E-Mails, auf die man wirklich antwortet – ohne Floskeln

Die meisten E-Mails bleiben nicht unbeantwortet, weil sie unhöflich sind. Sie bleiben unbeantwortet, weil der Empfänger in fünf Sekunden nicht erkennt, was du willst und was er tun soll. Bittet man Claude um einen Entwurf, ist das Baseline-Ergebnis höflich – wirklich frei von Floskeln, wohlerzogen und zu lang, mit der eigentlichen Bitte drei Sätze tief vergraben und terminiert auf „wann immer es dir passt“. Wir betreiben ein Verzeichnis, das Claude-Skills beruflich benchmarkt, also haben wir das Naheliegende getan: gemessen, ob ein Satz durchsetzbarer Regeln aus diesen Entwürfen E-Mails macht, auf die ein vielbeschäftigter Mensch tatsächlich antwortet.

Das Ergebnis heißt email-discipline, und es kommt mit dem Vorher-Nachher-Vergleich, den wir sonst nirgends in dieser Nische gefunden haben: In einem blinden „würdest du jetzt sofort antworten?“-Test über 12 Szenarien bekam das Basismodell bei 3 von 12 Entwürfen ein Sofort-Antworten-Urteil; mit dem Skill waren es 9 von 12. Gleiches Modell, gleiche Prompts, eine Variable. Kostenlos und MIT-lizenziert: github.com/Skillproofdev/email-discipline.

Die Lücke: alle liefern Marketing-Maschinerie

Bevor wir eine Zeile geschrieben haben, haben wir 87 E-Mail-Skills (aus einem 16.682-Skills-Datensatz) plus das freie Feld gesichtet. Fast alles bewegt sich in derselben Spur: Cold-Sequenzen, Drip-Kampagnen, Betreffzeilen-A/B-Tests, Lifecycle-Automatisierung – Marketing-Maschinerie fürs Versenden im großen Stil. Die E-Mail, die dir wirklich den Tag frisst, ist eine andere: die Bitte an eine Kollegin, die Vier-Fragen-Antwort, das Follow-up nach Funkstille, die höfliche Absage. Für diese Art E-Mail gibt es kaum Skill-Abdeckung, und was existiert, ist entweder Stimm-Imitation, die Beispiele deiner gesendeten Mails braucht, um zu funktionieren, oder Vorlagenstrukturen, die genau die warmlaufenden Einleitungsabsätze verlangen, die Leser überspringen.

Niemand liefert die Alltags-E-Mail-Disziplin: numerische Wortbudgets nach Typ, eine mechanisch prüfbare Floskel-Verbotsliste, Regeln für die Antwort-Reihenfolge und einen veröffentlichten Benchmark als Beleg. Dieses Skill besteht aus acht prüfbaren Regeln, die ein Entwurf entweder besteht oder nicht – für E-Mail von einem Menschen an einen anderen, nicht für Kampagnen. Es reiht sich neben research-discipline und token-discipline in unsere Serie ein: Regeln, die das Modell einschränken, statt es nur nett zu bitten.

Acht Regeln, vier davon neu

Die vier Techniken, die in keinem der 87 Skills als durchsetzbare Regel auftauchten, bilden den Kern:

1. Ein Ziel, die Bitte in den ersten zwei Zeilen. Formuliere das eine Ziel, das die E-Mail erreichen muss, und führe damit ein. Kontext kommt danach, nie davor. Zwei unabhängige Anliegen → zwei E-Mails.
2. Wortbudgets, numerisch. Cold ≤120 Wörter, Follow-up ≤60, Antwort ≤150, interne Meldung ≤150. Über dem Budget wird gekürzt, nicht die Länge entschuldigt.
3. Antwort-Disziplin. Erst den ganzen Thread lesen, dann jede eingehende Frage beantworten, in der Reihenfolge des Fragenden, bevor die eigene Bitte kommt. Kein anderes gefundenes Skill kodifiziert das überhaupt.
4. Der Blick aus Empfängersicht. Kaltes Neulesen aus Empfängerperspektive: „Was mache ich, nachdem ich das gelesen habe?“ Ist die Antwort nicht eine einzige naheliegende, wenig aufwendige Handlung, wird umgeschrieben.

Plus der Rest: Betreffzeile = die Bitte (≤50 Zeichen, mit Frist), eine scannbare Floskel-Verbotsliste („ich hoffe, diese E-Mail erreicht dich gut“, „nur mal kurz nachfragen“ und das KI-typische Vokabular – Hebelwirkung, Synergien, nahtlos, sich vertiefen), genau ein CTA mit einem echten Kalenderdatum und ein strikter Output-Vertrag: Betreff + Body, sonst nichts, Varianten nur auf Wunsch.

Der Benchmark: 12 Szenarien, drei Bewertungsebenen

Zwei Arme, gleiches Modell (Claude Sonnet), identische Prompts über 12 realistische Szenarien – eine Cold-Bitte an einen Professor, eine Kundenantwort mit vier verstreuten Fragen, eine Lieferanten-Eskalation, eine Mahnung über eine Rechnung von 3.800 €, eine Keynote-Absage, ein Post-Incident-Update. Jedes ist ein vollständiger, eigenständiger Prompt mit Namen, Einsätzen, Terminen und platzierten Fallen (Fragen in ungewöhnlicher Reihenfolge, eine falsche Prämisse zum Korrigieren, Frust-Köder, Köder für den Datenausplauderer). Ground Truth, Wortbudgets und die Floskel-Regexliste wurden vor beiden Läufen eingefroren. Erhoben am 10.07.2026.

Metrik	Baseline (ohne Skill)	Mit email-discipline
Mechanischer Pass – Budget + Betreff + Floskeln + Format	2/12	12/12
Innerhalb des Wortbudgets	2/12 (Ø 163 Wörter)	12/12 (Ø 100)
Betreff-Verstöße (>50 Zeichen / generisch)	4	0
Ground-Truth-Abdeckung (Fragen, Fakten, Bitten)	65/77 (84%)	76/77 (99%)
Verstöße gegen platzierte Fallen	9	4
CTA mit echtem Datum, wo gefordert	11/12	12/12
Blinde Paarpräferenz (Siege–Unentschieden–Niederlagen)	1–1–10	10–1–1
„Würde jetzt antworten“-Reaktionen	3/12	9/12

Die Schlagzeile: Sonnets Baseline-Hygiene ist schon gut – sie schrieb nahezu floskelfreie Mails (ein Klischee-Satz in 12 Entwürfen). Ihr Schwachpunkt ist Länge und eine vergrabene Bitte: 10 von 12 Entwürfen über Budget, im schlimmsten Fall 261 Wörter bei einem 120-Wörter-Budget. Genau das hat das Skill repariert. Jeder Entwurf blieb im Budget, jeder geforderte CTA bekam ein Datum, die Abdeckung stieg von 84% auf 99%, und der blinde Paarvergleich bevorzugte den Skill-Entwurf 10 von 12 Mal.

Wo das Skill verloren hat – trotzdem veröffentlicht

Unsere Methodik verlangt, die Verluste neben die Gewinne zu stellen, und email-discipline hat echte. Beide betreffen Szenarien, in denen sich Konsequenzen stapeln.

Es hat S12 klar verloren – die Post-Incident-Zusammenfassung. Die beschrifteten Abschnitte der Baseline („Impact“, „Root Cause“, „Next Steps“) ließen sich minimal besser scannen als die straffere Prosa des Skills, und der blinde Richter entschied sich für die Baseline. Ein echtes negatives Ergebnis. Unentschieden bei S11, dem wöchentlichen Migrations-Status: Beide Entwürfe waren sauber, Aufzählung gegen Prosa, kein Sieger.

Und der Abdeckungsfehler des Skills war nicht null. Bei der Cold-B2B-Mail (S02) stapelte es zwei Aufhänger und listete drei benannte Features – genau das Übertreiben, das die Disziplin eigentlich verhindern soll. Bei der überfälligen Rechnungsmahnung (S08) stapelten beide Arme zwei Konsequenzen statt eine klare Default-Option zu nennen, und das Skill verlor auch diesen Punkt. Was das Skill nicht verbesserte, weil die Baseline schon perfekt war: das Korrigieren zweier platzierter falscher Prämissen (2/2 bei beiden Armen) und das Beantworten von Fragen in der richtigen Reihenfolge (4/4 bei beiden). Wenn Sonnet etwas schon perfekt macht, kann eine Regel es nicht noch perfekter machen.

Ein ehrlicher Vorbehalt zur blinden Bewertungsebene: Das Urteil kam im selben Kontext vom bewertenden Agenten mit einem vorregistrierten Münzwurf-Blinding (bench/runs/blind-key.json), nicht von einem unabhängigen frischen Richter-Modell. Es ist im Verdict so gekennzeichnet und schwächer als ein voll unabhängiges Panel. Wir liefern die Zahl mit dem Sternchen statt ohne.

Installation

git clone https://github.com/Skillproofdev/email-discipline ~/.claude/skills/email-discipline

Claude Code neu starten. Es greift bei „write an email“, „reply to this“, „follow up with“, Cold-Outreach-Entwürfen, Absagen, Eskalationen, internen Updates – oder wenn du einen Thread einfügst und um eine Antwort bittest. Es hält sich raus bei Marketing-Kampagnen, Newslettern und Drip-Sequenzen; dafür gibt es eigene Marketing-Skills.

FAQ

Schreibt das auch Cold-Outreach und Marketing-Sequenzen? Es schreibt eine einzelne Cold-Bitte – die einmalige E-Mail an einen Professor, eine Head of Ops, eine Gründerin – mit einem ≤120-Wörter-Budget und einem datierten CTA. Ausdrücklich nicht abgedeckt sind Drip-Kampagnen, Newsletter oder Lifecycle-Automatisierung; das sind Marketing-Spuren mit eigenen Skills, und dieses Skill weigert sich, dort zu greifen.

Sonnet schreibt doch schon saubere E-Mails. Was bringt das Skill zusätzlich? Längenkontrolle und eine auffindbare Bitte. Im Benchmark war die Baseline schon fast floskelfrei, sprengte aber bei 10 von 12 Entwürfen das Wortbudget und vergrub die Bitte in mehreren. Das Skill senkte die mittlere Textlänge von 163 auf 100 Wörter, gab jedem CTA ein echtes Datum und hob die Ground-Truth-Abdeckung von 84% auf 99% – gemessen, nicht behauptet.

Sind 9 von 12 „sofort antworten“ nicht trotzdem eine Niederlage bei den restlichen 3? Ja, und das ist die ehrliche Lesart. Das Skill hat die Sofort-Antworten-Quote ungefähr verdreifacht (3 → 9), aber nicht jeden Entwurf unwiderstehlich gemacht, und es hat ein blindes Urteil verloren und eines unentschieden gespielt. Es ist eine Disziplinschicht, keine Magie. Bei einer wichtigen E-Mail liefert das Skill in Sekunden einen straffen ersten Entwurf – den letzten Blick machst du trotzdem selbst.

Warum nur 12 Szenarien? Weil jeder Entwurf gegen eine vor beiden Läufen eingefrorene Ground Truth geprüft wurde – Fragenlisten, Wortbudgets, ein skriptgesteuerter mechanischer Checker und pro Szenario platzierte Fallen. Uns ist ein kleiner Benchmark mit echten, reproduzierbaren Checks lieber als ein großer, der nach Bauchgefühl bewertet wird. Das vollständige Protokoll und die Werte pro Szenario stehen im Repo.