0Pricing
AI Prompt Engineering · Lektion

Formeller und informeller Ton

Geben Sie in Prompts eine professionelle, lockere, akademische oder dialogische Ausdrucksweise vor

Formeller und informeller Ton ist eine kostenlose AI Prompt Engineering-Lektion auf CoddyKit. Dies ist Lektion 1 von 4. Du kannst die komplette Lektion unten kostenlos lesen – dann übst du sie direkt im Browser mit einem integrierten Code-Editor und einem KI-Tutor rund um die Uhr. Sie ist Teil des AI Prompt Engineering-Lernpfads, und dein Fortschritt wird über Web und CoddyKit-App synchronisiert. Der AI Prompt Engineering-Kurs umfasst insgesamt 4 Lektionen.

Ton: Die Stimme Ihrer Inhalte

Der Ton beschreibt, wie Ihre Worte auf die Leserin oder den Leser wirken. Dieselben Informationen können in einem formellen, sachlich-autoritativem Ton oder in einem lockeren, freundlichen Ton vermittelt werden – und die richtige Wahl hängt vollständig von Ihrer Zielgruppe, Ihrem Kanal und Ihrem Ziel ab.

KI-Modelle können praktisch jeden von Ihnen beschriebenen Ton reproduzieren – Sie müssen ihn jedoch ausdrücklich beschreiben. Ohne entsprechende Anweisung verwenden sie standardmäßig einen leicht formellen, neutralen Sprachstil.

Was formelles Schreiben auszeichnet

Formelles Schreiben zeichnet sich durch folgende Merkmale aus:

  • Keine Kurzformen (cannot statt can't)
  • Keine umgangssprachlichen Ausdrücke oder Slang
  • Nach Möglichkeit eine Perspektive in der dritten Person
  • Vollständige, grammatikalisch komplexe Sätze
  • Der gelegentliche Gebrauch des Passivs ist akzeptabel
  • Präzise verwendetes Fachvokabular
  • Keine Anrede mit dem Vornamen ohne vorherige Vorstellung
import anthropic

client = anthropic.Anthropic(api_key='sk-ant-your-key-here')

formal_instruction = (
    'Write in a formal, professional tone. '
    'No contractions. No colloquialisms. No first-person pronouns. '
    'Use complete, grammatically precise sentences. '
    'Vocabulary: professional but accessible — not academic jargon.'
)

response = client.messages.create(
    model='claude-opus-4-5',
    max_tokens=150,
    messages=[{
        'role': 'user',
        'content': (
            f'{formal_instruction}\n\n'
            f'Explain why we are updating our privacy policy.'
        )
    }]
)
print(response.content[0].text)

Was lockeres Schreiben auszeichnet

Lockeres Schreiben zeichnet sich durch folgende Merkmale aus:

  • Kurzformen sind üblich (we're, you'll, it's)
  • Umgangssprachliches Vokabular
  • Kürzere Sätze und Absätze
  • Erste und zweite Person (I, you, we)
  • Gelegentlicher Humor, Wärme oder persönliche Note
  • Fragen, die direkt an die Leserin oder den Leser gerichtet sind
  • Anschauliche Beispiele aus dem Alltag
import openai

client = openai.OpenAI(api_key='sk-your-key-here')

casual_instruction = (
    'Write in a casual, friendly tone. '
    'Use contractions freely. Use "you" to address the reader directly. '
    'Keep sentences short. Add warmth and personality. '
    'Write like you would explain this to a friend over coffee.'
)

response = client.chat.completions.create(
    model='gpt-4o',
    max_tokens=150,
    messages=[{
        'role': 'user',
        'content': (
            f'{casual_instruction}\n\n'
            f'Explain why we are updating our privacy policy.'
        )
    }]
)
print(response.choices[0].message.content)

Derselbe Inhalt in drei Tonlagen

Am schnellsten lässt sich der Ton verstehen, wenn derselbe Inhalt in mehreren Sprachstilen betrachtet wird. Wir verwenden ein einfaches Szenario: Die Nutzerinnen und Nutzer darüber informieren, dass unsere App am Samstagabend wegen Wartungsarbeiten nicht verfügbar sein wird.

Wir formulieren es in drei Tonlagen: geschäftlich-formell, locker wie in einem Startup und wissenschaftlich. Achten Sie darauf, wie sich Vokabular, Satzstruktur und das Verhältnis zur Leserin oder zum Leser verändern.

import anthropic

client = anthropic.Anthropic(api_key='sk-ant-your-key-here')

tones = [
    ('CORPORATE FORMAL',
     'Formal, no contractions, passive voice acceptable, corporate vocabulary. No personality.'),
    ('STARTUP CASUAL',
     'Casual, contractions OK, friendly, empathetic, slightly playful. Address reader as "you".'),
    ('ACADEMIC',
     'Precise, objective, technical vocabulary, third person, no emotion, no contractions.')
]

for label, tone_desc in tones:
    response = client.messages.create(
        model='claude-opus-4-5',
        max_tokens=80,
        messages=[{
            'role': 'user',
            'content': (
                f'Tone: {tone_desc}\n\n'
                f'Write a 2-sentence notification: our app will be down for maintenance '
                f'on Saturday from 11 PM to 2 AM UTC.'
            )
        }]
    )
    print(f'[{label}]')
    print(response.content[0].text.strip())
    print()

Ton mit Adjektiven festlegen

Die einfachste Festlegung des Tons ist eine Liste beschreibender Adjektive:

  • 'In einem selbstbewussten, direkten, schnörkellosen Ton'
  • 'In einem warmen, einfühlsamen, ermutigenden Ton'
  • 'In einem spielerischen, witzigen, leicht respektlosen Ton'
  • 'In einem ernsten, autoritativen, präzisen Ton'

Verwenden Sie zwei bis vier Adjektive, die unterschiedliche Dimensionen abdecken: Energieniveau, Grad der Formalität, emotionale Grundstimmung und Persönlichkeitseigenschaft.

import openai

client = openai.OpenAI(api_key='sk-your-key-here')

test_tones = [
    'confident, direct, no-nonsense',
    'warm, empathetic, encouraging',
    'playful, witty, slightly irreverent',
]

for tone in test_tones:
    response = client.chat.completions.create(
        model='gpt-4o',
        max_tokens=60,
        messages=[{
            'role': 'user',
            'content': (
                f'Tone: {tone}.\n\n'
                f'Write one sentence of marketing copy for a new AI writing tool. '
                f'Audience: busy startup founders.'
            )
        }]
    )
    print(f'Tone ({tone}):')
    print(response.choices[0].message.content.strip())
    print()

Ton mit einer Persona festlegen

Eine auf einer Persona basierende Tonbeschreibung ist oft präziser als einzelne Adjektive. Sagen Sie statt „freundlich“ beispielsweise: „Schreiben Sie wie im Produktblog von Basecamp – locker, aber durchdacht und niemals herablassend.“

Sie können sich auf reale Schreibstile beziehen:

  • „Wie ein technischer Blogbeitrag von Stripe“
  • „Wie Paul Graham beim Schreiben eines Essays über Start-ups“
  • „Wie eine Zusammenfassung für Führungskräfte in der Harvard Business Review“
  • „Wie eine freundliche Slack-Nachricht von einer Kollegin oder einem Kollegen, die oder den Sie respektieren“
import anthropic

client = anthropic.Anthropic(api_key='sk-ant-your-key-here')

references = [
    'Write like a Stripe technical blog post: clear, precise, respects the reader\'s intelligence.',
    'Write like a Harvard Business Review executive summary: formal, data-driven, concise.',
    'Write like a friendly Slack message from a helpful colleague — casual, direct, gets to the point.'
]

topic = 'Why our new feature reduces API response time by 40%.'

for ref in references:
    response = client.messages.create(
        model='claude-opus-4-5',
        max_tokens=80,
        messages=[{
            'role': 'user',
            'content': f'Style reference: {ref}\n\nWrite 2 sentences about: {topic}'
        }]
    )
    print(f'Style: {ref[:55]}...')
    print(response.content[0].text.strip())
    print()

Tonabweichungen und ihre Kosten

Eine Tonabweichung entsteht, wenn der Sprachstil nicht zur Zielgruppe oder zum Kontext passt. Häufige Abweichungen:

  • Formelle Unternehmenssprache in einer mobilen App für Verbraucher
  • Umgangssprachlicher Slang in einem juristischen Vertrag
  • Übermäßig technische Sprache in einer Support-E-Mail an nichttechnische Nutzer
  • Übertriebene Marketingversprechen in einer technischen README

Ein unpassender Ton untergräbt das Vertrauen und zwingt die Lesenden, mehr Aufwand zu betreiben, um die Bedeutung zu erfassen.

import openai

client = openai.OpenAI(api_key='sk-your-key-here')

# Mismatched tone examples
mismatches = [
    (
        'ERROR MESSAGE for a consumer app:',
        'Formal legal tone: no contractions, passive voice',
        'A fatal error has been encountered in the processing of your request.'
    ),
    (
        'LEGAL TERMS section:',
        'Casual startup tone: contractions, emojis',
        'Hey, so like, you gotta agree to our stuff before using this app okay?'
    )
]

for context, bad_tone, example in mismatches:
    response = client.chat.completions.create(
        model='gpt-4o',
        max_tokens=80,
        messages=[{
            'role': 'user',
            'content': (
                f'CONTEXT: {context}\n'
                f'PROBLEM (wrong tone): {example}\n\n'
                f'Rewrite with the correct tone for the context. '
                f'One sentence. Explain in brackets why this tone works better.'
            )
        }]
    )
    print(response.choices[0].message.content.strip())
    print()

Emotionale Temperatur steuern

Über die Formalität hinaus hat der Ton eine emotionale Temperatur – von kühl und sachlich bis warm und begeistert:

  • Kühl: „Die Ergebnisse zeigen eine Verbesserung um 12 %.“ (reine Daten)
  • Neutral: „Mit der neuesten Version haben wir die Leistung um 12 % verbessert.“
  • Warm: „Wir freuen uns, mitteilen zu können, dass unser Team eine Geschwindigkeitssteigerung von 12 % erzielt hat.“
  • Begeistert: „Das ist gewaltig – wir haben mit einem Leistungssprung von 12 % richtig abgeliefert!“
import anthropic

client = anthropic.Anthropic(api_key='sk-ant-your-key-here')

temperatures = [
    ('COLD/OBJECTIVE',    'Purely factual, no emotion, no personality, third person.'),
    ('NEUTRAL',           'Balanced, professional, slight warmth but no enthusiasm.'),
    ('WARM',              'Friendly, first person plural ("we"), positive but measured.'),
    ('ENTHUSIASTIC',      'High energy, excited, uses exclamation points, celebrates the user.')
]

fact = 'Our app now loads 3 seconds faster after the latest update.'

for label, instruction in temperatures:
    response = client.messages.create(
        model='claude-opus-4-5',
        max_tokens=50,
        messages=[{
            'role': 'user',
            'content': f'Tone: {instruction}\n\nAnnounce this fact in 1 sentence: {fact}'
        }]
    )
    print(f'[{label}]: {response.content[0].text.strip()}')

Konsistenten Ton beibehalten

Die Konsistenz des Tons ist ebenso wichtig wie seine Wahl. Ein Dokument, das in der Mitte zwischen formell und locker wechselt, verwirrt die Lesenden und untergräbt die Glaubwürdigkeit.

Bei Dokumenten mit mehreren Abschnitten:

  • Legen Sie den Ton in der Systemnachricht oder am Anfang des Prompts fest
  • Formulieren Sie es ausdrücklich: „Behalten Sie diesen Ton im gesamten Text konsistent bei“
  • Erinnern Sie das Modell bei sehr langen Texten in Folgeprompts an den gewünschten Ton
import openai

client = openai.OpenAI(api_key='sk-your-key-here')

# System message tone sets voice for all sections
response = client.chat.completions.create(
    model='gpt-4o',
    messages=[
        {
            'role': 'system',
            'content': (
                'You are writing all content for a developer-focused SaaS company called GridDB. '
                'Tone: technical but approachable. No jargon without explanation. '
                'No contractions. Short sentences. No marketing superlatives. '
                'Maintain this tone consistently across every section.'
            )
        },
        {
            'role': 'user',
            'content': (
                'Write 2 short sections for our website:\n'
                '1. Hero tagline (max 8 words)\n'
                '2. One-paragraph product description (max 60 words)'
            )
        }
    ]
)
print(response.choices[0].message.content)

Ton in verschiedenen Inhaltstypen

Für verschiedene Inhaltstypen gibt es erwartete Standardtöne. Davon abzuweichen kann wirkungsvoll sein – aber nur, wenn es beabsichtigt ist:

  • Juristische Dokumente: formell, präzise → ein lockerer Ton wirkt unprofessionell
  • Fehlermeldungen: klar, einfühlsam → ein kühler Ton wirkt feindselig
  • Marketingtexte: begeistert, auf den Nutzen fokussiert → ein trockener Ton wirkt uninspirierend
  • API-Dokumentation: technisch, prägnant → blumige Formulierungen kosten Entwicklerzeit
  • Kundensupport: warm, lösungsorientiert → ein defensiver Ton wirkt konfrontativ
import anthropic

client = anthropic.Anthropic(api_key='sk-ant-your-key-here')

content_types = [
    ('ERROR MESSAGE', 'Empathetic, clear, action-oriented. No technical jargon. No blame.'),
    ('API DOCS',      'Terse, precise, no fluff. Technical vocabulary. Example-driven.'),
    ('SUPPORT REPLY', 'Warm, solution-focused, acknowledges frustration, offers next steps.')
]

scenario = 'A user cannot log in because their account has been temporarily locked.'

for content_type, tone in content_types:
    response = client.messages.create(
        model='claude-opus-4-5',
        max_tokens=80,
        messages=[{
            'role': 'user',
            'content': (
                f'Content type: {content_type}\n'
                f'Tone: {tone}\n\n'
                f'Write 2 sentences for this scenario: {scenario}'
            )
        }]
    )
    print(f'[{content_type}]')
    print(response.content[0].text.strip())
    print()

Ton über verschiedene Kanäle hinweg

Dieselbe Marke kann über verschiedene Kanäle hinweg durchaus unterschiedliche Töne verwenden. Entscheidend ist, dass der Ton jedes Kanals bewusst gewählt wird und angemessen ist:

  • Twitter/X: locker, pointiert, stark von der eigenen Persönlichkeit geprägt
  • LinkedIn: professionell, reflektiert, auf Erkenntnisse ausgerichtet
  • E-Mail-Newsletter: warm, dialogorientiert, persönlich
  • Rechtliche Dokumente: formell, präzise, bei Bedarf im Passiv
  • In-App-Nachrichten: freundlich, kurz, handlungsorientiert
import openai

client = openai.OpenAI(api_key='sk-your-key-here')

channels = [
    ('TWITTER', 'Casual, punchy, max 200 chars, can use one emoji'),
    ('LINKEDIN', 'Professional, insight-driven, 2 sentences, no emoji'),
    ('IN-APP',   'Friendly, action-oriented, 1 sentence, second person')
]

news = 'We just launched dark mode in our app.'

for channel, tone in channels:
    response = client.chat.completions.create(
        model='gpt-4o',
        max_tokens=60,
        messages=[{
            'role': 'user',
            'content': f'Channel: {channel}. Tone: {tone}.\n\nAnnounce: {news}'
        }]
    )
    print(f'[{channel}]: {response.choices[0].message.content.strip()}')
    print()

Wissenscheck

Die mobile App eines Unternehmens muss eine Fehlermeldung anzeigen, wenn eine Zahlung fehlschlägt. Die aktuelle Meldung lautet: „Die Transaktion kann aufgrund einer unzureichenden Deckung des zugehörigen Finanzkontos nicht verarbeitet werden.“ Was ist das zentrale Tonproblem?

Formeller und informeller Ton – Zusammenfassung

Der Ton ist eine der wirkungsvollsten Dimensionen bei der Steuerung von Prompts. Die wichtigsten Erkenntnisse:

  • KI verwendet standardmäßig ein neutral-formelles Sprachregister – geben Sie daher immer den gewünschten Ton an
  • Verwenden Sie Kombinationen von Adjektiven: „selbstbewusst, direkt, ohne Umschweife“
  • Verwenden Sie Persona-Referenzen: „wie ein Blogbeitrag von Stripe“
  • Steuern Sie die emotionale Temperatur: von kühl und sachlich bis begeistert
  • Stimmen Sie den Ton auf Inhaltstyp und Zielgruppe ab
  • Legen Sie den Ton einmalig in der Systemnachricht fest, damit die Stimme der Anwendung konsistent bleibt
  • Ein unpassender Ton untergräbt das Vertrauen – ein juristisches Dokument sollte nicht wie ein Tweet klingen

Häufig gestellte Fragen

Ist die Lektion „Formeller und informeller Ton“ kostenlos?

Ja — der vollständige Text von „Formeller und informeller Ton“ ist hier im Web kostenlos zu lesen. Um sie interaktiv zu üben (integrierter Code-Editor und 24/7 KI-Tutor) und den Rest des AI Prompt Engineering-Kurses freizuschalten, upgrade auf CoddyKit PRO. Der AI Prompt Engineering-Kurs umfasst insgesamt 4 Lektionen.

Was lerne ich in „Formeller und informeller Ton“?

Geben Sie in Prompts eine professionelle, lockere, akademische oder dialogische Ausdrucksweise vor Du übst AI Prompt Engineering mit praktischem Code, den du direkt im Browser ausführst, und ein 24/7 KI-Tutor beantwortet deine Fragen während du die Lektion bearbeitest.

Brauche ich Erfahrung, um AI Prompt Engineering zu starten?

Keine Vorkenntnisse erforderlich. AI Prompt Engineering auf CoddyKit ist für Anfänger bis fortgeschrittene Lernende strukturiert, sodass du hier starten oder von Anfang an beginnen und in deinem eigenen Tempo voranschreiten kannst. Dies ist Lektion 1 von 4.

Wie lange dauert die Lektion „Formeller und informeller Ton“?

Die meisten CoddyKit-Lektionen dauern etwa 5–10 Minuten. Jede ist kompakt und interaktiv, sodass du stetig Fortschritte machst und genau dort weitermachst, wo du aufgehört hast – im Web und in der App.

Kann ich in dieser AI Prompt Engineering-Lektion Code schreiben und ausführen?

Ja. Jede AI Prompt Engineering-Lektion enthält einen integrierten Code-Editor, sodass du echten Code direkt in deinem Browser schreibst und ausführst und sofort KI-Feedback erhältst — ohne lokale Einrichtung erforderlich.

Alle Lektionen in diesem Kurs

  1. Formeller und informeller Ton
  2. Ihre Zielgruppe festlegen
  3. Professionelle Schreibstile
  4. Das Sprachniveau anpassen
← Zurück zu AI Prompt Engineering