Wie man eine Website erstellt, die KI für Nicht‑Expert:innen erklärt

Zielgruppe, Ziele und Erfolgskriterien klären

Bevor Sie eine einzige Seite schreiben, entscheiden Sie genau, wer mit „Nicht‑Expert:innen“ für Ihre Seite gemeint ist. Eine „allgemeine Zielgruppe“ ist selten eine echte Zielgruppe – und KI wird leicht missverstanden, wenn Menschen mit unterschiedlichen Erwartungen kommen.

Definieren Sie Ihre Nicht‑Expert:innen

Wählen Sie eine primäre Gruppe (und optional eine sekundäre). Zum Beispiel:

• Kund:innen, die Ihr Produkt bewerten
• Mitarbeitende, die KI‑Funktionen sicher nutzen müssen
• Studierende und Lehrende, die Grundlagen lernen
• Mitglieder der Öffentlichkeit, die KI‑Nachrichten einordnen wollen

Geben Sie jeder Gruppe ein kurzes Profil: Was sie bereits wissen, wovor sie sich sorgen und welche Entscheidung sie treffen wollen. Das hilft Ihnen, das richtige Detailniveau und passende Beispiele zu wählen.

Listen Sie die Fragen auf, die sie tatsächlich stellen

Nicht‑Expert:innen suchen meist zuerst nach praktischen Antworten. Starten Sie Ihre Content‑Planung mit Fragen aus Verkaufsgesprächen, Support‑Tickets, Schulungen und Kommentaren:

• Was kann diese KI zuverlässig tun?
• Was kann sie (noch) nicht und wo scheitert sie?
• Welche Risiken gibt es – Fehler, Verzerrungen, Datenschutz, Missbrauch?
• Was kostet es (Geld, Zeit, Aufwand, Änderungen im Workflow)?
• Welche Daten nutzt sie und was passiert mit meinen Daten?

Wenn Sie diese nicht klar beantworten können, wirkt Ihre Seite wie Marketing – egal wie poliert sie aussieht.

Setzen Sie 1–3 primäre Ziele

Wählen Sie eine kleine Anzahl von Ergebnissen, die zählen. Typische Ziele sind:

• Besucher:innen genug aufklären, um richtige Erwartungen zu setzen
• Leads qualifizieren, damit Verkaufsgespräche auf dem richtigen Niveau starten
• Support‑Volumen reduzieren, indem wiederkehrende Fragen vorab beantwortet werden

Ihre Ziele sollten bestimmen, worauf Sie Wert legen: Klarheit, Beruhigung, Entscheidungsunterstützung oder praktische Anleitung.

Wählen Sie Metriken zur Erfolgskontrolle

Passen Sie Metriken an Ihre Ziele an, damit Sie die Seite im Zeitverlauf verbessern können. Beispiele:

• Verweildauer und Scrolltiefe auf Schlüsselseiten (interagieren Menschen?)
• Klicks auf Demos oder Nutzung von Tools (probieren sie es aus?)
• Qualität der Kontaktformulare (sind Fragen spezifischer?)
• Support‑Ticket‑Volumen zu „Was ist das/Wie funktioniert das?“‑Themen

Legen Sie eine Prüf‑Kadenz fest (monatlich oder vierteljährlich) und passen Sie Inhalte an, wenn etwas weiterhin missverstanden wird.

KI‑Fähigkeiten in einfache, einprägsame Kategorien gliedern

Menschen verstehen KI schneller, wenn Sie sie in einige „Aufgaben“ gruppieren, statt in eine lange Liste von Tools. Zielen Sie auf 3–6 Kategorien, die vertraut wirken und den Großteil Ihres Angebots abdecken.

Wählen Sie Kategorien, die zu realen Aufgaben passen

Nehmen Sie Kategorien, die Besucher:innen aus dem Arbeitsalltag wiedererkennen. Gängige Optionen sind:

• Text (schreiben, zusammenfassen, übersetzen)
• Bilder (generieren, bearbeiten, beschreiben)
• Audio (transkribieren, Gesprächszusammenfassungen, Stimme)
• Suche & Q&A (Antworten in Dokumenten finden)
• Daten & Tabellen (Muster erkennen, Formeln entwerfen)

Benennen Sie jede Kategorie mit einem einfachen Substantiv („Text“, „Bilder“) oder einer klaren Verbform („Antworten in Dokumenten finden“). Vermeiden Sie originelle Labels, die erklärt werden müssen.

Verwenden Sie für jede Kategorie dieselbe Mini‑Vorlage

Konsistenz reduziert Verwirrung. Für jede Fähigkeitskategorie schreiben Sie vier kurze Teile:

1. Was sie tut: Ein Satz, der die Ausgabe beschreibt (nicht die Technologie). Beispiel: „Wandelt eine Anweisung in einen bearbeitbaren Entwurf um.“
2. Gängige Anwendungsfälle: 3–5 konkrete Szenarien wie „E‑Mail umschreiben“, „Richtlinie zusammenfassen“, „Stellenbeschreibung entwerfen“.
3. Einschränkungen: Klare Aussagen über Fehlerarten. Beispiel: „Kann selbstbewusst falsch klingen“, „kann Kontext übersehen“, „Qualität hängt von Ihrer Eingabe ab.“
4. Wann nicht verwenden: Eine klare Missbrauchs‑Warnung, z. B. „Nicht zur medizinischen oder rechtlichen Entscheidungsfindung verwenden“ oder „Keine vertraulichen Daten einfügen.“

Diese Struktur hilft Leser:innen, Fähigkeiten schnell zu vergleichen und Erwartungen zu setzen, ohne zu überfordern.

Entscheiden Sie, welche technischen Details Sie weglassen

Nicht‑Expert:innen brauchen meist keine Modellnamen, Benchmarks, Parameteranzahlen oder Ranglisten. Ersetzen Sie solche Angaben durch nutzerrelevante Hinweise:

• „Funktioniert am besten mit klaren Anweisungen und Beispielen.“
• „Nicht garantiert korrekt; wichtige Fakten prüfen.“
• „Kann Verzerrungen aus den Beispielen widerspiegeln, aus denen es gelernt hat.“

Wenn technische Begriffe nötig sind, halten Sie sie optional (als kurze Notiz oder Tooltip), damit die Hauptseite zugänglich bleibt.

Eine klare Seitenstruktur und Lese‑Pfad entwerfen

Eine gute KI‑Erklärseite wirkt vorhersagbar: Besucher:innen wissen immer, wo sie sind, was sie als Nächstes lesen sollten und wie tief sie einsteigen können. Ziel ist nicht, alles auf einmal zu zeigen, sondern Menschen vom „Ich bin neugierig“ zum „Ich verstehe genug, um zu entscheiden“ zu führen.

Beginnen Sie mit einer einfachen Sitemap

Halten Sie die Hauptnavigation klein und aussagekräftig. Ein praktisches Basissitemap sieht so aus:

• Startseite: das klare, leicht verständliche Versprechen der Seite und für wen sie ist
• Fähigkeiten: was die KI kann, gruppiert in einige Kategorien
• Beispiele: reale Szenarien, Vorher/Nachher und kurze Demos
• FAQ: häufige Fragen und Missverständnisse
• Glossar: kurze Definitionen für unbekannte Begriffe
• Über uns: Mission, Quellen und redaktioneller Ansatz
• Kontakt: Feedback, Fragen und Support

Diese Struktur bietet Erstbesucher:innen einfache Einstiegsoptionen und unterstützt wiederkehrende Nutzer:innen, die eine konkrete Antwort suchen.

Wenn Sie schnell vorankommen müssen, hilft es, die Struktur als funktionierende Seite zu prototypen statt nur als statisches Dokument. Teams nutzen zum Beispiel Koder.ai (eine Art Vibe‑Coding‑Plattform), um aus einem Chat‑Brief eine React‑basierte Erklärseite zu erzeugen und dann mit „Planungsmodus“, Snapshots und Rollback zu iterieren, während Inhalte und Navigation sich entwickeln.

Erstellen Sie einen „Hier anfangen“‑Pfad

Viele Nicht‑Expert:innen wissen nicht, was „Fähigkeiten“ oder „Modelle“ bedeuten. Fügen Sie einen sichtbaren „Hier anfangen“‑Pfad (auf der Startseite und im Hauptmenü) hinzu, der durch 3–5 kurze Schritte führt, z. B.:

1. Was diese KI in einer Minute ist
2. Wobei sie gut ist (Fähigkeiten)
3. Wo sie versagt (Grenzen)
4. Beispiele, zu denen Sie einen Bezug haben
5. Nächste Schritte (wie testen oder mehr lernen)

Progressive Offenlegung nutzen

Gestalten Sie jede Seite in Schichten: zuerst eine kurze Übersicht, dann optionale Details. Eine Fähigkeitsseite kann z. B. mit einem einabsätzigen Summary beginnen und dann Abschnitte wie „Typische Eingaben“, „Typische Ausgaben“, „Gut geeignet für“ und „Worauf achten“ ausklappen. Besucher:innen, die nur die Basics wollen, können früh stoppen, ohne sich verloren zu fühlen.

Lese‑Pfad mit internen Verknüpfungen planen

Statt langer, überwältigender Seiten verbinden Sie verwandte Konzepte. Wenn jemand über „Halluzinationen“ liest, sollte ein Hinweis zum Glossar‑Eintrag und einer passenden FAQ auftauchen. So wird Ihre Seite zu einer geführten Lernreise statt zu einem Haufen Seiten.

In einfacher Sprache schreiben, ohne Genauigkeit zu opfern

Einfache Sprache heißt nicht „verblöden“. Sie beseitigt Reibungsverluste, damit Leser:innen verstehen, was ein KI‑System tut, was es nicht tut und was als Nächstes zu tun ist.

Regeln für einfache Sprache, die Bedeutung bewahren

Streben Sie kurze Sätze, aktive Stimme und eine Idee pro Absatz an. So wirken komplexe Themen überschaubar, ohne wichtige Details auszulassen.

Wenn die Genauigkeit leidet, fügen Sie einen zusätzlichen Kontextsatz hinzu, statt auf Fachsprache zurückzugreifen. Statt „das Modell generalisiert“ sagen Sie z. B.: „Es lernt Muster aus früheren Beispielen und nutzt diese Muster, um neue Vermutungen anzustellen."

Jargon durch alltägliche Begriffe ersetzen (und den Rest definieren)

Die meisten KI‑Fachbegriffe lassen sich vereinfachen. Nutzen Sie die Alltagssprache standardmäßig und führen Sie technische Begriffe nur ein, wenn sie wirklich nötig sind.

Beispiele:

• „Model“ → „KI‑System“ oder „KI‑Tool"
• „Inference“ → „eine Vorhersage treffen"
• „Hallucination“ → „selbstbewusst klingende Fehler"
• „Training data“ → „Beispiele, aus denen es gelernt hat"

Wenn Sie einen technischen Begriff verwenden müssen (weil Nutzer:innen ihn anderswo sehen), definieren Sie ihn sofort in einem Satz und verwenden Sie danach konsequent dasselbe Wort.

Seien Sie konsistent: wählen Sie für jedes Konzept ein Wort

Konsistenz vermindert Verwirrung mehr als zusätzliche Erklärungen. Legen Sie für jeden Schlüsselbegriff ein festes Label fest und bleiben Sie dabei.

Entscheiden Sie zum Beispiel, ob Sie „KI‑System“, „Modell“ oder „Algorithmus“ verwenden. Wählen Sie eines als Hauptbegriff (z. B. „KI‑System“) und nennen Sie die anderen höchstens einmal als alternative Begriffe.

Achten Sie auch auf Verben: Wenn Sie die Ausgabe „Vorschlag“ nennen, nennen Sie sie nicht später ohne Grund „Antwort“.

Kurze Zusammenfassungen am Seitenanfang

Beginnen Sie jede Seite mit einer kurzen „Was Sie hier bekommen“‑Zusammenfassung in 3–5 Bullet‑Points. Das hilft Nicht‑Expert:innen, sich schnell zu orientieren und Fehlinterpretationen zu vermeiden.

Eine gute Zusammenfassung enthält typischerweise:

• Wofür dieses KI‑System gedacht ist (und wem es hilft)
• Was Sie eingeben (Inputs)
• Was Sie zurückbekommen (Outputs)
• Eine wichtige Einschränkung (wo es falsch liegen kann)
• Was zu tun ist, wenn das Ergebnis fragwürdig wirkt (ein einfacher nächster Schritt)

So bleibt der Haupttext lesbar, aber die notwendigen Präzisierungen sind vorhanden, damit Menschen KI sicher und sicherheitsbewusst nutzen können.

Das Input–Output‑Modell mit einfachen Diagrammen zeigen

Menschen verstehen KI schneller, wenn Sie sie als einfaches System zeigen: was hineingeht, was passiert, was herauskommt und was die Person dann tun sollte. Ein kleines Diagramm kann lange Erklärungen ersetzen und „Black‑Box“-Denken reduzieren.

Beginnen Sie mit den Eingaben (was die KI braucht)

Seien Sie klar darüber, was eine Nutzer:in bereitstellen muss. Häufige Eingabetypen sind:

• Eine Anweisung (Prompt): eine Frage oder Instruktion (was Sie wollen und ggf. Einschränkungen)
• Dateien: PDFs, Bilder, Tabellen, Audio – plus unterstützte Formate und Größenlimits
• Datenquellen: angebundenes Wissen, Produktkatalog oder Help‑Center‑Artikel (und ob die KI darauf zugreifen kann)
• Kontext: Zielgruppe, Ton, Region, Fristen, Beispiele für „gute“ Ausgaben

Ein hilfreiches Muster: „Wenn Sie X geben, kann es Y; wenn nicht, wird es raten.“

Beschreiben Sie die Ausgaben (was Sie zurückbekommen)

Nennen Sie die Ausgabe in einfachen Worten und zeigen Sie, wie sie aussieht:

• Textentwürfe (E‑Mail, Zusammenfassung, Plan)
• Labels oder Kategorien (Spam/nicht Spam, Themen‑Tags)
• Empfehlungen (nächste Schritte, Produkte, vorgeschlagene Antworten)
• Extrahierte Informationen (Daten, Namen, Schlüsselpunkte)

Nennen Sie auch, was die Ausgabe nicht ist: keine Garantie, keine finale Entscheidung, keine perfekte Quelle der Wahrheit.

Zeigen Sie den Ablauf: Input → Verarbeitung → Output → Überprüfung

Ein einfaches Diagramm passt auf eine Bildschirmseite:

Input                   Processing                     Output
(prompt / files / data)  (AI finds patterns + predicts)  (draft / label / suggestion)
        │                         │                           │
        └─────────────────────────┴───────────────────────────┘
                               Review
                   (human checks, edits, verifies)

Halten Sie das „Processing“-Feld auf hoher Ebene. Es sind keine internen Modell‑Details nötig; das Ziel ist Klarheit, nicht Technik.

Hinweise zur Mensch‑in‑der‑Schleife (wie man es sicher nutzt)

Rechts neben dem Diagramm sollte eine kurze „Bevor Sie es nutzen“‑Box stehen:

• Überprüfen auf Genauigkeit und fehlenden Kontext
• Bearbeiten für Ton, Richtlinien und Markenstimme
• Verifizieren wichtiger Aussagen mit vertrauenswürdigen Quellen
• Entscheiden, ob eine Person genehmigen muss (besonders bei medizinischen, rechtlichen, finanziellen oder kundenrelevanten Aktionen)

Das macht das Diagramm zu einem praktischen Workflow, dem Besucher:innen sofort folgen können.

Beispiele, Demos und Vorher/Nachher‑Beispiele nutzen

Beispiele lassen KI greifbar werden. Planen Sie 5–10 realistische Beispiele pro Fähigkeit (eine Seite oder Karte pro Fähigkeit), geschrieben als kurze, nachvollziehbare Szenarien, die Menschen aus dem Alltag kennen.

Ein einfaches Demo‑Muster, das funktioniert

Halten Sie jedes Beispiel konsistent, damit Leser:innen schnell scannen können:

• Situation: ein Satz (wer, was gebraucht wird)
• Input: was die Person bereitstellt (der „Prompt“ in Alltagssprache)
• Output: was die KI zurückgibt (ein realistischer Ausschnitt)
• Vorher/Nachher: Original vs. KI‑unterstützt, deutlich markiert
• Was Sie prüfen sollten: 3–5 schnelle Prüfungen (Fakten, Ton, Verzerrung, Datenschutz)

Vorher/Nachher‑Beispiele (Fähigkeit: Schreibunterstützung)

Nutzen Sie diese als Vorlagen und erstellen Sie ähnliche Sets für Zusammenfassungen, Brainstorming, Datenhilfe, Support‑Entwürfe usw.

1. E‑Mail umschreiben (höflich + kürzer)

Vorher: „I need this by end of day. If you can’t do it, tell me now.“

Nachher (KI‑unterstützt): „Could you share an update by 5pm today? If that timing won’t work, let me know and we’ll adjust.“

Was Sie prüfen sollten: Ton passt zur Beziehung; keine verbindlichen Zusagen; sensible Details entfernen.

2. Meeting‑Notizen → To‑Dos

Vorher: „Talked about launch. Some risks. Sam mentioned vendors.“

Nachher (KI‑unterstützt): „Actions: (1) Sam to confirm vendor lead times by Wed. (2) Priya to draft launch checklist by Fri. Risks: vendor delays; unclear approval owner.“

Was Sie prüfen sollten: Namen/Verantwortliche korrekt; Daten stimmen; fehlende Entscheidungen nicht vom System ergänzt.

3. Stellenbeschreibung überarbeiten

Vorher: „Looking for a rockstar who can handle anything under pressure."

Nachher (KI‑unterstützt): "Seeking a coordinator who can manage deadlines, communicate clearly, and prioritize tasks across teams."

Was Sie prüfen sollten: diskriminierende Sprache entfernt; Anforderungen realistisch; Zugänglichkeit und Inklusion.

4. Kundenantwort‑Entwurf

Vorher: „Not our fault. You used it wrong."

Nachher (KI‑unterstützt): "I’m sorry this was frustrating. Let’s figure out what happened—can you share the steps you took and the error message?"

Was Sie prüfen sollten: stimmt mit Richtlinie überein; keine schuldzuweisende Formulierung; Datenschutz (nicht unnötig nach Daten fragen).

5. Einfachere Formulierung

Vorher: „Your request is pending due to insufficient documentation."

Nachher (KI‑unterstützt): "We can’t finish your request yet because we’re missing a document. Please send: proof of address (dated within 90 days)."

Was Sie prüfen sollten: Genauigkeit der Anforderungen; Verständlichkeit für Nicht‑Muttersprachler:innen; keine unnötigen personenbezogenen Daten sammeln.

Vorlagen und Prompts (nur wenn Sie sie pflegen können)

Downloadbare Prompts sind nützlich, aber veröffentlichen Sie sie nur, wenn Sie sie aktuell halten können. Falls ja, kennzeichnen Sie sie mit einem „Zuletzt aktualisiert“-Datum, nennen Sie, mit welchem Modell/Tool sie getestet wurden, und bieten Sie eine einfache Möglichkeit, Fehler zu melden.

Grenzen und Unsicherheit klar erklären

Menschen brauchen keine Mathe‑Vorlesung, um Unsicherheit zu verstehen – sie brauchen eine klare Aussage. Ein hilfreicher Rahmen ist: Ein KI‑System sagt wahrscheinliche Ausgaben basierend auf Mustern in Daten voraus; es „weiß“ nicht wie ein Mensch. Diese eine Idee verhindert viele Missverständnisse, besonders wenn das Modell selbstbewusst klingt.

Häufige Einschränkungen ohne Drama aussprechen

Seien Sie konkret, wie KI fehlschlagen kann, in Alltagssprache:

• Fehler und Halluzinationen: Es kann eine Antwort erzeugen, die richtig klingt, aber falsch oder erfunden ist.
• Datenlücken: Fehlen bestimmte Informationen in den Trainingsdaten, kann die Ausgabe unvollständig oder verzerrt sein.
• Kontext‑Limits: Nuancen können verloren gehen, Absicht missverstanden oder wichtige Details bei langen/informationsreichen Eingaben übersehen werden.
• Veraltetes oder teilweises Wissen: Es spiegelt unter Umständen nicht die jüngsten Ereignisse, Richtlinienänderungen oder firmenspezifische Infos wider.

Verstecken Sie diese Punkte nicht im Kleingedruckten. Platzieren Sie sie neben der betroffenen Funktion (z. B. Halluzinationen auf einer Seite über „Zusammenfassen“ oder „Fragen beantworten").

Unsicherheit einfach erklären

Formulierungen wie: „Das System wählt die wahrscheinlichsten nächsten Wörter basierend auf gelernten Mustern“ sind hilfreich. Fügen Sie hinzu, was das bedeutet: „Das heißt, es kann selbstbewusst falsch sein.“ Wenn Sie Konfidenzwerte oder Labels wie „kann ungenau sein“ zeigen, erklären Sie, was Nutzer:innen als Nächstes tun sollten (nochmal überprüfen, Quellen anfordern, mit vertrauenswürdigen Referenzen vergleichen).

Warnungen bei Hochrisiko‑Anwendungen

Wenn Ihre Seite KI‑Nutzung für Entscheidungen bewirbt, fügen Sie deutlich sichtbare Warnblöcke für medizinische, rechtliche und finanzielle Anwendungen hinzu: KI‑Ausgaben sind keine professionelle Beratung, können kritische Details auslassen und sollten von qualifizierten Expert:innen geprüft werden. Nennen Sie konkrete Risiken (Fehldiagnosen, Compliance‑Probleme, falsche Steuerberatung).

Eine leicht erfassbare „Gut für / Nicht für“‑Tabelle

Vertrauen durch Transparenz und Sicherheit aufbauen

Menschen müssen nicht jede technische Einzelheit verstehen, um Vertrauen zu fassen. Sie brauchen klare, konkrete Antworten auf „Was passiert mit meinen Daten?“ und „Was schützt mich?“. Machen Sie Vertrauen zu einem vorrangigen Teil Ihrer Seite – nicht zu einer Fußnote.

Veröffentlichen Sie eine einfache Transparenz‑Seite

Erklären Sie, was Sie sammeln, was Sie nicht sammeln und warum. Bleiben Sie dabei lesbar und konkret, mit Beispielen häufiger Eingaben.

Nennen Sie Punkte wie:

• Welche Daten Sie sammeln (z. B. Prompts, Konto‑E‑Mail, Geräteinfos) und zu welchem Zweck
• Wie lange Sie Daten aufbewahren und wie Nutzer:innen Löschung beantragen können
• Ob Daten zur Systemverbesserung genutzt werden (und wie man ggf. widerspricht)
• Wo die Datenschutzerklärung zu finden ist (konsistent auf der Seite verweisen)

Sicherheitsmaßnahmen beschreiben, ohne zu viel zu versprechen

Nicht‑Expert:innen gehen oft davon aus, dass KI‑Ausgaben „verifiziert“ sind. Formulierungen sollten vorsichtig sein. Beschreiben Sie Schutzmaßnahmen auf hoher Ebene—ohne perfekte Sicherheit anzudeuten.

Beispiele für Sicherheitsnotizen:

• Moderation zur Reduktion schädlicher oder unzulässiger Inhalte
• Menschliche Überprüfungen bei sensiblen Workflows (falls zutreffend)
• Ratenbegrenzung, Monitoring und Missbrauchsprävention
• Klare Aussage darüber, was das System noch falsch machen kann und wie Nutzer:innen prüfen sollten

Richtlinien zur verantwortungsvollen Nutzung und Eskalationswege

Geben Sie eine kurze „So nutzen Sie es richtig“‑Sektion, die passende Szenarien und Warnzeichen erklärt. Kombinieren Sie das mit klaren Eskalationswegen:

• Wie man unsichere oder falsche Ausgaben meldet
• Wann man das Tool nicht mehr für Entscheidungen nutzt (z. B. medizinisch, rechtlich, finanziell)
• Wo man Support für dringende Probleme erreicht

Glaubwürdigkeit schnell sichtbar machen

Vertrauen wächst, wenn Nutzer:innen sehen, wer hinter dem Produkt steht und wie es gepflegt wird. Fügen Sie hinzu:

• Team‑Bios mit relevanter Erfahrung und Rollen
• Kurze Methodik‑Hinweise: Datenquellen (auf hoher Ebene), Evaluationsansatz, bekannte Limits
• Ein Changelog für bedeutende Updates (Modellwechsel, Policy‑Updates, neue Schutzmaßnahmen)

Wenn Transparenz konsistent und konkret ist, wirkt Ihre KI‑Erklärung weniger wie Werbung und mehr wie verlässliche Anleitung.

Glossar und FAQ, die Verwirrung reduzieren

Ein Glossar und ein FAQ sind „Stützräder“ für Leser:innen, die Terminologie noch nicht kennen. Sie helfen auch Expert:innen, auf gemeinsame Definitionen zu kommen, damit Ihre Seite nicht dasselbe Wort unterschiedlich verwendet.

Ein Glossar, das Leute wirklich nutzen

Halten Sie Einträge kurz, konkret und für Menschen ohne Informatik‑Hintergrund verständlich. Beginnen Sie mit Begriffen, über die Leser:innen am häufigsten stolpern:

• Modell: Die „Maschine“, die Antworten auf Basis gelernten Mustern erzeugt.
• Prompt: Die Eingabe, die Sie dem Modell geben (Frage, Anweisung oder Beispiel).
• Training: Die Phase, in der das Modell mit vielen Daten lernt.
• Bias: Eine systematische Verzerrung in Ausgaben, die bestimmte Gruppen benachteiligen kann.
• Kontextfenster: Wie viel Text das Modell gleichzeitig „im Blick behalten“ kann, wenn es antwortet.

Fügen Sie unter jedem Eintrag eine kleine Zeile hinzu: „Sie könnten auch … hören“ und listen Sie gängige Synonyme oder nahe Begriffe, z. B.:

• Modell → „KI‑System“, „LLM“, „Engine"
• Prompt → „Anweisung“, „Eingabe“, „Abfrage"
• Training → „Lernen“, „Fine‑Tuning"
• Bias → „Verzerrung“, „Unfairness“, „systematischer Fehler"
• Kontextfenster → „Speicherlimit“, „Token‑Limit"

Tooltips zur richtigen Zeit

Auf Fähigkeitsseiten fügen Sie dezente Tooltips für Fachbegriffe beim ersten Auftreten hinzu. Halten Sie sie bei einem Satz und vermeiden Sie Jargon. Tooltips sollten:

• Das Lesen nicht unterbrechen (Tippen/Hovern zum Anzeigen)
• Ein Beispiel enthalten („Ein Prompt kann sein: 'Fasse diese E‑Mail in 3 Punkten zusammen.'")
• Mit dem Glossartext konsistent sein

Ein FAQ, das Missverständnisse entkräftet

Beantworten Sie Fragen, die Nutzer:innen tatsächlich haben oder befürchten. Gute Fragen sind:

• „Durchsucht die KI gerade das Internet?“ Erklären Sie, wann das der Fall ist und wann nicht.
• „Versteht sie wie ein Mensch?“ Unterscheiden Sie Musterbasierte Generierung und menschliches Verstehen.
• „Warum klingt sie sicher und kann trotzdem falsch sein?“ Beschreiben Sie Unsicherheit und Halluzinationen einfach.
• „Werden meine Daten zum Training verwendet?“ Trennen Sie „zur Beantwortung verwendet“ von „zur Verbesserung verwendet“.
• „Kann sie voreingenommen sein?“ Erklären Sie, wie Bias entstehen kann und was Sie dagegen tun.

Wenn Glossar und FAQ leicht zu finden und konsistent sind, verbringen Leser:innen weniger Zeit mit dem Entschlüsseln von Begriffen und mehr damit, zu lernen, was die KI tatsächlich leisten kann.

Lesbarkeit, Barrierefreiheit und Mobil‑Design

Eine Seite, die KI gut erklärt, sollte sich leicht lesen lassen. Beim Erlernen unbekannter Konzepte sollte das Design Belastung reduzieren, nicht erhöhen.

Lesen angenehm machen

Beginnen Sie mit Typografie und Abstand, die das Verständnis unterstützen:

• Verwenden Sie eine gut lesbare Schriftgröße (oft 16–18px oder größer für Fließtext) und großzügigen Zeilenabstand.
• Halten Sie die Zeilenlänge so, dass das Auge nicht verloren geht (ca. 45–80 Zeichen pro Zeile).
• Hoher Kontrast zwischen Text und Hintergrund; vermeiden Sie wichtigen Text über unruhigen Mustern.

Zerlegen Sie dichte Gedanken in kurze Absätze und nutzen Sie klare Überschriften. Wenn Sie einen Begriff einführen, kann eine kurze Infobox helfen, ihn in einem Satz zu definieren, bevor Sie fortfahren.

Navigation und Seiten zum Scannen gestalten

Nicht‑Expert:innen überfliegen oft zuerst und entscheiden dann, was sie lesen.

Nutzen Sie konsistente Seitenmuster: klare Überschrift, ein einabsätziges "Was Sie lernen", und strukturierte Abschnitte mit beschreibenden Unterüberschriften. Machen Sie Navigation vorhersehbar (Top‑Menü + Breadcrumbs oder ein sichtbares „Zur Übersicht“), und verstecken Sie keine wichtigen Seiten hinter kreativen Labels.

Callouts sind nützlich, aber gezielt einsetzen—z. B. für „Kernaussage“, „Häufiges Missverständnis“ oder „Probieren Sie diesen Prompt“, nicht zum Wiederholen desselben Punkts.

Barrierefreiheit als Kernaufgabe

Barrierefreiheit hilft allen, auch mobilen Nutzern und Personen in lauten Umgebungen.

Stellen Sie sicher:

• Vollständige Tastaturnavigation (sichtbare Fokuszustände, logische Tab‑Reihenfolge)
• Bedeutungsvolle Alt‑Texte für Diagramme, Icons und UI‑Screenshots (beschreiben Sie den Punkt, nicht nur das Bild)
• Untertitel oder Transkripte für Audio/Video und gut lesbare Bezeichnungen für Bedienelemente

Mobil‑zuerst für Diagramme und Beispiele designen

Abläufe und Vergleiche brechen auf kleinen Bildschirmen leicht zusammen.

Verwenden Sie gestapelte Karten für Schritt‑Für‑Schritt‑Pipelines, Akkordeons für Definitionen/FAQ und nebeneinanderstehende Vergleiche, die in vertikale „Vorher“‑dann‑„Nachher“‑Abschnitte umklappen. Halten Sie Tap‑Ziele groß und vermeiden Sie Interaktionen, die präzise Steuerung erfordern (z. B. winzige Hover‑nur‑Tooltips).

Nächste Schritte mit hilfreichen CTAs und laufenden Updates leiten

Eine gute KI‑Erklärseite endet nicht bei „Jetzt wissen Sie’s“. Sie hilft Menschen zu entscheiden, was als Nächstes zu tun ist—ohne alle in dieselbe Richtung zu drängen.

CTAs an Besucher:innen‑Absicht anpassen

Bieten Sie eine kleine Auswahl klarer Calls to Action (CTAs), jeweils an ein Ziel gekoppelt:

• Mehr lernen: „5‑Minuten‑Überblick lesen“, „Reale Use Cases ansehen“, „Glossar durchstöbern"
• Demo ausprobieren: „Beispiel‑Prompt testen“, „Beispieldatei hochladen“, „Vorher/Nachher vergleichen"
• Kontakt aufnehmen: „Frage stellen“, „Walkthrough anfragen“, „Use Case besprechen"

Formulieren Sie konkret: Was bekommt die Person, wie lange dauert es und was muss sie bereitstellen.

Wenn Sie einen praktischen Pfad anbieten, überlegen Sie einen „Build a sample app“‑CTA für Leute, die durch Tun lernen. Plattformen wie Koder.ai können aus einem kurzen Chat‑Brief eine Web‑Erfahrung (React‑Frontend mit Go/PostgreSQL‑Backend) generieren, nützlich zum Validieren Ihrer IA, Demos und Content‑Flows—und zum Exportieren des Quellcodes, wenn Sie bereit sind, es zu operationalisieren.

Anfänger:innen und Fortgeschrittene unterschiedlich abholen

Führen Sie Expert:innen nicht durch Anfänger‑Content und Anfänger:innen nicht in technische Details. Nutzen Sie leichte „Pfad“-Buttons wie:

• Neu bei KI? Starten Sie mit Definitionen, einfachem Input–Output‑Erklärung und typischen Fallen.
• Bewertet für die Arbeit? Direkt zu Fähigkeiten, Einschränkungen, Datenschutz und Implementationsanforderungen springen.
• Schon technisch? Bieten Sie tiefergehende Details in ausklappbaren Sektionen: Datenformate, Constraints, Evaluationsmethoden.

Das kann so einfach sein wie zwei Buttons oben auf wichtigen Seiten („Ich lerne“ vs „Ich evaluiere").

Erwartungen bei Kontakt und Anfragen setzen

Wenn Sie ein Formular anbieten, sagen Sie, was Sie brauchen (Beispieldateien, Branche, Ziel, Einschränkungen) und was danach passiert. Wenn möglich, fügen Sie hinzu:

• Typische Antwortzeit (auch als Spanne)
• Wer antwortet (Vertrieb, Support, Solutions)
• Was Sie nicht tun (z. B. „Bitte fügen Sie keine sensiblen Daten ein")

Updates wie ein Produkt planen

KI‑Informationen veralten schnell. Benennen Sie einen Verantwortlichen, legen Sie eine Prüf‑Kadenz fest (monatlich/vierteljährlich) und fügen Sie einfache Versionshinweise hinzu (z. B. „Zuletzt geprüft: Monat JJJJ" und „Was sich geändert hat“), damit Leser:innen dem Inhalt vertrauen.

Wenn Ihr Erklärangebot an eine interaktive Demo gebunden ist, behandeln Sie Updates wie Software‑Releases: Änderungen nachvollziehen, Rollback‑Optionen bereithalten und dokumentieren, was geändert wurde. Tools wie Snapshots und Rollback—verfügbar in Plattformen wie Koder.ai—können beim schnellen, risikoarmen Iterieren helfen.