Wie entscheiden KI-Modelle, welchen Quellen sie über ein Unternehmen vertrauen?

KI-Engines bewerten eine Behauptung über ein Unternehmen nicht erst in dem Moment inhaltlich, in dem sie eine entsprechende Anfrage beantworten. Sie stützen sich auf Quellen, deren Autorität bereits etabliert ist – eingebettet in ihre Trainingsdaten, kodiert in den Referenzgraphen, die sie abfragen können, und ausgedrückt in den Zitiergewohnheiten des gesamten Webs. Zu wissen, welche Quellen diese vorab etablierte Autorität besitzen, ist der Ausgangspunkt für jedes ernsthafte Reputationsprogramm.

Die Hebelwirkung ist konzentriert. Eine kleine Gruppe von Quellen prägt den Großteil dessen, was die Engines ausgeben, und die Verbesserung genau dieser Quellen ist das, was die Engines bewegt. Das bloße Veröffentlichen von großen Mengen an Inhalten auf Plattformen, die von den Engines nicht gewichtet werden, bewirkt dies nicht.

Die Vertrauenssignale, die KI-Engines offenbar gewichten

Wikipedia und ihre Zitationen

Wikipedia war Teil des Trainingskorpus jedes großen Modells (BERT wurde mit etwa 2,5 Milliarden Wikipedia-Wörtern trainiert; GPT-3 umfasste rund 3 Milliarden Wikipedia-Token) und ist eine der meistzitierten Live-Quellen in Retrieval-Augmented-Engines. Über alle großen KI-Plattformen hinweg gehört Wikipedia zu den beiden meistzitierten Domains in generierten Antworten. Engines wie Gemini fragen den Knowledge Graph, der im Wesentlichen auf Wikipedia und Wikidata aufbaut, direkt ab, wenn sie Fakten zu Entitäten synthetisieren. Auch die Zitationen innerhalb von Wikipedia-Artikeln haben Gewicht: Eine Quelle, auf die Wikipedia verlinkt, gewinnt durch diese Verbindung an Autorität.

Wikidata

Wikidata ist das maschinenlesbare Gegenstück zu Wikipedia. Es speichert strukturierte, belegte Aussagen über Entitäten (Gründungsdaten, Führungskräfte, Mutter-Tochter-Beziehungen, behördliche IDs, sameAs-Links zu anderen Datenbanken) in einer Form, die Engines direkt abfragen können. Das Knowledge Panel von Google, die Übersicht mit KI und Gemini-Antworten auf Entitätsfragen greifen neben Wikipedia auch auf Wikidata zurück. Ein Wikidata-Eintrag mit unbelegten oder fehlenden Aussagen schwächt das Vertrauen in die Entität bei jeder Engine, die ihn abfragt.

Große Nachrichtenmedien

Etablierte Verlage wie Reuters, Bloomberg, die Financial Times, das Wall Street Journal, die New York Times, die Washington Post und glaubwürdige regionale Pendants werden von den Engines sowohl für aktuelle als auch für zeitlose Suchanfragen herangezogen. Die Berichterstattung in diesen Medien fließt auf zwei Wegen in KI-Antworten ein: durch direkten Abruf (RAG-basierte Engines ziehen Live-Seiten heran) und durch die Zusammenfassungsschleife (sekundäre Medien und Aggregatoren, die primäre Artikel erneut zitieren, werden zu zusätzlichen Quellen, die die Engines zur Bestätigung abrufen).

Staatliche und akademische Domains

.gov- und .edu-Domains, Websites von Aufsichtsbehörden sowie peer-reviewte oder wissenschaftliche Publikationen. Die Engines stufen diese kategorisch als hochgradig glaubwürdig ein. Peer-reviewte Forschung, die in einem GEO-Kontext zitiert wird, wie etwa die Arbeit zu GEO (Generative Engine Optimization), die dokumentiert hat, wie die Quellenauswahl KI-generierte Antworten prägt, erhält Zitationsgewicht durch dasselbe Signal für akademische Quellen, das die Engines generell anwenden.

Die eigene offizielle Website des Unternehmens mit sauberen strukturierten Daten

Die offizielle Marken-Website hat Gewicht, wenn sie eindeutige Entitätssignale aufweist: Organization-Schema mit sameAs-Links zu Wikidata und Wikipedia, namentlich genannte Autorenschaft, klare Veröffentlichungsdaten und faktische Konsistenz mit dem Rest der öffentlichen Aufzeichnungen. Ohne diese Signale gewichten die Engines die offizielle Website möglicherweise zu gering oder interpretieren sie falsch, obwohl sie die primäre Quelle der Wahrheit ist.

Häufig zitierte Trainings-Domains

Domains, die innerhalb des Trainingskorpus häufig zitiert werden, können eine Restautorität besitzen, selbst wenn sie nicht live abgerufen werden. Dies unterscheidet sich von der Domain-Autorität im SEO-Sinne; es spiegelt wider, wie tief die Inhalte einer Quelle in den Texten eingebettet zu sein scheinen, mit denen das Modell trainiert wurde.

Was dies für ein Reputationsprogramm bedeutet

Da sich die Hebelpunkte auf eine kleine Gruppe von Quellen konzentrieren, sind die effektivsten Maßnahmen gezielte Verbesserungen an genau diesen Quellen: Wikipedia (über offengelegte COI-Bearbeitungsanfragen), Wikidata (ein strukturierter Eintrag mit belegten Aussagen und vollständigen sameAs-Links), Schema-Markup auf eigenen Properties und Earned Media in Medien, die die Engines tatsächlich gewichten. Ein Aufwand, der breit über Dutzende von Properties mit geringerer Autorität gestreut wird, ändert selten etwas daran, was die Engines ausgeben.

Was dies für ein Content-Programm bedeutet

Die Veröffentlichung großer Mengen an Inhalten auf eigenen Kanälen ohne maßgebliche Signale von Dritten oder strukturierte Daten wird die Ausgaben der KI-Engines wahrscheinlich nicht beeinflussen, unabhängig von der Qualität oder Quantität der Inhalte. Worauf die Engines reagieren, ist das Vordringen in die Gruppe der vertrauenswürdigen Quellen oder das Erlangen der Schema- und Autorenschaftssignale, die den eigenen Properties Autorität verleihen. Die GEO-Forschung aus Princeton (ACM SIGKDD 2024) hat dokumentiert, dass Content-Ersteller für die Aufnahme in den Quellenpool optimieren müssen, den die Engine abruft, und nicht nur für das Produktionsvolumen.