Verbotene KI-Manipulation? Wie man ChatGPT dazu bringt, gut über einen zu reden – und wo eine neue EU-Regel das bald verbietet

Die große KI-Täuschung: Wie Unternehmen heimlich die Antworten generativer Suchen manipulieren

SEO ist tot, es lebe GEO: Wie Sie ChatGPT dazu bringen, Ihre Marke zu empfehlen

Die Art und Weise, wie wir im Netz nach Informationen suchen, verändert sich radikal. Wo früher zehn blaue Links bei Google als Wegweiser dienten, liefern KI-Systeme wie ChatGPT oder Perplexity heute fertige Antworten und klare Empfehlungen. Für Unternehmen und Marketing-Verantwortliche bedeutet das einen fundamentalen Umbruch: Es reicht nicht mehr aus, auf der ersten Seite einer klassischen Suchmaschine zu stehen. Wer in den synthetischen Urteilen der Künstlichen Intelligenz nicht vorkommt, verliert seine digitale Sichtbarkeit – und damit bares Geld. Aus diesem Engpass entsteht eine völlig neue Disziplin: Generative Engine Optimization (GEO). Doch wie bringt man KI-Modelle dazu, die eigene Marke zu zitieren? Wo verläuft die Grenze zwischen cleverer Informationsaufbereitung und illegaler Täuschung? Und was bedeutet das neue europäische KI-Gesetz für die Praxis? Dieser Artikel beleuchtet die Mechanismen der neuen Antwortökonomie und zeigt, warum echtes Vertrauen in Zeiten generativer KI zur wertvollsten Währung wird.

Wer die KI-Antwort beherrscht, beherrscht den Markt

Die neue Machtfrage lautet nicht mehr, wer bei Google oben steht, sondern wer ChatGPTs Urteil überlebt

Millionen Menschen lassen sich Produkte erklären, Anbieter vergleichen, Restaurants empfehlen, medizinische Anlaufstellen nennen oder komplexe Kaufentscheidungen vorbereiten, ohne noch eine klassische Ergebnisliste durchzuarbeiten. An die Stelle von zehn blauen Links tritt immer häufiger eine sprachlich geschlossene Antwort, die bereits gewichtet, sortiert und verdichtet ist. Diese Veränderung wirkt auf den ersten Blick wie eine komfortablere Form der Suche. Ökonomisch ist sie jedoch weit mehr: Sie verlagert die Kontrolle über den Zugang zum Kunden von sichtbaren Ranglisten in eine schwer durchschaubare Antwortmaschine.

Für Unternehmen entsteht dadurch ein neuer Engpass. In der traditionellen Suche konnte auch der fünfte oder achte Treffer noch aufgerufen werden, und Nutzer konnten mehrere Quellen miteinander vergleichen. In einer KI-Antwort wird dagegen häufig nur eine kleine Auswahl von Marken genannt. Manchmal empfiehlt das System sogar nur einen Anbieter und liefert gleich die Begründung mit. Wer dort nicht vorkommt, verliert nicht lediglich einen Rang, sondern kann vollständig aus dem digitalen Entscheidungsraum verschwinden.

Aus dieser Knappheit entwickelt sich ein neuer Markt für Generative Engine Optimization, kurz GEO, daneben auch Answer Engine Optimization oder AI Search Optimization genannt. Gemeint ist die systematische Gestaltung von Informationen, damit generative Such- und Antwortsysteme eine Marke, eine Person oder eine Website häufiger finden, zitieren und positiv einordnen. Das kann legitime Informationsarbeit sein. Es kann aber ebenso in verdeckte Einflussnahme, fabrizierte Autorität und irreführende Scheinbestätigung übergehen. Genau an dieser Grenze entscheidet sich, ob eine neue Disziplin des Marketings entsteht oder lediglich die nächste Generation der Suchmaschinenmanipulation.

Von der Trefferliste zum synthetischen Urteil

Klassische Suchmaschinen ordnen Dokumente. Generative Systeme erzeugen dagegen aus mehreren Dokumenten eine neue Aussage. Dieser Unterschied verändert die wirtschaftliche Wirkung grundlegend. Ein Google-Ranking zeigt zumindest noch, dass mehrere Anbieter existieren. Eine KI-Antwort kann den Eindruck erwecken, sie habe den Markt bereits objektiv geprüft und das vernünftigste Ergebnis ausgewählt. Die sprachliche Sicherheit der Ausgabe verdeckt dabei, dass das System keine neutrale Marktstudie erstellt, sondern Wahrscheinlichkeiten verarbeitet, Quellen auswählt und gelernte Muster fortschreibt.

Für den Nutzer sinken die Suchkosten. Er muss nicht zehn Webseiten öffnen, Werbeaussagen aussortieren und widersprüchliche Bewertungen zusammenführen. Genau dieser Komfort erhöht jedoch die Abhängigkeit vom vorgelagerten Auswahlprozess. Wenn ein Assistent fünf Marken kennt, aber nur drei nennt, werden die übrigen nicht sichtbar. Wenn eine Quelle leicht lesbar, statistisch dicht und zitierfähig formuliert ist, kann sie gegenüber einer sachlich besseren, aber schlechter strukturierten Quelle bevorzugt werden. Die Qualität der Darstellung wird damit teilweise zur Stellvertreterin für die Qualität des Angebots.

Ökonomisch entsteht ein neuer Gatekeeper. Früher verkauften Suchmaschinen vor allem Aufmerksamkeit auf Ergebnisseiten. KI-Systeme kontrollieren stärker die Zusammenstellung des sogenannten Consideration Set, also der kleinen Gruppe von Optionen, die ein Kunde überhaupt ernsthaft erwägt. Diese Position ist wertvoller als ein gewöhnlicher Werbekontakt, weil Empfehlung, Erklärung und Vorauswahl in einer einzigen Ausgabe zusammenfallen. Aus Reichweite wird vorentschiedene Nachfrage.

Das erklärt, warum Unternehmen ihre Budgets verschieben. SEO, Öffentlichkeitsarbeit, Reputationsmanagement, Produktdatenpflege und Content-Marketing wachsen zu einer gemeinsamen Aufgabe zusammen. Die zentrale Frage lautet nicht mehr nur, ob eine Seite auffindbar ist. Entscheidend wird, ob ein Modell die Marke als relevante Entität erkennt, sie mit den richtigen Eigenschaften verbindet, vertrauenswürdige Belege findet und sie im entscheidenden Moment in seine Antwort aufnimmt.

Ein Milliardenmarkt mit neuen Eintrittsbarrieren

Der wirtschaftliche Wert von KI-Sichtbarkeit ergibt sich nicht allein aus zusätzlichem Webseitenverkehr. Ein erheblicher Teil der Wirkung findet statt, bevor ein Nutzer überhaupt klickt. Die Marke kann in einer Antwort genannt, als geeignet eingeordnet und zusammen mit bestimmten Leistungsmerkmalen im Gedächtnis des Nutzers verankert werden. Selbst wenn der spätere Kauf über einen Händler, eine Plattform oder einen direkten Kontakt erfolgt, hat das KI-System die Vorauswahl beeinflusst.

Das führt zu einem Messproblem. Traditionelle Kennzahlen wie Seitenaufrufe, Klickrate oder Rankingposition bilden den Einfluss nur noch teilweise ab. Unternehmen benötigen zusätzlich eine KI-bezogene Sichtbarkeitsrechnung: Wie häufig wird die Marke bei relevanten Fragen genannt? An welcher Stelle erscheint sie? Welche Eigenschaften schreibt das System ihr zu? Welche Quellen werden für diese Aussagen herangezogen? Wie stabil ist das Ergebnis über verschiedene Modelle, Nutzerformulierungen, Regionen und Zeitpunkte hinweg? Und wird die Marke lediglich erwähnt oder tatsächlich empfohlen?

Diese Unterscheidung ist entscheidend. Eine Nennung kann neutral, kritisch oder beiläufig sein. Eine Empfehlung enthält dagegen eine implizite Handlungsaufforderung. Besonders wertvoll ist die erste Position, weil Nutzer eine geordnete Liste häufig als Rangfolge interpretieren. Wer nur die Anzahl der Markennennungen misst, kann deshalb eine scheinbar gute Entwicklung sehen, obwohl die Marke in den Antworten regelmäßig hinter Wettbewerbern steht oder mit Warnhinweisen versehen wird.

Gleichzeitig entstehen neue Eintrittsbarrieren. Große Marken besitzen mehr historische Erwähnungen, mehr Presseberichte, mehr Rezensionen, mehr Suchnachfrage und mehr strukturierte Daten. Diese Signale wirken wie angesammeltes Reputationskapital. Junge Unternehmen können zwar durch besonders zitierfähige Inhalte aufholen, müssen dafür aber nicht nur ihre eigene Website verbessern. Sie benötigen Bestätigung durch ein Netzwerk aus Fachmedien, Kunden, Verbänden, Vergleichsportalen und anderen glaubwürdigen Dritten. KI-Sichtbarkeit ist damit weniger eine einzelne Content-Aufgabe als der Aufbau einer verteilten Informationsinfrastruktur.

Warum Zahlen, Zitate und Quellen so wirksam sind

Die grundlegende GEO-Forschung zeigt, dass bestimmte redaktionelle Eingriffe die Sichtbarkeit einer Quelle in generierten Antworten deutlich erhöhen können. Besonders wirksam waren konkrete Statistiken, nachvollziehbare Quellenangaben und sachbezogene Aussagen von Experten. In kontrollierten Versuchsanordnungen stieg die gemessene Sichtbarkeit um bis zu rund 40 Prozent. Eine Validierung an einer realen generativen Suchmaschine ergab ebenfalls erhebliche Zugewinne. Diese Werte sind relevant, dürfen aber nicht als garantierter Geschäftseffekt missverstanden werden.

Der Mechanismus dahinter ist plausibel. Generative Systeme bevorzugen Textteile, die sich kompakt in eine Antwort übernehmen lassen und zugleich den Anschein überprüfbarer Evidenz bieten. Ein präziser Zahlenwert ist leichter zu extrahieren als eine Seite voller allgemeiner Werbeversprechen. Ein sauber benannter Sachverhalt lässt sich einfacher einem Unternehmen zuordnen als eine diffuse Markenbotschaft. Eine externe Quelle reduziert zumindest oberflächlich das Risiko, lediglich Selbstdarstellung zu reproduzieren.

Daraus folgt eine wichtige Trennlinie. Die Ergänzung echter, relevanter und methodisch nachvollziehbarer Daten verbessert die Informationsqualität und die maschinelle Verwertbarkeit zugleich. Werden dagegen Zahlen ohne belastbare Grundlage erzeugt, Zitate aus dem Zusammenhang gerissen oder vermeintlich unabhängige Quellen vom Unternehmen selbst kontrolliert, wird aus Optimierung eine Täuschungsarchitektur. Die formale Oberfläche bleibt identisch: Zahl, Quelle, Expertenaussage. Der Unterschied liegt in Herkunft, Substanz und Offenlegung.

Auch die häufig genannte Steigerung von 41 Prozent benötigt Kontext. Sie beschreibt eine bestimmte Sichtbarkeitsmetrik in einem experimentellen Umfeld und keine pauschale Zunahme von Umsatz, Leads oder tatsächlichen Empfehlungen. Die untersuchten Quellen befanden sich bereits im bereitgestellten Informationskontext. Damit belegt die Forschung vor allem, dass bereits gefundene Inhalte durch ihre Formulierung und Belegstruktur stärker in eine Antwort einfließen können. Sie beweist nicht, dass jede überarbeitete Seite dauerhaft häufiger gecrawlt, organisch abgerufen oder plattformübergreifend empfohlen wird.

Der überraschende Vorteil der zweiten Reihe

Eine der interessantesten Beobachtungen der GEO-Forschung betrifft Seiten, die in klassischen Suchergebnissen nicht an erster Stelle stehen. Bei der Ergänzung von Quellenangaben nahm die Sichtbarkeit einer fünftplatzierten Seite in einem Versuch um mehr als 115 Prozent zu, während die erstplatzierte Seite im selben Szenario deutlich verlor. Vergleichbare Verteilungseffekte zeigten sich auch bei Zitaten und Statistiken. Das widerspricht der verbreiteten Annahme, dass eine bereits erfolgreiche Google-Seite durch zusätzliche Optimierung automatisch noch dominanter wird.

Der Befund lässt sich als Nivellierungseffekt verstehen. Generative Systeme müssen mehrere Quellen in eine begrenzte Antwort integrieren. Wenn schwächere Quellen plötzlich besser belegte, prägnantere oder leichter übernehmbare Informationen anbieten, erhalten sie mehr Raum. Dieser zusätzliche Raum fehlt den bisher dominierenden Quellen. Die Gesamtmenge der Aufmerksamkeit wächst nicht unbegrenzt; sie wird neu verteilt.

Für mittelständische Unternehmen und spezialisierte Fachanbieter ist das eine reale Chance. In der klassischen Suche profitieren etablierte Domains von Alter, Backlinks, Bekanntheit und einer großen Content-Historie. In generativen Antworten kann eine kleine, fachlich starke Quelle einen überproportionalen Beitrag leisten, wenn sie eine konkrete Frage besser beantwortet als der Marktführer. Besonders aussichtsreich sind Nischen mit komplexen Produkten, erklärungsbedürftigen Dienstleistungen und unvollständiger Datenlage.

Der gleiche Effekt enthält jedoch eine Warnung. Wenn alle Marktteilnehmer dieselben Optimierungsmethoden anwenden, sinkt der relative Vorteil. Aus einer Innovation wird ein neuer Mindeststandard. Dann gewinnen nicht mehr diejenigen, die überhaupt Statistiken und Quellen verwenden, sondern jene, die über originäre Daten, exklusive Expertise und echte institutionelle Glaubwürdigkeit verfügen. Der Wettbewerb verschiebt sich von der Textkosmetik zur Produktion von Belegen.

Fremdes Lob schlägt Eigenwerbung

Unternehmen können ihre eigene Website vollständig kontrollieren, doch gerade deshalb besitzt sie nur begrenzte Überzeugungskraft. Ein Hersteller, der sich selbst als führend, innovativ oder besonders zuverlässig bezeichnet, liefert eine interessengeleitete Aussage. Ein unabhängiger Fachartikel, eine belastbare Kundenbewertung oder eine Branchenstudie schafft dagegen externe Bestätigung. Generative Systeme spiegeln diesen Unterschied nicht immer bewusst, aber sie finden in Drittpublikationen häufig vielfältigere Vergleiche, konkretere Erfahrungen und mehr kontextuelle Einordnung.

Große Analysen kommerzieller Suchanfragen zeigen, dass ein erheblicher Teil der Markenentdeckung in KI-Antworten über fremde Domains erfolgt. In einer Untersuchung von mehr als 21.000 Markennennungen stammten 85 Prozent der Nennungen aus externen Quellen, während nur ein deutlich kleinerer Anteil direkt der jeweiligen Unternehmensdomain zugeordnet war. Besonders häufig wirkten Vergleichsartikel, Bestenlisten und Rezensionen. Andere Datensätze kommen je nach Plattform, Anfrageart und Definition zu abweichenden Anteilen. Die Richtung bleibt dennoch klar: Die eigene Website reicht nicht aus.

Die häufig wiederholte Aussage, fremde Meinungen wirkten exakt dreimal stärker als die eigene Website, vermischt allerdings unterschiedliche Größen. Belastbar beobachtet wurde unter anderem, dass Markenerwähnungen im offenen Web wesentlich stärker mit KI-Sichtbarkeit korrelieren als klassische Backlinks. Das ist nicht dasselbe wie ein kausaler Beweis, dass jede fremde Aussage dreimal so viel Gewicht wie eine eigene Seite besitzt. Korrelationen zeigen Zusammenhänge, aber nicht zwingend den Mechanismus.

Für die Praxis bleibt die Konsequenz eindeutig. Öffentlichkeitsarbeit wird zu einem technischen Bestandteil der KI-Auffindbarkeit. Fachbeiträge, Analystenberichte, Verbandsseiten, glaubwürdige Kundenfälle, öffentliche Datensätze, Podcasts, Videoformate und Diskussionen in relevanten Communities bilden gemeinsam das semantische Umfeld einer Marke. Entscheidend ist nicht nur, dass der Name häufig erscheint, sondern in welchem Zusammenhang, mit welchen Eigenschaften und durch welche Absender.

Wenn schon der Name das Urteil färbt

Sprachmodelle sind nicht frei von Markenverzerrungen. Untersuchungen zeigen, dass bekannte globale Marken häufiger mit positiven Attributen verbunden werden als lokale oder weniger bekannte Anbieter. In kontrollierten Produkttests dient die Markenbekanntheit vor allem dann als Ersatzsignal, wenn sich Angebote anhand ihrer Eigenschaften kaum unterscheiden. Sobald ein unbekannter Wettbewerber sichtbar bessere Leistungsdaten oder Bewertungen erhält, kann dieser Vorteil schnell verschwinden. Der Markenname wirkt somit bei Unsicherheit eher als Vorannahme und Entscheidungshilfe denn als unüberwindbares Urteil.

Auch die sprachliche Bedeutung eines Namens kann eine Rolle spielen. Wörter mit positiven Nebenbedeutungen aktivieren günstigere Assoziationen als Begriffe, die Konflikt, Langeweile oder Unordnung nahelegen. Daraus folgt jedoch nicht, dass ein freundlich klingender Firmenname die reale Produktqualität dauerhaft überstimmt. Vielmehr kann der Name die Tonalität einer Beschreibung leicht verschieben, insbesondere wenn dem Modell wenig belastbare Information zur Verfügung steht.

Die konkrete Behauptung, eine Untersuchung mit mehr als 900 realen Marken habe eine automatische und qualitätsunabhängige Bevorzugung positiv klingender Namen umfassend bewiesen, sollte ohne zugängliche Originalstudie nicht als gesicherte Tatsache dargestellt werden. Es gibt passende Hinweise aus Forschung zu Markenbias, Bekanntheit und sprachlicher Valenz, doch die genaue Stichprobe, Methodik und Effektgröße müssen überprüfbar sein. Für einen seriösen Artikel ist diese Einschränkung wichtiger als eine spektakuläre Zahl.

Unternehmen sollten daraus keine vorschnellen Rebranding-Projekte ableiten. Ein neuer Name kann Bekanntheit, Suchvolumen und bestehende Assoziationen zerstören. Sinnvoller ist eine konsistente Entitätsführung: gleicher Markenname, eindeutige Produktbezeichnungen, übereinstimmende Unternehmensdaten und klare Beschreibungen über alle relevanten Plattformen hinweg. Je eindeutiger die Informationen sind, desto weniger muss das Modell Bedeutung aus der bloßen Wortwirkung des Namens ableiten.

Xpert.Digital ist ein von Konrad Wolfenstein geführter, datengetriebener B2B-Industry-Hub. Das Unternehmen agiert als externe Quasi-Inhouse-Lösung für Industriepartner und schließt operative Lücken in Marketing, Content und Vertrieb – ohne zusätzlichen Ressourcenaufbau auf Kundenseite.

Mehr dazu hier:

• Die Quasi-Inhouse-Lösung: Wie Xpert.Digital operative Lücken in B2B-Marketing und Vertrieb schließt – Smart Content-Driven Business

Die Marketingpraxis zwischen Aufklärung und Einflussnahme

Eine verantwortliche Marketing- oder PR-Leitung, die KI-Antworten aktiv beeinflussen will, beginnt idealerweise nicht mit Tricks, sondern mit einer Bestandsaufnahme. Dafür werden wiederkehrende Fragen potenzieller Kunden gesammelt und in mehreren Systemen, mit verschiedenen Formulierungen und zu unterschiedlichen Zeitpunkten geprüft. Erfasst werden Nennungen, Rangpositionen, zugeschriebene Eigenschaften, Fehler, Warnhinweise und verwendete Quellen. Erst dadurch entsteht ein belastbares Bild der tatsächlichen Sichtbarkeit.

Im nächsten Schritt werden Informationslücken geschlossen. Produktdaten müssen eindeutig, aktuell und maschinenlesbar vorliegen. Behauptungen benötigen belastbare Nachweise. Fallstudien sollten konkrete Ausgangslagen, Maßnahmen und Ergebnisse erklären, statt nur Kundennamen zu präsentieren. Fachbeiträge müssen eine erkennbare Urheberschaft, Aktualisierungsdaten und nachvollziehbare Methoden enthalten. Strukturierte Daten helfen Suchsystemen, Unternehmen, Produkte, Personen und Organisationen richtig zuzuordnen, ersetzen aber keinen glaubwürdigen Inhalt.

Danach beginnt der externe Teil. Eine PR-Strategie für KI-Antworten zielt nicht auf möglichst viele beliebige Veröffentlichungen, sondern auf jene Quellen, die bei relevanten Fragen tatsächlich abgerufen werden. Das können Fachmedien, Verbände, Vergleichsportale, wissenschaftliche Einrichtungen, regionale Wirtschaftsmedien oder spezialisierte Communities sein. Ein Unternehmen sollte dort nicht verdeckt Eigenlob platzieren, sondern überprüfbare Informationen anbieten: eigene Marktdaten, technische Analysen, Experteneinschätzungen, offen dokumentierte Tests oder neue Branchenbeobachtungen.

Die Versuchung zur Manipulation ist dennoch groß. Gekaufte Gastbeiträge können als unabhängige Tests erscheinen. Unternehmensmitarbeiter können unerkannt in Foren Empfehlungen aussprechen. Scheinexperten können Zitate liefern, die anschließend auf mehreren Seiten wiederholt werden. Automatisiert erzeugte Rezensionen können einen nicht vorhandenen Konsens vortäuschen. Mehrere scheinbar unabhängige Domains können letztlich derselben Organisation gehören. Solche Methoden erhöhen womöglich kurzfristig die Informationsdichte, beschädigen aber die Verlässlichkeit des gesamten Systems und schaffen erhebliche rechtliche Risiken.

Was Artikel 50 tatsächlich regelt

Seit dem 2. August 2026 gelten die Transparenzpflichten des Artikels 50 der europäischen KI-Verordnung. Anbieter von Systemen, die direkt mit Menschen interagieren, müssen grundsätzlich erkennbar machen, dass Nutzer mit einer KI kommunizieren, sofern dies nicht ohnehin offensichtlich ist. Anbieter generativer Systeme müssen künstlich erzeugte oder manipulierte Inhalte in einem maschinenlesbaren Format kennzeichnen und technisch erkennbar machen. Für vor dem Stichtag in Verkehr gebrachte generative Systeme besteht bei dieser speziellen technischen Markierungspflicht eine begrenzte Übergangsfrist bis zum 2. Dezember 2026.

Weitere Pflichten betreffen emotionserkennende und biometrisch kategorisierende Systeme sowie sogenannte Deepfakes. Außerdem müssen Betreiber KI-generierte oder manipulierte Texte offenlegen, wenn diese veröffentlicht werden, um die Öffentlichkeit über Angelegenheiten von öffentlichem Interesse zu informieren. Eine wichtige Ausnahme besteht, wenn eine menschliche redaktionelle Prüfung stattgefunden hat und eine Person oder Organisation die redaktionelle Verantwortung übernimmt.

Bei Verstößen können Bußgelder von bis zu 15 Millionen Euro oder bis zu 3 Prozent des weltweiten Jahresumsatzes verhängt werden. Für kleinere Unternehmen gelten Verhältnismäßigkeitsregeln, doch eine generelle Ausnahme für kleine Marktteilnehmer gibt es nicht. Zuständig sind vor allem nationale Marktüberwachungsbehörden, in bestimmten Konstellationen außerdem das europäische KI-Büro und der Europäische Datenschutzbeauftragte.

Entscheidend ist jedoch, was Artikel 50 nicht regelt. Er verbietet nicht generell, Inhalte für ChatGPT, Perplexity oder Google besser auffindbar und zitierbar zu machen. Er untersagt weder Statistiknutzung noch strukturierte Produktdaten, Quellenangaben, Fachartikel oder klassische Öffentlichkeitsarbeit. Die verbreitete Zuspitzung, eine neue EU-Regel verbiete nun Manipulationsversuche an KI-Antworten, ist deshalb rechtlich zu grob und in dieser Form irreführend.

Artikel 50 ist in erster Linie eine Transparenznorm für bestimmte KI-Systeme und bestimmte KI-erzeugte Inhalte. Ob eine konkrete GEO-Maßnahme unzulässig ist, hängt häufig stärker von anderen Vorschriften ab: dem Verbot bestimmter manipulativer KI-Praktiken in Artikel 5, dem europäischen Lauterkeits- und Verbraucherrecht, Kennzeichnungspflichten für Werbung, dem Digital Services Act, Datenschutzrecht sowie nationalen Wettbewerbsregeln. Die neue Rechtslage schafft also kein pauschales GEO-Verbot, sondern erhöht den Druck, künstliche Herkunft, kommerzielle Interessen und Verantwortlichkeit sauber offenzulegen.

Wo Optimierung in Täuschung umschlägt

Die rechtliche Grenze verläuft nicht zwischen sichtbarer und unsichtbarer Suchmaschinenoptimierung. Sie verläuft zwischen wahrheitsgemäßer Überzeugung und relevanter Irreführung. Ein Unternehmen darf seine Stärken verständlich darstellen, Inhalte technisch zugänglich machen und belegbare Erfolge kommunizieren. Problematisch wird es, wenn eine geschäftliche Handlung falsche Tatsachen enthält, wesentliche Informationen verschweigt oder den Eindruck unabhängiger Bestätigung erzeugt, obwohl eine wirtschaftliche Kontrolle besteht.

Besonders eindeutig ist der Bereich gefälschter Bewertungen. Das europäische Verbraucherrecht verbietet es, falsche Kundenrezensionen oder Empfehlungen einzustellen oder in Auftrag zu geben. Ebenso problematisch ist es, Bewertungen als Erfahrungen echter Käufer darzustellen, ohne angemessene Schritte zu ihrer Überprüfung zu unternehmen. Ob der Text von einem Menschen oder einem Sprachmodell verfasst wurde, ändert am Täuschungsgehalt nichts. KI macht die Produktion billiger, aber nicht rechtmäßiger.

Auch verdeckte Werbung kann unzulässig sein. Bezahlt ein Unternehmen für eine redaktionell wirkende Empfehlung, muss der kommerzielle Charakter erkennbar sein. Dass ein KI-System diesen Beitrag später als Quelle aufgreift, beseitigt die ursprüngliche Irreführung nicht. Im Gegenteil: Die Aussage kann durch die scheinbar neutrale Wiederholung in einer KI-Antwort zusätzliche Autorität gewinnen. Unternehmen müssen deshalb nicht nur prüfen, was sie selbst veröffentlichen, sondern auch, wie beauftragte Agenturen, Influencer, Affiliates und Vertriebspartner auftreten.

Artikel 5 der KI-Verordnung setzt für verbotene manipulative oder täuschende KI-Praktiken eine hohe Schwelle. Erfasst werden gezielt manipulative, unterschwellige oder täuschende Techniken, die die Fähigkeit zu einer informierten Entscheidung erheblich beeinträchtigen und erheblichen Schaden verursachen oder wahrscheinlich verursachen. Gewöhnliche persuasive Werbung fällt nicht automatisch darunter. Eine systematische Täuschung bei sensiblen Entscheidungen, etwa zu Gesundheit, Finanzen oder besonders verletzlichen Personengruppen, kann sich dieser Schwelle jedoch annähern.

Für die Compliance-Praxis bietet sich ein einfacher Grundsatz an: Alles, was nur dann funktioniert, wenn Nutzer, Plattformen oder Redaktionen die wahre Herkunft einer Aussage nicht erkennen, ist hochriskant. Dagegen ist eine Maßnahme eher vertretbar, wenn Herkunft, Finanzierung, Methode und Datengrundlage offen benannt werden können, ohne ihre Wirkung zu zerstören. Transparenz ist nicht nur eine gesetzliche Pflicht, sondern ein Belastungstest für die Legitimität der Strategie.

Wie leicht sich Sprachmodelle täuschen lassen

Sprachmodelle verarbeiten keine Wahrheit im menschlichen Sinn. Sie berechnen plausible Fortsetzungen, greifen bei aktivierter Suche auf ausgewählte Dokumente zurück und gewichten Informationen nach Mustern, Relevanzsignalen und Systemvorgaben. Dadurch können sie beeindruckend präzise wirken und zugleich auf oberflächliche Autoritätssignale hereinfallen. Eine Zahl mit Dezimalstelle, eine medizinisch klingende Formulierung oder ein angeblicher Expertenhinweis kann glaubwürdig erscheinen, obwohl der zugrunde liegende Beleg fehlt.

Kontrollierte Untersuchungen zu Produktempfehlungen zeigen, dass bekannte Marken bei identischen Produktdaten einen sehr starken Vorteil besitzen können. Gleichzeitig reichen teilweise geringe Qualitätsunterschiede oder autoritativ formulierte Marketingbehauptungen aus, um die Empfehlung zu verändern. Besonders problematisch ist, dass auch erfundene klinische oder wissenschaftliche Behauptungen Einfluss gewinnen können, wenn das Modell ihre Herkunft nicht zuverlässig prüft. Dies macht deutlich, dass ein Sprachmodell keine unabhängige Prüfinstanz ersetzt.

Modelle mit Webzugriff sind nicht automatisch immun. Ihre Qualität hängt davon ab, welche Dokumente gefunden, in den Kontext aufgenommen und als vertrauenswürdig eingestuft werden. Wenn viele Seiten dieselbe unbelegte Behauptung voneinander übernehmen, entsteht ein Scheinkonsens. Wenn aktuelle, hochwertige Informationen technisch schwer zugänglich sind, kann die Maschine auf leichter erreichbare, aber schlechtere Quellen ausweichen. Retrieval, also das Abrufen von Informationen, reduziert Halluzinationen, beseitigt aber weder Quellenbias noch orchestrierte Einflussnahme.

Hinzu kommt die Instabilität. Derselbe Prompt kann zu verschiedenen Zeiten, in unterschiedlichen Sitzungen oder nach kleinen sprachlichen Änderungen andere Marken hervorbringen. Modellupdates, regionale Suchindizes und personalisierte Kontexte verändern die Ergebnisse zusätzlich. Eine einzelne positive Antwort ist daher kein belastbarer Erfolgsnachweis. Seriöse Messung benötigt Wiederholungen, Kontrollfragen, mehrere Plattformen und eine klare Trennung zwischen Auffindbarkeit, Nennung, Zitation, positiver Bewertung und tatsächlicher Empfehlung.

Das Wettrüsten um maschinelle Glaubwürdigkeit

Sobald GEO wirtschaftlich wirksam wird, reagieren Wettbewerber. Wenn ein Anbieter eine Marktstudie veröffentlicht, folgen ähnliche Studien. Wenn Expertenzitate die Sichtbarkeit erhöhen, entstehen mehr Expertenformate. Wenn strukturierte Vergleichsseiten gut funktionieren, wächst ihre Zahl. Der individuelle Vorteil nimmt ab, während die Kosten steigen. Das gleicht einem Wettrüsten, bei dem jeder teilnehmen muss, aber nicht jeder dauerhaft gewinnt.

Dieser Wettbewerb kann produktiv sein. Unternehmen haben einen Anreiz, bessere Daten zu veröffentlichen, Sachverhalte klarer zu erklären und ihre Aussagen nachvollziehbar zu belegen. Kleine Spezialisten erhalten eine Chance, mit echter Expertise gegen große Marken anzutreten. Informationen werden strukturierter und aktueller. In diesem Szenario verbessert GEO die Qualität des offenen Webs.

Das gegenteilige Szenario ist ebenfalls realistisch. Unternehmen überfluten das Netz mit maschinell erzeugten Fachartikeln, synthetischen Expertenaussagen und formal korrekten, inhaltlich wertlosen Statistiken. Agenturen bauen Netzwerke aus scheinbar unabhängigen Seiten auf. Echte Rezensionen werden von fabrizierter Zustimmung verdrängt. Die Antwortsysteme reagieren mit strengeren Filtern, bevorzugen noch stärker etablierte Domains und schließen neue Anbieter aus. Dann verstärkt GEO gerade jene Konzentration, die es ursprünglich aufbrechen sollte.

Langfristig werden deshalb Provenienz und überprüfbare Herkunft wichtiger. Maschinenlesbare Kennzeichnungen, kryptografische Nachweise, klare Autorenschaft und dokumentierte Methoden können helfen, echte Primärinformationen von synthetischer Wiederholung zu unterscheiden. Vollständig lösen lässt sich das Problem damit nicht. Auch ein korrekt gekennzeichneter KI-Text kann wahr oder falsch sein, und menschlich verfasste Inhalte können täuschen. Entscheidend bleibt die Qualität der Beweiskette.

Die Gewinner und Verlierer der neuen Antwortökonomie

Zu den potenziellen Gewinnern gehören Unternehmen mit proprietären Daten, klarer fachlicher Positionierung und belastbaren Kundenergebnissen. Sie können Informationen anbieten, die andere Quellen nicht einfach kopieren können. Auch spezialisierte Medien, Verbände und Prüfinstitute gewinnen an Bedeutung, weil ihre Einordnung als externe Bestätigung dient. Wer glaubwürdige Brancheninformationen bereitstellt, wird Teil der Infrastruktur, aus der KI-Antworten entstehen.

Große Marken behalten Vorteile, verlieren aber einen Teil ihrer Sicherheit. Bekanntheit sorgt dafür, dass sie häufiger zum Ausgangspunkt einer Empfehlung werden. Wenn ihre Informationen veraltet, unpräzise oder schlecht belegt sind, können agilere Wettbewerber dennoch Antwortanteile gewinnen. Der neue Wettbewerb belohnt nicht nur Größe, sondern Aktualität, Eindeutigkeit und Zitierfähigkeit.

Verlierer sind Unternehmen, die ausschließlich auf ihre eigene Website und traditionelle Google-Rankings vertrauen. Eine starke Suchposition garantiert nicht, dass die Marke in einer synthetischen Antwort auftaucht. Ebenfalls gefährdet sind Anbieter mit inkonsistenten Produktnamen, widersprüchlichen Preisen, ungeklärten Bewertungen oder schwacher externer Reputation. KI-Systeme können solche Unsicherheit nicht zuverlässig auflösen und greifen dann eher auf bekannte Alternativen zurück.

Auch Nutzer können verlieren. Eine flüssige Antwort reduziert die sichtbare Vielfalt der Quellen und erschwert es, kommerzielle Interessen zu erkennen. Besonders bei medizinischen, finanziellen und rechtlichen Fragen kann ein scheinbar eindeutiger Rat übermäßiges Vertrauen erzeugen. Die gesellschaftliche Herausforderung besteht daher nicht nur darin, KI-Inhalte zu kennzeichnen, sondern auch Unsicherheit, Quellenlage und Interessenkonflikte verständlich sichtbar zu machen.

Eine belastbare Strategie statt kurzfristiger Tricks

Eine seriöse KI-Sichtbarkeitsstrategie beginnt mit einem Themen- und Fragenmodell. Unternehmen sollten erfassen, welche konkreten Probleme Kunden lösen wollen, welche Vergleichskriterien sie verwenden und welche Formulierungen in verschiedenen Phasen der Kaufentscheidung auftreten. Daraus entsteht ein Prüfset, das regelmäßig über mehrere Systeme und Varianten hinweg getestet wird. Die Ergebnisse müssen versioniert werden, damit Veränderungen nach Modellupdates oder Kampagnen erkennbar sind.

Danach folgt die Informationsarchitektur. Jede wichtige Leistung benötigt eine eindeutige Seite mit überprüfbaren Angaben, klaren Definitionen, belastbaren Zahlen und einem sichtbaren Aktualitätsstand. Häufige Fragen sollten direkt beantwortet werden. Technische Inhalte benötigen Autoren mit nachvollziehbarer Qualifikation. Produktdaten, Unternehmensangaben und Ansprechpartner müssen auf allen Plattformen konsistent sein. Widersprüche sind für KI-Systeme ebenso schädlich wie für Kunden.

Der dritte Baustein ist externe Glaubwürdigkeit. Statt wahlloser Presseverteilung sollte ein Unternehmen jene Informationsräume priorisieren, die für seine Zielgruppen tatsächlich relevant sind. Gute Anlässe sind neue Primärdaten, nachvollziehbare Benchmarks, offene Rechner, technische Leitfäden oder präzise Fallstudien. Ziel ist nicht die künstliche Wiederholung einer Werbebotschaft, sondern eine überprüfbare Aussage, die andere aus eigenem redaktionellem Interesse aufgreifen.

Der vierte Baustein ist Compliance by Design. Jede externe Platzierung sollte dokumentieren, wer bezahlt, redigiert und freigegeben hat. Bewertungen benötigen Prozesse gegen Fälschung und selektive Unterdrückung. KI-generierte Inhalte müssen entsprechend ihrer Nutzung und des geltenden Rechts gekennzeichnet werden. Für öffentliche Themen ist eine nachvollziehbare menschliche Redaktion besonders wichtig. Agenturverträge sollten verdeckte Forenbeiträge, fingierte Identitäten, erfundene Zitate und nicht offengelegte Mediennetzwerke ausdrücklich untersagen.

Schließlich braucht es eine ökonomische Erfolgskontrolle. Sichtbarkeit ist nur dann wertvoll, wenn sie relevante Nachfrage erzeugt, falsche Aussagen reduziert oder den Vertrieb messbar unterstützt. Deshalb sollten KI-Nennungen mit Markenanfragen, Direktzugriffen, qualifizierten Leads, Abschlussraten und Kundenbefragungen verbunden werden. Die entscheidende Kennzahl ist nicht, wie oft ein Modell den Namen ausspricht, sondern ob die richtige Zielgruppe ein zutreffendes und vertrauenswürdiges Bild erhält.

Europas Regelwerk trifft den richtigen Konflikt, aber nicht mit einem einzigen Verbot

Die gesellschaftliche Intuition hinter der Regulierung ist richtig: Menschen sollen erkennen können, wann sie mit einer Maschine interagieren, wann Inhalte künstlich erzeugt wurden und wer Verantwortung trägt. Diese Transparenz wird umso wichtiger, je stärker KI-Systeme Kaufentscheidungen, politische Meinungsbildung und den Zugang zu Dienstleistungen prägen. Artikel 50 setzt dafür wichtige Grundlagen und macht technische Kennzeichnung zu einer infrastrukturellen Aufgabe.

Für die konkrete Manipulation von Markenempfehlungen reicht Artikel 50 allein jedoch nicht aus. Viele GEO-Maßnahmen bestehen aus menschlich redigierten Webseiten, echten Medienbeiträgen oder optimierten Produktdaten. Sie sind nicht deshalb unzulässig, weil ein KI-System sie später nutzt. Rechtswidrigkeit entsteht vielmehr durch falsche Tatsachen, verschleierte kommerzielle Interessen, gefälschte Bewertungen, missbräuchliche Identitäten oder besonders schädliche manipulative Verfahren.

Die provokante These, die EU verbiete nun, ChatGPT dazu zu bringen, gut über ein Unternehmen zu reden, trifft daher nicht zu. Verboten oder sanktioniert werden können bestimmte täuschende Mittel, nicht das legitime Ziel, korrekt und sichtbar dargestellt zu werden. Gerade diese Differenz macht das Thema interessant: Unternehmen dürfen um maschinelle Aufmerksamkeit konkurrieren, müssen aber damit rechnen, dass Herkunft, Kennzeichnung und Belegbarkeit ihrer Einflussmittel zunehmend überprüft werden.

Die strategisch klügste Antwort ist deshalb weder Verzicht noch aggressives Ausnutzen jeder Lücke. Sie besteht darin, KI-Sichtbarkeit als Ergebnis belastbarer Marktkommunikation zu behandeln. Wer echte Daten produziert, klare Aussagen veröffentlicht, unabhängige Prüfung zulässt und kommerzielle Beziehungen offenlegt, baut ein langfristiges Informationsvermögen auf. Wer dagegen nur die Oberfläche von Autorität imitiert, kann kurzfristig Antworten beeinflussen, schafft aber ein wachsendes regulatorisches, reputatives und wirtschaftliches Risiko.

Vertrauen wird zur knappsten Währung

Die Antwortökonomie belohnt zunächst jene, die maschinenlesbar, zitierfähig und häufig erwähnt sind. Auf Dauer wird sie jedoch jene bevorzugen müssen, deren Aussagen sich verlässlich bestätigen lassen. Andernfalls zerstören manipulierte Empfehlungen die Grundlage des Geschäftsmodells: das Vertrauen der Nutzer in eine schnelle, brauchbare und möglichst neutrale Orientierung.

Für Unternehmen bedeutet das einen grundlegenden Perspektivwechsel. Die Aufgabe besteht nicht darin, eine KI zu überreden, sondern ein öffentlich überprüfbares Beziehungsnetz aus Fakten, Erfahrungen und unabhängigen Einschätzungen aufzubauen. Eine Marke wird nicht deshalb glaubwürdig, weil ihre eigene Website es behauptet. Sie wird glaubwürdig, wenn unterschiedliche Quellen übereinstimmende, konkrete und aktuelle Gründe dafür liefern.

Für Nutzer bleibt Skepsis unverzichtbar. Eine KI-Antwort ist keine abschließende Marktprüfung, sondern eine verdichtete Momentaufnahme aus einem unvollständigen Informationsraum. Je höher das finanzielle, gesundheitliche oder persönliche Risiko einer Entscheidung ist, desto wichtiger werden Originalquellen, Gegenpositionen und menschliche Fachkompetenz. Der bequeme Ein-Satz-Rat darf nicht mit Gewissheit verwechselt werden.

Der eigentliche Konflikt der kommenden Jahre verläuft deshalb nicht zwischen Marketing und Regulierung. Er verläuft zwischen überprüfbarer Sichtbarkeit und synthetischer Glaubwürdigkeit. Beide können auf den ersten Blick gleich aussehen. Erst die Herkunft der Daten, die Unabhängigkeit der Stimmen und die Offenlegung der Interessen zeigen, ob eine KI-Antwort informiert oder nur erfolgreich beeinflusst wurde.

Im industriellen B2B entstehen tragfähige Geschäftsbeziehungen selten über Nacht. Sie entwickeln sich Schritt für Schritt – über Sichtbarkeit, fachliche Relevanz, wiederkehrende Berührungspunkte und wachsendes Vertrauen. Das 4-Stufen-Modell von Xpert.Digital setzt genau hier an: Es bietet einen strukturierten Weg, der mit einem überschaubaren Einstieg beginnt und sich bei Bedarf zu einer vertieften Zusammenarbeit im Business Development entwickeln kann.

Statt auf laute Marketingversprechen zu setzen, rückt dieses Modell die Beziehung in den Mittelpunkt. Unternehmen steigen mit klar umrissenen, gut kalkulierbaren Maßnahmen ein und entscheiden dann auf Basis eigener Erfahrung, wie weit sie die Zusammenarbeit ausbauen möchten. Ein wesentlicher Faktor für diesen ungestörten Vertrauensaufbau: Die Plattform verzichtet komplett auf nervige Werbe-Ads, sodass der redaktionelle Fokus allein auf der Expertise der Unternehmen liegt.

Mehr dazu hier:

• Von Sichtbarkeit zu Vertrauen: Ihr skalierbarer Weg mit Xpert.Digital

☑️ Unsere Geschäftssprache ist Englisch oder Deutsch

☑️ NEU: Schriftverkehr in Ihrer Landessprache!

 

Gerne stehe ich Ihnen und mein Team als persönlicher Berater zur Verfügung.

Sie können mit mir Kontakt aufnehmen, indem Sie hier das Kontaktformular ausfüllen oder rufen Sie mich einfach unter +49 7348 4088 965 an. Meine E-Mail Adresse lautet: wolfenstein∂xpert.digital

Ich freue mich auf unser gemeinsames Projekt.

 

 

☑️ KMU Support in der Strategie, Beratung, Planung und Umsetzung

☑️ Erstellung oder Neuausrichtung der Digitalstrategie und Digitalisierung

☑️ Ausbau und Optimierung der internationalen Vertriebsprozesse

☑️ Globale & Digitale B2B-Handelsplattformen

☑️ Pioneer Business Development / Marketing / PR / Messen