Stell dir vor, dein Text klingt plötzlich wie du – ganz ohne Stilbruch. Geht das?
Forschende der University of Maryland haben genau das geschafft. Ihr neues Verfahren lässt große Sprachmodelle wie GPT oder LLaMA nicht nur Inhalte erzeugen, sondern auch den Ton treffen – und zwar messbar besser als bisherige Methoden. Möglich macht das ein cleverer Trick aus der Linguistik.
Von flapsig bis fachlich – was die Methode kann
Der sogenannte Stiltransfer ist nichts Neues: Man gibt einem Modell den Auftrag, einen Text z. B. „höflicher“ oder „wie Shakespeare“ zu schreiben. Das Problem: Oft kommt dabei zwar ein kreativer, aber wenig präziser Text heraus. Besonders heikel wird das, wenn es auf Fakten ankommt – etwa in der Medizin oder im Recht.
Genau hier setzt die neue Methode an. Die Forscher nutzen die Registeranalyse nach Douglas Biber – ein Ansatz, der Sprache anhand objektiver Merkmale beschreibt. Wie viele Nomen? Wie konkret ist die Sprache? So lassen sich Stilrichtungen wie „technisch“ oder „spielerisch“ greifbar machen.
Zwei Wege führen zum passenden Ton
Die erste Strategie, genannt „RG“, analysiert den Zielstil, extrahiert typische Adjektive und nutzt diese als Anleitung zur Umschreibung. Variante zwei, „RG-Kontrastiv“, geht noch einen Schritt weiter: Sie vergleicht gezielt den Stil von Ausgangs- und Zieltext – für maximale Präzision beim Umschreiben.
Das Ganze funktioniert rein über Prompts – es braucht also keine zusätzlichen Trainingsdaten. Selbst kleinere Modelle mit nur 3 bis 8 Milliarden Parametern können den Trick. Ideal für mobile Anwendungen oder kostensensible Tools.
Stil mit Substanz – statt Halluzinationen
In Tests schnitten die beiden RG-Verfahren deutlich besser ab als frühere Methoden wie STYLL. Sie lieferten klarere, stilistisch stimmigere und inhaltlich zuverlässigere Texte. Besonders überzeugend: die Vereinfachung medizinischer Fachtexte – lesbarer, aber ohne neue Fakten zu erfinden.
Ein weiterer Vorteil: Die erzeugten Stilbegriffe sind funktional statt emotional. Während STYLL Begriffe wie „sarcastic“ oder „opinionated“ bevorzugt, kommt hier eher „technical“ oder „polished“ zum Einsatz – ein Pluspunkt für die inhaltliche Genauigkeit.