Autoren kennen das Ende. Immer. Sie haben es geschrieben, verworfen, neu geschrieben. Wenn sie ihren Text lesen, lesen sie rückwärts, immer mit der Gewissheit, wie das Ende sein wird: Jede Zeile weiß, wohin sie führt.
Der Erstleser weiß das nicht. Er tastet vorwärts, im Dunkeln, Satz für Satz. Er bildet Erwartungen, hofft, fürchtet, tippt daneben. Genau diese Art der Lektüre ist der blinde Fleck jedes Autoren. Den eigenen Text kann man nicht zum ersten Mal lesen.
Wie findet man erfahrene Erstleser, die einem genau das Feedback geben, das man braucht, um den Text noch besser zu machen? Das ist schwierig: Jeder, der bereits Freunde, Familie oder auch andere Autorinnen und Autoren nach Feedback für eine Szene oder Kurzgeschichte gefragt hat, kennt das.
Kann Künstliche Intelligenz hier weiterhelfen? Ich habe die KI gefragt und sie antwortete mir: „Ich würde den Text in dramaturgische Einheiten unterteilen und dann nacheinander jede Einheit lesen und beurteilen. Aber weil ich den Text durch die Einteilung in Einheiten bereits kenne, kann ich nicht wie ein Erstleser lesen.“
Also brauchen wir verschiedene KI-Chats, die ohne voneinander zu wissen die Aufgaben übernehmen.
Beats erkennen
Leser nehmen einen Text in Portionen auf. Sie verdauen einen Beat, bevor der nächste kommt. Beats sind dramaturgische Einheiten: Eine Szene, ein Informationssprung, ein Wechsel der Zeitebene, ein Schnitt. Die Grenzen sind nicht beliebig. Ein Wendepunkt gehört ans Ende eines Beats. Ein Cliffhanger, der mit dem Vorabsatz zusammenklebt, verliert seine Spannung. Auch eine mechanische Trennung nach Absätzen ist nicht geeignet.
Wie sieht das im Beispiel aus? Als Geschichte wählen wir einen Text, den wir alle kennen und fragen die KI: Was sind die Beats von Rotkäppchen?
Die Erstleser-Analyse: sechs Fragen pro Beat
Für jeden Beat wollen wir jetzt sechs Fragen beantworten. Immer nur mit dem Wissen, das bis hierhin im Text steht:
- Erfahrung. Was erfährt der Leser hier zum ersten Mal? Nur die neuen Fakten.
- Frage. Welche Frage macht der Beat auf? Was will der Leser jetzt wissen?
- Vermutung. Worauf tippt er? Erwartung, Hoffnung oder Befürchtung, die der Leser allein aus dem Bisherigen ableitet.
- Gefühl. Welche Emotion löst der Beat aus?
- Bestätigung. Bestätigt oder kippt dieser Beat eine frühere Erwartung?
- Anmerkung. Ein kurzer Stolperer, wenn einer auffällt. Eine Dopplung, ein Wort, das hakt. Mehr nicht, die Analyse kommt später.
Die Analyse: drei Verbesserungen
Am Ende wechseln wir die Ebene. Vor dem Hintergrund der Erstleser-Erfahrung fragen wir unseren KI-Leser: Wie ist der Gesamteindruck? Und dann zu den Details: Wie sind „Plotstruktur & Erzählbogen“, wie wurden „Charakterentwicklung & Tiefe“ wahrgenommen, wie sind „Thema & Emotionale Wirkung“, wie wirken „Perspektive & Erzählstimme“?
Daraus leiten wir die drei wichtigsten Baustellen ab. Die Baustellen priorisieren wir nach Wirkung — die schwerste zuerst, egal wo sie im Text steht. Pro Baustelle gibt es eine kurze Diagnose sowie einen konkreten Hinweis zur Lösung.
Was Autor:innen daraus lernen
Der Nutzen liegt im fremden Blick. Man sieht, wo eine Erwartung entsteht, die man nie bedient hat. Wo ein Thema zu spät ankommt, wo eine Wendung verpufft. Wo man als Autor zu viel weiß und deshalb zu wenig zeigt.
FirstReader: Erstleseranalyse mit KI
In den Screenshots hast du es bereits gesehen: Ich habe dieses Konzept in ein Programm gegossen. Ich finalisiere das Programm gerade, so dass du es ebenfalls nutzen kannst. Stay tuned 🙂
FirstReader schreibt den Text nicht um. Es zeigt, was ein fremdes Auge beim ersten Mal sieht. Den Rest entscheidest du selbst.
Was meinst du: Ist das auch für dich hilfreich?