Wie PR-Teams ungenaue und riskante Markendarstellungen in der KI erkennen können

PR-Teams sind es gewohnt, zu überwachen, was Journalisten, Social-Media-Nutzer und andere öffentliche Quellen über ein Unternehmen sagen. KI-generierte Antworten schaffen ein anderes Kommunikationsrisiko. Ein Kunde, Journalist, Kandidat, Investor oder Partner kann ein KI-System nach einem Unternehmen fragen und eine synthetisierte Beschreibung erhalten, die niemals als konventioneller Artikel oder Beitrag erscheint.

Diese Antwort kann korrekt sein. Sie kann aber auch alte und aktuelle Informationen vermischen, eine wichtige Tatsache weglassen, zwei Entitäten verwechseln, ein sensibles Thema vereinfachen oder etwas aussagen, das schlichtweg falsch ist.

Für Kommunikationsteams ist die Frage daher umfassender als „Erwähnt uns die KI?“. Die nützliche Frage ist: Wie stellt die KI das Unternehmen dar, wo wird diese Darstellung ungenau oder riskant, und welche Beweise liegen vor, um zu entscheiden, ob eine Reaktion erforderlich ist?

KI schafft eine Darstellungsebene, die PR beobachten muss

Eine KI-Antwort ist nicht dasselbe wie eine Medienpublikation. Sie wird für eine bestimmte Frage unter bestimmten Bedingungen generiert und kann sich je nach System oder im Laufe der Zeit unterscheiden. Das macht sie ungeeignet für die vertraute Logik des Zählens von Clips oder Erwähnungen.

Die Marke kann in einer positiven Antwort erscheinen und dennoch falsch dargestellt werden. Ein Modell kann das Unternehmen korrekt beschreiben, aber ein Produkt, eine Führungsposition, einen Standort, eine Zertifizierung oder eine Beziehung falsch darstellen. Es kann das Unternehmen auch der falschen Kategorie oder Zielgruppe zuordnen.

Dies sind alles Fragen der Markendarstellung in großen Sprachmodellen. Sichtbarkeit ist ein Teil des Bildes. PR muss auch die Behauptungen, die Rahmung, die Quellen und den Kontext verstehen, die mit dem Namen verbunden sind.

Unterschiedliche Probleme erfordern unterschiedliche Reaktionen. Ein sachlicher Fehler kann eine Quellenkorrektur erfordern. Eine Auslassung kann zeigen, dass wichtige Informationen schwer abrufbar sind. Eine ungünstige, aber belegte Beschreibung kann eine Kommunikationsentscheidung erfordern und keine „Korrektur“.

Nicht jede problematische Antwort ist eine Halluzination

Das Wort Halluzination wird oft für fast jede KI-Ausgabe verwendet, die einer Marke missfällt. Das ist zu weit gefasst, um in der Kommunikationsarbeit nützlich zu sein.

Für Semantio ist eine Marken-Halluzination eine nachweislich falsche Tatsachenbehauptung über eine Marke, ihre Produkte, Dienstleistungen, Operationen oder Beziehungen. Der entscheidende Test ist der sachliche Widerspruch, nicht ob die Aussage unbequem ist.

Angenommen, ein KI-System sagt, dass ein Unternehmen eine Zertifizierung besitzt, die es nie erhalten hat. Das ist ein sachliches Problem, das überprüft werden kann. Wenn das System dasselbe Unternehmen als „traditionellen Anbieter“ beschreibt, während sich das Unternehmen als innovativ positioniert, ist das Problem anders. Die Beschreibung kann veraltet, reduktiv oder strategisch unerwünscht sein, ohne nachweislich falsch zu sein.

PR-Teams sollten daher mindestens unterscheiden zwischen:

• falschen Tatsachenbehauptungen;

• unbelegten oder schwer überprüfbaren Behauptungen;

• veralteten Informationen;

• Verwechslung zwischen ähnlich benannten Organisationen, Personen oder Produkten;

• falscher Kategorie- oder Marktzuordnung;

• Auslassung wichtiger Kontexte;

• Verzerrung oder Übervereinfachung;

• einer Diskrepanz zwischen KI-Darstellung und der beabsichtigten Positionierung des Unternehmens.

Jede Meinungsverschiedenheit als Halluzination zu bezeichnen, kann eine legitime Intervention schwächen. Ein Kommunikationsteam ist in einer stärkeren Position, wenn es sagen kann, welche Behauptung falsch ist, was die korrekte Tatsache ist und welche Quelle die Korrektur unterstützt.

Semantio ersetzt weder Medienbeobachtung noch Social Listening

Traditionelles Monitoring bleibt notwendig. Semantio beantwortet eine andere Frage.

Medienbeobachtung beobachtet veröffentlichte Berichterstattung. Social Listening beobachtet Gespräche und Signale auf sozialen Plattformen. Die Forschung zu KI-Antworten beobachtet, was ausgewählte KI-Systeme generieren, wenn Benutzer Fragen zu einer Organisation, Kategorie, einem Thema oder einer Entscheidung stellen.

KI-Systeme können auf öffentliche Websites, Medien, Verzeichnisse oder Foren zurückgreifen. Aber das gemessene Objekt ist anders: die generierte Antwort selbst.

Das macht die KI-Antwortforschung zu einer zusätzlichen Ebene für PR. Eine falsche Aussage kann in einer KI-Antwort erscheinen, auch wenn kein neuer Artikel genau diesen Satz enthält. Umgekehrt beweist ein ungenauer Artikel nicht, dass ein KI-System ihn wiederholen wird.

Semantio misst KI-Outputs. Es misst nicht, was ein einzelner Benutzer nach dem Lesen glaubt, noch beweist es Reputationsschäden oder Verhaltensänderungen. Eine ungenaue Antwort ist ein Risikosignal, das untersucht werden muss, keine Evidenz dafür, dass eine Krise eingetreten ist.

Bauen Sie die Studie um Situationen auf, in denen Reputation wichtig ist

Ein KI-System zu fragen „Was wissen Sie über Marke X?“ kann einen nützlichen Überblick geben, reicht aber für ein PR-Audit nicht aus. Risiken treten oft erst auf, wenn die Frage eine bestimmte Zielgruppe, ein Thema oder eine Entscheidung einführt.

Ein Kommunikationsteam kann Szenarien testen wie:

• ein Journalist, der nach Hintergrundinformationen über das Unternehmen oder dessen Management fragt;

• ein Kandidat, der nach dem Unternehmen als Arbeitgeber fragt;

• ein Geschäftspartner, der Eigentumsverhältnisse, Operationen oder Marktpräsenz überprüft;

• ein Kunde, der fragt, ob eine kontroverse Behauptung über ein Produkt wahr ist;

• ein Investor oder Analyst, der nach Führung, Expansion oder einer strategischen Änderung fragt;

• ein lokaler Stakeholder, der nach der Rolle einer Organisation in einer Region oder einem Projekt fragt.

Es geht darum, realistische Informationsbedürfnisse abzudecken, bei denen eine falsche oder unvollständige Antwort von Bedeutung sein könnte.

Markenbezogene und nicht-markenbezogene Szenarien offenbaren unterschiedliche Dinge. „Was ist bei Unternehmen X passiert?“ testet eine benannte Organisation. „Welche Unternehmen waren an Ereignis Y beteiligt?“ testet, ob es spontan und in welcher Rolle eingeführt wird. Beides kann relevant sein, aber es sind keine äquivalenten Messungen.

Überprüfen Sie Behauptungen über die Organisation, nicht nur die Stimmung

Die Stimmung kann helfen, Antworten zu finden, die Aufmerksamkeit verdienen, ist aber ein schlechter Ersatz dafür, tatsächlich zu lesen, was das System sagt.

Eine negative Antwort kann korrekt sein. Eine positive Antwort kann eine schwerwiegende Falschheit enthalten. Eine neutrale Antwort kann wesentlichen Kontext weglassen.

Für PR fragt die nützlichere Überprüfung:

• Welche Tatsachenbehauptungen werden über die Organisation gemacht?

• Sind Namen, Rollen, Eigentumsverhältnisse, Standorte, Daten und Beziehungen korrekt?

• Sind Produkte, Dienstleistungen oder Initiativen aktuell?

• Wird eine alte Kontroverse als aktuell dargestellt?

• Wurde eine Behauptung als etablierte Tatsache formuliert?

• Verwechselt die Antwort die Organisation mit einer anderen Entität?

• Welche Attribute oder Beschreibungen wiederholen sich in verschiedenen Szenarien?

• Welcher relevante Kontext fehlt konsequent?

Dies verschiebt die Analyse von „KI klingt negativ über uns“ zu einer Reihe von Behauptungen, die überprüft, priorisiert und gegebenenfalls angegangen werden können.

Quellen helfen, ein Problem zu erklären, liefern aber keine einfache Kausalkette

Wenn ein KI-System Zitate oder Quellen offenlegt, sind diese wertvolle diagnostische Signale. Ein Team kann feststellen, dass ein veraltetes Unternehmensprofil, ein Medienartikel oder ein Drittanbieterverzeichnis wiederholt neben Antworten erscheint, die veraltete Informationen enthalten.

Das rechtfertigt jedoch immer noch nicht die Aussage „diese Seite hat die Antwort verursacht“. KI-Systeme können Informationen aus mehreren Quellen synthetisieren oder sich teilweise auf Informationen verlassen, die nicht in der Benutzeroberfläche angezeigt werden. Quelldaten sollten daher verwendet werden, um das Sichtbare zu untersuchen, es mit der Behauptung zu vergleichen und zu entscheiden, welche Teile der öffentlichen Informationsumgebung überprüft werden sollten.

Das Framework von Brand Semantics für die Brand Semantics Infrastructure ist hier nützlich, da es Entitäten, Behauptungen und Quellen verbindet, ohne vorzugeben, dass Marken die endgültige Antwort eines KI-Systems direkt kontrollieren. PR kann die Klarheit, Aktualität und Bestätigung öffentlicher Informationen verbessern. Sie kann jedoch keine bestimmte Modellausgabe garantieren.

Trennen Sie einen Vorfall von einem Muster

ChatGPT, Gemini und andere KI-Systeme beschreiben nicht unbedingt dieselbe Organisation auf dieselbe Weise. Eine beruhigende Antwort reicht daher nicht aus, um ein Problem zu beenden – und eine problematische Antwort reicht nicht aus, um ein weit verbreitetes narratives Problem zu erklären.

Die nützliche Frage ist, ob eine Beobachtung in einem Modell oder mehreren, in einem Szenario oder über verwandte Szenarien hinweg, für eine Zielgruppe oder mehrere auftritt und ob sie in einer späteren vergleichbaren Messung erneut auftritt. Wiederholung ändert die Kommunikationspriorität.

Deshalb sollte ein Audit die Forschungsbedingungen und die zugrunde liegenden Antworten bewahren. Der Leitfaden von Brand Semantics zur Interpretation und Berichterstattung eines KI-Sichtbarkeitsaudits zeigt, warum ein Signal nur dann wichtig ist, wenn es auf die Antwort, Behauptung, Quelle und die dahinter stehenden Bedingungen zurückgeführt werden kann.

Dasselbe Prinzip gilt über die Zeit. LLM-Markenüberwachung erfordert vergleichbare Messungen und gesicherte Beweise, um zu sehen, ob ein beobachtetes Problem bestehen bleibt, verschwindet oder seine Form ändert. Dies hilft PR, sowohl ein wiederholbares Problem nicht zu ignorieren, weil „KI zufällig ist“, als auch nicht auf eine einzelne Ausgabe überzureagieren, als ob sie jede Antwort repräsentieren würde, die Benutzer erhalten werden.

Wandeln Sie Erkenntnisse in eine PR-Reaktionshierarchie um

Nicht jedes Darstellungsproblem erfordert dieselbe Maßnahme. Ein praktischer Kommunikations-Workflow kann mit vier Fragen beginnen.

Ist die Aussage nachweislich falsch? Ermitteln Sie die korrekte Tatsache und die stärkste verfügbare Quelle, und prüfen Sie dann, wo ungenaue oder veraltete Informationen öffentlich bleiben.

Ist die Aussage korrekt, aber es fehlt wesentlicher Kontext? Überprüfen Sie, ob dieser Kontext in öffentlichen Quellen klar und konsistent verfügbar ist.

Ist das Problem hauptsächlich eines der Positionierung oder Rahmung? Vergleichen Sie die KI-Beschreibung mit den Beweisen, die das Unternehmen tatsächlich veröffentlicht. Dies kann Kommunikationsarbeit erfordern und keine Korrekturanfrage.

Ist die Beobachtung isoliert oder wiederholt? Verwenden Sie Nachweise auf Antwortebene und vergleichbare Szenarien, um zu entscheiden, ob es sich um einen zu dokumentierenden Vorfall oder ein zu priorisierendes Muster handelt.

Die nächste Maßnahme kann Unternehmensinhalte, Medienbeziehungen, Führungskräftebiografien, Partnerseiten, SEO/GEO-Arbeit oder fortgesetzte Beobachtung umfassen. Sie sollte der Diagnose folgen.

Brand Semantics diskutiert diese breitere Grenze in was tatsächlich in der KI-Suche optimiert werden kann: Teams können an kontrollierten Assets arbeiten und das breitere Informationsumfeld beeinflussen, während die generierte Ausgabe außerhalb der direkten Kontrolle bleibt.

Beweise sind wichtig vor der Eskalation

Screenshots sind intern nützlich, aber PR-Entscheidungen benötigen mehr Kontext als eine zugeschnittene Antwort.

Wenn ein potenziell ernstes Problem auftritt, sollte das Team in der Lage sein, das ursprüngliche Szenario, das getestete KI-System, die vollständige Antwort, das Datum, die verfügbaren Quellen oder Zitate und die dem Ergebnis zugeordnete Klassifizierung zu überprüfen. Dies ermöglicht es Kommunikations-, Marketing-, Rechts- oder Managementteams, dieselbe Beobachtung zu diskutieren, anstatt unterschiedliche Interpretationen eines Dashboard-Scores.

Es hilft, drei Fragen zu trennen:

1. Was genau hat das KI-System gesagt?

2. Welche Beweise zeigen, dass die Aussage falsch, veraltet oder unvollständig ist?

3. Welche Kommunikationsmaßnahme, falls überhaupt, ist verhältnismäßig?

Diese Prüfspur ist besonders wichtig, wenn eine Feststellung intern eskaliert wird. Ziel ist es nicht, das KI-Risiko dramatischer klingen zu lassen. Es geht darum, die Beweise leichter überprüfbar zu machen.

Messen Sie nach Kommunikationsänderungen erneut – ohne automatische Kausalität zu behaupten

Wenn ein Team eine Führungskräftebiografie aktualisiert, eine veraltete Seite korrigiert oder eine klarere Aussage veröffentlicht, kann eine spätere Studie überprüfen, ob KI-Antworten nun ein anderes Muster zeigen.

Eine Änderung der Ausgabe beweist nicht, dass eine Kommunikationsmaßnahme sie verursacht hat. Modelle ändern sich, Abrufbedingungen unterscheiden sich und andere Quellen erscheinen. Vorher-Nachher-Messungen sind am nützlichsten, wenn die Szenarien und Forschungsbedingungen so vergleichbar wie möglich bleiben.

PR kann dann fragen, ob die falsche Behauptung immer noch erscheint, ob korrigierte Fakten korrekt dargestellt werden und ob aktuelle Quellen sichtbar sind. Dies sind Beobachtungen des Informationsumfelds, keine direkte Messung von Reputation oder Kampagneneffektivität.

Wie Semantio PR- und Kommunikationsteams unterstützt

Semantio wandelt diese Art der Überprüfung in einen strukturierten Forschungsprozess um. Die Identität des Unternehmens fasst Informationen über die Entität, Produkte oder Dienstleistungen, relevante Zielgruppen und Wettbewerber zusammen. Forschungsszenarien können dann Situationen abdecken, in denen Kunden, Journalisten, Kandidaten, Partner oder andere Stakeholder KI-Systeme nach dem Unternehmen fragen könnten.

Semantio führt die definierten Szenarien über ausgewählte KI-Modelle aus und analysiert Dimensionen wie Markenpräsenz, Empfehlung, Stimmung, zugeschriebene Merkmale, Wettbewerber, Produkte oder Dienstleistungen, verfügbare Quellen und Zitate, Halluzinationen und andere Darstellungsprobleme. Die Ergebnisse bleiben mit den zugrunde liegenden Antworten verbunden, sodass ein aggregiertes Signal auf die Antwort zurückgeführt werden kann, die es erzeugt hat.

Die Studie kann auch nach einer Korrektur, Kampagne, Unternehmensänderung oder einem Reputationsereignis wiederholt werden, wobei die Grenzen der kausalen Interpretation klar bleiben.

Für einen breiteren methodischen Rahmen trennt das 5P-Modell für KI-Sichtbarkeitsaudits von Brand Semantics Präsenz, Position, Herkunft, Präzision und Persistenz. Es ist eine nützliche Erinnerung daran, dass eine sichtbare Marke immer noch ungenau dargestellt werden kann – und dass die Qualität der Darstellung wichtiger ist als eine bloße Erwähnung.

PR muss wissen, was KI sagt, bevor sie entscheidet, wie sie reagiert

KI-generierte Antworten sind ein weiterer Ort, an dem Organisationen beschrieben und interpretiert werden. Für Kommunikationsteams ist dies eine ergänzende Ebene zur Medienbeobachtung.

Das nützliche Ergebnis ist die Fähigkeit, eine fragwürdige Darstellung zu identifizieren, die Antwort zu überprüfen, eine faktische Halluzination von einem anderen Problem zu unterscheiden, die Quellen zu überprüfen und zu entscheiden, ob das Problem isoliert, wiederholt oder wichtig genug ist, um darauf zu reagieren.

Wenn Sie eine Basislinie für Ihr Unternehmen erstellen möchten, erstellen Sie ein Semantio-Konto und beginnen Sie mit den Fragen, die für Ihr Kommunikationsteam am wichtigsten sind.