Personalisierte KI-Coaches gehören zu den nützlichsten Anwendungen generativer Sprachmodelle. Statt eines generischen Chatbots erhältst du ein System, das die Denkweise, das Wissen und den Sprachstil einer bestimmten Person simuliert.
Wie das funktioniert, lässt sich gut am Beispiel eines Investment-Beraters zeigen: Stell dir vor, du könntest jederzeit einen digitalen Coach befragen, der exakt so argumentiert wie dein bevorzugter Finanz-Podcaster. Auf Knopfdruck, rund um die Uhr und passgenau auf deine Situation zugeschnitten.
Wir zeigen dir, wie du aus Interviews, Videos oder Podcast-Transkripten einen solchen Coach entwickelst.
Kurz erklärt: Allgemeines Modell vs. persönliche Datenbasis
Modelle wie ChatGPT, Claude oder Gemini verfügen über ein breites Weltwissen. Dieses Wissen ist jedoch allgemein gehalten, oft nicht tagesaktuell und wenig individuell. Die persönlichen Methoden und Nuancen eines echten Experten fehlen.
Ein maßgeschneiderter KI-Coach entsteht erst, wenn du dieses Basismodell mit eigenen Texten fütterst. Dazu zählen Interviews, Bücher, Transkripte von Videos oder interne Dokumente.
Das Modell wird dabei nicht neu trainiert, sondern über Systemanweisungen gesteuert. Du nutzt die vorhandene Sprachkompetenz der KI und verleihst ihr durch deine Daten eine spezifische Rolle. Das große Modell fungiert als Motor. Deine Inhalte bilden das Lenkrad, das bestimmt, in welche Richtung dieser Motor arbeitet.
Schritt 1: Ziel und Rolle des KI-Coaches klären
Bevor du Daten sammelst, musst du definieren, was der Coach leisten soll. Bleiben wir beim Investment-Berater. Mögliche Rollen sind der langfristige Aktiencoach für Einsteiger, der vorsichtige Risikomanager oder der Spezialist für wachstumsorientierte Anlagen.
Zur Klärung helfen drei Fragen:
- Für wen spricht der Coach? (Zielgruppe und Erfahrungslevel)
- Wobei soll er helfen? (Depotstruktur, Entscheidungslogik)
- Wie soll er auftreten? (Tonfall, vorsichtiges oder offensives Agieren)
Diese Vorentscheidung gibt vor, welche Inhalte du im nächsten Schritt benötigst.
Schritt 2: Datensammlung
Die Qualität der Textbasis entscheidet über die Qualität des Coaches. Für den Finanzberater eignen sich Transkripte von YouTube-Videos, ausführliche Podcast-Gespräche sowie Blogartikel, Newsletter oder Buchauszüge.
YouTube-Transkripte exportieren
Viele Plattformen bieten automatisch generierte Untertitel. Wähle ein passendes Video aus, rufe das Transkript auf und kopiere es in ein Textdokument. Entferne danach Zeitstempel und offensichtliche Fehler.
Für den Start reichen oft wenige gut ausgewählte Interviews. Es kommt nicht auf die bloße Datenmenge an. Wichtig sind thematische Kohärenz, ein authentischer Sprachstil und inhaltliche Tiefe. Der Text muss die Begründungen und Denkwege der Person erkennen lassen.
Schritt 3: Texte aufbereiten
Vor der Analyse durch die KI ist eine grobe Bereinigung sinnvoll. Entferne Füllwörter, Small Talk und gravierende Transkriptionsfehler. Sehr ähnliche Passagen, wie etwa wiederkehrende Podcast-Intros, genügt es, einmal im Text zu belassen.
Ein perfektes Lektorat ist nicht nötig. Das Ziel ist ein gut lesbarer Text, der klar transportiert, wie die Person argumentiert, wie sie Situationen bewertet und welche Metaphern sie bevorzugt. Diese aufbereiteten Daten bilden die Grundlage für die Persona-Analyse.
Schritt 4: Persona-Entwicklung mit einem Analyse-Prompt
Aus den Texten extrahierst du nun ein präzises Profil. Dafür nutzt du einen Analyse-Prompt. Das ist eine Anweisung an die KI, die vorliegenden Daten systematisch auszuwerten.
Ein solcher Prompt kann so aufgebaut sein:
Du bist ein Analyse-Tool für Kommunikationsstile. Analysiere die folgenden Transkripte strukturiert nach diesen Punkten:
1. Grundhaltung und Werte
2. Kernaussagen und wiederkehrende Botschaften
3. Entscheidungslogik
4. Sprachstil, Tonfall und typische Formulierungen
5. Do's & Don'ts (Was würde die Person nie empfehlen?)
6. Vorgehensweise bei der Problemanalyse
Erstelle daraus ein kompaktes Profil zur direkten Nutzung als System-Prompt.Diesen Prompt kombinierst du mit deinen Texten. Das daraus generierte Profil musst du anschließend prüfen. Schärfe nach, wo Werte oder Haltungen noch nicht exakt getroffen wurden. Das Ergebnis ist ein Textblock, der Rolle, Werte, Vorgehensweise, Sprachstil und rote Linien des Coaches eindeutig definiert.
Schritt 5: Den fertigen Coach in einem KI-Tool einrichten
Das fertige Profil dient als System-Prompt in gängigen KI-Plattformen. Dafür gibt es in der Praxis drei Wege:
- Im Chat: Du startest eine neue Unterhaltung und weist die KI an, sich gemäß dem Profil zu verhalten. Das geht schnell, gilt aber nur für die aktuelle Sitzung.
- Über feste Anweisungen: Viele Tools bieten Einstellungen für dauerhafte Anweisungen, in denen du Kernaspekte des Profils hinterlegen kannst.
- Als eigener Bot: Plattformen ermöglichen das Erstellen spezialisierter Assistenten. Ein solcher Custom GPT ist wiederverwendbar und lässt sich im Team oder mit Kunden teilen.
Aufbau des System-Prompts
Ein praxistauglicher System-Prompt für den Investment-Coach sollte klar gegliedert sein:
- Rolle: Du bist ein KI-Investment-Coach für langfristige Strategien bei berufstätigen Privatanlegern.
- Werte: Du legst Wert auf Risikoaufklärung und Realismus bei Renditeerwartungen.
- Vorgehensweise: Du erfragst zuerst den Anlagehorizont und erklärst dann transparent deine Logik.
- Sprachstil: Du sprichst sachlich und nutzt anschauliche Beispiele aus dem Alltag.
- Grenzen: Du gibst keine rechtlich verbindlichen Empfehlungen und benennst stets die Risiken.
Dieser Prompt ist das Betriebshandbuch. Jede Eingabe des Nutzers wird durch diese Vorgaben gefiltert.
Schritt 6: Testen, nachjustieren, aktualisieren
Ein erster Testlauf zeigt, wie überzeugend der Coach reagiert. Stelle typische Nutzerfragen, provoziere Grenzfälle mit unrealistischen Erwartungen und gleiche den Tonfall mit den Original-Videos ab.
Wenn das Ergebnis noch nicht passt, stehen dir drei Stellschrauben zur Verfügung. Du kannst den System-Prompt präzisieren, die Datenbasis um weitere Texte ergänzen oder deine eigene Aufgabenstellung im Chat klarer formulieren. Da sich echte Expertise stetig weiterentwickelt, ist es sinnvoll, den Coach in regelmäßigen Abständen mit aktuellen Inhalten zu aktualisieren.
Übertrag auf andere Anwendungsfälle
Dieser Prozess funktioniert für jede Expertise, die sich in Textform fassen lässt. Die Methode eignet sich für Karriere-Coaches, die auf Basis bekannter Management-Bücher argumentieren, für Rhetorik-Trainer aus Keynote-Videos oder für Vertriebsassistenten nach dem Vorbild eines bestimmten Sales-Experten. Auch Unternehmen können so einen Brand-Voice-Assistenten bauen, der exakt im Tonfall der eigenen Marke kommuniziert.
Die Systematik bleibt identisch: Rolle klären, Inhalte sammeln, Daten bereinigen, Profil extrahieren und dieses in der KI als System-Prompt hinterlegen.
Fazit: KI als Verstärker individueller Expertise
Personalisierte KI-Coaches sind kein technischer Taschenspielertrick, sondern das Ergebnis kuratierter Vorarbeit. Das breite Wissen eines Sprachmodells verschmilzt mit einer spezifischen Datenbasis.
Aus einem generischen Chatbot wird ein Berater mit nachvollziehbarer Logik, klarer Haltung und eigenem Stil. Die KI wird so zum Resonanzraum für echte Expertise. Wer dieses Vorgehen verinnerlicht, baut Werkzeuge, die weit über Standardantworten hinausgehen – ganz ohne dafür selbst programmieren zu müssen.
