Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
frank-andrade.medium.com30. Juli 2022 · Q010239

A Simple Guide to Writing Programming and Data Science Articles People Want to Read

frank-andrade.medium.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Andrade empfiehlt, technische Artikel durch Themenwahl, Ideenplanung und Recherche vorzubereiten und sie mit kurzen Absätzen, Visualisierungen, Listen und Codebeispielen leichter lesbar zu machen. Einleitung, Sprache und abschließender Aufruf sollten zum Publikum passen; die Wirkung der Tipps wird im Beitrag nicht systematisch belegt.

Mittel

Frank Andrade gibt einen Ablauf zum Schreiben von Programmier- und Data-Science-Artikeln: Thema wählen, Ideen sammeln, recherchieren und den Hauptteil anhand der gesammelten Punkte ausarbeiten. Recherche soll das Verständnis vertiefen und Anregungen liefern; bereits veröffentlichte Texte seien Inspiration, aber nicht zum Kopieren gedacht.

Damit technische Texte zugänglicher wirken, empfiehlt Andrade kurze Absätze und Sätze mit durchschnittlich 12 bis 15 Wörtern sowie geeignete Visualisierungen, Aufzählungen, Codeausschnitte und Zitate. Er nennt eine externe Behauptung, Sätze dieser Länge steigerten Empfehlungen um 20 Prozent, erklärt aber nicht, wie dieser Wert zustande kommt. Die Einleitung solle oft erst nach dem Hauptteil entstehen und mit einer Geschichte das Problem und mögliche Lösungen vermitteln. Die Sprache solle zum Publikum passen. Ein abschließender Aufruf könne auf Profile, Newsletter oder Websites verweisen. Geldverdienen solle zunächst nicht im Vordergrund stehen; später nennt Andrade feste Honorare oder Vergütung nach Aufrufen als mögliche Modelle. Der Beitrag bietet persönliche Schreibratschläge, keine systematische Prüfung ihrer Wirkung.

Ausführlich lesen

Frank Andrade beschreibt in seinem Leitfaden, wie sich Artikel über Programmierung und Data Science planen und lesbarer gestalten lassen. Schreiben könne helfen, sich als Data Scientist oder Programmierer weiterzuentwickeln; zugleich sei es oft schwierig, Ideen zu finden und nach der Veröffentlichung Leserinnen und Leser zu erreichen. Technische Texte wirkten seiner Einschätzung nach leicht einschüchternd, besonders wenn sie aus langen Absätzen und ununterbrochenem Fließtext bestehen.

Andrade empfiehlt, zunächst ein Thema auszuwählen. Mögliche Ansätze seien persönliche Projekte, Forschung, Berufsbilder und Gehälter, technische Konzepte, Datenbereinigung und -analyse, Visualisierung oder Tutorials. Danach sollten Schreibende Ideen sammeln und daraus die Haupt- und Nebenpunkte des Artikels ableiten. Als Beispiel nennt er eigene Überlegungen zu einem Text über den Vergleich von Daten und Öl.

Ein weiterer Schritt sei die Recherche vor und während des Schreibens. Andrade rät, sich mit dem Thema vertraut zu machen und nachzusehen, was bereits dazu veröffentlicht wurde. Das könne das Verständnis vertiefen, den Artikel bereichern und neue Anregungen liefern. Vorhandene Texte sollen dabei laut ihm als Inspiration dienen, nicht kopiert werden.

Den Hauptteil könne man anhand der zuvor gesammelten Punkte ausarbeiten und mit eigenem Wissen sowie Informationen aus anderen Artikeln ergänzen. Um die Lektüre zugänglicher zu machen, empfiehlt Andrade kurze Absätze und Sätze mit durchschnittlich 12 bis 15 Wörtern. Absätze sollten möglichst nicht länger als sechs Zeilen sein. Er verweist auf eine andere Veröffentlichung, der zufolge Sätze dieser Länge Empfehlungen um 20 Prozent steigerten; der vorliegende Artikel erläutert jedoch nicht, wie diese Zahl ermittelt wurde. Weitere Gestaltungsmittel seien passende Diagramme, Visualisierungen, Bilder oder Memes, Aufzählungen, Codebeispiele und Zitate. Codeausschnitte könnten zeigen, was ein Skript tut, ohne den gesamten Code abzudrucken.

Die Einleitung werde nach seiner Empfehlung oft erst geschrieben, wenn der Hauptteil weitgehend fertig ist. Dann sei klarer, welche Inhalte der Artikel tatsächlich behandelt. Eine erzählerische Eröffnung könne Aufmerksamkeit schaffen, das Problem darstellen und Lösungen andeuten. Außerdem solle die Sprache zum Zielpublikum passen: Wer Data-Science-Konzepte für ein nichttechnisches Publikum erklärt, solle verständliche Alltagssprache verwenden.

Am Schluss empfiehlt Andrade einen Aufruf zum Handeln, etwa Links zu LinkedIn, einem Newsletter oder einer Website, um die Verbindung zur Leserschaft auszubauen. Einnahmen sollten anfangs nicht das Hauptziel sein; später könnten Veröffentlichungen bei Publikationen eine Einnahmequelle werden. Diese zahlten laut Artikel teils feste Honorare, teils abhängig von der Zahl der Aufrufe. Der Text selbst ist ein praktischer Ratgeber mit persönlichen Empfehlungen und Werbehinweisen, kein Bericht über eine systematische Untersuchung. Er belegt daher nicht unabhängig, dass die vorgeschlagenen Techniken tatsächlich mehr Leser oder Einnahmen bewirken.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Es wurden keine Fragen zur Einordnung angegeben (Sammel- und Teilfragen sind leer), daher wurden keine Stufen vergeben. Die Zusammenfassungen sind im Kern treu; die Kurzfassung lässt Geldverdienen und die 20-Prozent-Angabe aus, die mittlere Fassung ist vollständiger.

Im Bericht, aber nicht in der Zusammenfassung

  • Kurzfassung: Geldverdienen über Publikationen (Festhonorar oder Vergütung nach Aufrufen) fehlt
  • Kurzfassung: Die Aussage zu Satzlängen von 12 bis 15 Wörtern und 20 Prozent mehr Empfehlungen fehlt

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle

Kein Modell sieht bei diesem Bericht einen Bezug zu einer der 44 Sammelfragen.

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →