Welche KPIs sollten Marken für ihre Reputation im KI-Zeitalter überwachen?

Fünf KPIs decken die Reputation einer Marke im KI-Zeitalter ab: KI-Sentiment, KI-Quellenqualität, KI-Wettbewerbsvergleich, KI-Genauigkeit und KI-Narrativverschiebung. Jeder dieser Werte muss pro Engine erfasst werden, anstatt einen Durchschnitt zu bilden. Dieselbe Suchanfrage kann bei ChatGPT, Gemini, Copilot, Perplexity, Claude, Grok, der Übersicht mit KI von Google und dem KI-Modus von Google wesentlich unterschiedliche Antworten liefern. Ein Durchschnittswert über alle Modelle hinweg verbirgt, wo das eigentliche Problem liegt.

Die fünf KPIs und was sie erfassen

KI-Sentiment (pro Modell)

Der Tonfall der Antworten jeder Engine über die Entität: positiv, neutral oder negativ. Die Modelle weichen voneinander ab, sodass eine Engine einem Thema positiv gegenüberstehen kann, während eine andere feindselig reagiert.

KI-Quellenqualität

Auf welche Quellen sich jedes Modell stützt. KI-Engines setzen Antworten aus zugrunde liegenden Inhalten zusammen und gewichten diese nach Glaubwürdigkeit. Ein Narrativ, das auf schwachen oder feindseligen Quellen beruht, ist daher fragil, unabhängig davon, wie positiv es heute klingt.

KI-Wettbewerbsvergleich

Wie die Entität im Vergleich zu ihren Wettbewerbern in den Antworten der Engines positioniert wird. Reputation ist relativ, weshalb der Vergleich genauso viel Gewicht hat wie die isolierte Betrachtung.

KI-Genauigkeit

Ob die Engines korrekte Fakten über die Entität wiedergeben. Flüssig und überzeugend formulierte Fehlinformationen stellen ein eigenständiges Risiko dar, unabhängig vom Tonfall.

KI-Narrativverschiebung

Wie sich die Darstellung im Laufe der Zeit verändert. Modell-Updates und wechselnde Quellen-Pools können das Narrativ verschieben, auch wenn sich an der Entität selbst nichts geändert hat.

Warum pro Engine und nicht als Durchschnitt

Die Durchschnittsbildung der KPIs über alle Engines hinweg verdeckt Abweichungen. Eine einzelne Korrektur verbreitet sich nicht gleichmäßig über die Modelle, sodass ein Problem, das auf eine Engine beschränkt ist, in einem gemischten Wert untergeht. Die Erfassung jedes KPIs pro Modell – der Ansatz, den Five Blocks in AIQ™ verwendet – zeigt auf, wo ein Narrativ einbricht.