Ob Dein Custom GPT die Markenstimme trifft, entscheidet sich in den Instructions. Das Tool setzt um, was dort steht. Wo die Vorgabe offenlässt, wie Deine Marke in einer bestimmten Situation klingt, entscheidet das Modell bei jedem Text neu. Deshalb trifft derselbe Custom GPT Deine Marke mal und mal eben nicht.
Gerade jetzt lohnt sich ein genauer Blick auf diese Vorgabe, denn OpenAI schaltet Custom GPTs am 11. Dezember 2026 ab. Die Instructions ziehen als Skill in ein Plugin um, mit allen Schwächen. In diesem Artikel erfährst Du, an welchen vier Stellen eine Vorgabe typischerweise scheitert, was in die Instructions gehört und was in die Knowledge-Dateien, und wie Du die Vorgabe testest, bevor Du sie mitnimmst. Alle Zahlen und Studien habe ich in den Originalquellen nachgeprüft.
Warum verfehlt ein Custom GPT die Markenstimme?
Ein Custom GPT verfehlt die Markenstimme, wenn die Vorgabe offenlässt, wie die Marke in einer konkreten Situation klingen soll. Jede dieser Lücken füllt das Modell mit der naheliegendsten Formulierung, und die passt zu vielen Marken gleichzeitig.
Anthropic, der Anbieter von Claude, vergleicht ein Sprachmodell mit einem brillanten neuen Mitarbeiter, dem der Kontext zu Normen und Abläufen fehlt. Je genauer Du erklärst, was Du willst, desto besser wird das Ergebnis. Die Dokumentation empfiehlt dafür eine goldene Regel: Zeig Deine Anweisung einer Person, die kaum etwas über die Aufgabe weiß. Wäre sie verwirrt, ist es das Modell auch. Die Regel stammt zwar aus der Claude-Dokumentation, sie gilt aber genauso für das Modell hinter Deinem Custom GPT.
Für Marken steht dabei einiges auf dem Spiel. Der Softwareanbieter Templafy hat im August 2026 2.000 Beschäftigte in Wissensberufen in den USA und Großbritannien befragt. 59 Prozent sagen, KI-generierte Dokumente können dazu führen, dass Unternehmen einander zu ähnlich klingen. 42 Prozent erleben, dass es durch den verstärkten KI-Einsatz schwieriger wird, eigenständige Inhalte mit Markenprofil zu erstellen. Das sind Einschätzungen der Befragten, und die Studie stammt von einem Anbieter, der selbst Software dafür verkauft.
Ich bin überzeugt: Die meisten Markenstrategien sind zu ungenau formuliert, als dass eine KI zuverlässig damit arbeiten könnte. Ein Custom GPT macht das sichtbar, weil er genau das umsetzt, was in der Vorgabe steht, und sonst nichts. Warum KI-Texte ohne klare Vorgabe zum Durchschnitt tendieren, erkläre ich im Artikel KI-Texte klingen gleich.
Was passiert mit Deiner Vorgabe, wenn OpenAI Custom GPTs abschaltet?
OpenAI schaltet Custom GPTs am 11. Dezember 2026 ab, danach sind bestehende GPTs nicht mehr nutzbar. Die Instructions lassen sich als Skill in ein Plugin übernehmen, Deine Vorgabe zieht also mit um.
Laut Virtualization Review, das sich auf OpenAIs Migrations-FAQ stützt, werden die Instructions im Plugin zum Skill, und die Knowledge-Dateien landen als Referenzdateien im Plugin. Bisherige Unterhaltungen, das gewählte Modell und eigene Actions ziehen dagegen nicht automatisch mit. OpenAI weist außerdem darauf hin, dass ein migriertes Plugin anders antworten kann, und empfiehlt, vertraute Prompts und den Umgang mit Referenzmaterial neu zu testen. In Enterprise-Workspaces lassen sich schon ab dem 26. Oktober 2026 keine neuen GPTs mehr anlegen. Wer dort einen Aufschub genehmigt bekommt, kann bestehende GPTs bis zum 11. Februar 2027 weiter nutzen.
Für die Markenstimme heißt das: Ist die Vorgabe heute unscharf, hat das Plugin morgen dasselbe Problem. Wenn Du Instructions und Knowledge-Dateien jetzt sauber aufsetzt, nimmst Du eine Vorgabe mit, die Du in jedes andere Werkzeug kopieren kannst. Am Ende ist sie nur Text.
An welchen vier Stellen scheitert die Vorgabe eines Custom GPT?
In der Praxis scheitert die Vorgabe eines Custom GPT meist an vier Stellen. Sie besteht nur aus Adjektiven, sie häuft zu viele Regeln an, ihre Beispiele decken nur einen Teil der Situationen ab, oder die wichtigsten Regeln stecken in Dateien, die das Modell nur auszugsweise liest.
| Fehler | So sieht er aus (Beispiel) | Folge im Text |
|---|---|---|
| Nur Adjektive | "Schreibe nahbar und professionell." | Anrede und Haltung wechseln von Text zu Text |
| Zu viele Regeln | 40 Do's und Don'ts in einem Block | Einzelne Regeln gehen unter, ohne dass es auffällt |
| Einseitige Beispiele | Drei Beispiele, alle aus dem Newsletter | Im Newsletter passt der Ton, auf der Produktseite verrutscht er |
| Regeln in Dateien | Die Sprachregeln stehen im hochgeladenen Brand Book | Die Regeln greifen nur, wenn das Modell genau diese Stelle abruft |
Nur Adjektive. "Nahbar" kann heißen: Du-Anrede und ein lockerer Einstieg. "Professionell" kann heißen: Sie-Anrede und ein sachlicher Ton. Beide Lesarten sind vertretbar, beide stehen in derselben Vorgabe, und das Modell entscheidet sich bei jedem Text neu. Eine Studie zur Nachahmung von Schreibstilen kommt zu einem passenden Ergebnis: Persönliche Stile sind so vielschichtig, dass sie sich selten auf wenige Stellschrauben reduzieren lassen. Wie aus einem Adjektiv eine Regel mit klarer Grenze wird, zeige ich im Artikel zu Markenwerten für KI.
Zu viele Regeln. Oft liest man den Rat, so viele und so detaillierte Anweisungen wie möglich zu schreiben. Die Forschung spricht dagegen. In der Studie "When Instructions Multiply", vorgestellt auf der Fachkonferenz EMNLP 2025, haben Forschende zehn Sprachmodelle mit bis zu zehn Anweisungen pro Aufgabe getestet. Mit jeder weiteren Anweisung sank die Leistung. GPT-4o hielt bei einer einzigen Anweisung in 94 Prozent der Aufgaben alle Vorgaben ein, bei zehn Anweisungen nur noch in 21 Prozent. Allerdings prüfte die Studie formale Regeln wie Länge und Format, und die getesteten Modelle sind inzwischen älter. Ob sich Markenregeln genauso verhalten, ist damit nicht belegt. Plausibel ist es trotzdem, denn jede zusätzliche Regel ist eine weitere Bedingung, die das Modell gleichzeitig im Blick behalten muss.
Einseitige Beispiele. Beispiele gehören laut Anthropic zu den zuverlässigsten Mitteln, um Ton und Aufbau eines Textes zu steuern. Sie sollen relevant und vielfältig sein, empfohlen werden drei bis fünf. Die Stil-Studie ergänzt eine wichtige Einschränkung: Ein paar Beispiele bringen deutlich mehr als gar keins, doch zusätzliche Beispiele verändern die Ergebnisse kaum noch. Untersucht wurden Texte von über 400 Autoren aus vier Textsorten. Bei Nachrichten und E-Mails ordnete ein Prüfverfahren die erzeugten Texte mit fünf Beispielen zu 95 bis 97 Prozent dem richtigen Autor zu, bei Blogtexten nur zu 17 bis 21 Prozent. Für Deinen Custom GPT bedeutet das: Noch mehr Beispiele derselben Art helfen wenig. Entscheidend ist, dass sie die Situationen abdecken, in denen Deine Marke sprechen muss, von der Produktseite bis zur Absage.
Reicht es, das Brand Book als Knowledge-Datei hochzuladen?
Ein hochgeladenes Brand Book reicht für die Markenstimme nicht aus, weil das Modell aus Knowledge-Dateien nur die Abschnitte liest, die es für die jeweilige Anfrage für relevant hält. Regeln, die für jeden Text gelten, gehören deshalb in die Instructions.
In der OpenAI-Community heißt es, Inhalte aus Knowledge-Dateien würden "depending on relevance and need" in den Kontext geholt, also je nach Relevanz und Bedarf. Eine Regel wie "Sprich Leser immer mit Du an" steht damit nur dann im Prompt, wenn der passende Abschnitt zufällig zur Anfrage passt. Gleichzeitig ist der Platz in den Instructions begrenzt: Das Feld fasst laut Community 8.000 Zeichen.
Ich sehe diese Grenze als Vorteil, denn sie zwingt Dich zur radikalen Verdichtung, die jede Markenvorgabe braucht. Was in 8.000 Zeichen passt, hast Du bewusst entschieden. Was in einem dicken Brand Book steht, hat sich oft über Jahre angesammelt. Welche Kapitel eines Brand Books sich für KI eignen, erfährst Du im Artikel Brand Book für KI.
| Gehört in die Instructions | Gehört in die Knowledge-Dateien |
|---|---|
| Rolle und Stil in zwei bis drei Sätzen | Glossar mit Produktnamen und Schreibweisen |
| Wenige Regeln, die für jeden Text gelten, jeweils mit Begründung | Referenztexte zum Nachschlagen |
| Drei bis fünf unterschiedliche Beispiele | Antworten für Sonderfälle und heikle Situationen |
| Grenzen: was die Marke nie tut | Hintergrund zu Zielgruppen und Produkten |
Wie sieht eine Vorgabe aus, die ein Custom GPT befolgen kann?
Eine Vorgabe, mit der ein Custom GPT arbeiten kann, folgt dem Aufbau, den auch OpenAI für Prompts empfiehlt. Sie beginnt mit der Rolle samt Stil, danach kommen die eigentlichen Anweisungen, und am Ende stehen Beispiele und Kontext.
Für die Markenstimme bekommt jeder dieser Teile einen festen Inhalt. Nimm als Beispiel einen Anbieter von Buchhaltungssoftware, dessen Custom GPT "nahbar" schreiben soll. Seine Vorgabe könnte so aussehen:
| Teil | Inhalt der Vorgabe |
|---|---|
| Rolle und Stil | Du schreibst wie ein Fachautor, der jemandem am Küchentisch etwas erklärt. Deine Leser führen kleine Betriebe und haben keine Buchhaltungskenntnisse. |
| Regeln mit Begründung | Sprich Leser mit Du an, weil Kunden uns als Partner erleben. Erkläre jeden Fachbegriff beim ersten Auftreten in einem Halbsatz, weil unsere Leser sonst aussteigen. |
| Grenzen | Kein Amtsdeutsch, keine Emojis in Fachtexten. |
| Beispiele | Vier Textstellen aus unterschiedlichen Situationen, jeweils mit einem Satz dazu, was die Stelle zeigt. |
| Kontext | Produktnamen und Fachbegriffe stehen in der Datei "Glossar". Frag nach, wenn Kanal oder Zielgruppe fehlen. |
Die Begründungen stehen mit Absicht in den Regeln. Laut Anthropic-Dokumentation hilft es dem Modell, wenn es Kontext und Motivation hinter einer Anweisung kennt, weil es Deine Ziele dann besser versteht. Wie Du aus Markenwerten und Markensprache einen vollständigen Prompt baust, zeigt der Leitfaden zum Brand Voice Prompt.
Wie prüfst Du, ob die Vorgabe das Problem ist?
Am besten testest Du die Vorgabe unabhängig vom Custom GPT. Liegen eine Person ohne Markenwissen und ein zweites Modell mit derselben Vorgabe ähnlich daneben, steckt der Fehler in der Vorgabe. Dafür reichen vier Tests:
- Kollegen-Test: Gib die Instructions und eine Aufgabe jemandem, der Deine Marke nicht kennt. Erkennst Du Deine Marke im Ergebnis wieder? Wenn nicht, fehlt in der Vorgabe etwas, das bisher nur in Deinem Kopf steckt.
- Wiederholungs-Test: Lass dieselbe Aufgabe fünfmal in der Vorschau laufen. Schwanken Anrede oder Haltung, lässt die Vorgabe an dieser Stelle zu viel offen.
- Modell-Test: Kopiere die Instructions in ein anderes Sprachmodell und stelle dieselbe Aufgabe. Tauchen dort ähnliche Abweichungen auf, liegt es an der Vorgabe.
- Streich-Test: Geh Deine Regeln einzeln durch. Eine Regel, die nichts ausschließt und kein Beispiel hat, lenkt keine Entscheidung und kann weg.
Erst danach ziehst Du um und testest noch einmal, denn OpenAI empfiehlt selbst, migrierte Plugins neu zu prüfen. Liefert Deine Vorgabe in beiden Umgebungen dasselbe Ergebnis, ist der Umzug nur noch Kopierarbeit.
Was kommt nach der sauberen Vorgabe?
Nach der sauberen Vorgabe brauchst Du eine Grundlage, die an kein bestimmtes Werkzeug gebunden ist. Der Brand Context Layer hält fest, was Deine Marke sagt und wie sie es sagt, und zwar so strukturiert, dass jedes Tool damit arbeiten kann, vom Custom GPT bis zum Plugin.
Welche Regeln Deiner Vorgabe noch fehlen, findest Du am schnellsten mit einem Korrekturprotokoll heraus. Wie das funktioniert, beschreibe ich im Artikel zur KI-Nachbearbeitung im Marketing.
Genau hier setzt AIxBrand Voice an: Ich übersetze Deine Markenstrategie in ein Sprachsystem aus Markencharakter und Sprachregeln, ergänzt um Wortschatz und Beispiele. Daraus entsteht eine Prompt-Grundlage, mit der eine KI Deine Markensprache zuverlässig trifft. Wenn Du wissen willst, welche Regeln in Deinen Instructions heute noch bloße Adjektive sind, buch Dir ein Gespräch.
Welche Regel in den Instructions Deines Custom GPT würde jemand ohne Markenwissen heute anders auslegen als Du?
