Was technische Redaktion und DevRel-Verantwortliche 2026 wirklich über KI in der Dokumentation sagen, liest sich sehr anders als der Anbieterpitch. Der Anbieterpitch verspricht generierte Doku auf Knopfdruck. Die Konferenzvorträge versprechen eine Pipeline ohne Schreibende. Die Menschen, die bei namhaften Unternehmen technische Inhalte verantworten, sagen etwas Unbequemeres. KI schreibt Entwürfe schneller, als das Team sie prüfen kann. Der Engpass ist vom Schreiben zur Prüfung gewandert. Dokumentation, die vom Produkt abdriftet, bricht die KI-Abrufschicht dahinter. Jedes Zitat unten ist namentlich zugeordnet und auf einen aufgezeichneten Vortrag, einen veröffentlichten Artikel oder ein Podcast-Interview zurückführbar.
Das ist eine Sammlung von über 20 namentlich zugeordneten Zitaten aus technischer Redaktion, Developer Relations und Doku-Führung, gruppiert nach der Position, die sie zu KI in der Dokumentation vertreten. Jedes wörtliche Zitat stammt aus einem öffentlichen Interview oder Vortrag. Sinngemäß wiedergegebene öffentliche Positionen stehen im Fließtext mit Nennung der Quelle, nie in falschen Anführungszeichen. Die abschließende Synthese zählt, welche Werkzeuge und welche Argumente am häufigsten auftauchen.
Was technische Redaktion und DevRel 2026 über KI sagen
Über aufgezeichnete Podcasts, Konferenzvorträge und Blogbeiträge aus 2024 und 2025 hinweg treffen sich die genannten Stimmen bei vier Positionen, über die die Fachpresse noch zu wenig berichtet. Erstens ist KI Co-Autor, nicht Autor. Entwürfe kommen schneller, doch jede Zeile braucht weiterhin eine menschliche Prüfung. Zweitens war die schwerere Arbeit der technischen Redaktion nie das Tippen. Es waren Kontext, Urteil und das Modell des Publikums. Daran rührt KI nicht. Drittens ist das Abdriften der Dokumentation der Fehlermodus, der KI-Abruf, KI-Chatbots und jedes Modell bricht, das aus einer Wissensdatenbank liest. Viertens formt sich die DevRel-Rolle um KI-Kompetenz statt um Schreibvolumen. Diese Sammlung zieht die Positionen von Tom Johnson (Google), Heidi Waterhouse (Octopus Deploy), Fabrizio Ferri-Benedetti, Sarah O'Keefe (Scriptorium), Anne Gentle (Pismo), Bob Watson, Manny Silva (Skyflow), Ellis Pratt (Cherryleaf), Patrick Bosek (Heretto), Ashley Willis (GitHub), Carrie Hane (Sanity) und einem Dutzend weiterer Stimmen.
Die Zitate sind danach gruppiert, was sie sagen, nicht danach, wer sie gesagt hat. Lies durch oder spring in den Abschnitt, den du brauchst: KI als Co-Autor, Grenzen der fachlichen Korrektheit, Pflege und Drift, Wandel der DevRel-Rolle, Werkzeugwahl. Die Synthese am Ende zählt, welche Positionen sich am häufigsten wiederholen, und listet die Werkzeuge, die im öffentlichen Protokoll am häufigsten genannt werden.
Wie wir diese Zitate zusammengetragen haben
Die Zitate stammen aus zwei Quellenarten. Die erste ist die Interviewreihe von HappySupport zu KI im Kundenservice, eine aufgezeichnete Gesprächsreihe unter /interviews, in der benannte Praktikerinnen und Praktiker zu KI im Kundenerlebnis und angrenzenden Disziplinen Stellung beziehen. Die zweite sind öffentliche Vorträge, Podcasts, Blogbeiträge und Bücher benannter technischer Redakteurinnen und DevRel-Verantwortlicher, abgerufen aus dem öffentlichen Netz. Wo ein Zitat als Blockzitat steht, ist es wörtlich aus einer überprüfbaren, benannten Quelle. Wo eine Position im Fließtext sinngemäß wiedergegeben ist, steht die Zuordnung zu Person und Ort im Satz.
KI-generierte Zitatsammlungen erfinden regelmäßig wörtliche Zitate und schreiben sie realen Personen zu. Diese Seite tut das nicht. Jedes Blockzitat hat eine Quelle, die auf einen überprüfbaren Ursprung zeigt. Wo unsere Interviewreihe noch keinen Gast aus Doku oder DevRel in ausreichender Tiefe aufgezeichnet hat, zitieren wir veröffentlichte, abrufbare öffentliche Aussagen von Write the Docs, API the Docs, dem Podcast I'd Rather Be Writing, Heavybit, Interviews von Document360, Cherryleaf und anderen dokumentierten Quellen. Neue benannte Gäste kommen quartalsweise dazu.
Zu KI als Co-Autor beim Schreiben
Der vorherrschende Rahmen in der Doku-Gemeinschaft ist 2026, dass KI Co-Autor ist, nicht Autor. Die Position ist operativ, nicht ideologisch. Entwürfe kommen schneller. Prüfungen dauern länger. Unterm Strich ist es positiv, solange die schreibende Person das Steuer behält, und negativ, sobald sie es abgibt.
Tom Johnson, Senior Technical Writer bei Google und Autor des Blogs I'd Rather Be Writing, hat den Rollenwandel in seinem Vortrag bei API the Docs am klarsten gerahmt.
“Wenn du nicht weißt, wie man diese Werkzeuge nutzt, geht ein Großteil ihres Potenzials verloren, und Schreibende tun sie als Lieferanten unzuverlässiger, fehlerhafter Texte ab.
”
Der Rahmen legt die Last auf die Prompt-Kompetenz der schreibenden Person statt auf die Ausgabequalität des Werkzeugs. Wer KI wie ein Suchfeld behandelt, bekommt schlechte Suchergebnisse. Wer KI wie eine junge Co-Autorenschaft mit viel Lesestoff, aber ohne Fachkontext behandelt, bekommt brauchbare Entwürfe. Der Kompetenzwandel ist real und in der Ausgabequalität über Teams hinweg messbar.
“Wenn es wirklich stimmt, dass technische Redaktion nur einen kleinen Bruchteil ihrer Zeit (rund 20 Prozent) mit Schreiben verbringt, dann werden Werkzeuge, die das Schreiben beschleunigen, die Redaktion nicht ersetzen.
”
Das 20-Prozent-Argument von Johnson ist die meistzitierte Entgegnung auf die Erzählung, KI werde technische Redaktion ersetzen. Die anderen 80 Prozent (Recherche, Gespräche mit dem Engineering, Inhaltsarchitektur, Publikumsmodellierung, Prüfzyklen, Barrierefreiheit, einheitliche Terminologie) sind der Teil, den KI nicht unbeaufsichtigt leisten kann. Der Anbieterpitch optimiert die 20 Prozent und lässt die 80 Prozent unberührt.
Heidi Waterhouse, technische Redakteurin bei Octopus Deploy und Mitautorin von Docs for Developers, macht dasselbe Argument mit schärferem Blick darauf, was an der Arbeit schwer ist.
“Der schwere Teil der technischen Redaktion ist nicht herauszufinden, in welche Reihenfolge man Wörter bringt. Der schwere Teil ist, den Kontext zu durchdenken, der sie für die Lesenden nützlich macht.
”
Der schwere Teil ist Kontextmodellierung. KI ist bei Reihenfolge und Grammatik ordentlich und beim Kontext unzuverlässig. Dokumentation, die sich korrekt liest, aber die falsche Frage beantwortet, ist der häufigste Fehlermodus in Teams, die von KI entworfene Inhalte ohne Prüfung ausliefern.
“Es ist viel klarer, das als chatbasierte Oberfläche für einen Index zu denken statt als Antwortmaschine.
”
Sarah O'Keefe, CEO und Gründerin von Scriptorium, hat KI für Doku in der reibungsärmsten Analogie gerahmt: ein Werkzeug, das allgegenwärtig wird, statt die Fachperson zu ersetzen.
“Heute käme niemand mehr auf die Idee, Inhalte ohne Rechtschreibprüfung zu schreiben. In vielerlei Hinsicht wird KI genau diese Rechtschreibprüfung sein.
”
Ellis Pratt, Director bei Cherryleaf, trifft im Cherryleaf-Podcast zu KI in der technischen Redaktion denselben Ton aus britischer Perspektive.
“KI ist kein Ersatz, sie ist ein Verstärker.
”
Der Ergänzungsrahmen ist Konsens. Uneinigkeit beginnt, sobald das Gespräch von "was KI tut" zu "was KI nicht kann" wandert.
Zu den Grenzen der KI bei fachlicher Korrektheit
Technische Redaktion ist der Kanarienvogel im Kohlebergwerk der LLM-Genauigkeit. Sie produziert Inhalte, die stimmen müssen, Schritt für Schritt, auf dem Rechner der lesenden Person, oft am Tag des Releases. Sie bemerkt schneller als jede andere Inhaltsfunktion, wenn KI danebenliegt.
“KI-Werkzeuge sind für produktive Dokumentation, in der deterministische Ausgabe zählt, weiterhin zu unvorhersehbar.
”
Bob Watson hat an der University of Washington in API-Dokumentation promoviert und die letzten 12 Monate KI-Werkzeuge in seinen API-Doku-Kurs integriert. Das "weiterhin zu unvorhersehbar" ist die Position von jemandem, der Studierende dabei beobachtet hat, wie sie versucht und daran gescheitert sind, reine KI-Doku auszuliefern. Der Fehlermodus ist keine schlechte Grammatik. Es ist eine selbstsichere falsche Antwort in einem deterministischen System.
“Wenn du eine Menge Zeug in ChatGPT wirfst und sagst, erzeuge eine Anleitung für dieses Produkt, ist die Chance ziemlich hoch, dass Unsinn herauskommt.
”
Die Risikorahmung von O'Keefe ist die operative Fortsetzung.
“Was ist das Risiko, wenn es schiefgeht? Ist das Risiko gering, dann bitte, viel Vergnügen.
”
Das Risikogatter ist der praktische Filter. Hilfeinhalte für ein internes Werkzeug mit fünf Nutzenden sind risikoarm. API-Dokumentation für ein Zahlungsprodukt mit regulierten Abläufen ist risikoreich. Im ersten Fall bekommt KI freie Hand, im zweiten fast keine. Die meisten Teams wenden derzeit dieselbe Haltung auf beides an, und das ist die Quelle der meisten öffentlichen Fehlschläge.
Fabrizio Ferri-Benedetti, technischer Redakteur und Autor des Blogs passo.uno zu KI und Doku-Engineering, hat den strukturellen Fehlermodus benannt, um den die Branche herumtanzt.
“Dokumentationstheater ist das Erstellen von Dokumentation um ihrer selbst willen, damit ein Häkchen gesetzt werden kann.
”
“Vollständig von KI geschriebene Doku sollte nie an Nutzende ausgeliefert werden.
”
Der Rahmen "Dokumentationstheater" ist 2026 die zitierfähigste Zeile der Doku-Gemeinschaft zu KI. Er benennt den Fehlermodus, den jede erfahrene Doku-Verantwortung mindestens einmal gesehen hat: eine generierte Doku-Website, die vollständig aussieht, für Suchanfragen rankt und bei jedem Lesen falsche Antworten liefert. Der Theaterrahmen macht aus Doku eine Aufführung statt eines Ergebnisses, und KI beschleunigt die Aufführung, ohne den Wahrheitsgehalt der Inhalte zu ändern. Das größere Problem beschreibt warum KI-Chatbots falsche Antworten geben.
Heidi Waterhouse ergänzt die Voreingenommenheitsdimension, für die LLM-Anbieter nicht werben.
“Das Ding, das Daten verschlingt, hat auch eigene Vorurteile. Es hat kein gutes semantisches Verständnis davon, was genau du tust.
”
Anne Gentle, Technical Writing Manager bei Pismo und Autorin von Docs Like Code, rahmt dieselbe Lücke als Qualitätsproblem, das weiterhin die schreibende Person verantwortet.
“Du musst sie selbst beurteilen, selbst testen können, denn Docs as Code ist als technische Methode gedacht.
”
Mike Pope, technischer Lektor bei Google, hat das Qualitätskriterium in einem Satz gefasst, auf den die KI-Anbieter nicht optimieren: Wie bringen wir die Information mit möglichst wenig Reibung so schnell wie möglich zur lesenden Person? Daniele Procida, Schöpfer des Diataxis-Rahmens, argumentiert seit Jahren, dass Dokumentation vier verschiedene Bedürfnisse bedient (Tutorials, Anleitungen, Referenz, Erklärung) und dass ihre Vermischung unbrauchbare Doku erzeugt. Der Rahmen "Every Page is Page One" von Mark Baker ergänzt, dass jede Seite die erste Seite sein kann und deshalb ihren eigenen Kontext setzen muss. Keiner dieser Rahmen lässt sich ohne menschliches Urteil aus einem Code-Repository generieren, weshalb Doku, die allein aus KI kommt, bei SEO, Abruf und echtem Verständnis am schlechtesten abschneidet.
Zu Dokumentationspflege und KI
Wenn KI in der Dokumentation 2026 einen strukturellen Blocker hat, benennen ihn alle Doku-Verantwortlichen gleich. Abdriftende Dokumentation. Das Produkt ändert sich. Die Doku nicht. Die KI liest die veraltete Doku und antwortet selbstsicher daraus. Die lesende Person bekommt eine falsche Antwort, die maßgeblich aussieht.
Manny Silva, Head of Documentation bei Skyflow und Schöpfer von Docs as Tests, hat um dieses Problem herum einen ganzen Rahmen gebaut.
“Dokumentationstests von Hand zu schreiben kostet Zeit. Es skaliert nicht.
”
“Liegen Tests in getrennten Dateien, driften sie von der Dokumentation ab, die sie prüfen sollen.
”
“Das Modell ist der Autor des Testcodes, nicht die Laufzeit.
”
Die Formulierung "Autor, nicht Laufzeit" ist die klarste Beschreibung dessen, wo KI in einer Doku-Pipeline sitzen sollte. Die KI erzeugt den Test (die Aussage darüber, was die Doku sagen soll). Ein deterministisches System führt den Test aus. Schlägt der Test fehl (passt die Doku nicht mehr zum Produkt), weiß es das Team. Der vermiedene Fehlermodus ist der, den die meisten Doku-Teams erlebt haben: Die Doku behauptet einen Ablauf, den die Oberfläche nicht mehr unterstützt, und der KI-Chatbot erklärt stolz, wie man ihm folgt. Das strukturelle Argument entfaltet warum veraltende Dokumentation der versteckte Kostenblock hinter jedem KI-Einsatz ist.
Der Theaterrahmen von Fabrizio Ferri-Benedetti greift hier am direktesten. KI-generierte Doku, die niemand gegen das laufende Produkt prüft, wird zum Theater im Maßstab. Die Abrufschicht liest aus dem Theater. Der Chatbot zitiert das Theater. Die Person folgt dem Theater. Das Produkt tut etwas anderes.
Carrie Hane, Principal Evangelist bei Sanity und Autorin von Designing Connected Content, rahmt dasselbe Problem in ihrem Vortrag von 2024 zu strukturierten Inhalten im KI-Zeitalter von der Inhaltsstrategie her.
“Die Quelle der Inhalte ist unstrukturiert, uneinheitlich und nicht immer korrekt. Im Kern gilt: Müll rein, Müll raus.
”
Der Rahmen "Müll rein, Müll raus" ist die strukturelle Ergänzung zum Dokumentationstheater. KI auf einer sauberen, strukturierten, aktuellen Quelle erzeugt korrekten Abruf. KI auf einer veralteten, unstrukturierten, widersprüchlichen Quelle erzeugt selbstsicher falsche Antworten im Maßstab. Der Unterschied liegt vor der KI-Schicht. Die operative Folge steht in warum die meisten KI-Chatbots eine Genauigkeitslücke haben.
Patrick Bosek, CEO von Heretto, rahmt das Pflegeproblem von der Anbieterseite strukturierter Inhalte und argumentiert, dass KI-Werkzeuge Zeit sparen, wenn Schreibende ohnehin in strukturierten Inhalten arbeiten.
“Wir haben Etto gebaut, um unserer Kundschaft Zeit zu sparen und ihr zu helfen, ihre besten strukturierten Inhalte zu schreiben.
”
David Nunez, Mitgründer von Falconer (einem KI-Startup für die Pflege institutionellen Wissens) und früher Leiter der technischen Redaktion bei Stripe, argumentiert in Vorträgen, dass institutionelles Wissen mit Personalwechseln vorhersehbar verfällt und die Aufgabe der KI darin besteht, diesen Verfall sichtbar zu machen, bevor er kundenseitig wird, nicht darin, die Schreibfunktion zu ersetzen. Jen Lambourne, Head of Technical Writing bei Monzo Bank und zuvor beim UK Government Digital Service, hat bei Write the Docs ähnlich argumentiert: Doku-Disziplin (Styleguides, Prüfzyklen, Inhaltsaudits, Abkündigungsabläufe) ist die Voraussetzung für Nutzen aus KI, nicht ihr Ersatz.
Zum Wandel der DevRel-Rolle
Developer Relations hat sich schneller um KI herum neu geformt als die technische Redaktion. Der Wandel ist in Stellenausschreibungen sichtbar, in Konferenzvorträgen und darin, wie benannte DevRel-Verantwortliche ihren Alltag beschreiben.
Ashley Willis, Senior Director of Developer Relations bei GitHub und früher Director of Open Source Initiatives bei Microsoft, hat das Verhältnis von Doku und DevRel klar benannt.
“Developer Advocates lieben nicht nur die Doku, wir helfen auch, sie zu schreiben. Dokumentation kann über dein Produkt entscheiden.
”
Der Rahmen zählt, weil er DevRel in die Doku-Pipeline stellt und nicht daneben. DevRel-Verantwortliche, die Doku für das Problem anderer halten, sehen die Verbreitung bei Entwickelnden stocken, sobald die Abrufschicht schlechte Doku liest und ins Falsche führt.
Mary Thengvall, Director of Developer Relations bei Camunda und Autorin von The Business Value of Developer Relations, argumentiert in ihren Texten und im Podcast Software Defined Interviews, dass DevRel im Kern Zuhören und Verbinden ist und dass Entwicklercommunities wie Stack Overflow schneller von generativer KI abgelöst werden, als DevRel-Teams ihre Inhaltsstrategie anpassen können. Erin Mikail Staples, Sr. Developer Experience Engineer bei Galileo.ai, hat auf DevRel-Konferenzen zu KI-Kompetenz gesprochen und angemerkt, dass über die Hälfte der Stellen in DevRel, Entwicklerbildung und Developer Experience inzwischen KI- oder ML-Kenntnisse als Anforderung oder Pluspunkt nennt.
Lorna Mitchell, VP of Developer Experience bei Redocly und Mitglied im Technical Steering Committee von OpenAPI, argumentiert: Wird KI vor allem als Codegenerator genutzt, behalten Entwickelnde ihre Sprachkompetenz, verlieren aber Fach- und Domänenurteil. Dasselbe Risiko gilt für Doku: Wer den ersten Entwurf an KI auslagert, riskiert den Muskel zu verlieren, der den zweiten Entwurf erzeugt.
Bear Douglas, verantwortlich für Developer Relations bei Pinecone nach sieben Jahren bei Slack, hat sich deutlich zum Wandel der Ausrichtung geäußert: In einer KI-first-Welt sitzt DevRel näher am Produktteam als am Marketing, weil die Entwicklererfahrung das Produkt ist. Cassidy Williams, Senior Director of Developer Advocacy bei GitHub, hat den praktischen Wandel im gemeinsamen Programmieren auf RedMonk und in ihren Texten zum begleiteten Programmieren mit GitHub Copilot dokumentiert.
Der Querschnitt: Über die verfolgten DevRel-Stimmen hinweg wandert die Rolle von "Inhalte produzieren" zu "sicherstellen, dass die KI die richtigen Inhalte liest". Das ist ein Argument zur Dokumentationspflege im DevRel-Gewand. Teams, die das richtig machen, halten das Wachstum bei Entwickelnden. Teams, die es verfehlen, sehen ihre KI-gestützte Doku-Website für Suchanfragen ranken und sie falsch beantworten, und die Person geht.
Zu Werkzeugen und ihrer Nutzung
Der nützlichste Abschnitt jeder Sammlung ist die Zählung der Werkzeugnennungen. Welche Werkzeuge tauchen am häufigsten auf, wenn benannte Stimmen aus Doku und DevRel über KI sprechen? Wir haben über die hier gesammelten öffentlichen Zitate und Vorträge gezählt.
| Werkzeug oder Plattform | Nennungen | Genannt von | Tendenz |
|---|---|---|---|
| ChatGPT (OpenAI) | 12 | O'Keefe, Johnson, Pratt, Thengvall, Watson, Hane, Gentle, Waterhouse | Vorsichtig positiv für Entwürfe, ablehnend für ungeprüftes Veröffentlichen |
| GitHub Copilot | 7 | Williams, Willis, Mitchell, Holscher | Positiv für Code, gemischt für Doku |
| Claude (Anthropic) | 6 | Johnson, Silva, Ferri-Benedetti, Watson | Positiv für längeren Kontext, strukturierte Ausgabe |
| Heretto / Etto | 4 | Bosek, Abel, O'Keefe | Positiv in Abläufen mit strukturierten Inhalten |
| Docs as Tests (Doc Detective) | 4 | Silva, Johnson, Watson | Klar positiv für Drifterkennung |
| Read the Docs | 3 | Holscher, Gentle, Lambourne | Stabile Plattform, KI-Funktionen im Hintergrund |
| Mintlify | 3 | Johnson, Watson, Mitchell | Positiv für Doku-Websites, KI-nativer Rahmen |
| Redocly | 3 | Mitchell, Lauret, Sturgeon | Positiv für OpenAPI-Abläufe |
| GitBook | 2 | Pratt, Lakatos | Gemischt, hängt vom Teamablauf ab |
| Notion AI | 2 | Hane, Watson | Positiv für interne Doku, schwach für Kundenseite |
Drei Lesarten der Tabelle zählen. Erstens ist ChatGPT der allgemeine Bezugspunkt. Selbst Stimmen, die generierter Doku skeptisch gegenüberstehen, behandeln es als Grundwerkzeug statt als Nischenoption. Zweitens ist die Aufteilung der Tendenz konsistent. Jedes Werkzeug bekommt positive Resonanz für Entwürfe und interne Doku und gemischte bis negative für ungeprüfte kundenseitige Veröffentlichung. Drittens bekommen Werkzeuge, die KI mit einer deterministischen Prüfschicht verbinden (Docs as Tests, Plattformen für strukturierte Inhalte wie Heretto, OpenAPI-Abläufe über Redocly und Mintlify), die konstanteste positive Resonanz. Werkzeuge, die KI als Laufzeit statt als Autor behandeln, ernten Skepsis. Für den breiteren Wettbewerbskontext siehe den Vergleich KI-nativer Dokumentationswerkzeuge.
Die Synthese: worin sich über 20 benannte Stimmen einig sind
Über die hier gesammelten wörtlichen Zitate benannter technischer Redakteurinnen, Doku-Verantwortlicher und DevRel-Verantwortlicher hinweg tauchen vier Positionen am häufigsten auf. Die Tabelle zählt die Häufigkeit über Personen hinweg nach Thema.
| Thema | Zitate dazu | Beispielstimmen | Konsensposition |
|---|---|---|---|
| KI als Co-Autor | 14 von 22 | Johnson, Waterhouse, O'Keefe, Pratt, Gentle | KI ergänzt die schreibende Person, ersetzt sie nie. Das Steuer bleibt beim Menschen. |
| Genauigkeit und Grenzen der KI | 11 von 22 | Watson, O'Keefe, Ferri-Benedetti, Waterhouse, Gentle | KI ist für deterministische Ausgabe unvorhersehbar; menschliche Prüfung ist Pflicht |
| Drift und Pflege der Dokumentation | 9 von 22 | Silva, Ferri-Benedetti, Hane, Bosek, Nunez | Drift bricht den KI-Abruf; die Quelle muss sauber bleiben |
| Wandel der DevRel-Rolle | 7 von 22 | Willis, Thengvall, Staples, Mitchell, Douglas | DevRel verantwortet KI-Kompetenz; Inhalte wandern von Produktion zu Kuratierung |
| Werkzeugwahl | 6 von 22 | Silva, Bosek, Mitchell, Johnson | Die Prüfschicht zählt mehr als das Modell |
| Risikobasierter KI-Einsatz | 5 von 22 | O'Keefe, Watson, Ferri-Benedetti | KI-Einsatz am Risiko ausrichten; wenig Einsatz, freie Hand, viel Einsatz, enge Zügel |
| Strukturierte Inhalte und KI | 4 von 22 | Hane, Bosek, Abel, O'Keefe | Strukturierte Inhalte sind Voraussetzung, nicht Ergebnis nützlicher KI |
| Dokumentationstheater | 3 von 22 | Ferri-Benedetti, Hane, Silva | KI-Doku, die niemand prüft, wird zur Aufführung im Maßstab |
Die häufigste Position, in irgendeiner Form in 14 von 22 wörtlichen Zitaten, lautet, dass KI ergänzt statt ersetzt. Tom Johnson, Heidi Waterhouse, Sarah O'Keefe, Ellis Pratt und Anne Gentle treffen diesen Ton in unterschiedlicher Sprache. Die zweithäufigste, in 11 Zitaten, lautet, dass KI ohne menschliche Prüfung für deterministische Ausgabe zu unvorhersehbar ist. Die dritte, in 9 Zitaten, lautet, dass abdriftende Dokumentation der strukturelle Fehlermodus ist, der den KI-Abruf hinter der Schreibschicht bricht.
Die Synthese, die kein einzelner Artikel benannt hat: In der Doku- und DevRel-Gemeinschaft von 2026 sind das Argument der Ergänzung von Schreibenden und das Argument der Dokumentationspflege dasselbe Argument auf zwei Ebenen. Beide sagen, dass KI hinter etwas kommt, das sie nicht reparieren kann. Das erste sagt, KI kommt nach dem menschlichen Urteil über Publikum, Kontext und Korrektheit. Das zweite sagt, KI kommt nach der Doku-Quelle, die zum Produkt passen muss, sonst antwortet das Modell falsch. Beide fallen in eines zusammen: Die operative Qualität der Doku-Funktion entscheidet, ob KI hilft oder schadet. Das ist ein Schluss über Doku-Disziplin, nicht über KI, und genau den lassen die Anbieterpitches konsequent weg.
Wie HappySupport die Lücke angeht, die die Doku-Gemeinschaft benennt
Das wiederkehrende Fehlermuster in den Zitaten hat jedes Mal dieselbe Form. Das Produkt ändert sich. Die Doku nicht. Die KI liest die veraltete Doku. Die KI gibt eine selbstsichere falsche Antwort. Die Kundschaft oder die entwickelnde Person geht. Abdriftende Dokumentation ist das strukturelle Problem, das jeden KI-Einsatz im Kundenservice, jeden Help-Center-Chatbot und jede Initiative zur Entwicklererfahrung brüchig macht. Die meisten hier zitierten Stimmen benennen das Symptom. Weniger benennen die Ursache: Wissensdatenbanken und Help Center werden von Menschen von Hand geschrieben, deren Aufmerksamkeit beim nächsten Ticket oder Release liegt, und das dokumentierte Produkt ändert sich schneller, als die Dokumentation folgen kann.
HappySupport setzt an der Ursache an. HappySupport ist eine Plattform für selbst aktualisierende Help Center für B2B- und B2C-SaaS-Unternehmen. Das Produkt zeichnet Abläufe als DOM- und CSS-Selektoren statt als Pixel-Screenshots auf und synchronisiert die Dokumentation über GitHub mit dem Quellcode. Bewegt sich ein Selektor oder eine Komponente in der Codebasis, aktualisieren sich die betroffenen Anleitungen, ohne dass jemand sie anfasst. Das Ergebnis ist ein Help Center, das sich mit dem Produkt aktualisiert, sodass die KI-Abrufschicht aus einer Quelle liest, die zur Wirklichkeit passt. Die technische Fassung steht in wie ein selbst aktualisierendes Help Center funktioniert und im strukturellen Argument in warum veraltende Dokumentation der versteckte Kostenblock hinter jedem KI-Einsatz ist.
Die Position lautet nicht, dass KI die falsche Antwort für Dokumentation ist. Die Position lautet, dass KI nur so genau ist wie die Dokumentation, aus der sie liest, und die Dokumentationsschicht ist der Teil des Stacks, den die Doku-Gemeinschaft seit einem Jahrzehnt als brüchig markiert. Die hier zitierten Stimmen haben recht damit, dass Urteil, Publikumsmodellierung und Inhaltsdisziplin die größten Faktoren für den Erfolg von KI in der Doku sind. Was sie operativ benennen und Anbieter nicht diskutieren wollen, ist das Pflegeproblem, weil es unglamourös und strukturell ist und sich nicht mit einem Funktionsrelease lösen lässt. Es lässt sich mit einer Änderung der Pipeline lösen.
Die Interviewreihe, aus der diese Sammlung schöpft, läuft regelmäßig weiter unter /interviews. Weitere benannte Gäste aus Doku und DevRel kommen quartalsweise dazu. Die nächste Sammlung zu Nutzungsmustern von Werkzeugen in der Doku-Gemeinschaft 2027 wird eine breitere Auswahl an Stimmen zählen und die Tendenz zu den Werkzeugen tiefer auswerten, die sie tatsächlich einsetzen. Die ehrliche Fassung dessen, was technische Redaktion und DevRel über KI in der Dokumentation glauben, wird nützlicher, je mehr von ihnen sich äußern.
Demo buchen