Wie eine KI entscheidet, wen sie empfiehlt
Wenn ChatGPT drei Unternehmen empfiehlt, ist das Ergebnis einer Kette von Verarbeitungsschritten. Wer die Kette versteht, versteht auch, wo man ansetzen kann. Eine Erklärung ohne Fachchinesisch, aber ohne Vereinfachung bis zur Unkenntlichkeit.
Zwei Wissensquellen, eine Antwort
Jede Antwort eines KI-Systems speist sich aus maximal zwei Quellen. Die erste ist das, was das Modell im Training gelernt hat. Die zweite ist das, was es im Moment der Frage im Netz nachschlägt. Fast alles, was man über KI-Sichtbarkeit wissen muss, folgt aus dem Zusammenspiel dieser beiden Quellen, deshalb lohnt es sich, beide einmal sauber zu verstehen. Auch die Entscheidung, wen ein System empfiehlt und wen nicht, fällt in dieser Kette.
Quelle eins: das Trainingswissen
Ein Sprachmodell wird trainiert, indem es gewaltige Textmengen verarbeitet: Websites, Bücher, Foren, Nachrichtenarchive. Dabei speichert es keine Dokumente ab wie eine Datenbank. Es lernt statistische Muster: welche Wörter und Konzepte in welchen Zusammenhängen auftreten. Wenn ein Unternehmen in diesen Texten regelmäßig gemeinsam mit einer Leistung und einer Region auftauchte, entsteht im Modell eine belastbare Verknüpfung. Fachleute sprechen davon, dass das Unternehmen als Entität im Modell verankert ist.
Daraus folgen zwei unbequeme Wahrheiten. Erstens: Das Trainingswissen hat einen Redaktionsschluss. Was nach dem letzten Training passiert ist, kennt das Modell nicht. Zweitens: Sie können das Training nicht direkt beeinflussen, sondern nur die Textspur, die Ihr Unternehmen im Netz hinterlässt. Je konsistenter und umfangreicher diese Spur, desto wahrscheinlicher wird sie beim nächsten Trainingszyklus zu verankertem Wissen. Das ist ein Investment mit Monaten Vorlauf, und genau deshalb ist frühes Anfangen hier so viel wert.
Quelle zwei: die Live-Recherche
Für aktuelle oder spezifische Fragen verlassen sich die Systeme nicht auf ihr Trainingswissen, sondern schlagen nach. Das Verfahren heißt Retrieval Augmented Generation, kurz RAG, und läuft in drei Schritten ab, die man sich wie eine sehr schnelle Rechercheassistenz vorstellen kann.
Schritt eins: Suchen
Das System übersetzt Ihre Frage in eine oder mehrere Suchanfragen und schickt sie an einen Suchindex. Hier entscheidet sich bereits das meiste: Nur was der Index kennt und für relevant hält, kommt in die engere Auswahl. Das ist der Grund, warum klassische Auffindbarkeit die Eintrittskarte bleibt und warum wir das SEO-Fundament als Basis jeder KI-Strategie behandeln.
Schritt zwei: Lesen und zerlegen
Die vielversprechendsten Treffer werden geladen und in Abschnitte zerlegt, sogenannte Chunks. Aus diesen Abschnitten wählt das System die Passagen, die zur Frage am besten passen. Hier zahlt sich Struktur aus: Eine Seite mit klaren Überschriften und Absätzen, die jeweils einen Gedanken sauber abschließen, liefert brauchbare Chunks. Eine Textwand, in der Aussagen ineinanderlaufen, liefert Bruchstücke, mit denen das System wenig anfangen kann.
Schritt drei: Antworten mit Bodenhaftung
Aus den ausgewählten Passagen formuliert das Modell seine Antwort. Den Vorgang, die Antwort an echte Fundstellen zu binden statt frei zu formulieren, nennt man Grounding. Manche Systeme zeigen die Fundstellen offen an, Perplexity etwa verlinkt seine Quellen direkt in der Antwort. Gelingt das Grounding nicht, weil die Quellen dünn oder widersprüchlich sind, füllt das Modell die Lücken mit Wahrscheinlichkeiten. Dann entstehen die berüchtigten Halluzinationen: flüssig formulierte Details, die schlicht erfunden sind.
Wo Sie in dieser Kette Einfluss haben
Gehen wir die Kette rückwärts durch, dann wird aus Technik eine Handlungsanleitung. Damit das Modell Sie im Grounding zitieren kann, brauchen Ihre Seiten klare, belegte Aussagen, die als Antwort taugen. Damit Ihre Passagen im Zerlegen überleben, brauchen Ihre Seiten Struktur: eine Aussage pro Absatz, Überschriften, die halten, was sie versprechen. Damit Sie im Suchen überhaupt gefunden werden, brauchen Sie ein sauberes Fundament im Index. Und damit das nächste Training Sie als verlässliche Entität verankert, braucht Ihre gesamte Textspur im Netz Konsistenz: überall derselbe Name, dieselben Leistungen, dieselben Fakten.
Das ist, in vier Sätzen, das gesamte seriöse Programm der KI-Sichtbarkeit. Alles, was wir auf unseren Leistungsseiten beschreiben, ist die Ausbuchstabierung dieser vier Sätze.
Warum Ihnen niemand Platz eins versprechen kann
Zum Schluss der Teil, der Sie vor schlechten Angeboten schützt. An zwei Stellen der Kette würfelt das System nachweislich: bei der Auswahl der Passagen und bei der Formulierung der Antwort. Dieselbe Frage führt an verschiedenen Tagen zu verschiedenen Antworten, mit teils verschiedenen genannten Unternehmen. Man kann die Wahrscheinlichkeit einer Nennung systematisch erhöhen, über genau die Hebel oben. Man kann sie nicht garantieren, weil niemand den Würfel kontrolliert. Wer Ihnen feste Platzierungen in KI-Antworten verspricht, hat entweder die Kette nicht verstanden oder hofft, dass Sie sie nicht verstehen. Mit diesem Beitrag ist Letzteres jedenfalls vom Tisch.
Geschäftsführer der medienplus GmbH
„Man muss kein Ingenieur sein, um in KI-Systemen sichtbar zu werden. Aber wer die Grundmechanik versteht, erkennt sofort, welche Angebote am Markt seriös sind und welche Ihnen Magie verkaufen.“
Genug Theorie. Wo steht Ihr Unternehmen in der Kette?
Wir prüfen alle drei Ansatzpunkte für Ihr Unternehmen und zeigen Ihnen, wo es klemmt.