Woche 7 · die fünfte Dimension

Dokumentation: schreiben, damit Maschinen dich verstehen

Die Ergebnis-Dimensionen waren, was KI über dich sagt. Die Maschinerie-Dimensionen sind, wie du es veränderst — beginnend mit den Worten, die ein Modell tatsächlich liest.

Makefield · Berlin

Der Übergang

Von dem, was KI sagt, zu dem, wie du es veränderst

Die ersten vier Dimensionen beschrieben das Ergebnis — ob KI dich erkennt, korrekt beschreibt, fair einordnet und empfiehlt. Die nächsten drei sind die Maschinerie darunter: die Dinge, an denen du tatsächlich arbeitest, um dieses Ergebnis zu bewegen. Das erste Stück Maschinerie ist das direkteste, weil es der Teil ist, den du vollständig kontrollierst — deine eigene Dokumentation, die Worte, die ein Modell liest, wenn es dich zu beschreiben versucht.

Maschinen lesen nicht wie Menschen

Zerstückelt, extrahiert, zusammengefasst

Ein LLM liest deine Produktseite nicht so, wie ein Mensch sie überfliegt. Es zerteilt Text in Stücke, zieht Entitäten und Aussagen heraus und baut daraus eine Zusammenfassung — wie wir in wie KI-Antworten gebaut werden gesehen haben. Das verändert, was „guter Inhalt" bedeutet. Prosa, die geschrieben ist, um einen Menschen zu überzeugen — lange narrative Absätze, vorausgesetzter Kontext, Marketingsprache —, erzeugt oft eine vage oder falsche KI-Zusammenfassung, weil das Modell die konkreten Fakten, die es braucht, nicht sauber extrahieren kann. Inhalt, geschrieben, um abgerufen zu werden, erzeugt korrekte.

Wie gut aussieht

Fakten, die ein Modell sauber heben kann

Dokumentation, die eine KI gut verarbeitet, teilt meist eine Gestalt: Jede Schlüsselseite sagt klar, was das Produkt ist und für wen; konkrete Aussagen — eine Preisstufe, eine Integration, ein Unterscheidungsmerkmal — sind als explizite, in sich geschlossene Sätze geschrieben, nicht in einem Absatz vergraben; und häufige Fragen werden direkt beantwortet, in den Worten, die ein Kunde nutzen würde. Der Test ist einfach: Nimm drei bis fünf konkrete Fakten über dich und prüfe, ob die KI jeden korrekt abrufen kann. Gibt sie eine generische Zusammenfassung statt des Fakts zurück, ist die Dokumentation noch nicht extrahierbar.

Wie Scheitern aussieht

Das Broschüren-Problem

Das häufige Scheitern ist Dokumentation, optimiert fürs Überfliegen, nicht fürs Abrufen: narrative Marketingtexte, Schlüsselfakten eher angedeutet als ausgesprochen, nirgends direkte Frage-und-Antwort. Das Symptom ist eine KI-Beschreibung von dir, die generisch ist — im Wesentlichen dieselbe, die sie für jeden Wettbewerber deiner Kategorie schreiben würde — oder eine, die still einen veralteten oder falschen Fakt trägt, den sie nicht korrigieren konnte, weil der richtige Fakt nie sauber ausgesprochen wurde.

Warum hier beginnen

Der günstigste Hebel, den du kontrollierst

Bei der Dokumentation sollte die Maschinerie-Arbeit beginnen, aus einem Grund: Sie ist der einzige Teil, der ganz in deiner Hand liegt. Du kontrollierst nicht, was Reddit über dich sagt oder welchen Quellen eine Engine vertraut — aber du kontrollierst vollständig, ob deine eigenen Seiten deine Fakten in einer Form aussprechen, die ein Modell heben kann. Es ist die günstigste, schnellste verfügbare Korrektur und das Fundament, auf dem die nächsten zwei Dimensionen aufbauen.

Als Nächstes — Strukturierte Daten: deine Fakten mit Schema maschinen-wahr machen, und warum Schema allein nicht genügt. Neu hier? Beginne mit dem Überblick.