Psychologisch wirksam texten, ohne zu manipulieren: Wie KI B2B-Entscheidungen positiv wie auch negativ beeinflussen kann

Ein Bauzulieferer möchte ein neues System auf seiner Website erklären. Technische Daten, Zulassungen, Schnittstellen und Anwendungsbereiche sind dokumentiert. Trotzdem bleibt eine entscheidende Frage offen: Welche Informationen helfen Planern, Einkauf und Geschäftsführung tatsächlich bei ihrer Entscheidung?

Ein generatives KI-System kann dazu innerhalb kurzer Zeit verschiedene Textvarianten entwickeln. Es kann den möglichen Zeitgewinn betonen, Risiken bestehender Abläufe sichtbar machen, Referenzen einordnen oder die Folgen einer verzögerten Umstellung beschreiben.

Damit kann der Text verständlicher und entscheidungsrelevanter werden. Er kann aber auch künstlichen Druck erzeugen, Unsicherheit ausnutzen oder scheinbar objektive Argumente erfinden.

Die entscheidende Grenze verläuft deshalb nicht zwischen rationaler und emotionaler Kommunikation. Jede Kommunikation wählt Informationen aus, ordnet sie und setzt Schwerpunkte. Wichtiger ist eine andere Frage: Hilft der Text den Empfängern, eine komplexe Entscheidung besser zu verstehen, oder versucht er, ihre Abwägung durch Angst, Täuschung oder verdeckte psychologische Personalisierung zu umgehen?

Gerade generative KI verschärft diese Frage. Sie kann Argumente schneller variieren, auf verschiedene Rollen zuschneiden und psychologische Muster systematisch in Texte übersetzen. Kontrollierte Studien zeigen, dass psychologisch personalisierte KI-Botschaften unter bestimmten Bedingungen einflussreicher sein können als nicht personalisierte Varianten. Eine Meta-Analyse von 2025 fand jedoch keinen signifikanten allgemeinen Unterschied zwischen der Überzeugungskraft von Sprachmodellen und Menschen. Die Ergebnisse unterschieden sich deutlich nach Modell, Thema und Kommunikationssituation.

Psychologische Wirkung ist deshalb keine automatische Eigenschaft eines Prompts. Sie ist eine kontextabhängige Hypothese, die fachlich, ethisch und redaktionell geprüft werden muss.

B2B-Entscheidungen sind rational, emotional und organisational

B2B-Entscheidungen beruhen auf überprüfbaren Kriterien. Preis, technische Eignung, Integration, Termine, Vertragsbedingungen, Wirtschaftlichkeit und Risiken müssen nachvollziehbar sein.

Trotzdem entscheiden keine abstrakten Organisationen. Es entscheiden Menschen innerhalb von Organisationen.

Ein technischer Leiter prüft, ob ein neues System zuverlässig funktioniert. Der Einkauf bewertet Kosten, Lieferfähigkeit und Vertragsrisiken. Die Geschäftsführung fragt nach wirtschaftlicher Bedeutung. Projektverantwortliche überlegen, wie sich eine Entscheidung umsetzen und intern vertreten lässt.

Zu den sachlichen Kriterien kommen deshalb persönliche und organisationale Fragen:

• Kann ich diese Empfehlung gegenüber anderen Verantwortlichen begründen?
• Welche Folgen hat es, wenn die Einführung scheitert?
• Welche zusätzlichen Aufgaben entstehen für mein Team?
• Welche Informationen fehlen für eine belastbare Freigabe?
• Wem wird eine Fehlentscheidung später zugerechnet?

Eine qualitative Untersuchung des organisationalen Einkaufs in Österreich zeigt, dass emotionale Bewertungen auch bei professionellen Kaufentscheidungen eine Rolle spielen können. Die Autoren weisen zugleich darauf hin, dass die empirische B2B-Datenbasis begrenzt ist und sich viele Ergebnisse nicht ohne Weiteres verallgemeinern lassen.

Das ist für B2B-Texte entscheidend: Ein Angebot wird nicht nur danach beurteilt, was es technisch leisten kann. Entscheider bewerten auch, ob sie dem Anbieter vertrauen, die Folgen überblicken und ihre Empfehlung intern verantworten können.

Vertrauen ersetzt keine Prüfung

Vertrauen bedeutet im B2B nicht, auf Prüfung zu verzichten. Es bedeutet, Unsicherheit so weit zu reduzieren, dass eine Prüfung und eine verantwortbare Entscheidung möglich werden.

Ein Anbieter kann Vertrauen aufbauen, indem er technische Angaben belegt, Grenzen offenlegt, vergleichbare Anwendungen zeigt und auf kritische Fragen konkret eingeht. Dieses Vertrauen entsteht nicht durch emotionale Sprache allein, sondern durch nachvollziehbare Beweise.

Gute B2B-Kommunikation sollte daher deutlich machen:

• Für welches Problem eignet sich die Lösung?
• Unter welchen Voraussetzungen funktioniert sie?
• Welche Aufwände und Abhängigkeiten entstehen?
• Für wen ist sie möglicherweise nicht geeignet?
• Welche Nachweise stützen die Aussagen?

Psychologisch wirksame Kommunikation kann diese Informationen priorisieren. Sie darf sie nicht ersetzen.

Eine Conversion ist noch keine Entscheidung

Ein Download, ein ausgefülltes Formular oder ein Klick auf „Beratung anfragen“ ist zunächst eine beobachtbare Handlung. Er beweist nicht, dass alle Beteiligten die Lösung verstanden, intern abgestimmt oder freigegeben haben.

In komplexen B2B-Prozessen entscheiden häufig mehrere Rollen gemeinsam. Dieses sogenannte Buying Center kann Geschäftsführung, Einkauf, Fachabteilungen, IT, Projektleitung und spätere Anwender umfassen.

B2B-Content sollte deshalb nicht ausschließlich auf die unmittelbar messbare Conversion optimiert werden. Entscheidend ist auch, was danach geschieht:

• Passt die Anfrage zur angebotenen Leistung?
• Hat der Kontakt realistische Erwartungen?
• Kann der Vertrieb an die vorhandenen Informationen anknüpfen?
• Werden fachliche Einwände früh genug sichtbar?
• Lässt sich die Lösung intern weiterempfehlen und begründen?

Ein psychologischer Mechanismus kann kurzfristig mehr Klicks erzeugen und langfristig trotzdem schaden, wenn er Misstrauen, falsche Erwartungen oder unqualifizierte Anfragen fördert.

Sechs psychologische Prinzipien für KI-generierte B2B-Texte

Wirtschaftspsychologische Prinzipien sind keine geheimen Schalter im Kopf einer Zielgruppe. Sie beschreiben wiederkehrende Tendenzen, die je nach Person, Situation, Vorwissen und Entscheidung unterschiedlich stark ausfallen.

Für KI-generierte B2B-Texte sind vor allem sechs Mechanismen relevant.

Framing verändert die Perspektive auf dieselbe Entscheidung

Framing bezeichnet die Art, wie eine Entscheidung sprachlich oder inhaltlich gerahmt wird. Vergleichbare Informationen können als möglicher Gewinn, vermeidbarer Verlust, Sicherheitsfrage oder Wachstumschance dargestellt werden.

Die klassischen Experimente von Amos Tversky und Daniel Kahneman zeigten, dass unterschiedliche Formulierungen vergleichbarer Entscheidungssituationen die Bewertung beeinflussen können.

Für einen technischen Hersteller könnte dieselbe Produkteigenschaft beispielsweise aus zwei Perspektiven beschrieben werden:

Gewinnorientiertes Framing:

Standardisierte Schnittstellen können die Abstimmung zwischen Planung, Ausführung und Inbetriebnahme vereinfachen.

Verlustorientiertes Framing:

Ungeklärte Schnittstellen können zusätzliche Abstimmungen, Nacharbeiten und Verzögerungen verursachen.

Beide Perspektiven können legitim sein, sofern sie fachlich stimmen. Problematisch wird Framing, wenn eine Perspektive notwendige Informationen verdeckt.

Wer nur mögliche Verluste dramatisiert, aber Aufwand, Alternativen und Eintrittswahrscheinlichkeit verschweigt, erleichtert keine Entscheidung. Er verzerrt sie.

Eine verantwortungsvolle KI-Anwendung erstellt deshalb nicht einfach die emotional stärkste Variante. Sie entwickelt mehrere sachlich vertretbare Perspektiven, die anschließend fachlich geprüft werden.

Verlustaversion macht die Folgen des Nichtstuns sichtbar

Die Prospect Theory von Daniel Kahneman und Amos Tversky beschreibt, wie Menschen Ergebnisse relativ zu einem Bezugspunkt bewerten. In vielen Entscheidungssituationen können mögliche Verluste stärker gewichtet werden als vergleichbare Gewinne. Die Stärke dieses Effekts ist jedoch nicht universell und darf nicht als feste Marketingformel behandelt werden.

Im B2B-Kontext kann es sinnvoll sein, nicht nur den Nutzen einer Investition, sondern auch die Folgen des Nichtstuns zu betrachten.

Bei einem Hersteller könnte das bedeuten:

• Welche Wartungskosten bleiben bestehen?
• Welche manuellen Übergaben verursachen weiterhin Fehler?
• Welche Ausschreibungen können wegen fehlender Nachweise nicht bedient werden?
• Welche Abhängigkeiten von einzelnen Mitarbeitenden bleiben ungelöst?
• Welche Projektverzögerungen sind bereits dokumentiert?

Das ist noch keine Manipulation. Eine vollständige Wirtschaftlichkeitsbetrachtung muss auch bestehende Risiken und Opportunitätskosten berücksichtigen.

Manipulativ wird Verlustkommunikation, wenn behauptete Schäden nicht belegt werden können, unwahrscheinliche Extremfälle wie sichere Folgen erscheinen oder persönliche Ängste gezielt verstärkt werden.

Aus „Ein nicht aktualisierter Prozess kann zusätzliche Aufwände verursachen“ darf die KI nicht eigenmächtig „Ohne sofortige Umstellung gefährdest Du die Zukunft Deines Unternehmens“ machen.

Der Status-quo-Bias erklärt Beharrung, aber nicht jede Ablehnung

Der Status-quo-Bias beschreibt die Tendenz, eine bestehende Option beizubehalten. William Samuelson und Richard Zeckhauser zeigten in Experimenten und realen Entscheidungssituationen, dass Menschen überproportional häufig am Status quo festhalten.

Für B2B-Kommunikation ist das relevant, weil neue Lösungen nicht nur gegen Wettbewerber antreten. Sie treten häufig gegen bekannte Abläufe an.

Ein Planungsbüro kann erkennen, dass seine Dateiablage unübersichtlich ist, und sich trotzdem gegen ein neues System entscheiden. Gründe dafür können sein:

• Einarbeitungsaufwand
• laufende Projekte
• fehlende Schnittstellen
• Abhängigkeit vom Anbieter
• Datenschutzanforderungen
• unklare interne Zuständigkeiten

Nicht jede Entscheidung für den Status quo ist irrational. Wechselkosten und betriebliche Risiken können real und berechtigt sein.

Gute Kommunikation versucht deshalb nicht, den bestehenden Prozess lächerlich zu machen. Sie vergleicht den heutigen Zustand mit einer möglichen Veränderung und legt offen, welche Übergangsaufwände entstehen.

KI kann dabei helfen, einseitige Produkttexte um eine Wechselperspektive zu ergänzen:

• Was muss migriert werden?
• Wer benötigt Schulungen?
• Welche Systeme bleiben bestehen?
• Wie kann eine Pilotphase aussehen?
• Wann ist ein Wechsel nicht sinnvoll?

Solche Informationen reduzieren Unsicherheit häufig stärker als ein weiterer Absatz über Produktvorteile.

Reaktanz entsteht, wenn Kommunikation die Wahlfreiheit bedroht

Psychologische Reaktanz bezeichnet Widerstand gegen eine wahrgenommene Einschränkung der eigenen Freiheit. Forschung zur persuasiven Kommunikation verbindet solche Freiheitseinschränkungen unter anderem mit Ärger, Gegenargumenten und dem Versuch, die bedrohte Entscheidungsfreiheit wiederherzustellen.

Ein großer Teil dieser Forschung stammt aus der Gesundheitskommunikation und ist kein direkter Wirksamkeitsnachweis für B2B-Texte. Der grundlegende Mechanismus liefert dennoch eine plausible Erklärung dafür, warum bevormundende Sprache Widerstand auslösen kann.

Typische reaktanzauslösende Formulierungen sind:

• „Du musst jetzt handeln.“
• „Es gibt keine vernünftige Alternative.“
• „Wer das nicht versteht, hat den Markt verschlafen.“
• „Nur rückständige Unternehmen arbeiten noch so.“
• „Entscheide Dich heute, bevor es zu spät ist.“

Solche Sätze können kurzfristig Aufmerksamkeit erzeugen. Im B2B-Kontext treffen sie jedoch auf Menschen, die Verantwortung tragen und Argumente intern vertreten müssen.

Eine bessere Formulierung macht die Empfehlung klar, ohne die Entscheidung vorwegzunehmen:

Eine Umstellung sollte besonders dann geprüft werden, wenn Medienbrüche regelmäßig zu Nacharbeit führen. Ob sich die Investition lohnt, hängt unter anderem von Projektvolumen, Integrationsaufwand und bestehenden Systemen ab.

KI kann reaktante Formulierungen markieren und Alternativen entwickeln. Sie kann jedoch nicht abschließend beurteilen, wie ein konkreter Empfänger reagiert. Dafür fehlen ihr häufig Beziehungskontext, Unternehmenskultur und Kenntnis vorausgegangener Gespräche.

Social Proof kann Unsicherheit reduzieren oder Konformitätsdruck erzeugen

Social Proof, häufig als soziale Bewährtheit bezeichnet, nutzt die Entscheidungen oder Erfahrungen anderer Menschen als Orientierung.

Experimente zeigen, dass entsprechende Hinweise Entscheidungen beeinflussen können. Eine untersuchte erleichternde Wirkung auf die wahrgenommene Unsicherheit trat jedoch nicht in jeder Situation auf. Die Ergebnisse stammten zudem aus einfachen Konsum- und Kategorisierungsaufgaben, nicht aus komplexen B2B-Beschaffungen.

Im B2B ist Social Proof vor allem dann hilfreich, wenn eine Referenz eine echte Vergleichsgrundlage liefert:

• ähnliche Branche
• vergleichbarer Anwendungsfall
• ähnliche Unternehmensgröße
• nachvollziehbare Ausgangslage
• überprüfbarer Lösungsweg
• belastbare Ergebnisse mit klarer Definition

Die Aussage „Mehr als 500 Unternehmen vertrauen uns“ kann ein Orientierungssignal sein. Für einen technischen Entscheider beantwortet sie aber noch nicht, ob ein Produkt zur vorhandenen Systemlandschaft passt.

Aussagekräftiger ist eine reale Fallstudie, die erklärt, welches Problem bestand, welche Voraussetzungen erfüllt sein mussten und wie die Lösung eingesetzt wurde.

Unzulässig sind erfundene Kundenstimmen, synthetische Testimonials, nicht belegbare Nutzerzahlen oder KI-generierte Personen, die den Eindruck realer Kundenerfahrung vermitteln.

Verarbeitungsflüssigkeit beeinflusst die Wahrnehmung

Verarbeitungsflüssigkeit beschreibt die subjektiv wahrgenommene Leichtigkeit, mit der Menschen Informationen aufnehmen und verarbeiten. Forschung ordnet diese Leichtigkeit als metakognitives Signal ein, das unterschiedliche Urteile beeinflussen kann.

Leicht verständliche Informationen können vertrauter oder überzeugender wirken. Verständlichkeit allein sagt jedoch nichts über ihre sachliche Richtigkeit aus.

Für B2B-Texte folgt daraus keine Aufforderung zur inhaltlichen Vereinfachung um jeden Preis.

Eine technische Produktseite wird nicht besser, wenn wichtige Einschränkungen verschwinden. Sie wird besser, wenn Leser schneller erkennen können:

• Welche Aussage ist zentral?
• Für welchen Anwendungsfall gilt sie?
• Welche Fachbegriffe müssen sie kennen?
• Welche Nachweise stehen zur Verfügung?
• Welche Entscheidung folgt aus der Information?

KI kann komplexe Inhalte strukturieren, Sätze kürzen, Fachbegriffe erklären und Informationen nach Zielgruppen ordnen.

Gleichzeitig kann ihre sprachliche Glätte ein Risiko sein: Ein flüssiger Text kann sicher klingen, obwohl Belege fehlen oder Details falsch sind.

Verständlichkeit darf deshalb niemals mit Wahrheit verwechselt werden.

Wie KI psychologische Prinzipien in B2B-Texte übersetzt

Der größte Nutzen von KI liegt nicht darin, automatisch „psychologisch optimierte“ Texte zu veröffentlichen. Er liegt darin, unterschiedliche Entscheidungslogiken systematisch sichtbar zu machen.

Ein sinnvoller Workflow besteht aus fünf Schritten.

1. Die Entscheidung vor dem Text klären

Bevor die KI formuliert, muss feststehen:

• Wer ist an der Entscheidung beteiligt?
• Welches Problem soll gelöst werden?
• Was steht wirtschaftlich oder organisatorisch auf dem Spiel?
• Welche Einwände sind realistisch?
• Welche Entscheidung soll der Text vorbereiten?

Die Zielgruppe „Unternehmen“ reicht nicht. Geschäftsführung, Einkauf, Fachabteilung und Anwender bewerten dieselbe Lösung aus unterschiedlichen Perspektiven.

2. Eine belastbare Faktenbasis festlegen

Die KI benötigt geprüfte Informationen zu:

• Produkteigenschaften
• Anwendungsgrenzen
• Kosten und Aufwänden
• technischen Voraussetzungen
• Referenzen
• Risiken
• Quellen
• freigegebenen Leistungsversprechen

Ohne diese Grundlage optimiert sie möglicherweise nur Sprache. Sie kann dann plausible Argumente erzeugen, die fachlich nicht abgesichert sind.

3. Mehrere Perspektiven entwickeln

Statt die KI nach dem „überzeugendsten Text“ zu fragen, ist ein kontrollierter Auftrag sinnvoller:

Entwickle drei sachlich vertretbare Varianten: eine mit Schwerpunkt auf möglichem Nutzen, eine mit Schwerpunkt auf den Risiken des bestehenden Ablaufs und eine ausgewogene Entscheidungsfassung. Verwende ausschließlich die bereitgestellten Fakten. Ergänze keine Zahlen, Referenzen oder Folgen. Kennzeichne Aussagen, für die ein Beleg fehlt.

Dieser Auftrag nutzt Framing zur Analyse. Er unterstellt nicht, dass eine Perspektive grundsätzlich besser funktioniert.

4. Die Argumentation nach Rollen differenzieren

Für eine technische Softwarelösung könnten verschiedene Fassungen entstehen:

Geschäftsführung: wirtschaftliche Bedeutung, Investitionsrisiko und strategische Abhängigkeiten

Projektleitung: Koordination, Übergaben, Termine und Verantwortlichkeiten

IT: Integration, Sicherheit, Datenhaltung und Betrieb

Einkauf: Vertragsbedingungen, Anbieterabhängigkeit und Gesamtkosten

Anwender: Arbeitsabläufe, Einarbeitung und konkreter Nutzen im Alltag

Das ist relevante Personalisierung: Die Botschaft orientiert sich an der Aufgabe des Empfängers.

Eine andere Grenze wird überschritten, wenn persönliche Daten verwendet werden, um individuelle Ängste, Persönlichkeitsmerkmale oder vermutete Schwächen gezielt anzusprechen.

Studien zeigen, dass Sprachmodelle personalisierte Argumente bereits auf Grundlage vergleichsweise weniger persönlicher Informationen entwickeln können. Diese Untersuchungen betreffen jedoch vor allem politische oder allgemeine Überzeugungssituationen und lassen sich nicht direkt auf B2B-Beschaffungen übertragen.

5. Die stärkste Variante nicht automatisch veröffentlichen

Nach der Generierung beginnt die eigentliche redaktionelle Arbeit.

Zu prüfen sind:

• Stimmen alle Aussagen?
• Sind Risiken realistisch formuliert?
• Fehlen relevante Gegenargumente?
• Ist die Dringlichkeit nachweisbar?
• Bleiben Alternativen sichtbar?
• Werden Empfänger bevormundet?
• Könnte eine Formulierung anders wirken als beabsichtigt?
• Wer übernimmt die fachliche Freigabe?

KI kann Varianten liefern und Auffälligkeiten markieren. Die Verantwortung für Auswahl und Veröffentlichung bleibt beim Unternehmen.

Ein B2B-Beispiel: Von der Drohung zur Entscheidungsgrundlage

Angenommen, ein Anbieter möchte eine digitale Lösung für die zentrale Verwaltung von Planständen vermarkten.

Eine stark verlustorientierte KI-Fassung könnte lauten:

Wer weiterhin mit getrennten Dateien arbeitet, riskiert kostspielige Fehler und verliert den Anschluss an digital aufgestellte Wettbewerber. Handle jetzt, bevor das nächste Projekt aus dem Ruder läuft.

Der Text aktiviert Verlustaversion, sozialen Vergleich und Dringlichkeit. Er enthält jedoch mehrere Probleme:

• Die behauptete Schadenshöhe ist nicht belegt.
• Aus einem möglichen Risiko wird eine beinahe sichere Folge.
• Wettbewerber werden als Druckmittel eingesetzt.
• Die Handlungsaufforderung lässt keine erkennbare Prüfung zu.
• Der Anbieter erklärt nicht, ob die Lösung zur vorhandenen Systemlandschaft passt.

Eine verantwortungsvollere Fassung könnte so aussehen:

Wenn Planstände in getrennten Dateien und Systemen gepflegt werden, können zusätzliche Übergaben und Unklarheiten über den aktuellen Bearbeitungsstand entstehen. Eine zentrale Verwaltung kann diese Abstimmung vereinfachen, sofern Schnittstellen, Rollen und Freigabeprozesse vor der Einführung geklärt werden. Ob sich die Umstellung wirtschaftlich lohnt, hängt unter anderem von Projektzahl, Teamstruktur und bestehender Software ab.

Auch diese Fassung nutzt Psychologie. Sie macht ein Verlustrisiko sichtbar, reduziert Komplexität und bietet einen konkreten nächsten Prüfschritt.

Sie erzeugt jedoch keine Scheinsicherheit und verschweigt die Bedingungen der Lösung nicht.

Das ist der Unterschied zwischen Einfluss und Manipulation: Der Text lenkt Aufmerksamkeit, aber er entzieht dem Empfänger keine entscheidungsrelevanten Informationen.

Wo Überzeugung endet und Manipulation beginnt

Eine vollkommen neutrale Kommunikation gibt es kaum. Schon die Reihenfolge von Argumenten beeinflusst, was Leser zuerst wahrnehmen.

Eine praktikable Grenze muss deshalb konkreter sein.

Sachliche Risikodarstellung oder Angstszenario?

Sachlich: Das Risiko ist plausibel, relevant und durch Daten, dokumentierte Erfahrungen oder fachliche Zusammenhänge begründet.

Manipulativ: Der Text übertreibt Eintrittswahrscheinlichkeit oder Folgen, arbeitet mit persönlichen Bedrohungen oder erweckt den Eindruck, ein Schaden sei ohne sofortige Handlung unvermeidbar.

Legitime Dringlichkeit oder künstliche Verknappung?

Legitim: Eine Frist ergibt sich aus einem Ausschreibungstermin, einer tatsächlichen Kapazitätsgrenze, einer gesetzlichen Änderung oder einem belegbaren Projektablauf.

Manipulativ: Die KI erfindet knappe Plätze, willkürliche Fristen oder eine angeblich einmalige Gelegenheit.

Reale Referenz oder synthetisches Testimonial?

Legitim: Die Referenz ist freigegeben, überprüfbar und in ihrem Kontext korrekt beschrieben.

Manipulativ: Eine KI-generierte Aussage oder Person wird so präsentiert, als stamme sie von einem realen Kunden. Gleiches gilt für erfundene Nutzerzahlen, Bewertungen oder Projektergebnisse.

Relevante Personalisierung oder psychologische Überwachung?

Legitim: Inhalte werden nach Branche, Funktion, Anwendungsfall oder freiwillig mitgeteiltem Interesse differenziert.

Problematisch: Verhaltens- und Persönlichkeitsdaten werden genutzt, um vermutete Ängste, Unsicherheiten oder individuelle Verwundbarkeiten gezielt auszunutzen.

Klare Empfehlung oder Einschränkung der Entscheidungsfreiheit?

Legitim: Der Anbieter spricht eine begründete Empfehlung aus und nennt Voraussetzungen, Alternativen und Grenzen.

Manipulativ: Der Text stellt jede andere Wahl als inkompetent, verantwortungslos oder gefährlich dar.

Auch der EU AI Act setzt Grenzen. Artikel 5 verbietet unter bestimmten Voraussetzungen den Einsatz von KI-Systemen mit unterschwelligen, absichtlich manipulativen oder täuschenden Techniken. Erforderlich ist unter anderem, dass die Fähigkeit zu einer fundierten Entscheidung deutlich beeinträchtigt wird, eine Person dadurch eine andere Entscheidung trifft und ihr oder anderen ein erheblicher Schaden entsteht oder wahrscheinlich entstehen wird.

Diese Schwelle ist enger als der allgemeine Begriff „psychologisch wirksamer Text“. Nicht jede persuasive Formulierung und nicht jede KI-Unterstützung fällt automatisch darunter. Die rechtliche Bewertung hängt vom konkreten System, seiner Verwendung und seiner Wirkung ab. Der Abschnitt ersetzt keine juristische Einzelfallprüfung.

Ein verantwortungsvoller Kommunikationsstandard sollte ohnehin früher ansetzen als die gesetzliche Verbotsgrenze.

Sechs Leitfragen für KI-generierte B2B-Texte

Jeder KI-gestützte Text sollte vor seiner Veröffentlichung anhand einer festen Prüflogik bewertet werden.

1. Sind Aussagen und Belege korrekt?

Technische Eigenschaften, Referenzen, Zahlen und Folgen müssen auf freigegebenen Quellen beruhen. Eine glaubwürdig klingende KI-Formulierung ist kein Beleg.

Besondere Vorsicht gilt bei:

• Leistungswerten
• Normen und Zulassungen
• Wirtschaftlichkeitsangaben
• Rechtsaussagen
• Wettbewerbsvergleichen
• Kundenergebnissen
• angeblichen Marktstandards

2. Werden Unsicherheiten und Bedingungen offengelegt?

Nicht jede Wirkung tritt in jedem Unternehmen ein. Gute Texte nennen Voraussetzungen.

Statt „Die Lösung reduziert Deine Projektkosten“ ist häufig eine bedingte Aussage angemessener:

Die Lösung kann dazu beitragen, manuelle Übergaben zu reduzieren, wenn die beteiligten Systeme und Verantwortlichkeiten sauber integriert werden.

3. Bleiben relevante Alternativen erkennbar?

Ein Text muss nicht alle Wettbewerber nennen. Er sollte aber deutlich machen, wenn unterschiedliche Vorgehensweisen sinnvoll sein können.

Dazu gehören beispielsweise:

• Pilotprojekt oder vollständige Einführung
• Eigenleistung oder externe Unterstützung
• bestehendes System optimieren oder ersetzen
• Standardlösung oder individuelle Entwicklung
• sofortige Umsetzung oder vorbereitende Analyse

4. Ist die Dringlichkeit sachlich begründet?

Jede Frist und Verknappung sollte intern belegbar sein. Kann niemand erklären, warum eine Entscheidung gerade jetzt erforderlich ist, gehört die Dringlichkeitsbehauptung nicht in den Text.

5. Respektiert der Text die Entscheidungsautonomie?

Der Text sollte Empfänger weder beschämen noch einschüchtern.

Eine hilfreiche redaktionelle Kontrollfrage lautet:

Würde die Argumentation weiterhin überzeugen, wenn der Leser die eingesetzten psychologischen Mechanismen kennen würde?

Lautet die Antwort Nein, beruht die Wirkung möglicherweise stärker auf Intransparenz als auf Relevanz.

6. Ist klar, wer die Kommunikation verantwortet?

Ein Sprachmodell ist kein verantwortlicher Autor im organisatorischen Sinn. Unternehmen müssen festlegen:

• Wer hat die Fakten bereitgestellt?
• Wer hat die KI-Ausgabe geprüft?
• Wer hat die finale Fassung freigegeben?
• Welche Version und welche Quellen wurden verwendet?
• Wie werden nachträgliche Fehler korrigiert?

Die öffentliche Governance-Richtlinie von MARCIS folgt ebenfalls dem Grundsatz, dass KI die Arbeit unterstützt, veröffentlichte Inhalte aber durch Menschen geprüft und freigegeben werden.

Ein solcher Prozess schafft keine automatische Fehlerfreiheit. Er macht Verantwortung jedoch zu einem definierten Bestandteil der Content-Produktion.

Psychologische Wirkung nicht nur an Klicks messen

Wenn ein Unternehmen verschiedene Argumentationen testet, sollte nicht nur die Klickrate betrachtet werden.

Eine verlustorientierte Überschrift kann mehr Aufmerksamkeit erzeugen und trotzdem die falschen Kontakte anziehen. Ein scharf formulierter Call-to-Action kann mehr Formularstarts auslösen, aber zugleich die Abbruchrate oder spätere Skepsis erhöhen.

Je nach Format sind deshalb weitere Signale relevant:

• Qualität und Passung der Anfragen
• Verständnis zentraler Produktbedingungen
• Art der Rückfragen im Vertrieb
• Häufigkeit falscher Erwartungen
• Akzeptanz der Anfragen durch den Vertrieb
• Reaktionen bestehender Kunden
• Abmeldungen, Beschwerden oder negative Antworten
• Fortschritt durch nachgelagerte Entscheidungsstufen

Die Frage lautet nicht nur: „Welche Variante konvertiert besser?“

Sie lautet: „Welche Variante unterstützt eine informierte und für beide Seiten passende Entscheidung?“

Häufige Fragen zu KI und Psychologie in B2B-Texten

Ist Framing grundsätzlich manipulativ?

Nein. Jede Darstellung setzt einen Rahmen, weil nicht alle Informationen gleichzeitig und gleich ausführlich präsentiert werden können. Manipulativ wird Framing, wenn entscheidungsrelevante Fakten verborgen, Risiken verzerrt oder Wahlmöglichkeiten nur scheinbar angeboten werden.

Darf ein B2B-Text die Folgen des Nichtstuns zeigen?

Ja, sofern diese Folgen realistisch, relevant und belegbar sind. Ein vollständiger Business Case sollte neben möglichen Gewinnen auch bestehende Kosten, Risiken und Opportunitätsverluste betrachten. Nicht vertretbar sind erfundene Schäden oder dramatisierte Zukunftsszenarien.

Kann KI manipulative Formulierungen zuverlässig erkennen?

KI kann Warnsignale identifizieren, etwa absolute Versprechen, Drucksprache, künstliche Verknappung oder unbelegte Angstappelle. Sie kennt jedoch nicht automatisch alle Fakten, Beziehungen und Erwartungen der Zielgruppe. Die abschließende Bewertung erfordert deshalb fachliche und redaktionelle Verantwortung.

Welches psychologische Prinzip funktioniert im B2B am besten?

Dafür gibt es keine allgemeingültige Antwort. Die Wirkung hängt von Entscheidung, Zielgruppe, Vorwissen, Risiko, Kommunikationssituation und Textformat ab. Häufig ist es sinnvoller, zunächst Unsicherheit und Informationslücken zu analysieren, statt einen einzelnen psychologischen Effekt auszuwählen.

Gute B2B-Psychologie erleichtert Entscheidungen

Psychologisch fundierte Kommunikation muss nicht neutral im Sinne von meinungslos sein. Ein Anbieter darf eine klare Position vertreten, Probleme benennen und eine Lösung empfehlen.

Er sollte aber erklären, worauf diese Empfehlung beruht.

Generative KI kann dabei helfen, unterschiedliche Perspektiven zu entwickeln, komplexe Argumente zu strukturieren und problematische Formulierungen früh zu erkennen. Sie kann Überzeugung zugleich skalieren und personalisieren.

Genau deshalb braucht ihr Einsatz klare Grenzen.

Die sinnvollste Frage an einen KI-Text lautet nicht: „Wie bringen wir den Leser dazu, Ja zu sagen?“

Sie lautet: „Welche Informationen benötigt der Leser, um ein begründetes Ja oder Nein vertreten zu können?“

MARCIS unterstützt B2B- und Industrieunternehmen dabei, komplexe Produkte und Leistungen in verständliche, belegbare und entscheidungsrelevante Kommunikation zu übersetzen. Dazu gehören nicht nur einzelne Texte, sondern auch Positionierung, Content-Strukturen, Websites, Kampagnen und KI-gestützte Qualitätsprozesse.

Bevor Du psychologische Mechanismen in größerem Umfang automatisierst, lohnt sich deshalb eine grundlegende Prüfung: Sind Zielgruppe, Faktenbasis, Entscheidungsproblem und redaktionelle Verantwortung bereits eindeutig definiert?

Ist das nicht der Fall, skaliert KI möglicherweise nicht die Qualität Deiner Kommunikation, sondern ihre Unklarheiten.

Für die strategische Einordnung kannst Du Kontakt zu MARCIS aufnehmen.

Quellen

1. Daniel Kahneman und Amos Tversky: Prospect Theory: An Analysis of Decision under Risk. Econometrica, März 1979. https://doi.org/10.2307/1914185
2. Amos Tversky und Daniel Kahneman: The Framing of Decisions and the Psychology of Choice. Science, 30. Januar 1981. https://doi.org/10.1126/science.7455683
3. William Samuelson und Richard Zeckhauser: Status Quo Bias in Decision Making. Journal of Risk and Uncertainty, März 1988. https://doi.org/10.1007/BF00055564
4. Andreas Zehetner, Corinna Engelhardt-Nowitzki, Barbara Hengstberger und Jörg Kraigher-Krainer: Emotions in Organisational Buying Behaviour: A Qualitative Empirical Investigation in Austria. Springer, 2012. https://doi.org/10.1007/978-3-7908-2747-7_11
5. Adam L. Alter und Daniel M. Oppenheimer: Uniting the Tribes of Fluency to Form a Metacognitive Nation. Personality and Social Psychology Review, 28. Juli 2009. https://doi.org/10.1177/1088868309341564
6. Tobias Reynolds-Tylus: Psychological Reactance and Persuasive Health Communication: A Review of the Literature. Frontiers in Communication, 31. Oktober 2019. https://doi.org/10.3389/fcomm.2019.00056
7. Tina A. G. Venema, Floor M. Kroese, Jeroen S. Benjamins und Denise T. D. de Ridder: When in Doubt, Follow the Crowd? Responsiveness to Social Proof Nudges in the Absence of Clear Preferences. Frontiers in Psychology, 18. Juni 2020. https://doi.org/10.3389/fpsyg.2020.01385
8. Sandra C. Matz, Jacob D. Teeny, Sumer S. Vaid und weitere Autoren: The Potential of Generative AI for Personalized Persuasion at Scale. Scientific Reports, 26. Februar 2024. https://doi.org/10.1038/s41598-024-53755-0
9. Francesco Salvi, Manoel Horta Ribeiro, Riccardo Gallotti und Robert West: On the Conversational Persuasiveness of GPT-4. Nature Human Behaviour, 19. Mai 2025. https://doi.org/10.1038/s41562-025-02194-6
10. Lukas Hölbling, Sebastian Maier und Stefan Feuerriegel: A Meta-Analysis of the Persuasive Power of Large Language Models. Scientific Reports, 12. Dezember 2025. https://doi.org/10.1038/s41598-025-30783-y
11. Europäisches Parlament und Rat der Europäischen Union: Verordnung (EU) 2024/1689 zur Festlegung harmonisierter Vorschriften für künstliche Intelligenz. 13. Juni 2024, veröffentlicht am 12. Juli 2024. https://eur-lex.europa.eu/eli/reg/2024/1689/oj
12. MARCIS GmbH: Governance-Richtlinie für den Einsatz von Künstlicher Intelligenz. Stand der geprüften Seite: 28. Juli 2026. https://marcis.de/governance