Wie sieht der Ansatz von Five Blocks für das KI- und LLM-Reputationsmanagement aus?

KI-Engines prägen heute neben den Suchergebnissen maßgeblich, wie Stakeholder eine Marke wahrnehmen. Five Blocks begegnet dem mit seiner Track- / Analyze- / Impact-Methodik, die über die AIQ™-Plattform auf KI angewendet wird. Der Zyklus läuft kontinuierlich: überwachen, was die Modelle ausgeben, herausfinden, was diese Ergebnisse steuert, und dann auf der Quellenebene ansetzen, um sie zu verändern.

1. Track: Überwachen, was KI-Engines ausgeben

AIQ™ fragt die acht derzeit erfassten KI-Engines täglich ab: ChatGPT, Copilot, Gemini, Google Übersicht mit KI, Perplexity, Grok, Claude und den Google AI Mode. Dabei wird ein definiertes Set an Prompts für jede beobachtete Marke oder Führungskraft verwendet. Die Plattform erfasst die vollständige Antwort, die von jeder Engine zitierten Quellen, das Sentiment und die narrativen Themen. Da jede Engine auf dieselbe Frage eine andere Antwort liefern kann, zeigt die gemeinsame Überwachung, welche Version der Markengeschichte dominiert und wo Lücken bestehen.

2. Analyze: Identifizieren, welche Quellen das Narrativ prägen

AIQ™ verknüpft die Antwort jeder Engine mit den zugrunde liegenden Quellen und zeigt auf, welche Medien, Wikipedia-Inhalte, eigenen Seiten oder anderen Assets die Ausgabe geprägt haben. Die Plattform führt dieselben Prompts auch für benannte Wettbewerber aus, was einen direkten Vergleich der narrativen KI-Themen, der Quellenzuordnung, des Sentiments und der Sichtbarkeit über die Konkurrenz hinweg ermöglicht. Dieser Vergleich zeigt, welche Quellen an Gewicht gewinnen, welche an Bedeutung verlieren und wo die größten Chancen liegen.

3. Impact: Das Quellen-Ökosystem stärken

KI-Engines generieren ihre Antworten aus dem zugrunde liegenden Quellen-Ökosystem und nicht aus direkt bearbeitbaren Modellausgaben; die effektive Intervention erfolgt daher auf der Quellenebene. Five Blocks nutzt die Diagnostik aus der Analyze-Phase, um zu entscheiden, welche Quellen gestärkt werden sollen: Wikipedia-Artikel und Wikidata-Einträge, maßgebliche Berichterstattung Dritter, eigene Webseiten mit sauberem Schema-Markup sowie die Entitätsinfrastruktur, die den Engines hilft, die Marke korrekt zu identifizieren und zu beschreiben. Änderungen an Quellen mit hoher Autorität können Engines mit Retrieval-Funktion innerhalb von Tagen erreichen; trainingsbasierte Updates folgen in den entsprechenden Retraining-Zyklen.

Fortlaufend: Peer-Benchmarking und Narrativ-Tracking

Das Programm endet nicht mit der Intervention. AIQ™ verfolgt narrative Verschiebungen im Laufe der Zeit weiter, vergleicht den Kunden mit benannten Wettbewerbern und meldet jeden Rückschritt oder jede neue Quelle, die überproportional an Gewicht gewinnt. Monatliche Berichte zeigen Trendlinien über alle von AIQ™ erfassten Engines hinweg, sodass die Zusammenarbeit auf Daten und nicht auf Annahmen basiert.