🎉 Introducing AIQ — the new platform from Five Blocks that shows you exactly what AI says about your brand. Discover AIQ →

Kann ein KI-Modell falsche Aussagen über meine Organisation treffen?

Kurz gesagt

Ja. KI-Modelle halluzinieren, wiederholen veraltete Informationen und verwechseln Personen sowie Unternehmen mit ähnlichen Namen. Eine Studie der Columbia Journalism Review aus dem Jahr 2025 ergab bei den getesteten Suchanfragen Fehlerquoten von 37 % (Perplexity) bis 94 % (Grok 3). Die Lösung besteht darin, die Quellen zu korrigieren, auf die sich die Suchmaschine stützt, und nicht darin, mit dem Modell zu diskutieren.

Ja. KI-Suchmaschinen äußern falsche Behauptungen über Unternehmen und Personen im selben überzeugten Tonfall, den sie für Fakten verwenden, und die Fehlerquellen sind vorhersehbar. Eine Studie des Columbia Journalism Review Tow Center aus dem Jahr 2025 testete acht KI-Suchmaschinen und stellte fest, dass die meisten ungenaue Antworten mit, in den Worten der Studie, alarmierender Zuversicht präsentierten. Die Fehlerquoten reichten von 37 % (Perplexity) bis 94 % (Grok 3). Die Lösung besteht nicht darin, mit dem Modell zu diskutieren, sondern die Quellen zu korrigieren, auf die es sich stützt, oder korrekte Quellen zu stärken, bis diese mehr Gewicht erhalten.

Die vier vorhersehbaren Fehlerquellen

  • Halluzination: eine erfundene Führungskraft, ein nicht existierender Rechtsstreit oder eine nie veröffentlichte Produktfunktion, die so selbstbewusst behauptet werden wie eine wahre Tatsache.
  • Veraltete Trainingsdaten: Informationen, die nicht mehr den aktuellen Fakten entsprechen, da ein Modell auf Basis eines Trainingskorpus antwortet, der an einem bestimmten Stichtag eingefroren wurde.
  • Entitätenverwechslung: Ihr CEO wird mit einer Person gleichen Namens vermengt, wenn die Entitätsinfrastruktur (Wikidata, Schema-Daten, saubere Disambiguierung) schwach ist.
  • Übergewichtung einer Einzelquelle: Die Suchmaschine stützt sich bei der Formulierung einer Antwort zu stark auf eine einzelne, umstrittene Quelle.
Flussdiagramm der Fehlerquellen von KI-Halluzinationen: vier Verzweigungen von einem zentralen KI-Fehler-Knoten zu Halluzination, veralteten Daten und Entitätenverwechslung.
Vier vorhersehbare KI-Fehlertypen und wo die Behebung ansetzen muss – auf der Quellenebene, nicht beim Modell.

Die Lösung setzt an den Quellen an, nicht am Modell

Das Modell aufzufordern, sich selbst zu korrigieren, bewirkt nichts Dauerhaftes. Es merkt sich nicht, was Sie ihm mitteilen, und es generiert jede Antwort neu aus den Quellen, denen es vertraut. Einflussnahme entsteht durch die Änderung dieser Quellen. Die Aufgabe besteht darin, herauszufinden, welche Quelle die falsche Behauptung speist, und diese dann entweder zu korrigieren (ein Wikipedia-Änderungsantrag, eine Anpassung strukturierter Daten, eine Pressekorrektur) oder konkurrierende, korrekte Quellen zu stärken, bis die Suchmaschinen diese neu gewichten. AIQ macht das Auffinden der Quelle schnell; die manuelle Arbeit an dieser Quelle ist das, was Zeit in Anspruch nimmt.

Zuletzt überprüft: 19/05/2026

Quellen (4)
Mit Five Blocks zusammenarbeiten

Five Blocks unterstützt Unternehmen genau dabei.

Wenn das für Sie gerade akut ist, unterstützt Sie unser Team. Sprechen Sie mit uns über Ihre Situation.

Talk to our team

Tell us a little about your situation and we will be in touch.

Skip to content