Wie gehen KI-Modelle mit der Begriffsklärung bei Personen und Unternehmen mit häufigen Namen um?

KI-Suchmaschinen bewältigen die Begriffsklärung bei häufigen Namen mithilfe von Entitätsinfrastruktur. Wenn diese Infrastruktur stark ist, leiten die Suchmaschinen eine Anfrage über eine bestimmte Person auch genau an diese Person weiter und nicht an jemand anderen, der denselben Namen trägt. Wenn sie fehlt oder unvollständig ist, raten die Suchmaschinen, und diese Vermutungen können auf schädliche Weise falsch sein.

Die vier Ebenen der Begriffsklärung

1. Wikipedia-Begriffsklärungsseiten

   Wenn sich mehrere unterschiedliche Subjekte denselben Namen teilen, erstellt Wikipedia eine Begriffsklärungsseite, die jedes Subjekt auflistet und auf den entsprechenden Artikel verlinkt. Dies ist eines der wichtigsten Signale, die Suchmaschinen nutzen, um Entitäten mit identischen oder nahezu identischen Namen auseinanderzuhalten. Ohne eine Begriffsklärungsseite oder einen klar differenzierten Artikeltitel ist es für eine Suchmaschine schwieriger, die Entität von ihrem Namensvetter zu trennen. Die eigene Dokumentation von Wikipedia definiert eine Begriffsklärungsseite als eine Nicht-Artikel-Seite, die die verschiedenen mit einem Namen verbundenen Bedeutungen auflistet und auf die Artikel verlinkt, die diese jeweils behandeln.

2. Eindeutige Wikidata-Identifikatoren (Q-IDs)

   Jedes Wikidata-Datenobjekt trägt eine eindeutige Q-ID, eine Zahl mit dem vorangestellten Buchstaben Q, wie etwa Q42 für Douglas Adams, die die Entität verankert, unabhängig davon, wie viele andere einen ähnlichen Namen tragen. Die eigene Einführung von Wikidata definiert Datenobjekte als durch Q-Nummern eindeutig identifiziert. Jeder Wikipedia-Artikel dieser Entität in den verschiedenen Sprachversionen ist als Sitelink mit demselben Wikidata-Datenobjekt verknüpft, was KI-Suchmaschinen und dem Google Knowledge Graph einen maschinenlesbaren Identitätsanker für Abfragen bietet. Ein fehlender oder unvollständiger Wikidata-Eintrag entfernt diesen Anker und führt dazu, dass sich die Suchmaschine auf schwächere, mehrdeutigere Signale verlassen muss.

3. Schema.org-Person-Markup mit sameAs-Links

   Die Eigenschaft sameAs von Schema.org ermöglicht es den eigenen Webseiten einer Marke, eine Referenz-URL anzugeben, die „die Identität des Elements unmissverständlich anzeigt“, in der Regel den Wikipedia-Artikel der Entität, den Wikidata-Eintrag oder die offizielle Website. Wenn dieses Markup auf einer Personen- oder Organisationsseite vorhanden ist, liefert es KI-Suchmaschinen und dem Knowledge Graph ein explizites maschinenlesbares Signal, das die Seite mit der kanonischen Entität verbindet. Dies ist die Ebene, auf der die eigene Infrastruktur die Identität direkt behauptet, anstatt darauf zu warten, dass Suchmaschinen sie aus dem umgebenden Text ableiten.

4. Kontextuelle Hinweise in der Suchanfrage

   Branchenbeschreibungen, geografische Zusätze, Berufsbezeichnungen und gemeinsam erwähnte verwandte Entitäten in der Suchanfrage des Nutzers fungieren alle als weiche Signale zur Begriffsklärung. Diese Hinweise helfen, wenn die oben genannte strukturelle Infrastruktur stark ist, aber sie können einen fehlenden Wikidata-Eintrag oder fehlendes Schema-Markup bei starker Namensüberschneidung nicht vollständig ausgleichen. Kontextuelle Hinweise sind das, worauf die Suchmaschine zurückgreift, wenn die maschinenlesbaren Ebenen die Mehrdeutigkeit nicht sauber auflösen.

Das Problem der Vermischung

Wenn die Entitätsinfrastruktur schwach ist, was bedeutet, dass es keinen Wikidata-Eintrag, kein Schema-Markup und keine saubere Wikipedia-Begriffsklärungsseite gibt, ist es wahrscheinlicher, dass KI-Suchmaschinen das Ziel mit einer anderen Entität vermischen, die denselben oder einen ähnlichen Namen trägt. Untersuchungen zu großen Sprachmodellen zeigen, dass Modelle breite Klassen von menschlichen Namen durchweg falsch behandeln können, wenn die klärenden kontextuellen Hinweise fehlen. Die Lösung setzt an der Quelle an: ein vollständiges Wikidata-Datenobjekt mit belegten Aussagen und Sitelinks, Schema-Markup mit sameAs, das auf Wikipedia und Wikidata verweist, sowie eine klare Wikipedia-Begriffsklärungsseite oder ein eindeutiger Artikeltitel. Dies sind infrastrukturelle Eingriffe. Workarounds auf Prompt-Ebene beheben nicht die eigentliche Ursache.