Speisekarten-Texte mit KI schreiben: wie funktioniert das?

Vor zwei Jahren brauchte man für 40 Speisekarten-Texte zwei volle Tage. Heute schreibt ein KI-Generator für Speisekarten zweisprachige, professionelle Texte mit Allergenhinweis in 5-10 Sekunden pro Artikel. So funktioniert es.

Was ein LLM ist

Ein Large Language Model — GPT, Claude, LLaMA — ist eine statistische Maschine, mit Internet-Texten trainiert. Auf einen Prompt sagt sie die wahrscheinlichsten Folgewörter voraus. Da sie Rezepte, Zutatenlisten und Reviews "gelesen" hat, spricht sie Restaurant-Sprache.

Praxis: Name plus Zutaten ergeben einen knappen, appetitanregenden Text. Was Qualität ausmacht, ist die Qualität des Kontexts.

Guter Prompt

"Schreib eine Beschreibung für Ravioli" ist zu schwach. Drei Bausteine:

• Kontext: "Moderne italienische Trattoria"
• Daten: Name, Zutaten, Portion, Allergene, Zubereitung
• Stil: "Zwei Sätze, sinnlich, ohne Klischees, Allergene nennen"

Damit entsteht "Handgefaltete Ravioli mit Ricotta und Zitronenabrieb, in Salbei-Butter geschwenkt, mit Grana — enthält Gluten und Milch."

Welche Felder füttern?

• Name und Kategorie
• 3-5 Hauptzutaten
• Zubereitungsmethode
• Portionsgröße
• Allergene
• vegan/vegetarisch/glutenfrei

thMenu liest diese Felder aus dem Admin-Formular und schickt sie an LLaMA 3.1 8B über Cloudflare AI. Zwei Sekunden später erscheint ein zweisprachiger Text. Kein Aufpreis im Pro-Plan.

Genauigkeit und Kontrolle

LLMs halluzinieren — Zutaten erfinden oder fälschlich glutenfrei deklarieren. Immer durch menschlichen Review. Gute Plattformen kennzeichnen KI-Texte mit Badge.

Allergenfeld kritisch: Abgleich mit EU-14 Liste beim Speichern, explizite Bestätigung bei "frei von".

Rechnung

40 Artikel manuell: 8-12 Stunden. Mit KI plus Review: 30-45 Minuten. Bei 30 €/h Textkosten: 230-350 € pro Karte. Bei jedem Update wieder.

Skepsis ist verständlich, aber ein Nachmittag Praxis ändert die Sicht.

Hilfreich? Teilen Sie es.