[[FIG:kb-0549]]

1. Was LPs bei der digitalen Due Diligence prüfen

   Die digitale Due Diligence durch LPs ist mittlerweile Routine. Zu den Ebenen, die vor und während eines Fundraisings in der Regel geprüft werden, gehören:

   • Wikipedia: der Artikel des Unternehmens, sofern vorhanden, sowie die Artikel der namentlich genannten Partner. Wikipedia rankt bei den meisten markenbezogenen Suchanfragen in den obersten Ergebnissen und ist die Referenz, auf die KI-Engines am stärksten zurückgreifen. Ein inhaltlich schwacher, fehlerhafter oder fehlender Artikel wirkt wie eine geringe institutionelle Präsenz.
   • Knowledge Panels: die Knowledge Panels des Unternehmens und der namentlich genannten Partner. Fehlerhafte oder fehlende Panels werfen Fragen darüber auf, wie gut die Entität in öffentlichen Registern etabliert ist.
   • Antworten von KI-Engines: LPs und ihre Berater befragen mittlerweile KI-Engines (ChatGPT, Perplexity, Gemini und andere) zu potenziellen Fondsmanagern, bevor die formelle Due Diligence beginnt. Auf SSRN veröffentlichte Studien und Branchendaten von Affinity (2026) bestätigen, dass KI-Tools für die frühzeitige Recherche über private Unternehmen genutzt werden. Was diese Engines ausgeben und welche Quellen sie zitieren, bestimmt die Fragen, die LPs in das erste Meeting mitbringen.
   • Verlässliche Berichterstattung: der Track Record des Unternehmens, wie er in der renommierten Finanzpresse, in Fachpublikationen und Verbandsprofilen dargestellt wird. Eine spärliche oder widersprüchliche Berichterstattung wirft Fragen auf, die der Datenraum beantworten muss.
   • Signale für Kontroversen und Rechtsstreitigkeiten: jegliche Berichterstattung über regulatorische Angelegenheiten, Rechtsstreitigkeiten oder öffentliche Kontroversen, in die das Unternehmen oder seine Partner verwickelt sind, einschließlich archivierter Social-Media-Beiträge und alter Presseberichte, die von KI-Engines zutage gefördert werden könnten.

2. Pre-Launch-Phase: vier bis sechs Monate vor der formellen Kapitalbeschaffung

   Die meisten nachhaltigen Maßnahmen lassen sich nicht auf wenige Wochen komprimieren. Die Vorbereitungen vor dem Start umfassen in der Regel:

   • Arbeit an Wikipedia-Artikeln: Erstellung oder Verbesserung von Artikeln für das Unternehmen und namentlich genannte Partner durch Änderungsanfragen mit offengelegtem Interessenkonflikt (COI). Der redaktionelle Prozess von Wikipedia erfordert Belege aus unabhängigen, zuverlässigen Quellen, und der Artikel muss die öffentliche Wahrnehmung widerspiegeln, nicht die eigenen Materialien des Unternehmens. Es dauert Wochen bis Monate, bis ein stabiler Zustand erreicht ist.
   • Stärkung der Entität: Sicherstellung, dass Wikidata-Einträge, sameAs-Links und strukturierte Daten über die unternehmenseigenen Web-Properties hinweg vollständig und konsistent sind. Dies ist die Infrastruktur, die Knowledge Panels speist und die Antworten von KI-Engines fundiert.
   • Korrektur von KI-Narrativen: Einsatz von AIQ-Monitoring über die wichtigsten KI-Engines hinweg, um zu prüfen, was diese aktuell über das Unternehmen und die Partner ausgeben. Dabei wird die Quelle problematischer Narrative diagnostiziert und der verlässliche Content aufgebaut, der nötig ist, um die Antworten der Engines im Laufe der Zeit zu lenken. KI-Engines aktualisieren ihre Antworten schrittweise, wenn sich neue verlässliche Inhalte in ihrer Retrieval-Schicht ansammeln.
   • Aufbau von Berichterstattung: Entwicklung verlässlicher Berichterstattung durch Dritte über den Track Record, die Investmentphilosophie und die namentlich genannten Partner des Unternehmens in renommierten Publikationen. KI-Engines zitieren bevorzugt anerkannte Presse- und Branchenquellen. Der Aufbau eines Korpus aus präziser, verlässlicher Berichterstattung wirkt sich daher sowohl auf die Suchergebnisse als auch auf das KI-Narrativ aus.

3. Prüfsteine der LP Due Diligence

   Das formelle Fundraising schafft mehrere Zeitpunkte, an denen digitale Reputationssignale direkt überprüft werden:

   • Recherche vor dem Meeting: Vor dem ersten LP-Meeting führt das LP-Team eine eigene digitale Überprüfung durch. Die Ergebnisse bestimmen die Fragen, die sie mitbringen, und den Grad der Prüfung.
   • Referenzgespräche: Referenzen werden mittlerweile mit den öffentlichen digitalen Informationen abgeglichen. Diskrepanzen zwischen den Aussagen der Referenzen und den öffentlichen Aufzeichnungen werfen Fragen auf.
   • Prüfung durch das Investmentkomitee: Bei größeren LPs und institutionellen Investoren umfasst die Prüfung durch das Komitee oft einen Scan der öffentlichen digitalen Präsenz des Unternehmens und der namentlich genannten Partner. Eine umstrittene oder schwache digitale Präsenz wird auf Komitee-Ebene als Risiko eingestuft.
   • Abschließende Due Diligence: Vor der Zusage führen viele LPs eine letzte Prüfung durch, um zu bestätigen, dass sich das digitale Bild seit der ersten Überprüfung nicht wesentlich verändert hat.

4. Regulation D und die SEC-Marketingrichtlinie

   Private Fonds, die unter Regulation D operieren, dürfen keine allgemeine Ansprache potenzieller Anleger oder Werbung zur Vermarktung ihrer Wertpapiere einsetzen, und SEC-registrierte Berater unterliegen den Einschränkungen der modernisierten Marketingrichtlinie. Die Reputationsarbeit für Fonds konzentriert sich in diesem Umfeld auf den passiven digitalen Fußabdruck – also darauf, was die Engines ohne aktive Werbung über das Unternehmen zutage fördern – und nicht auf werbliche Inhalte. Wikipedia, Knowledge Panels und KI-Narrative fallen nicht in den Geltungsbereich der Marketingrichtlinie, da sie die öffentliche Wahrnehmung und nicht die eigene Werbekommunikation des Unternehmens widerspiegeln.

Warum Vorlaufzeit wichtig ist

Die nachhaltigen Maßnahmen – Arbeit an Wikipedia-Artikeln, Stärkung der Entitätsebene, Korrektur von KI-Narrativen und Aufbau von Berichterstattung – entfalten ihre Wirkung über Monate, nicht über Tage. Ein Unternehmen, das vier bis sechs Monate vor dem Start des Fundraisings mit dieser Arbeit beginnt, gibt Wikipedia-Artikeln die Zeit, einen stabilen, gut belegten Zustand zu erreichen. Es gibt KI-Engines die Zeit, ihre Retrieval-Schichten zu aktualisieren, während sich neue verlässliche Inhalte ansammeln, und es gibt der Berichterstattung die Zeit, sich zu einem Korpus aufzubauen, den die Engines zitieren können. Unternehmen, die erst in den Wochen vor dem ersten LP-Meeting beginnen, arbeiten bei jeder relevanten Maßnahme gegen die Zeit.

The post Welche Rolle spielt die Online-Reputation bei der Kapitalbeschaffung und beim Fundraising? appeared first on Five Blocks.

Die drei Lösungswege

1. Eigene Inhalte: aktualisieren, weiterleiten oder entfernen. Wenn die Marke die Plattform kontrolliert, aktualisieren Sie die Seite, um die aktuelle Realität widerzuspiegeln, richten Sie eine 301-Weiterleitung auf eine zutreffendere Seite ein oder nehmen Sie sie vom Netz, je nach Einzelfall.
2. Redaktionelle Drittanbieter-Seiten: eine Aktualisierung beantragen. Wenn sich der Inhalt auf einer Plattform befindet, zu der Sie eine redaktionelle Beziehung pflegen (ein Forbes-Profil, eine Verbandsseite, ein Branchenverzeichnis), beantragen Sie die Änderung über den regulären redaktionellen Weg dieser Plattform.
3. Nicht editierbare Drittanbieter-Inhalte: ergänzen und verdrängen. Wenn der Inhalt von einem Drittanbieter stammt und nicht bearbeitet werden kann, erstellen Sie neue, maßgebliche Inhalte, die die aktuelle Realität widerspiegeln und in den Suchergebnissen vor der veralteten Seite ranken.

[[FIG:kb-0497]]

Warum die Bereinigung für KI wichtig ist

Veraltete Inhalte verbleiben nicht nur in den Suchergebnissen. Sie speisen auch die KI-Engines. Generative Engines erstellen ihre Antworten aus zugrunde liegenden Quellinhalten und nicht aus Daten, die im Modell selbst bearbeitet werden können, und sie können veraltete Informationen ausgeben, wenn die Quellen oder die Trainingsdaten, auf die sie sich stützen, veraltet sind. Bleiben sie bestehen, kann eine alte Teamseite oder eine Pressemitteilung zu einem eingestellten Produkt dazu führen, dass eine Engine das Unternehmen so beschreibt, wie es war, und nicht, wie es heute ist. Das Aktualisieren oder Verdrängen dieser Inhalte ist ein Teil davon, das KI-Narrativ aktuell zu halten.

The post Wie gehen Sie mit veralteten positiven Inhalten um, die das Unternehmen nicht mehr repräsentieren? appeared first on Five Blocks.

[[FIG:kb-0553]]

Ebene 1: Zentrale kanonische Identität

Die zentrale Ebene umfasst alles, was unabhängig vom Markt konsistent bleiben muss:

• Wikidata-Eintrag. Eine einzige kanonische Entitäts-ID, bei der die fremdsprachigen Wikipedia-Artikel als Sitelinks verknüpft sind. Der Knowledge Graph von Google aggregiert strukturierte Signale aus Wikidata über alle Sprachversionen hinweg. Dies ist der zentrale Ort, um Fakten global zu verankern. Abweichungen an dieser Stelle übertragen sich auf das Knowledge Panel und die Antworten der KI-Suchmaschinen in jedem Markt.
• Globale Faktenbasis. Kerndaten wie Gründung, Führungsebene, Hauptsitz und Unternehmensstruktur müssen zwischen dem englischen Wikipedia-Artikel, der eigenen Unternehmenswebsite (mit Organization-Schema und sameAs-Links zu Wikidata) sowie allen wichtigen Sprachversionen von Wikipedia übereinstimmen. Such- und KI-Systeme erfassen und beschreiben eine Entität je nach Markt und Sprache unterschiedlich. Eine starke englischsprachige Präsenz auf Wikipedia und Wikidata überträgt sich nicht automatisch auf andere Märkte; die jeweiligen Sprachversionen müssen parallel aufgebaut und gepflegt werden.
• Markenpositionierung und kanonische Beschreibung. Die zwei bis drei Sätze umfassende Entitätsbeschreibung, die im Schema-Markup, in Presse-Boilerplates und auf Wikipedia verwendet wird, muss in sich konsistent sein. KI-Engines erstellen ihre Entitätsbeschreibungen aus der Übereinstimmung verschiedener Quellen. Inkonsistenzen führen daher in jedem Markt zu vagen oder ungenauen Ausgaben.

Ebene 2: Marktspezifische Ausführung

Die Marktebene passt Taktiken an lokale Gegebenheiten an, greift aber bei allen Faktenbehauptungen auf die zentrale kanonische Identität zurück:

• Pflege von Wikipedia und Wikidata in der Landessprache. Wikipedia existiert in rund 300 Sprachen. Jede davon ist eine eigenständige redaktionelle Community mit eigenen Relevanzkriterien. Ein Markt, der für die Reputation des Kunden wichtig ist, benötigt eine eigene Sprachversion des Wikipedia-Artikels, die von Redakteuren aufgebaut und gepflegt wird, welche die Standards der jeweiligen Community verstehen.
• Regionale Verzeichnisse und Entitätssignale. Länderspezifische Top-Level-Domains (ccTLDs) oder länderspezifische Unterordner mit hreflang-Tags senden geografische Entitätssignale an Google. ccTLD-Domains ranken auf der entsprechenden länderspezifischen Google-Domain höher, und korrektes hreflang-Markup teilt Google mit, welche Sprachversion welchem Nutzer angezeigt werden soll. Regionale Branchenverzeichnisse und Google Unternehmensprofile pro Markt fungieren als zusätzliche Entitätsanker.
• Lokale Earned Media. KI-Engines greifen in jeder Sprache auf unterschiedliche Quellen zurück. Eine Quelle, die in deutschsprachigen KI-Ergebnissen Gewicht hat, spielt im Französischen möglicherweise kaum eine Rolle. Jeder relevante Markt benötigt ein eigenes Earned-Media-Programm, das Berichterstattung in etablierten regionalen und nationalen Medien aufbaut, anstatt lediglich englischsprachige Artikel zu syndizieren.
• Sprachspezifisches KI-Monitoring. Die Antworten von KI-Engines variieren je nach Standort und Sprache des Nutzers. Ein Programm, das nur englischsprachige KI-Ausgaben überwacht, übersieht, wie die Entität Nutzern in anderen Märkten beschrieben wird. Das Monitoring sollte die dominierenden Engines jedes relevanten Marktes in der jeweiligen Landessprache abfragen.

Steuerung über beide Ebenen hinweg

Die Steuerungsstruktur verbindet die beiden Ebenen. Eine zentrale Programmleitung verantwortet die Ebene der kanonischen Identität und prüft alle Inhalte auf Marktebene auf faktische Konsistenz, bevor sie veröffentlicht oder eingereicht werden. Die Marktverantwortlichen steuern die lokale Ausführung innerhalb der faktischen Leitplanken, die die Zentrale vorgibt. Ohne diese Verbindung weichen die Marktteams vom kanonischen Datensatz ab und erzeugen widersprüchliche Entitätssignale, die das Bild der Marke bei Google und in KI-Engines im Laufe der Zeit fragmentieren.

Wann ein marktspezifisches Programm sinnvoll ist

Nicht jedes Land, in dem ein Kunde tätig ist, benötigt eine eigene, vollständige Programmebene. Signale, die in der Regel marktspezifische Investitionen rechtfertigen, sind: ein signifikantes Volumen an KI- oder Suchanfragen in dieser Sprache, die ungenaue oder fehlende Entitätsbeschreibungen liefern; geplante oder bestehende Geschäftsaktivitäten, die lokale Medienberichterstattung erzeugen, deren Steuerung sich lohnt; regulatorische oder Reputationsrisiken, die sich auf eine bestimmte Gerichtsbarkeit konzentrieren; oder ein lokales Wettbewerbsumfeld, in dem Mitbewerber bereits eine stärkere lokale Entitätspräsenz aufweisen. Märkte unterhalb dieser Schwelle werden oft ausreichend durch die zentrale kanonische Ebene abgedeckt, solange der Wikidata-Eintrag Sprach-Sitelinks für die relevanten Wikipedia-Ausgaben enthält.

The post Wie koordiniert man Reputationsmanagement über mehrere Länder hinweg? appeared first on Five Blocks.

[[FIG:kb-0500]]

Was Pressemitteilungen über Verteiler tatsächlich bewirken

• Sie speisen die Entitätsebene. Mitteilungen auf anerkannten Verteilern wie Business Wire, PR Newswire und GlobeNewswire werden gecrawlt, indexiert, von Aggregatoren übernommen und zunehmend von KI-Suchmaschinen zitiert. Dadurch gelangt markenkontrollierte Sprache in die Datenebene.
• Sie schaffen dauerhafte, markenkontrollierte URLs. Eine über einen Verteiler veröffentlichte Pressemitteilung erzeugt eine permanente öffentliche Aufzeichnung mit Ihrem exakten Wortlaut. Dies ist nützlich für routinemäßige Unternehmensmeldungen, Personalankündigungen auf Führungsebene und formelle Offenlegungen.
• Sie ranken selten dauerhaft aus eigener Kraft. Google erkennt Pressemitteilungen als bezahlte Verbreitung und gewichtet sie entsprechend, sodass sie bei markenbezogenen Suchanfragen selten von allein dauerhafte Positionen halten.

Der richtige vs. der falsche Einsatz

Der richtige Einsatz ist der als unterstützende Infrastruktur: Erklärungen, die als öffentliche Aufzeichnung existieren müssen. Der falsche Einsatz ist der als Ersatz für Earned Media. KI-Suchmaschinen gewichten eine Pressemitteilung ohne unabhängige Berichterstattung geringer als dieselben Fakten, die von einem glaubwürdigen Drittmedium berichtet werden. Die Platzierung von 50 Pressemitteilungen erzielt daher nicht den SERP- oder KI-Effekt, den einige wenige starke Earned-Media-Platzierungen erreichen. Nutzen Sie Verteiler für das, was sie gut können, und investieren Sie nicht übermäßig in sie.

The post Welche Rolle spielen Pressemitteilungen im modernen Reputationsmanagement? appeared first on Five Blocks.

[[FIG:kb-0493]]

Die mehrgleisige Reaktion

1. Faktische Korrektur bei belegbaren Fehlern. Wenn der Artikel sachliche Fehler enthält, reichen Sie über den redaktionellen Prozess des Mediums eine Korrekturanfrage ein. Die meisten seriösen Medien veröffentlichen Richtlinien für Korrekturen und berichtigen belegbare sachliche Fehler, wenn diese ordnungsgemäß mit Quellen belegt sind.
2. Inhaltliche Auseinandersetzung mit der Einordnung. Wenn der Artikel eine korrekte Tatsache irreführend darstellt, setzen Sie sich zu den Bedingungen des Mediums mit fundiertem Material auseinander, anstatt eine aggressive Zurückweisung zu verfassen.
3. Konkurrierende Inhalte mit vergleichbarer Autorität. Bauen Sie konkurrierende Inhalte mit vergleichbarer oder höherer Autorität auf: redaktionelle Berichterstattung in glaubwürdigen, vergleichbaren Medien, eigene Inhalte mit starken Signalen und die Verifizierung der zugrunde liegenden Fakten durch Dritte. Suchmaschinen gewichten die Erwähnung durch glaubwürdige unabhängige Medien stärker als zusätzliche eigene Seiten.
4. Überwachung von KI-Zitaten durch AIQ. Überwachen Sie die KI-Modelle durch AIQ, da Artikel mit hoher Autorität von den Modellen zitiert werden und das KI-Narrativ über Monate oder Jahre hinweg prägen können.

Was Sie erwarten können

Der Artikel selbst lässt sich selten vollständig verdrängen. Was Sie realistischerweise erwarten können, ist ein wieder ins Gleichgewicht gebrachtes Gesamtbild über einen Zeitraum von Monaten, wobei das negative Ergebnis weniger Gewicht hat, während sich konkurrierende Inhalte mit echter Autorität ansammeln.

The post Wie gehen Sie mit einem negativen Suchergebnis von einer Website mit hoher Autorität um? appeared first on Five Blocks.

[[FIG:kb-0452]]

Wo die Bewertung sichtbar wird

Knowledge Panel

Die Sternebewertung und die Anzahl der Rezensionen erscheinen in der Entitätskarte bei jeder markenbezogenen Google-Suche.

Google Maps

Dieselbe Bewertung steuert die lokale Auffindbarkeit und den Maps-Eintrag; Änderungen der Gesamtbewertung aktualisieren den Eintrag in Echtzeit.

Mobile Suche & Local Pack

Sternebewertungen werden direkt in den mobilen Suchergebnissen und im lokalen 3er-Pack angezeigt und beeinflussen Klickentscheidungen, noch bevor Nutzer die Website besuchen.

Übersicht mit KI

Wenn die Übersicht mit KI von Google ein Unternehmen zusammenfasst, greift sie auf aggregierte Bewertungsinhalte zurück. Somit kann das Bewertungssignal nun ganz oben auf der Suchergebnisseite innerhalb einer generierten Antwort erscheinen.

Wie ein solides Bewertungsprogramm aussieht

• Bewertungsmonitoring: Die Überwachung, welche Plattformen welche Bewertungen in welcher Geschwindigkeit anzeigen, sowie die Markierung von Inhalten, die gegen Richtlinien verstoßen (gefälschte Bewertungen, von Wettbewerbern verfasste Bewertungen), um diese zu melden.
• Reaktionsprogramm: Die konsequente Beantwortung von Bewertungen. Untersuchungen deuten darauf hin, dass das Antwortverhalten beeinflusst, wie sich spätere Rezensenten verhalten. Wir haben das Ausmaß dieses Effekts nicht unabhängig verifiziert, aber das Beantworten ist unabhängig davon eine solide betriebliche Praxis.
• Legitime Bewertungsgewinnung: Die strukturierte Ansprache zufriedener Kunden über richtlinienkonforme Kanäle, sodass die Bewertungsbasis aus echten Erfahrungen wächst und nicht aus künstlich erzeugtem Volumen.

Was ein solides Bewertungsprogramm nicht beinhaltet

Das Verfassen, Kaufen oder Incentivieren von Bewertungen verstößt gegen die Richtlinien von Google und wird zunehmend erkannt. Das Risiko, das gefälschte Bewertungen bergen – Richtlinienstrafen und Reputationsschäden, falls diese öffentlich bekannt werden –, überwiegt jeden kurzfristigen Bewertungsgewinn. Wir tun dies nicht und arbeiten nicht mit Firmen zusammen, die dies tun.

The post Welche Rolle spielen Google-Bewertungen für die Unternehmensreputation? appeared first on Five Blocks.

[[FIG:kb-0471]]

Was Google Scholar gewichtet

Scholar indexiert die wissenschaftliche Fachliteratur und bewertet sie anhand von Signalen, die spezifisch für das wissenschaftliche Publizieren sind:

• Publikationsmetadaten, die bibliografischen Daten, die Scholar automatisch aus jedem Artikel extrahiert.
• Zitationshäufigkeit, wie oft und wie aktuell eine Arbeit in anderer wissenschaftlicher Literatur zitiert wird.
• Journal-Autorität, wo die Arbeit veröffentlicht wurde.
• Co-Autoren-Netzwerke, mit wem die Arbeit verfasst wurde und wie Autoren in der Literatur miteinander vernetzt sind.

Für wen dies von Bedeutung ist

Für Kunden, deren Ruf im Internet stark von akademischer Glaubwürdigkeit abhängt – Forscher, Wissenschaftler, medizinische Experten sowie einige Berater sowie Führungskräfte mit Beratungshintergrund –, ist die Sichtbarkeit in Scholar ein eigenständiger Arbeitsbereich und kein bloßes Nebenprodukt der allgemeinen Suchmaschinenoptimierung.

Die Optimierungsdisziplin

Die Arbeit ist strukturiert und wiederholbar:

1. Vollständige und korrekte Publikationsmetadaten für jede Arbeit.
2. Ein verifiziertes Google Scholar-Profil.
3. Ein konsistenter Autorenname und eine einheitliche Zugehörigkeit (Affiliation) über alle Publikationen hinweg.
4. Saubere Zitationshygiene.
5. ORCID-Identifikatoren, die den Autor systemübergreifend verknüpfen.

Wie dies das breitere KI-Narrativ speist

Diese Arbeit baut die Entitätsautorität im weiteren Sinne auf. Suchmaschinen und KI-Engines gewichten wissenschaftliche Quellen im Hinblick auf ihre Glaubwürdigkeit stark. Sie lesen die in Google Scholar erfassten Zitationen und den akademischen Zitationsgraphen als Beleg für Autorität. Eine starke, konsistente Präsenz in Scholar stärkt die Glaubwürdigkeitssignale hinter dem zugrundeliegenden Thema weit über die einzelnen Arbeiten hinaus.

The post Welche Rolle spielen Google Scholar-Ergebnisse für die berufliche Reputation? appeared first on Five Blocks.

Marken-SEO vs. ORM auf einen Blick

[[FIG:kb-0408]]

Maßnahmen im ORM, die SEO selten berührt

Die Fragestellung des ORM erfordert Maßnahmen, die Marken-SEO selten berührt: Entitätsarbeit bei Wikipedia und Wikidata, Korrektur fehlerhafter Artikel an der Quelle, Knowledge Panel-Optimierung, Überwachung der Narrative in KI-Engines sowie die vollständige Zusammensetzung der markenbezogenen SERP – die Nachrichten-Box, „Ähnliche Fragen“ und die Übersicht mit KI.

Das ist der wesentliche Unterschied. ORM wird an der gesamten Ergebnisseite gemessen, nicht an einer einzelnen Keyword-Position. Es teilt die technische Grundlage mit SEO, wird aber als eigenständige Disziplin betrieben.

The post Wie unterscheidet sich ORM von klassischem SEO für das Markenmanagement? appeared first on Five Blocks.

[[FIG:kb-0443]]

Strang 1: Reputation und Plattform-Reaktion

• Kontinuierliches Monitoring: Verfolgen Sie die Aktivitäten des ehemaligen Mitarbeiters auf den von ihm genutzten Plattformen (typischerweise Glassdoor, LinkedIn, X/Twitter, manchmal Reddit, gelegentlich ein persönlicher Blog oder Substack). Eine fortlaufende Überwachung durch Tools wie AIQ und IMPACT von Five Blocks ermöglicht es Ihnen, frühzeitig zu reagieren, anstatt den Schaden erst zu bemerken, wenn er sich bereits ausgebreitet hat.
• Meldung von Richtlinienverstößen an die Plattformen: Die meisten Plattformen akzeptieren Meldungen für Inhalte, die identifizierende Informationen, persönliche Angriffe oder plagiierte Materialien enthalten. Reichen Sie diese ein, wenn bestimmte Beiträge diese Grenzen überschreiten.
• Maßgebliche Gegeninhalte: Bauen Sie Mitarbeiterstimmen, externe Presseberichte und Auszeichnungen für genau die Suchanfragen auf, für die die negativen Beiträge ranken. Dies ist der Reputationshebel mit der größten Langzeitwirkung und derjenige, den Sie am besten kontrollieren können.

Strang 2: Juristische Prüfung

• Prüfung des Aufhebungsvertrags: Der Rechtsbeistand identifiziert etwaige Verschwiegenheits- oder Wohlverhaltensklauseln und beurteilt, ob die Beiträge einen Verstoß darstellen.
• Bewertung von NDA-Verstößen: Wenn der ehemalige Mitarbeiter vertrauliche Informationen preisgibt, greifen andere rechtliche Mittel.
• Evaluierung von Korrekturmaßnahmen: Der Rechtsbeistand berät darüber, ob und welche arbeits- oder vertragsrechtlichen Schritte eingeleitet werden können, bevor eine öffentliche Reaktion erfolgt. Zuerst eine öffentliche Löschung anzustreben, kann spätere juristische Optionen verkomplizieren.

Spezialfall Glassdoor

Glassdoor ist in diesem Szenario die am häufigsten genutzte Plattform, und ihre Mechanismen bieten Ihnen konkrete, legitime Hebel:

• Arbeitgeberantworten sind über ein kostenloses Arbeitgeberkonto möglich: Glassdoor erlaubt eine offizielle Arbeitgeberantwort von bis zu 5.000 Zeichen auf jede Unternehmens-, Interview- oder Benefit-Bewertung. Eine Antwort entfernt die ursprüngliche Bewertung nicht; sie steht sichtbar darunter, und jeder zukünftige Bewerber sieht eine sachliche, professionell formulierte Stellungnahme.
• Meldung von Verstößen: Glassdoor akzeptiert Meldungen für Inhalte, die gegen die Community-Richtlinien verstoßen, einschließlich Datenschutzverletzungen, Identitätsdiebstahl und Inhalten, die durch die Preisgabe persönlicher oder vertraulicher Informationen zu Belästigungen aufrufen. Wenn ein bestimmter Beitrag diese Grenzen überschreitet, ist dies ein echter Lösungsansatz.
• Der Ton der Arbeitgeberantwort ist entscheidend: Eine sachliche, professionell formulierte Antwort ist das wichtigste verfügbare Instrument und für jeden zukünftigen Bewerber sichtbar. Defensive oder abweisende Antworten neigen dazu, den ursprünglichen Beitrag eher zu verstärken als zu entschärfen.
• Pauschales Verdrängen ist nicht möglich: Die erklärte Richtlinie von Glassdoor besagt, dass Inhalte niemals verdrängt, gefiltert oder gelöscht werden, nur weil sie negativ sind. Eine Entfernung erfordert einen spezifischen Richtlinienverstoß (z. B. personenbezogene Daten, Identitätsdiebstahl oder ein dokumentierter Interessenkonflikt). Wenn Sie dies im Voraus wissen, können Sie Ihre Bemühungen auf die Hebel konzentrieren, die tatsächlich funktionieren.

Worauf Sie achten sollten

• Versprechungen einer schnellen Löschung auf Glassdoor oder ähnlichen Plattformen sind fast immer falsch; die Richtlinien und öffentlichen Erklärungen von Glassdoor bestätigen, dass negative Inhalte nicht auf Anfrage entfernt werden. Wer eine schnelle Löschung verspricht, verkauft in der Regel etwas, das entweder nicht funktioniert oder neue rechtliche Risiken schafft.
• Aggressive rechtliche Drohungen, die öffentlich geäußert werden, bevor der Rechtsbeistand die gesamte Situation geprüft hat, können die Geschichte eskalieren lassen und neue Angriffsflächen bieten.
• Die Beiträge komplett zu ignorieren, führt dazu, dass sie sich ansammeln; eine professionelle Reaktion gepaart mit Gegeninhalten funktioniert besser als jede Maßnahme für sich allein.

Beide Stränge, über Monate hinweg aufrechterhalten, führen zu einem Ergebnis. Dies ist koordinierte, fortlaufende Arbeit: Monitoring, disziplinierte Plattform-Reaktionen und stetige Gegeninhalte, die parallel zur juristischen Prüfung laufen. Es ist genau die Art von Programm, die eine Agentur wie Five Blocks von Anfang bis Ende steuert.

The post Ein unzufriedener Ex-Mitarbeiter veröffentlicht überall Beiträge über uns. Was können wir konkret tun? appeared first on Five Blocks.

Was ein internes Team übernehmen kann

• Social Monitoring – die Verfolgung von Markennennungen auf sozialen Plattformen.
• Reaktion auf Bewertungen – das Beantworten von Rezensionen auf Google, Glassdoor und Branchenplattformen.
• Corporate-Blog-Inhalte – die Pflege und Veröffentlichung eigener redaktioneller Beiträge.
• PR-Umsetzung – Pitching, Platzierung und die Sichtbarkeit der Führungsebene.

Was in der Regel Spezialisten erfordert

• Wikipedia-Bearbeitung unter Offenlegung von Interessenkonflikten (COI) – bezahlten und verbundenen Redakteuren wird dringend davon abgeraten, Artikel direkt zu bearbeiten. Es wird erwartet, dass sie Änderungen über den Anfrageprozess auf der Diskussionsseite vorschlagen, was kontinuierliche redaktionelle Erfahrung und ein entsprechendes Standing in der Community voraussetzt.
• Quellenattribution von KI-Engines – die Identifizierung der Quellen, die die Antworten der jeweiligen Engines speisen, erfordert ein Tool wie AIQ sowie die Mustererkennung durch Analysten. AIQ verfolgt, wie acht große KI-Modelle (ChatGPT, Gemini, Perplexity, Claude, Grok, Copilot, Google AI Mode und Übersicht mit KI) eine Marke beschreiben.
• Knowledge Graph und Schema-Markup – tiefgreifendes technisches Verständnis, das nur wenige interne Teams in Vollzeit vorhalten.
• Kontoübergreifendes Lernen – das Wissen darüber, welche Quellen welche Engines beeinflussen, welche Taktiken Algorithmus-Änderungen überstehen und welche Platzierungen Budget verschwenden, potenziert sich mit einer Anzahl von Kundenkonten, die ein einzelnes Unternehmen nicht generieren kann.

[[FIG:kb-0418]]

The post Warum können wir unsere Online-Reputation nicht intern managen? appeared first on Five Blocks.