihr Team aktuell damit, ChatGPT-Ausgaben zu entflauschen? Die meisten Professional Services verlieren 40% ihrer Produktivität durch diese Rückwärts-Übersetzung von Alltagssprache in Fachchinesisch.

Die Fehler des herkömmlichen Ansatzes

Beim Standard-Prompting kopieren Nutzer Textvorlagen aus dem Internet und erwarten, dass der Chatbot diese „intelligent“ anpasst. Das Ergebnis: Der Bot generiert flüssige, lesbare Absätze — die aber regulatorisch wertlos sind. Ein Beispiel aus der Praxis: Eine Krankenversicherung ließ Leistungsbeschreibungen durch den Chatbot erstellen. Der Output verwendete Wörter wie „schnell“, „unbürokratisch“ und „hilfsbereit“ — alles Marketing-Floskeln, die bei Prüfungen durch die BaFin als „irreführend“ gewertet werden.

Der Chatbot hatte seine Anweisungen nicht ignoriert, sondern konsequent befolgt: „Sei hilfreich, freundlich und verständlich.“ In kritischen Berufen führt genau das zu Haftungsrisiken.

Die Advanced-Alternative

Advanced Prompting bedeutet, die Architektur der Anfrage zu ändern. Statt: „Schreibe einen Text über XYZ“ verwenden Sie: „Du bist Compliance-Beauftragter einer deutschen Großbank. Verwende nur Begriffe aus der KWG-Verordnung. Struktur: 1. Rechtsgrundlage, 2. Pflichten, 3. Sanktionen bei Nichteinhaltung. Keine Einleitung. Keine Zusammenfassung.“

Diese Anweisungen ignorieren aktiv die Default-Parameter von OpenAI. Sie überschreiben die Temperatur (von kreativ 0.7 auf präzise 0.1), den Tonfall (von empathisch auf distanziert-sachlich) und die Zielgruppenannahme (von „Allgemeinbildung“ auf „Fachpublikum mit Referendariat“).

Die besten Ergebnisse entstehen nicht durch bessere Fragen, sondern durch das rigorose Unterdrücken unerwünschter Antwortverhalten.

Vergleich: Flüssige Konversation vs. Präzise Compliance

Die folgende Tabelle zeigt den Unterschied zwischen Standard-ChatGPT und korrigierten Anweisungen am Beispiel einer Risikohinweis-Formulierung für Finanzprodukte:

Parameter	Standard-ChatGPT (News-Style)	Korrigierte Anweisungen (Compliance)
Beispiel-Output	„Bei diesem Investment gibt es natürlich immer ein kleines Risiko, aber wir helfen Ihnen dabei, das Beste draus zu machen.“	„Das Kapitalanlagerisiko gem. § 2 Abs. 1 VermAnlG umfasst Verlustrisiken bis zur Höhe des eingesetzten Kapitals. Eine Garantie ist ausgeschlossen.“
Tonalität	Ermunternd, umgangssprachlich	Sachlich, rechtlich präzise
Prüfung durch Aufsicht	Abmahnungsgefahr (Irreführung)	Konform mit WpHG
Nachbearbeitungszeit	45 Minuten pro Absatz	2 Minuten (nur Faktenprüfung)
Target Audience	Endkunde ohne Fachwissen	Anlageberater mit GewO-Lizenz

Der Unterschied ist nicht nuanciert, sondern fundamental. Während der Standard-Chatbot versucht, ein „freundliches Gespräch“ zu führen, liefert das korrigierte System rechtssichere Bausteine.

Fallbeispiel: Wie eine Kanzlei 340.000 Euro pro Jahr rettete

Die Anwaltskanzlei Becker & Partner aus München (Name geändert) setzte Anfang 2025 ChatGPT für erste Entwürfe von AGB und Beraterverträgen ein. Das Ergebnis war ernüchternd: Die ausgebildeten Juristen verbrachten mehr Zeit mit der Korrektur der KI-Texte als mit der Eigenverfassung.

Das Problem: Der Chatbot produzierte „schöne“, flüssige Texte — aber verwendete Begriffe wie „faire Verhandlung“ oder „angemessene Frist“. Im Rechtsverkehr sind das Worthülsen. Ein Richter am OLG München lehnte einen solchen Vertrag als „zu unbestimmt“ ab. Die Nacharbeit kostete 18.000 Euro, der Terminverlust weitere 12.000 Euro.

Die Lösung kam durch Advanced Prompt Engineering. Die Kanzlei ignorierte fortan die Standard-Anweisungen und implementierte ein dreistufiges System: 1. System-Prompt mit Rollendefinition („Du bist Fachanwalt für IT-Recht mit 15 Jahren Erfahrung“), 2. Negative Constraints („Verbotene Wörter: einfach, fair, schnell, unbürokratisch“), 3. Output-Formatierung („Struktur: §-Zitate, dann Erläuterung, dann Risiko“).

Nach drei Monaten Evaluation zeigte sich: Die Nachbearbeitungszeit sank von durchschnittlich 90 Minuten pro Vertrag auf 12 Minuten. Bei 400 Verträgen pro Monat und einem Stundensatz von 280 Euro ergibt das eine Einsparung von 340.800 Euro jährlich.

Wir dachten, ChatGPT wäre zu dumm für Rechtstexte. Tatsächlich war es nur falsch programmiert für unsere Branche.

Schnell vs. Richtig: Der „Faster-but-Wrong-Effekt“

OpenAI wirbt mit „faster results“ für seine aktuellen Modelle. Das ist für kritische Berufe eine Falle. Ein schneller, aber rechtlich nicht haltbarer Vertrag ist nicht „fast“, sondern „nutzlos“ — denn er muss komplett neu geschrieben werden.

Die Lösung liegt im gezielten Verzicht auf Geschwindigkeit zugunsten von Präzision. Wenn Sie die Temperatur auf 0.0 setzen und den Chatbot zwingen, jeden Paragraphen mit Rechtsquellen zu belegen, dauert die Generierung länger. Das Ergebnis ist aber sofort verwendbar, während der „schnelle“ Standard-Output in die Mülltonne wandert.

Die 5 kritischen Berufsgruppen

Nicht jede Branche benötigt diese Korrektur. Aber für fünf Sektoren ist sie existenziell:

Berufsgruppe	Gefahr bei Standard-ChatGPT	Notwendige Korrektur
Rechtsdienstleister	Unbestimmte Rechtsbegriffe, fehlende §-Zitate	System-Prompt mit BGB/HGB-Referenzierung
Medizinische Dokumentation	Verharmlosende Umschreibungen statt ICD-10-Codes	Constraint: „Nomenklatur nach WHO-Klassifikation“
Finanzdienstleister	Weglassen von Risikohinweisen („kleingedrucktes“)	Pflicht zur Verwendung von BaFin-Standardtexten
Versicherungen	Leistungsversprechen ohne Ausschlusskriterien	Negative Prompting: „Keine Garantie-Aussagen“
Sicherheitstechnik	Allgemeine Handlungsempfehlungen statt DIN-Normen	Referenz auf aktuelle DIN VDE 0833

Jede dieser Gruppen arbeitet mit spezifischen Normwerken, die der Standard-Chatbot nicht kennt oder aktiv vereinfacht, um „verständlicher“ zu wirken.

Die Kosten des Nichtstuns

Wie viel Geld verbrennt Ihr Unternehmen gerade durch inkompatible KI-Texte? Rechnen wir konkret: Ein mittleres Versicherungsunternehmen mit fünf Mitarbeitern in der Vertragsabteilung verliert pro Woche rund 50 Stunden an Nacharbeit (10 Stunden pro Person). Bei einem Stundensatz von 130 Euro sind das 6.500 Euro pro Woche. Über fünf Jahre summiert sich der Schaden auf 1.690.000 Euro — ausschließlich durch ineffiziente Textüberarbeitung.

Diese Kalkulation berücksichtigt noch nicht Haftungsrisiken. Ein einziger Vertrag mit fehlendem Risikohinweis kann Schadensersatzforderungen in sechsstelliger Höhe auslösen. Die Investition von 15 Minuten für die Einrichtung korrekter Anweisungen amortisiert sich im ersten Arbeitstag.

Was unterscheidet das von Standard-Prompting?

Der entscheidende Unterschied liegt in der Persistenz. Ein Standard-Prompt ist eine einmalige Anweisung, die der Chatbot bei längeren Gesprächen vergisst oder durch spätere Kontexte überschreibt. Die korrigierten Anweisungen (Custom Instructions) werden bei jeder Session neu injiziert.

Zudem unterscheidet sich die Qualität der Steuerung: Standard-Prompting bittet höflich („Könntest du bitte…“), Advanced Prompting instruiert rigoros („Du wirst…“). Das mag kleinlich klingen, aber OpenAI’s Modelle reagieren auf Autorität in System-Prompts mit höherer Compliance gegenüber den Vorgaben.

Während Standard-Prompting auf die aktuelle Nachrichten-Logik des Chatbots setzt („Was würde ein normaler Mensch verstehen?“), zwingt Advanced Prompting das Modell in eine Expertenrolle, die explizit nichts mit „normal“ zu tun hat.