Wie sollten sich Unternehmen auf Reputationsrisiken durch KI-generierte Deepfakes vorbereiten?

Das Deepfake-Risiko für die KI-Reputation verläuft in zwei Richtungen. Auf der ausgehenden Seite generieren KI-Engines gelegentlich selbstbewusst formulierte Falschinformationen über Marken oder Personen. Da diese Ausgabe im gleichen überzeugten Tonfall wie wahre Aussagen erfolgt, kann ein Screenshot davon als Fehlinformation auf Deepfake-Niveau zirkulieren. Auf der eingehenden Seite kursieren gefälschte Inhalte wie manipulierte Bilder, Videos und Stimmklone im Internet und können von KI-Engines als scheinbare Belege für das Narrativ aufgegriffen werden, das die Fälscher verbreiten wollen.

Warum beide Richtungen relevant sind

Das ausgehende Problem ist dokumentiert: Sprachmodelle produzieren allzu selbstbewusste, plausible Unwahrheiten, erfundene Führungskräfte, nicht existierende Klagen, nie veröffentlichte Produktfunktionen und Finanzdaten, die mit keinem Bericht übereinstimmen. Unabhängige Tests von KI-Suchwerkzeugen ergaben, dass sie „ungenaue Antworten mit alarmierender Zuversicht präsentierten“. Das eingehende Problem – Engines, die gefälschte Medien als Belege behandeln – ist eine reale Gefahr, lässt sich aber schwerer mit Zahlen belegen. Die praktische Verteidigung ist in beiden Fällen dieselbe, da sich die Ausgabe einer Engine nicht bearbeiten lässt: Sie merkt sich keine Korrekturen und baut jede Antwort aus den Quellen neu auf, denen sie vertraut. Die dauerhafte Lösung setzt daher bei diesen Quellen an.

Der vierteilige Verteidigungsplan

1. Kontinuierliche Überwachung. Prüfen Sie KI-Antworten auf gefälschte Inhalte, einschließlich spezifischer Prompts, die darauf ausgelegt sind, bekannte Risikobereiche aufzudecken. AIQ verfolgt das Narrativ über die acht derzeit überwachten Engines: ChatGPT, Copilot, Gemini, Übersicht mit KI, Perplexity, Grok, Claude und den Google KI-Modus. So wird eine Fälschung, die in einer Engine auftaucht, frühzeitig erkannt und nicht erst, nachdem sie sich verbreitet hat.
2. Vorbereitete Löschungen. Löschprozesse, die im Voraus mit den großen Plattformen und den Anbietern der KI-Engines selbst vereinbart wurden. Wenn gefälschte Inhalte auftauchen, durchläuft die Reaktion so einen etablierten Eskalationspfad, anstatt bei null anzufangen.
3. Verlässliche Gegenquellen. Referenzinhalte: Wikipedia, offizielle Biografien, strukturierte Daten, welche die definitive Version der Fakten etablieren, die ein Deepfake zu verdrängen versuchen könnte. Die Übersicht mit KI von Google und Gemini gewichten Wikipedia und den Knowledge Graph als primäre Quellen, wenn sie ein Thema zusammenfassen. Strukturierte Daten sind für die maschinelle Verarbeitung konzipiert. Diese Ebene bietet den Engines somit eine präzise Vergleichsgrundlage.
4. Schnelle Reaktion. Prävention hat ihre Grenzen, daher ist Geschwindigkeit wichtig: Erkennen Sie gefälschte Inhalte schnell und leiten Sie diese durch die vorbereiteten Schritte zur Löschung und Gegenquellen-Stärkung, bevor sich das Narrativ festsetzt.

Alle vier Punkte laufen auf eine Tatsache hinaus: Sie können nicht direkt bearbeiten, was eine Engine ausgibt. Sie können sie nur überwachen, die Reaktion im Voraus vorbereiten und die verlässlichen Quellen so stark halten, dass sie die Version darstellen, auf die die Engines zurückgreifen.