[[FIG:kb-0207]]

Wie nicht offengelegte Bearbeitungen Schritt für Schritt nach hinten losgehen

1. Die Erkennung ist zuverlässig. Erfahrene Autoren erkennen solche Bearbeitungen an typischen Mustern: Single-Purpose-Accounts, die nur den Artikel eines Unternehmens bearbeiten, werbliche Sprache, Zitate aus weiterverbreiteten Pressemitteilungen und auffällig koordinierte Bearbeitungen. In der Regel entdecken sie diese innerhalb weniger Tage.
2. Erfahrene Autoren setzen die Bearbeitungen vollständig zurück. Sobald sie auffallen, entfernen Autoren die Änderungen, häufig mit einem öffentlichen Hinweis auf der Diskussionsseite, der den vermuteten, nicht offengelegten Bearbeiter benennt und erklärt, warum die Änderung rückgängig gemacht wurde.
3. Autoren markieren den Artikel. Es erscheinen Wartungshinweise, die jeder spätere Leser sehen kann und die signalisieren, dass die Seite von jemandem bearbeitet wurde, der sich nicht an die Regeln gehalten hat.
4. Die Diskussionsseite wird zu einem dauerhaften Beleg. Autoren protokollieren die Entdeckung auf der Diskussionsseite. Künftige Autoren und Journalisten können sie dort finden, sodass die Episode die zurückgesetzte Bearbeitung überdauert.
5. Das Konto kann gesperrt werden. Die fehlende Offenlegung bezahlter Bearbeitungen kann zu Kontosperrungen und in manchen Fällen zu IP-Bereichssperren führen.
6. Der Artikel steht am Ende häufig schlechter da. Weil die Community nun Grund hat, jede Behauptung genauer zu prüfen, kann die Seite kritischer ausfallen oder stärker markiert werden, als wenn die Änderung von Anfang an ordnungsgemäß vorgeschlagen worden wäre.

Die Kosten-Nutzen-Rechnung fällt jedes Mal gleich aus. Der Erwartungswert nicht offengelegter Bearbeitungen ist negativ, weil die wahrscheinlichen Folgen (Zurücksetzung, öffentlicher Hinweis, Markierungen, ein gesperrtes Konto, ein schlechterer Artikel) jeden kurzfristigen Vorteil überwiegen. Der Weg über einen offengelegten Interessenkonflikt, bei dem die Änderung auf der Diskussionsseite mit verlässlichen Quellen vorgeschlagen und die Entscheidung unabhängigen Autoren überlassen wird, ist langsamer, aber der einzige Weg mit positivem Erwartungswert.

The post Warum gehen nicht offengelegte Wikipedia-Bearbeitungen nach hinten los? appeared first on Five Blocks.

[[FIG:kb-0203]]

Wie Wikipedia in ChatGPTs Antworten einfließt

• Im Vortraining. Wikipedia ist eine umfangreiche, offen lizenzierte und von vielen bearbeitete Referenz, was sie zu einem naheliegenden und stark vertretenen Bestandteil der Daten macht, aus denen ein Modell wie ChatGPT gelernt hat. Das verschafft ChatGPT eine Grundbeschreibung der Entität, noch bevor eine Live-Suche stattfindet.
• Beim Retrieval. Wenn ChatGPT Suche aktiv ist, kann eine Anfrage zu einer Entität einen Live-Abruf auslösen, und ein aktueller Wikipedia-Artikel gilt dabei als besonders maßgebliche Seite – deshalb zitiert ChatGPT den Artikel manchmal direkt mit einem eingebetteten Link in seiner Antwort.

Dabei zeigt sich immer wieder: dass ChatGPTs Antwort über ein Unternehmen tendenziell der Form der Wikipedia-Einleitung folgt: Sie beginnt mit einer gleichartigen Kurzbeschreibung in einem Satz, stützt sich auf dieselben Fakten und übernimmt häufig dieselbe Einordnung und Wortwahl.

Warum der Wikipedia-Artikel am wichtigsten ist

Weil beide Wege auf eine einzige Seite zurückführen, ist der Wikipedia-Artikel meist der beste Ansatzpunkt, wenn ChatGPT einen Kunden unfair darstellt. Ziel ist dabei nicht ein schmeichelhafter, sondern ein präziser, ausgewogener und gut belegter Artikel, denn genau diese Eigenschaften machen die Seite für ein System zu einer verlässlichen Quelle. Eine Korrektur auf Wikipedia setzt sich in der Regel auch bei ChatGPT und den anderen großen Systemen durch – abhängig vom jeweiligen Aktualisierungszyklus: schnell bei Retrieval-gestützten Antworten, allmählicher bei Antworten, die durch das Vortraining geprägt sind.

The post Wie beeinflusst Wikipedia, was KI-Modelle wie ChatGPT über Sie sagen? appeared first on Five Blocks.

[[FIG:kb-0208]]

Weg 1: Training

Jedes führende KI-Modell wurde mit einem Korpus trainiert, der Wikipedia als grundlegenden Bestandteil enthielt. Wikipedia wird in diesem Korpus bevorzugt, weil ihre Inhalte dicht, faktenbasiert, strukturiert und durch eine Community nach festen Qualitätsregeln gepflegt sind. Die in vergleichbarem Umfang verfügbaren Alternativen, allgemeine Web-Crawls, soziale Plattformen und Foren, sind deutlich verrauschter. Da das Modelltraining teurer geworden ist und die Datenauswahl strenger ausfällt, ist der Anteil gut kuratierter Quellen wie Wikipedia gegenüber signalarmen Web-Inhalten gestiegen.

• Training der Basismodelle: Wikipedia war ein grundlegender Bestandteil des Trainingskorpus für die großen LLMs, einschließlich der Modelle hinter ChatGPT, Gemini und Copilot.
• Gewichtung nach Qualität: Große KI-Systeme gewichten Wikipedia sowohl beim Training als auch beim Retrieval stark, wenn sie Fragen zu Entitäten beantworten. Wikipedia ist der Referenzpunkt, an dem verrauschtere Quellen gemessen werden.
• Nachgelagerte Wirkung: Kategorie- und Entitätssignale aus Wikipedia fließen in Wikidata und den Google Knowledge Graph ein, die KI-Systeme ebenfalls nutzen. Ein einzelner gut gepflegter Artikel wirkt damit über seine eigene Seite hinaus.

Weg 2: Abruf bei der Anfrage

Zusätzlich zu den Inhalten in den Modellgewichten rufen abrufgestützte KI-Systeme bei einer Anfrage zu einer bekannten Entität live einen Wikipedia-Artikel ab. Der Artikel fließt in die Antworterzeugung ein und prägt die generierte Antwort direkt. Dieser Weg spiegelt Änderungen an Wikipedia innerhalb von Stunden oder Tagen wider, statt auf den nächsten Trainingslauf des Modells zu warten.

• Expliziter Wikipedia-Abruf: Abrufgestützte KI-Systeme bevorzugen Wikipedia bei der Anfrage und verlinken Wikipedia häufig direkt im Text.
• Muster bei Entitätsanfragen: ChatGPT und andere große KI-Systeme behandeln Wikipedia als grundlegende Referenz für Entitätsfragen und greifen dabei sowohl auf Trainingsdaten als auch auf Retrieval zurück.
• Googles Infrastruktur: Googles Übersicht mit KI und die Gemini-Synthese gewichten Wikipedia und den Knowledge Graph als primäre Quellen, wenn ein Thema zusammengefasst wird, weil Gemini direkten Zugriff auf Googles Infrastruktur und den Knowledge Graph hat.
• Zeitunabhängige und zeitkritische Anfragen: Bei zeitlosen Entitätsanfragen stützen sich KI-Systeme auf den Trainingskorpus und Wikipedia, bei zeitkritischen Anfragen auf den Live-Abruf. Wikipedia ist in beiden Modi die Referenz für die Entität.

Warum der Einfluss weiter wächst

Vor drei Jahren war KI-gestützte Suche mit Live-Abruf aus Wikipedia noch nicht Standard. Heute ist sie es. Gleichzeitig bleibt Wikipedia beim Training der nächsten Modellgeneration eine hochwertige Quelle. Der Wikipedia-Artikel zu einem Thema steht bei der Suche nach dem Markennamen ganz oben, speist das Google Knowledge Panel und gehört zu den am stärksten gewichteten Quellen, die KI-Systeme nutzen. Verbesserungen am Artikel wirken sich bei stark abrufgestützten Modellen innerhalb weniger Wochen sichtbar auf Systemebene aus. KI-Systeme gewichten Wikipedia im Training stärker und rufen die Plattform häufiger live ab. Deshalb steht die Arbeit an Wikipedia im Zentrum jedes KI-Reputationsprogramms und nicht an dessen Rand.

The post Warum wächst der Einfluss von Wikipedia auf das KI-Training, anstatt zu schrumpfen? appeared first on Five Blocks.

[[FIG:kb-0198]]

Eine Quelle, viele Fundstellen

Bei den meisten Suchanfragen nach der Marke, sei es der Unternehmensname, der Name des CEO oder einer leitenden Führungskraft, landet der Wikipedia-Artikel tendenziell unter den ersten drei Google-Ergebnissen. Von dort gelangen seine Inhalte in weitere Kanäle:

• Google-Suchergebnisse: Der Artikel ist bei einer Suche zur Marke meist eines der ersten organischen Ergebnisse, auf das geklickt wird.
• Das Knowledge Panel: Google bezieht die dort angezeigte Beschreibung und die Fakten direkt aus Wikipedia und Wikidata.
• Jedes große KI-System: ChatGPT, Gemini, Perplexity, Copilot, Claude und Googles Übersicht mit KI stützen sich sowohl beim Training als auch bei der Abfrage stark auf Wikipedia, sodass der Artikel häufig die maßgebliche Zusammenfassung liefert, die ein System über das jeweilige Thema liefert.

Warum diese Verbreitung das Risiko erhöht

Weil der Artikel so viele Kanäle speist, bleibt ein ungenauer, unvollständiger oder negativ dargestellter Wikipedia-Eintrag nicht auf Wikipedia beschränkt. Er taucht in den Suchergebnissen auf, im Knowledge Panel, in KI-Antworten und bei Recherchen von Journalisten, Investoren und Geschäftspartnern, die eine dieser Quellen heranziehen. Die Korrektur des Wikipedia-Artikels ist einer der wenigen Schritte in der Reputationsarbeit, der alle diese Kanäle auf einen Schlag korrigiert.

The post Warum ist Wikipedia für den Ruf eines Unternehmens wichtig? appeared first on Five Blocks.

[[FIG:kb-0211]]

Fünf Fehler, die PR-Agenturen bei Wikipedia immer wieder machen

• Direktes Bearbeiten, ohne die Kundenbeziehung offenzulegen. Dies verstößt gegen die Nutzungsbedingungen der Wikimedia Foundation, die von jedem, der für seine Beiträge bezahlt wird, verlangen, Arbeitgeber, Kunde und jede andere relevante Verbindung offenzulegen. Nicht offengelegte bezahlte Bearbeitungen fallen besonders zuverlässig auf: Die Community erkennt das Muster, revertiert die Änderungen und kann das Konto sanktionieren.
• Werbliche Sprache verwenden. Subjektive Adjektive, werbliche Rahmung, die Betonung von Auszeichnungen und einseitig positive Darstellungen werden sofort revertiert. Wikipedias Richtlinie zum Interessenkonflikt stellt fest, dass durch Interessenkonflikt motivierte Inhalte „in der Regel werblich sind und negative Informationen auslassen“ – genau das Signal, auf das erfahrene Bearbeiter bei der Kontrolle neuer Änderungen achten. Ein Artikel, der davon genug ansammelt, wird zur Überarbeitung markiert oder zur Löschung vorgeschlagen.
• Diskussionsseiten wie einen Pressekanal behandeln. Bearbeitungsanfragen auf der Diskussionsseite, die wie Pressemitteilungen klingen (allgemeines Lob, unbelegte Superlative, Anfragen, die sich an den Präferenzen des Kunden statt an den Richtlinien orientieren), werden abgelehnt oder ignoriert. Die Diskussionsseite dient der Diskussion in der Community und unterliegt den Inhaltsrichtlinien von Wikipedia. Anfragen müssen sich auf Richtlinien stützen und durch unabhängige, zuverlässige Quellen belegt sein, um ernst genommen zu werden.
• Konfrontativer Umgang mit Bearbeitern, die sich querstellen. Ehrenamtliche Bearbeiter der Voreingenommenheit zu bezichtigen oder ihnen konfrontativ zu begegnen, verprellt genau die Personen, deren Zustimmung darüber entscheidet, ob eine vorgeschlagene Änderung umgesetzt wird. Das Verfahren bei offengelegtem Interessenkonflikt hängt davon ab, dass sich ein unabhängiger Bearbeiter bereit erklärt, den Vorschlag zu prüfen und umzusetzen – und ein konfrontatives Vorgehen sorgt zuverlässig dafür, dass genau das nicht geschieht.
• Kundeneigenes Material als Beleg. Wikipedias Grundsatz der Nachprüfbarkeit verlangt, dass Inhalte durch unabhängige, zuverlässige Quellen belegt werden. Vorschläge, die sich nur auf Pressemitteilungen, die Website oder eigene Publikationen des Kunden stützen, erfüllen den Belegstandard nicht und werden bei der Prüfung abgelehnt oder gestrichen.

Der regelkonforme Weg ist das Verfahren bei offengelegtem Interessenkonflikt: die bezahlte Beziehung auf der Benutzerseite und der Diskussionsseite des Artikels angeben und dann belegte Änderungsvorschläge über eine Bearbeitungsanfrage einreichen, damit ein unabhängiger Bearbeiter sie prüfen kann. Mehrere große internationale PR-Agenturen geben Wikipedia-Arbeit an Spezialisten ab, weil das eigene Personal diese Lektion bereits durch schmerzhafte Erfahrungen gelernt hat.

The post Wie gehen PR-Agenturen mit Wikipedia um und was läuft dabei schief? appeared first on Five Blocks.

[[FIG:kb-0214]]

BLP (Biografien lebender Personen)

Geht es in dem Artikel um eine lebende Person und ist eine strittige Aussage nicht durch hochwertige, zuverlässige Quellen belegt, erlaubt die BLP-Richtlinie die sofortige Entfernung dieses Materials, ohne einen Konsens der Community abzuwarten. Wikipedias eigene Richtlinie formuliert es so: „Strittiges Material über lebende Personen, das unbelegt oder schlecht belegt ist, muss unabhängig davon, ob es sich um negative, positive, neutrale oder schlicht fragwürdige Angaben handelt, sofort entfernt werden.“ Das ist die wirksamste Grundlage für eine Entfernung, die die Plattform bietet.

Überprüfbarkeit (WP:V)

Lässt sich eine Aussage nicht anhand zuverlässiger, unabhängiger, veröffentlichter Sekundärquellen belegen, kann sie wegen fehlender Überprüfbarkeit entfernt werden. Wikipedias Richtlinie ist hier eindeutig: „Material, das einen Einzelnachweis benötigt, aber keinen hat, kann entfernt werden.“ Das gilt unabhängig davon, ob der Artikel eine lebende Person betrifft. Die eigene Website eines Unternehmens oder Pressemitteilungen reichen in der Regel nicht als alleinige Quelle aus; erforderlich ist unabhängige Sekundärberichterstattung.

NPOV (Neutraler Standpunkt)

Ist eine Aussage zwar belegt, aber so formuliert, dass sie einer Perspektive ein unangemessenes Gewicht gibt, eine nicht-neutrale Sprache verwendet oder eine Meinung als Tatsache darstellt, greift die NPOV-Richtlinie. Wikipedia verlangt, dass Artikel „alle bedeutsamen Standpunkte, die in zuverlässigen Quellen veröffentlicht wurden, im Verhältnis zu ihrer Bedeutung in diesen Quellen fair wiedergeben“. NPOV-Verstöße umfassen wertende Sprache in der Einleitung, unverhältnismäßige Berichterstattung über ein umstrittenes Ereignis und die Darstellung der Position einer Partei als gesicherte Tatsache.

Wie Korrekturen umgesetzt werden

In allen drei Fällen läuft die Korrektur über die Diskussionsseite, nicht über direkte Bearbeitungen am Artikel. Wer ein eigenes Interesse am Artikel hat, hat einen Interessenkonflikt (COI); in einem solchen Fall verlangt Wikipedia eine offengelegte Bearbeitungsanfrage auf der Diskussionsseite, die den betroffenen Text konkret benennt, die einschlägige Richtlinie zitiert, eine korrigierte Formulierung vorschlägt und Belegquellen liefert. Unabhängige Mitglieder der Community prüfen die Änderung anschließend und setzen sie um. Dieser Weg dauert länger als eine direkte Bearbeitung. Das Ergebnis hat jedoch Bestand, weil die Community zugestimmt hat.

Wenn der Inhalt zutrifft: was trotzdem möglich ist

Unvorteilhafte, aber zutreffende und gut belegte Inhalte zu entfernen, ist deutlich schwieriger. Wikipedias NPOV-Standard erlaubt keine Entfernung kritischen Materials, das verhältnismäßig in zuverlässigen Sekundärquellen dokumentiert ist; die Community wertet solche Entfernungsversuche als Unterdrückung und lehnt sie in der Regel ab. Die Richtlinienmechanismen erfassen echte Ungenauigkeiten und Belegmängel, nicht das Unbehagen an zutreffender Berichterstattung.

Diese Grenze lässt trotzdem Spielraum. Ist eine Aussage zutreffend, aber unvollständig oder ohne Kontext, kann dasselbe offengelegte Verfahren auf der Diskussionsseite genutzt werden, um fehlenden Kontext zu ergänzen, Datumsangaben zu korrigieren oder eine unverhältnismäßige Darstellung im Sinne von NPOV auszugleichen. Das ist eine Ergänzung und keine Löschung, und die Community akzeptiert das deutlich eher. Dauerhafter wirkt die Arbeit am weiteren Umfeld des Artikels: genaues, gut belegtes Material an anderer Stelle zu veröffentlichen, damit zuverlässige Sekundärberichterstattung mit der Zeit ein vollständigeres Bild vermittelt, sowie strukturierte Entitätssignale wie Wikidata und andere maßgebliche Referenzen zu stärken, auf die sich KI-Systeme und Suchsysteme stützen. Wer beobachtet, wie sich der Artikel, seine Quellen und KI-generierte Zusammenfassungen im Lauf der Zeit verändern, macht aus der einmaligen Korrektur eine laufende Aufgabe.

Eine Firma wie Five Blocks übernimmt genau diese Arbeit. Sie trennt, was tatsächlich gegen die Richtlinien verstößt und was nicht, reicht korrekte und offengelegte Bearbeitungsanträge ein, baut die Gegeninhalte und Entitätssignale auf, die dieses Umfeld prägen, und überwacht das Ergebnis mit Tools wie AIQ und IMPACT in Such- und KI-Systemen.

The post Was tun, wenn unser Wikipedia-Eintrag falsche Informationen enthält? appeared first on Five Blocks.

[[FIG:kb-0202]]

Weg 1: Der Trainingskorpus

Jedes bedeutende Modell wurde unter anderem mit der englischen Wikipedia als Kernquelle trainiert. Sie zählt zu den größten hochwertigen Textsammlungen überhaupt und trägt daher erheblich zu dem bei, was ein Modell bereits „weiß“, bevor es überhaupt eine Suche durchführt. Öffentliche Modelldokumentationen belegen das Ausmaß: Der Trainingsmix von GPT-3 enthielt rund 3 Milliarden Tokens aus Wikipedia, und frühere Modelle wie BERT wurden mit der vollständigen englischen Wikipedia (rund 2.500 Millionen Wörtern) trainiert. Ist der Artikel einer Entität einmal Teil dieses Korpus, beeinflusst sein Inhalt Antworten selbst dann, wenn die Engine keine Live-Recherche durchführt.

Weg 2: Die Live-Recherche

Engines mit Live-Recherche, darunter ChatGPT Search, Gemini, Perplexity, Copilot und Googles Übersicht mit KI, suchen für ihre Antwort in Echtzeit im Web und bevorzugen dabei Wikipedia unter den herangezogenen Quellen. Sie zitieren den Artikel häufig direkt mit einem eingebetteten Link und paraphrasieren seine Passagen in ihrer Antwort. Da dieser Weg den aktuellen Artikel liest und nicht eine eingefrorene Momentaufnahme, können sich jüngste Bearbeitungen innerhalb von Tagen oder Wochen in KI-Antworten niederschlagen, selbst wenn der Trainingsstichtag des Modells Monate zurückliegt.

Warum beide Wege zum selben Artikel führen

Ein einziger Wikipedia-Artikel prägt die KI-Darstellung damit über beide Kanäle gleichzeitig. Unabhängige Zitationsstudien stützen das: Eine Analyse ergab, dass Wikipedia die meistzitierte Quelle von ChatGPT ist, und mehrere Studien zählen sie zu den zwei meistzitierten Domains von ChatGPT. Existiert zu einer Entität ein Artikel, behandeln KI-Engines ihn daher meist als bevorzugte Quelle für die Darstellung. Weist dieser Artikel Lücken, Fehler oder Neutralitätsprobleme auf, tauchen diese Probleme tendenziell gleichzeitig in den KI-Antworten mehrerer Engines auf. Deshalb ist der Artikel für die Arbeit an der KI-Reputation so wichtig: Ein verbesserter Artikel wirkt sich tendenziell überall zugleich auf die KI-Darstellung aus – schnell bei Engines mit starker Live-Recherche, langsamer bei jenen, die vor allem auf das Training setzen.

The post Wie beeinflusst Wikipedia, was KI-Chatbots über Sie sagen? appeared first on Five Blocks.

[[FIG:kb-0200]]

Die drei Google-Effekte eines Wikipedia-Artikels

1. Organisches Ranking bei markenbezogenen Suchanfragen. Bei Suchanfragen nach dem Thema selbst rangiert der Wikipedia-Artikel in der Regel weit oben in den organischen Ergebnissen, und gehört damit zu den ersten Ergebnissen, die Nutzer anklicken.
2. Das Knowledge Panel. Wikipedia und Wikidata gehören zu den wichtigsten Quellen, aus denen Google das Knowledge Panel speist, das auf dem Desktop in der rechten Seitenleiste und bei mobilen Ergebnissen weit oben erscheint. Die Beschreibung, das Gründungsdatum und weitere Fakten im Panel stammen aus dem Artikel und aus Wikidata.
3. Übersicht mit KI und Gemini. Googles KI-Synthese misst Wikipedia und dem Knowledge Graph als primären Quellen besonderes Gewicht bei, weshalb der Artikel maßgeblich beeinflusst, wie Übersicht mit KI und Gemini das Thema bei verwandten Suchanfragen beschreiben.

Ein einziger Artikel prägt somit gleich auf drei Arten, wie ein Thema in der Google-Suche erscheint. Ein Fehler, eine Lücke oder eine nicht neutrale Darstellung bleibt nicht auf Wikipedia beschränkt. Das wirkt sich zugleich auf das organische Ranking, das Knowledge Panel und die KI-Antwort aus.

The post Wie wirkt sich eine Wikipedia-Seite auf die Google-Suchergebnisse aus? appeared first on Five Blocks.

[[FIG:kb-0213]]

Ausweichlösung für Entitäten ohne Wikipedia-Artikel

Wenn für eine Entität ein Wikipedia-Artikel nicht infrage kommt oder nicht gewollt ist, sind die wirksamsten Signale zum Ausgleich:

• Wikidata-Eintrag: Ein vollständiger, gut verlinkter Wikidata-Eintrag ist die naheliegendste strukturierte Alternative zu einem Wikipedia-Artikel und wird von mehreren KI-Systemen direkt für Entitätsdaten genutzt.
• Schema.org-Markup: Strukturiertes Markup auf eigenen Onlinepräsenzen (Website, Pressebereich, Führungskräfteprofile) hilft KI-Crawlern, die Entität zuverlässig zuzuordnen und konsistent zu beschreiben.
• Maßgebliche Drittanbieter-Einträge: Präsenz in glaubwürdigen, unabhängigen Quellen – Branchendatenbanken, behördlichen Registern, etablierten Nachrichtenarchiven – ergänzt die Datenbasis, auf die die KI zurückgreifen kann.
• Einheitliche Entitätsattribute: Wenn Name, Beschreibung, Gründungsdatum und andere Kernfakten der Entität auf allen strukturierten Webpräsenzen identisch angegeben werden, sinkt das Risiko widersprüchlicher Signale.

Diese Maßnahmen sind eine echte Ausweichlösung, mehr aber auch nicht. Das Fehlen eines Wikipedia-Artikels ist kein neutraler Zustand, sondern wirkt sich strukturell nachteilig darauf aus, wie KI-Suchmaschinen Entitätsbeschreibungen zusammenstellen und wiedergeben.

The post Wie wirkt sich ein fehlender Wikipedia-Artikel auf die Sichtbarkeit in der KI-Suche aus? appeared first on Five Blocks.

[[FIG:kb-0215]]

Warum Aktualität wichtig ist

• Ein Artikel, der eine Führungskraft weiterhin als beim früheren Arbeitgeber tätig ausweist, signalisiert Lesern, dass niemand die Seite pflegt – ein Glaubwürdigkeitsproblem bei einer Seite, die in der Suche weit oben rangiert und KI-Systeme mit Informationen versorgt.
• Wikipedia-Artikel gehören sowohl in Google Knowledge Panels als auch in KI-generierten Antworten zu den am häufigsten zitierten Quellen für Profile von Führungskräften, sodass sich veraltete Informationen entsprechend verbreiten.

So funktioniert die Aktualisierung

1. Verlässliche Quellen zum Wechsel identifizieren. Wikipedia verlangt unabhängige, redaktionell sorgfältig geprüfte Berichterstattung, typischerweise eine Nachrichtenagentur oder ein großes Wirtschaftsmedium (Bloomberg, Reuters, Wall Street Journal), das über den Abgang oder die neue Position berichtet.
2. Eine Bearbeitungsanfrage auf der Diskussionsseite stellen. Da die betroffene Person einen Interessenkonflikt hat, ist eine direkte Bearbeitung nicht der anerkannte Weg. Stattdessen stellt die betroffene Person auf der Diskussionsseite eine Anfrage, nennt darin die Quellen und macht einen konkreten Formulierungsvorschlag.
3. Unabhängige Autoren prüfen und setzen die Änderung um. Die Community bewertet die Quellenlage und setzt die Aktualisierung um, sofern der Vorschlag Wikipedias Standards entspricht. Klare, gut belegte Anfragen werden in der Regel zügig bearbeitet.

Proaktiv statt reaktiv

Bei prominenten Führungskräften sollte die Bearbeitungsanfrage auf der Diskussionsseite bereits vorbereitet sein, damit sie am Tag der öffentlichen Ankündigung eingereicht werden kann. So wird der Artikel noch im Zuge derselben Berichterstattung aktualisiert, statt erst Wochen später, wenn die veraltete Version bereits kursiert.

The post Was passiert mit Ihrem Wikipedia-Eintrag, wenn Sie das Unternehmen verlassen? appeared first on Five Blocks.