NotebookLM-Podcast zur Talk-Vorbereitung

TL;DR

Vor einem Panel beim Wien Software Architecture Meetup hatte ich ein langes Vorbereitungsdokument: ausformulierte Antworten, Set-Pieces, ein Dossier über die anderen Panelisten. Statt es ein letztes Mal zu lesen, habe ich daraus mit NotebookLM ein Audio generiert und es auf der Anfahrt gehört. Das Ergebnis: effektiver als Lesen, weil ich das Material passiv durchgespielt habe und sofort gehört habe, wo meine Argumentation Lücken hatte. Hier der Ablauf in fünf Schritten -- und ehrlich auch die Grenzen.

Das Problem: Lesen prüft das Falsche

Wer einen Vortrag oder ein Panel vorbereitet, schreibt sich oft ein Dokument zusammen. Bei mir war das vor dem Wien Software Architecture Meetup ein längeres File: 30-Sekunden-Intro, acht ausformulierte Antworten auf die Leitfragen, zwei Set-Pieces als Anekdoten, dazu ein Dossier über die Mitpanelisten.

Das Schreiben dieses Dokuments ist der eigentliche Wert. Da denke ich die Argumente durch. Aber das Lesen kurz vor dem Auftritt bringt erstaunlich wenig. Man überfliegt die eigenen Sätze, nickt innerlich ("ja, weiß ich") und merkt nicht, an welchen Stellen die Argumentation in Wahrheit dünn ist. Das Auge ist zu schnell. Es erkennt vertrauten Text wieder, statt ihn zu prüfen.

Was mir gefehlt hat, war ein Format, das mich zum Zuhören zwingt -- in der Geschwindigkeit, in der ich später auch reden muss.

Der Workflow in fünf Schritten

Der Kern ist denkbar einfach. NotebookLM von Google kann aus hochgeladenen Quellen einen "Audio Overview" generieren: zwei synthetische Stimmen, die den Inhalt im Gesprächsformat durchgehen. Genau das habe ich auf mein Prep-Doc angewendet.

Schritt 1: Quelle hochladen. In NotebookLM ein neues Notebook anlegen und das Vorbereitungsdokument als Quelle hinzufügen. Markdown, PDF oder einfach den Text einfügen -- alles funktioniert. Ich nehme genau das Dokument, das ich ohnehin geschrieben habe. Kein extra Aufbereiten.

Schritt 2: Audio Overview generieren. Die Funktion "Audio Overview" anstoßen. NotebookLM baut daraus ein Gespräch zwischen zwei Stimmen, die den Stoff erklären, einordnen und auseinandernehmen. Das dauert ein paar Minuten.

Schritt 3: Optional steuern. Vor dem Generieren lässt sich per Prompt eingrenzen, worauf der Fokus liegen soll -- etwa "konzentriert euch auf die Argumente zu SDLC-Governance und Supervising in Production". Das hilft, wenn das Dokument breit ist und man nur einen Teil hören will.

Schritt 4: Herunterladen und mitnehmen. Das fertige Audio als Datei aufs Handy laden. Bei mir landet es in der üblichen Podcast-App, damit ich es offline und mit Pausen-Funktion abspielen kann.

Schritt 5: Auf der Anfahrt hören. Genau das habe ich gemacht: in der Bahn zum Veranstaltungsort das eigene Material einmal komplett durchgespielt. Nicht lesend, sondern hörend.

Warum das besser funktioniert als Lesen

Der Effekt war für mich überraschend deutlich. Drei Gründe:

• Passives Durchspielen deckt Lücken auf. Wenn eine fremde Stimme meine Argumentation vorträgt, höre ich sofort, wo ein Gedankensprung ist oder ein Beleg fehlt. Beim eigenen Lesen ergänzt das Gehirn die Lücke unbewusst. Beim Hören nicht.
• Das Tempo passt zur Realität. Ein Panel läuft in Sprechgeschwindigkeit ab, nicht in Lesegeschwindigkeit. Wer sein Material gehört hat, hat es ungefähr in dem Tempo verarbeitet, in dem er es später abrufen muss.
• Es nutzt tote Zeit. Die Anfahrt ist ohnehin da. Statt nervös aufs Handy zu starren, läuft die letzte Wiederholung nebenbei.

Lesen prüft, ob der Text da ist. Hören prüft, ob das Argument trägt.

Bei dem Panel selbst hat sich das ausgezahlt. Ich habe einen bewusst polarisierenden Standpunkt vertreten -- dass nicht das Tempo der KI-Entwicklung das eigentliche Problem ist, sondern die wachsende Lücke zwischen dem technisch Möglichen und dem, was guardrail-gebundene Organisationen zulassen. Diese Argumentation einmal gehört zu haben, statt nur gelesen, hat mir im Live-Austausch spürbar Sicherheit gegeben.

Die ehrlichen Grenzen

Damit kein falscher Eindruck entsteht: Das ist ein kleiner Trick, kein Wundermittel. Ein paar Dinge sollte man wissen.

Es ersetzt nicht das Denken. Das Audio ist nur so gut wie das Dokument, das man hineingibt. Die Arbeit -- die Argumente finden, sie ordnen, die Gegenposition antizipieren -- passiert vorher beim Schreiben. NotebookLM macht daraus keine neue Substanz, es spiegelt nur das Vorhandene in einem anderen Format.

Die Stimmen vereinfachen. Der Audio-Overview-Stil ist tendenziell glättend und enthusiastisch. Feine Nuancen, Vorbehalte, das genaue Wording einer Pointe -- das geht im Plauderton teils verloren. Für die letzte Politur einzelner Formulierungen ist und bleibt das Originaldokument die Quelle.

Faktentreue selbst prüfen. Wie bei jeder generativen KI gilt: nicht blind vertrauen. Wenn das Audio eine Zahl oder einen Zusammenhang nennt, gleiche ich das im Zweifel mit meinem Dokument ab. Das Hören ist Wiederholung, nicht Verifikation.

Sprache und Datenschutz beachten. Das Dokument wird zu Google hochgeladen. Für ein öffentliches Talk-Skript ist das unkritisch, für vertrauliche Inhalte sollte man genau überlegen, was man dort einspeist.

KI ist auch hier ein Werkzeug -- nützlich, aber nicht magisch. Der Mehrwert liegt darin, dass es einen Format-Wechsel quasi gratis ermöglicht. Und ein Format-Wechsel ist oft genau das, was beim Lernen und Wiederholen den Unterschied macht.

Fazit

Der ganze Workflow lässt sich in einem Satz zusammenfassen: Aktiv durcharbeiten, dann in ein hörbares Format überführen, dann passiv durchspielen, damit die Lücken auffallen.

1. Aktiv schreiben. Das Prep-Dokument ist und bleibt die eigentliche Arbeit.
2. In Audio überführen. NotebookLM-Audio-Overview aus genau diesem Dokument.
3. Passiv hören. Auf der Anfahrt, in Sprechgeschwindigkeit, einmal komplett.
4. Lücken notieren. Was beim Hören holprig klingt, vor dem Auftritt nachschärfen.

Das ist kein Hexenwerk und kostet kaum Zusatzaufwand. Wer tiefer in die Frage einsteigen will, wie man Kontext für solche Arbeitsabläufe gezielt aufbaut, findet das im Detail in Harness Design: Wie man KI-Coding-Agenten produktiv hält.

Solche kleinen Workflows teile ich laufend. Wer sie nicht verpassen will, findet das Gratis-Handout und den Newsletter unter agenticbuilders.at -- dort sammle ich die Methoden, die sich in der Praxis bewährt haben.