Brand Voice entwickeln: Erst die Regeln, dann KI

Die meisten Marken klingen auf LinkedIn anders als auf ihrer Website, nicht weil die Texte schlecht sind, sondern weil niemand die Regeln aufgeschrieben hat. Brand Voice entwickeln heißt: erst verstehen, wie man klingt, dann entscheiden, wie man klingen will. KI hilft dabei, aber die Entscheidungen trifft sie nicht.

Das häufigste Problem bei Brand Voice ist nicht schlechtes Schreiben, sondern Inkonsistenz. Auf der Website duzt man die Leser, im Newsletter siezt man sie. Auf LinkedIn posten fünf verschiedene Mitarbeitende fünf verschiedene Tonfälle, ohne dass einer davon wirklich zur Marke passt. Das passiert nicht, weil die Texte schlecht sind. Es passiert, weil es keine gemeinsame Basis gibt.

Warum Inkonsistenz das eigentliche Brand-Voice-Problem ist

Inkonsistenz klingt nach einem kleinen Problem, das man irgendwann mal angehen kann. In der Praxis höhlt sie aber aus, was Markenkommunikation leisten soll.

Ein konkretes Bild dazu: Dieselbe Website nutzt in einem Abschnitt „du“, in einem anderen „Sie“. Der LinkedIn-Ton klingt locker und entspannt, die Website wirkt sachlich und distanziert. Schreiben dann fünf Mitarbeitende für das Unternehmen auf LinkedIn, hat jeder einen anderen Stil. Keiner davon stimmt wirklich mit der Marke überein. Das ist schlicht die Regel, nicht die Ausnahme.

Besonders auffällig wird das im E-Mail-Marketing. Wer Newsletter regelmäßig liest, merkt schnell, ob dahinter eine konsistente Stimme steckt oder ob sich jede Ausgabe ein bisschen anders anfühlt. Wiedererkennungswert entsteht nicht durch das Logo oben im Header. Er entsteht dadurch, dass man nach zwei Sätzen weiß, von wem dieser Text kommt. Über die Zeit baut sich das nur auf, wenn alle, die für eine Marke schreiben, wissen, wie sie klingt.

Dazu kommt ein Aspekt, der noch selten mitgedacht wird. KI-Systeme wie ChatGPT, Google AI Overviews oder Perplexity bauen ihr Bild einer Marke aus dem zusammen, was sie im Netz finden. Wird dieselbe Marke auf der eigenen Website anders beschrieben als auf LinkedIn und anders in Pressemitteilungen als in Blog-Posts, fällt es diesen Systemen schwer, ein einheitliches Bild zu formen.

Konsistente Kommunikation macht es leichter für KI, eine Marke korrekt darzustellen: immer dieselben zentralen Aussagen, dieselbe Positionierung, dieselben Schlüsselformulierungen. Das ist kein theoretisches Problem, sondern eines, das konkret beeinflusst, wie eine Marke in KI-gestützten Suchergebnissen auftaucht. Google nennt Autorität und Vertrauenswürdigkeit als zentrale Signale für hilfreiche Inhalte. Beides baut sich leichter auf, wenn eine Marke überall dieselbe Sprache spricht und bei jeder Erwähnung wiedererkennbar bleibt.

Wie das in der Praxis aussieht und warum KI im Marketing ohne konsistente Markenstimme deutlich weniger bringt, zeigen konkrete Beispiele im verlinkten Beitrag.

Brand Voice heißt nicht Charakter-Essay, es heißt Entscheidungen auf Satzebene

Brand Voice wird oft mit etwas verwechselt, das viel aufwendiger klingt, als es sein muss.

Die Lehrbuchantwort lautet ungefähr: der Charakter einer Marke, ausgedrückt in Sprache. Das stimmt, hilft aber nicht weiter, wenn man noch keinen hat. Konkreter: Brand Voice ist die Summe aus Tonalität (formell oder nah?), Haltung zu Themen (direkt oder ausweichend?) und den Formulierungsmustern, die sich wiederholen. Ein Unternehmen erklärt in Fachartikeln sachlich und stellt auf LinkedIn Fragen, die kein Mensch gestellt hat. Das ergibt keine Brand Voice, sondern zwei verschiedene Schreibmodi ohne Verbindung und ohne Wiedererkennungswert.

Was ich regelmäßig sehe: 60-seitige Brand-Voice-Guidelines. Aufwendig erstellt, nie genutzt. Die meisten dieser Dokumente werden nach dem Briefing-Termin nicht mehr geöffnet.

Ein Dokument, das so groß ist, dass es im Alltag niemand durcharbeiten kann, wird faktisch nie genutzt. Was genutzt wird, ist eine Seite, vielleicht zwei. Den Rest liest niemand.

Und Tone of Voice ist nicht dasselbe wie Brand Voice, auch wenn die Begriffe oft durcheinander gehen. Brand Voice ist die Grundstimme, die konstant bleibt. Tone of Voice ist, wie diese Stimme je nach Situation variiert. Eine Marke, die auf LinkedIn sachlich erklärt und im Newsletter persönlicher klingt, wechselt den Tone of Voice. Die Grundstimme bleibt dabei in beiden Kanälen dieselbe.

Den IST-Zustand sehen, bevor man irgendetwas entwickelt

Bevor man anfängt, etwas zu entwickeln, lohnt sich ein ehrlicher Blick auf den IST-Zustand. Und da ist KI überraschend nützlich. Allerdings nicht als Werkzeug, das einem vorschreibt, wie man klingen soll, sondern als Spiegel.

Die Methode ist einfach: Bestehende Texte zusammensuchen, etwa Website-Copy, zwei oder drei Newsletter und ein paar LinkedIn-Posts. Die Texte kommen in Claude oder ChatGPT, dazu ein Prompt in diese Richtung: „Wie klingt diese Marke? Beschreibe Ton, Haltung und Formulierungsmuster, die sich wiederholen.“ Das Ergebnis ist meistens ernüchternd, aber aufschlussreich. Kein konsistentes Bild. Mal sachlich, mal werbend, mal locker. Hier fängt die Arbeit an.

Aber KI beschreibt nur, sie urteilt nicht. „Die Texte klingen formell und distanziert“ ist eine Beobachtung, keine Empfehlung. Ob das so bleiben soll oder nicht, ist eine Entscheidung, die ein Mensch trifft. KI liefert das Rohmaterial für diese Entscheidung.

Wer direkt mit dem ältesten verfügbaren Material anfangen will, geht so vor: Die drei ältesten Texte auf der Website oder dem LinkedIn-Profil raussuchen, in Claude einfügen und fragen: „Wie klingt diese Marke? Was wiederholt sich, was widerspricht sich?“ Was dabei rauskommt, ist ein ehrlicherer Ausgangspunkt als jede selbst geschriebene Beschreibung der eigenen Stimme.

Wie man einen Voice Guide entwickelt, den Leute wirklich nutzen

Das Ziel ist ein Dokument, das eine Seite lang ist und im Alltag tatsächlich genutzt wird. Der Weg dorthin hat eine klare Reihenfolge: manuell anfangen, KI erst am Ende einsetzen.

Mit einer Liste von Adjektiven anfangen: Welche passen zur Marke, welche nicht? „Direkt ja, arrogant nein. Sachlich ja, trocken nein.“ Das ist noch kein Guide, aber es ist ein Anfang, der aus echten Entscheidungen besteht und nicht aus Wunschvorstellungen.

Danach eine „Wir sagen / Wir sagen nicht“-Liste, die konkret ist statt abstrakt. Nicht „wir vermeiden Fachsprache“, sondern: „Wir schreiben ‚das kostet Zeit' statt ‚das erfordert eine temporäre Ressourcenbindung'.“ Diese Liste ist im Alltag nützlicher als jede Adjektiv-Sammlung, weil sie Entscheidungen auf Satzebene liefert. Genau die fehlen den meisten langen Guidelines.

Liegt das in Rohform vor, kommt KI ins Spiel. Prompt: „Hier ist unser Voice-Entwurf. Was fehlt? Wo gibt es Widersprüche? Was ist unklar formuliert?“ Die Methode funktioniert gut.

Man ist selbst zu nah am eigenen Dokument, um Stellen zu sehen, die sich gegenseitig ausschließen. KI erfindet dabei keinen neuen Voice, sie liest den Entwurf gegen und markiert, was nicht zusammenpasst. Die Entscheidung, was man daraus macht, trifft man selbst.

Wie das mit einem vollständig automatisierten Content-Prozess zusammenspielen kann, zeigt der Beitrag zur automatisierten Content-Pipeline.

Konsistenz im Alltag: Vom Dokument zu den echten Texten

Ein Guide, der im Ordner liegt, ändert nichts. Brand Voice wirkt nicht im Dokument, sondern in den Texten, die danach entstehen. Der Schritt vom Dokument in den Alltag ist der, an dem die meisten scheitern.

Der einfachste Einstieg: Fertigen Text zusammen mit den Voice-Prinzipien in einen Prompt geben und fragen: „Was in diesem Text passt nicht zu diesen Prinzipien?“ Das zeigt Stellen zum Nachbessern, auch wenn es keine fertigen Korrekturen liefert. Besonders sinnvoll, wenn mehrere Personen für eine Marke schreiben oder externe Agenturen Texte liefern, die niemand gegen den Guide geprüft hat. So bleibt der Ton konsistent, auch wenn nicht dieselbe Person schreibt.

Die skalierbare Variante: Der Voice Guide liegt als .md-Datei vor, und Claude Skills laden ihn automatisch als Kontext, wenn sie Texte generieren oder reviewen. Sub-Agents, die an Content-Aufgaben arbeiten, haben den Guide damit im Kontext. Niemand muss ihn jedes Mal manuell einfügen. Das ist kein großer technischer Aufwand. Er macht aber den Unterschied zwischen einem Guide, der genutzt wird, und einem, der im Ordner liegt. Wie man KI-Kontext gezielt steuert, beschreibt der Beitrag zu Context Engineering ausführlicher.

Das ist kein perfektes System. KI liest Texte, aber sie kennt den Kontext nicht. Ihr fehlen der Tonfall eines bestimmten Kanals und die Erwartungen einer bestimmten Zielgruppe. Sie kann grobe Abweichungen markieren, feine Nuancen erkennt sie nicht zuverlässig. Besser als gar nichts, solange man das weiß.

Wer tiefer in das Thema authentische KI-Inhalte einsteigen will, findet dort eine Auseinandersetzung mit der Frage, was „klingt nach Mensch“ eigentlich bedeutet. Wie Brand Voice in eine breitere Content-Strategie eingebettet ist, zeigt der Beitrag zu strategischem Content Marketing. Er schlägt den Bogen von einzelnen Texten zur Gesamtstrategie.