💻 computer science

Email in the Era of LLMs

Die Studie stellt den HR-Simulator als neues Werkzeug vor, um die Kommunikation von Menschen und LLMs zu analysieren, und zeigt, dass menschliche Mitarbeiter mit LLM-Unterstützung in komplexen sozialen Szenarien deutlich besser abschneiden als alleinige KI-Lösungen, während LLMs trotz ihrer Formalität und Empathie Schwierigkeiten haben, menschliche Kommunikationsstile in weniger formellen Kontexten vollständig nachzuahmen.

Ursprüngliche Autoren: Dang Nguyen, Harvey Yiyun Fu, Peter West, Chenhao Tan, Ari Holtzman

Veröffentlicht 2026-03-24

📖 4 Min. Lesezeit☕ Kaffeepausen-Lektüre

CC BY 4.0

Ursprüngliche Autoren: Dang Nguyen, Harvey Yiyun Fu, Peter West, Chenhao Tan, Ari Holtzman

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

📧 E-Mails im Zeitalter der KI: Ein Spiel, das die Zukunft zeigt

Stell dir vor, du spielst ein Videospiel, in dem du der Personalchef (HR) einer fiktiven Firma namens „NeuroGrid" bist. Deine Aufgabe? Du musst schwierige E-Mails schreiben, um Probleme zwischen Mitarbeitern zu lösen. Manchmal musst du jemanden absagen, manchmal einen Streit schlichten oder jemanden dazu bringen, wieder ins Büro zu kommen.

Das ist das Spiel „HR Simulator", das von Forschern der University of Chicago entwickelt wurde. Aber hier ist der Twist: Deine E-Mails werden nicht von Menschen gelesen, sondern von Künstlicher Intelligenz (KI). Und die KI entscheidet, ob du gewinnst oder verlierst.

Hier sind die wichtigsten Erkenntnisse, übersetzt in einfache Sprache:

1. Der KI-Filter: Wenn die Maschine das Urteil fällt 🤖⚖️

Früher haben Menschen E-Mails gelesen und entschieden, ob sie „nett" oder „professionell" waren. In der Zukunft lesen aber oft KI-Systeme deine Mails, bevor ein Mensch sie überhaupt sieht.

Das Problem: Die Forscher haben herausgefunden, dass große, intelligente KIs sich untereinander sehr ähnlich sind. Sie denken fast gleich. Wenn eine super-smarte KI eine E-Mail mag, mögen das fast alle anderen super-smarten KIs auch.
Die Gefahr: Wenn alle KIs gleich denken, entstehen „starre Regeln". Was für eine KI gut klingt, muss nicht für einen Menschen gut sein. Es ist, als würde ein riesiger, gleichgesinnter Club entscheiden, welche Musik gut ist – und alle anderen Stile werden ignoriert.

2. Der Mensch verliert gegen die Maschine (alleine) 🥊🤖

Wenn ein normaler Mensch versucht, eine schwierige E-Mail zu schreiben, und die KI sie bewertet, verliert der Mensch fast immer.

Warum? KIs schreiben oft sehr lange, sehr höfliche und sehr „perfekte" E-Mails. Menschen sind oft direkter, manchmal etwas schroff oder emotionaler. Die KI-Jurorin findet das menschliche Schreiben oft zu ungeschliffen.
Die Statistik: Nur etwa 23 % der menschlichen E-Mails bestanden den Test. Bei den besten KI-Schreibern waren es fast 50 %.

3. Die Super-Kombi: Mensch + KI 🤝🤖

Aber hier kommt die gute Nachricht! Wenn ein Mensch den Entwurf schreibt und die KI ihn dann überarbeitet, passiert Magie.

Das Ergebnis: Diese „Hybrid-E-Mails" sind oft besser als alles, was ein Mensch allein oder eine KI allein schreiben könnte.
Die Metapher: Stell dir vor, der Mensch ist ein Talent-Coach, der weiß, was das Herz des Empfängers bewegt (die Strategie). Die KI ist der Polierer, der den Text glatt, höflich und professionell macht (die Verpackung). Zusammen gewinnen sie fast jedes Spiel.

4. Der „taktvolle" Wandel: Je smarter, desto vorsichtiger 🎭

Die Forscher haben ein interessantes Phänomen entdeckt, das sie „emergente Taktik" nennen.

Kleinere, weniger intelligente KIs mögen E-Mails, die direkt und etwas ruppig sind. Sie sagen: „Sag es einfach!"
Größere, schlauere KIs mögen E-Mails, die sehr taktvoll, indirekt und diplomatisch sind. Sie sagen: „Sag es so, dass niemand sich verletzt fühlt, auch wenn die Nachricht schlecht ist."
Das Fazit: Je intelligenter die KI wird, desto mehr mag sie „Höflichkeit auf Steroiden". Sie wird vorsichtiger und diplomatischer.

5. Der „Gefühllose-Ecke"-Effekt: Wo KIs versagen 🧊

Die Forscher haben die E-Mails auf einer Karte analysiert:

Achse 1: Wie höflich/professionell ist sie?
Achse 2: Wie einfühlsam/warm ist sie?

KIs schreiben fast immer in der Ecke: Sehr höflich + Sehr einfühlsam.
Menschen schreiben überall: Manchmal sehr höflich, manchmal sehr direkt, manchmal sogar sehr unfreundlich (wenn sie frustriert sind).

Das Problem: Wenn eine KI versucht, eine E-Mail zu schreiben, die wenig Einfühlungsvermögen und wenig Höflichkeit hat (z. B. eine sehr harte Kündigung oder eine wütende Beschwerde), scheitert sie oft. Sie kann nicht „böse" oder „kalt" genug schreiben, ohne dabei komisch zu klingen.

Die Lösung: Hier braucht es wieder den Menschen. Nur ein Mensch weiß, wann es nötig ist, hart und direkt zu sein. Die KI kann diesen „rohen" Stil nicht perfekt imitieren.

🚀 Was bedeutet das für die Zukunft?

Alleine verlieren wir: Wenn wir versuchen, gegen KI-gesteuerte Systeme zu kommunizieren, werden wir oft als „unprofessionell" abgestempelt, weil wir zu menschlich sind.
Gemeinsam gewinnen wir: Die beste Strategie ist Co-Writing. Der Mensch bringt die Intuition, den Kontext und die Strategie ein. Die KI poliert den Text, macht ihn höflicher und passt ihn an die Erwartungen der KI-Leser an.
Ein neuer Stil entsteht: Wir bewegen uns auf eine Welt zu, in der die meisten E-Mails von Menschen geschrieben, aber von KI „geglättet" werden.

Kurz gesagt: Die KI wird zum perfekten Übersetzer zwischen unserem menschlichen Chaos und den starren Regeln der digitalen Welt. Wir sollten sie nicht als Ersatz, sondern als unseren besten Schreib-Assistenten nutzen.

Titel: Email in the Ära der Large Language Models (LLMs)

Autoren: Dang Nguyen, Harvey Yiyun Fu, Peter West, Chenhao Tan, Ari Holtzman (University of Chicago, UBC)
Veröffentlichung: COLM 2025 (in Review)

1. Problemstellung

Die Kommunikation per E-Mail wird zunehmend durch Large Language Models (LLMs) mediatisiert, sei es durch Integrationen wie Gemini in Gmail oder persönliche Assistenten. Während LLMs in objektiven Domänen (z. B. Mathematik) verifizierbare Ergebnisse liefern, ist Kommunikation nuanciert und erlaubt verschiedene Interpretationen.
Das zentrale Problem ist das Fehlen von Intuition darüber, wie LLMs in komplexen sozialen Situationen kommunizieren, insbesondere wenn sie:

Unterschiedliche Botschaften an verschiedene Zielgruppen (z. B. Vorgesetzte vs. Kollegen) in einer einzigen E-Mail senden müssen.
Mit subtilen sozialen Zielen wie „Takt" (Tact), Empathie und Formalität umgehen müssen.
Als alleinige Verfasser oder als Leser/Juristen von E-Mails agieren.

Es besteht die Sorge, dass LLMs menschliche Kommunikationsfähigkeiten in Verhandlungen übertreffen könnten oder dass sich durch die Homogenisierung von LLM-Urteilen ein festes, von menschlichen Werten abweichendes Wertesystem etabliert.

2. Methodik: HR Simulator™

Um diese Fragen zu untersuchen, stellen die Autoren HR Simulator™ vor, ein Spiel, bei dem Kommunikation der Kernmechanismus ist.

Aufgabe: Der Spieler übernimmt die Rolle eines Personalmitarbeiters (HR) in einem fiktiven Unternehmen („NeuroGrid") und muss E-Mails schreiben, um soziale Konflikte in fünf verschiedenen Szenarien zu lösen (z. B. Ablehnung einer Anforderung, Konfliktlösung, Rückkehr ins Büro).
Umgebung: Die E-Mails werden von einem Empfänger-LLM (in Charakter) beantwortet. In fortgeschrittenen Szenarien simuliert das System die langfristigen Konsequenzen der E-Mail.
Bewertung (Judging): Ein „Judge"-LLM (z. B. GPT-4o, GPT-5.2, Claude, etc.) bewertet, ob die E-Mail das Kommunikationsziel erreicht hat.
Datensatz: Die Studie analysiert über 600 E-Mails, geschrieben von Menschen, verschiedenen LLMs (von klein bis groß) und hybriden Ansätzen (Mensch schreibt, LLM verbessert).

Analyse-Methoden:

Pass-Rate: Der Prozentsatz der E-Mails, die ein Szenario bestehen.
Elo-Ranking: Pairwise-Vergleiche von E-Mails durch verschiedene Judge-Modelle, um Präferenzen und Elo-Werte zu berechnen.
Taktik-Analyse: Annotation von „Takt" (soziale Geschicklichkeit), „Empathie" und „Formalität" auf einer Likert-Skala (1–7).
Perplexität: Messung der Schwierigkeit für LLMs, menschliche E-Mails in bestimmten Quadranten (niedrige Empathie, niedrige Formalität) zu imitieren.

3. Wichtige Beiträge

Entwicklung von HR Simulator™: Ein neues Instrument zur Messung von menschlicher und KI-gestützter Kommunikation in kontextreichen, sozialen Szenarien.
Konvergenz der LLM-Urteile: Nachweis, dass größere LLMs bei der Bewertung von E-Mail-Qualität zunehmend übereinstimmen (höhere Krippendorff's $\alpha$ ), während kleinere Modelle inkonsistenter sind.
Hybrider Vorteil (Human+LLM): Die Entdeckung, dass eine Kombination aus menschlichem Entwurf und LLM-Überarbeitung („Human+LLM") in vielen Fällen sowohl reine menschliche als auch reine KI-E-Mails übertrifft.
Emergent Tact (Entstehender Takt): Ein neues Phänomen, bei dem schwächere Modelle direktere, weniger taktvolle Strategien bevorzugen, während stärkere Modelle subtilere, taktvollere Ansätze bevorzugen.
Ton-Analyse: Charakterisierung der Unterschiede im Schreibstil: LLMs neigen zu hoher Empathie und hoher Formalität, während menschliche E-Mails diverser sind.

4. Ergebnisse

A. Leistung und Hybrid-Vorteil

Mensch vs. LLM: Unter LLM-Richtern schneiden menschliche E-Mails schlechter ab als die besten LLMs (z. B. 23,5 % Erfolgsrate für Menschen vs. 48–54 % für Top-LLMs wie Qwen 3 und Kimi K2).
Hybrid-Ansatz: Wenn Menschen ihre E-Mails von LLMs überarbeiten lassen, steigt die Erfolgsrate drastisch. In einigen Szenarien (z. B. Szenario 1) steigt die Rate von ca. 40 % auf fast 100 %. Dies zeigt, dass Menschen mit KI-Unterstützung besser abschneiden als beide allein.

B. Emergent Tact (Entstehender Takt)

Es wurde ein signifikanter Unterschied in den Präferenzen von Judge-Modellen unterschiedlicher Größe festgestellt:
- Kleinere Modelle: Bevorzugen direktere, weniger taktvolle E-Mails (niedrigere Takt-Scores).
- Größere Modelle: Bevorzugen subtilere, taktvollere Strategien (höhere Takt-Scores).
Beispiel: In einem Szenario, in dem ein Mitarbeiter eine private Bürobüroanfrage ablehnen muss, bevorzugen kleine Modelle E-Mails, die den höheren Gehalt des Empfängers als „Trostpreis" erwähnen (taktlos/passiv-aggressiv). Große Modelle lehnen dies ab und bevorzugen eine rein politische Begründung.
Konsequenz: Da größere Modelle (die wahrscheinlich zukünftig dominieren) sich einig sind, dass mehr Takt besser ist, werden menschliche E-Mails, die oft direkter sind, zunehmend als minderwertig eingestuft.

C. Ton und Stil (Empathie & Formalität)

LLM-Stil: LLMs schreiben tendenziell sehr formelle und empathische E-Mails (oberer rechter Quadrant im 2D-Diagramm).
Menschlicher Stil: Menschen sind diverser und besetzen auch Bereiche mit niedriger Empathie und niedriger Formalität (z. B. bei Frustration über gescheiterte Versuche).
Überarbeitungseffekt: LLMs verschieben menschliche E-Mails systematisch in Richtung hoher Empathie und hoher Formalität. Dies erhöht oft die Erfolgsrate, da es dem „geschmack" der LLM-Richter entspricht.

D. Grenzen der aktuellen Modelle

Das „Low-Low"-Quadrant: LLMs haben große Schwierigkeiten, E-Mails im Bereich niedrige Empathie / niedrige Formalität zu schreiben oder zu imitieren (z. B. sehr direkte, verärgerte Nachrichten).
Perplexität: Selbst mit Few-Shot-Beispielen zeigen LLMs eine extrem hohe Perplexität bei menschlichen E-Mails in diesem Quadranten. Dies deutet darauf hin, dass aktuelle Post-Training-Methoden (RLHF) Modelle dazu bringen, „zu höflich" zu sein, und ihnen die Fähigkeit nehmen, in bestimmten Kontexten (z. B. bei Beschwerden oder Konfrontationen) hart und direkt zu kommunizieren.

5. Bedeutung und Schlussfolgerung

Die Studie liefert wichtige Erkenntnisse für die Zukunft der menschlich-KI-Kommunikation:

Verlust menschlicher Autonomie: In reinen Verhandlungen zwischen Mensch und KI wird der Mensch wahrscheinlich unterlegen sein, da LLMs die Präferenzen anderer LLMs besser erfüllen.
Ko-Schreiben als Zukunft: Die effektivste Form der Kommunikation wird „vom Menschen geschrieben, von der KI überarbeitet" sein. Dies nutzt die menschliche Intuition für den Kontext und die KI-Fähigkeit zur Optimierung von Ton und Struktur.
Notwendigkeit neuer Trainingsziele: Damit autonome Agenten in Zukunft auch „schroffe" oder direkte Kommunikation („Thrust") beherrschen können, müssen neue Post-Training-Ziele entwickelt werden, die über die reine Höflichkeit und Empathie hinausgehen.
Wertkonvergenz: Da größere LLMs in ihren Urteilen zunehmend übereinstimmen, entsteht ein festes Wertesystem für Kommunikation, das von menschlichen Normen abweichen könnte. Es ist wichtig, diese Entwicklung zu verstehen und zu steuern.

Zusammenfassend zeigt das Paper, dass Kommunikation in der Ära der LLMs nicht mehr nur ein menschliches Talent ist, sondern ein hybrides Ökosystem erfordert, in dem Menschen und KI ihre jeweiligen Stärken kombinieren, um soziale Ziele zu erreichen.