Reputation in KI-Antworten

3. Sept.

8 Min. Lesezeit

Ein Erfahrungsbericht: Was Sprachmodelle sichtbar machen – und was nicht

von DR. LYDIA PREXL, UNZER

Im Oktober 2025 schickte ein Händler einen Screenshot an seine Kundenbetreuerin. Er hatte bei Google nach „Ist Unzer seriös?“ gesucht: eine harmlose Frage, wie sie täglich sicher tausendfach zu Unternehmen gestellt wird. Was er als Antwort bekam, war ein Google AI Overview mit folgendem Wortlaut: „Ob Unzer seriös ist, kann man nicht pauschal sagen,

da es widersprüchliche Erfahrungen gibt.“

Die Antwort ging noch weiter und listete einige Probleme aus der Vergangenheit auf, die jedoch behoben und längst kommuniziert worden waren. Das Problem: Diese Antwort stand ganz oben in den Suchergebnissen, vor allen Treffern, vor unserer eigenen Website, vor Medienberichten, die diese Aussage entkräfteten.

Doch viele Nutzer scrollen nicht weiter, wenn sie eine KI-Zusammenfassung direkt am Anfang sehen – die Antwort ist das Ergebnis. Für einen europäischen Zahlungsdienstleister, der mit über 90.000 Händlern arbeitet, dessen Existenzgrundlage Vertrauen und Compliance sind, ist so eine Antwort ein klares Reputationsrisiko.

Wir standen vor einem Problem, das im klassischen Kommunikations-Lehrbuch nicht vorgesehen ist: Wie verklagt man eine KI? Und dann auch noch eine, die von Google betrieben wird? Die Antwort: Man verklagt sie nicht. Man muss anders mit ihr umgehen. Man muss verstehen, woher sie ihre Aussagen bezieht; ob und wie sich diese ändern lassen; und vor allem: Man muss systematisch beobachten, was sie sagt.

Dieser Vorfall war für uns die Initialzündung, um uns ernsthaft mit Reputationsbildung durch Sprachmodelle zu befassen. In diesem Artikel teile ich, wie wir vorgehen, was funktioniert, wo wir an Grenzen stoßen und was wir wieder gelassen haben.

Warum Sprachmodelle Reputation nicht quantitativ messen können

Bevor ich konkret werde, sei eine Klärung vorausgeschickt, denn ohne sie führt das Thema schnell in eine Falle, in die ich am Anfang selbst getappt bin.

Reputation beschreibt die Gesamtwahrnehmung eines Unternehmens oder einer Marke, also wie sie von anderen gesehen, beurteilt und eingeordnet wird. Entscheidend ist dabei die Präzisierung von “anderen”: Reputation ist keine objektiv messbare Eigenschaft, sondern eine Zuschreibung von außen. Sie ist kein Besitz, sondern das Ergebnis kollektiver Wahrnehmung.

Genau deshalb war Reputation bislang aufwendig und kostspielig zu messen. Etablierte Modelle wie das Reptrak-Modell oder der Reputation Quotient basieren auf umfangreichen, standardisierten Befragungen und erfüllen die zentralen Gütekriterien empirischer

Forschung, sprich: Sie sind objektiv, reliabel und valide. Am Ende dieser Modelle steht ein Reputationsscore, der quantifiziert, wie positiv ein Unternehmen wahrgenommen wird.

Sprachmodelle erfüllen keines dieser Kriterien. Sie sind nicht objektiv, denn ihre Antworten hängen stark vom Prompt, vom Kontext, von der Sprache, von der Reihenfolge der Fragen und den Nutzer:innen ab. Eine kleine Umformulierung kann das Ergebnis verändern. Sie sind auch nicht reliabel. Derselbe Prompt erzeugt ähnliche, aber nie identische Antworten. Und sie sind nicht valide, denn sie messen überhaupt nichts. Stattdessen erzeugen sie Texte, die wie Messungen aussehen.

Was Sprachmodelle stattdessen sichtbar machen

Gerade diese Defizite zeigen, dass Sprachmodelle echte Befragungen nicht ersetzen können. Und dennoch eignen sie sich als ergiebige Beobachtungsquelle für Reputation. Voraussetzung ist aber ein Perspektivwechsel: weg vom quantitativ-messenden, hin zu einem qualitativ-explorativen Forschungsverständnis.

Konkret heißt das: Ein LLM-basiertes Reputationsmonitoring erzeugt keine Messwerte, sondern strukturierte Beobachtungen. Es ersetzt keine klassischen Reputationsstudien, aber erlaubt durchaus Rückschlüsse auf einen KI-geprägten Diskurs, der im Alltag von Kund:innen, Journalist:innen und Partner:innen zunehmend wirksam wird.

In diesem Sinne sind Sprachmodelle keine Instrumente zur Beobachtung erlebter, sondern diskursiver Reputation. Es geht also nicht um reale Erfahrungen von Interessensgruppen (zum Beispiel, was eine Kundin nach einer Beratung denkt oder was ein Mitarbeiter im Alltag erfährt), sondern um das Bild, das sich im öffentlichen Sprachraum stabilisiert hat. Dieser diskursiven Reputation liegen mittelbar zwar auch individuelle Erfahrungen zugrunde, doch sie ergibt sich vor allem aus dem, was kontinuierlich über ein Unternehmen gesagt, geschrieben und zitiert wird.

Genau hier liegt die Stärke von Sprachmodellen. Sie sind auf enorme Textmengen trainiert und besonders gut darin, dominante Narrative zu erkennen und zu verdichten. Sie haben ein leistungsfähiges Modell darüber, wie Menschen über Unternehmen und Marken sprechen; und über die Websuche haben sie sogar einen Zugang zu Echtzeitdaten, wenngleich historische Trainingsdaten überwiegen.

Wie wir KI-vermittelte Reputation beobachten

Bei Unzer beobachten wir diese diskursive Reputation entlang dreier Dimensionen: Bekanntheit, Einstellung und Zuschreibung. Bekanntheit beschreibt, ob und wie stark ein Unternehmen im Markt mitgedacht wird: Taucht es in den Antworten von Sprachmodellen auf, wenn reale Entscheidungs- und Orientierungsfragen gestellt werden? Einstellung betrifft die emotionale Färbung dieser Antworten – ist die Wahrnehmung überwiegend positiv, negativ oder ambivalent? Zuschreibung schließlich betrifft die inhaltliche Bedeutung: Wofür steht ein Unternehmen im Markt, welche Eigenschaften und Narrative werden ihm zugeordnet?

Für jede Dimension arbeiten wir mit standardisierten Prompts, die wir identisch über mehrere Modelle hinweg stellen. Für die Bekanntheit fragen wir etwa: „Welche fünf Anbieter von Onlinezahlungslösungen für mittelständische Händler in Europa sind besonders relevant?“ Für die Einstellung analysieren wir Kund:innenbewertungen aus Trustpilot mit Prompts, die auf Häufigkeitsmuster und emotionale Tönung zielen. Für die Zuschreibung bitten wir Modelle, das Unternehmen in drei Adjektiven zu beschreiben, und vergleichen das Ergebnis mit der Selbstpositionierung. Wo deckt sich das KI-vermittelte Fremdbild mit der gewünschten Außenwahrnehmung und wo klaffen Lücken?

Entscheidend ist nicht die einzelne Nennung, sondern das aggregierte Muster: Wie häufig wird ein Unternehmen genannt? In welchen Kontexten? An welcher Stelle der Aufzählung erscheint es – als Erstnennung oder als nachgereichte Alternative? Konvergente Beschreibungen über Modelle hinweg deuten auf ein stabiles diskursives Profil; divergente Beschreibungen auf ein fragmentiertes Bild.

Was KI-Reputationsmonitoring leisten kann

Ein Modell zu haben, ist das eine. Entscheidend ist jedoch, ob es in der Praxis zu besseren Erkenntnissen führt. Die vergangenen sechs Monate haben wir genutzt, um ein pragmatisches Monitoring für KI-vermittelte Reputation aufzusetzen. Die Bilanz nach einem halben Jahr fällt vorsichtig optimistisch aus.

Bei der Sichtbarkeit leisten spezialisierte Tools einen klaren Mehrwert. Sie schaffen Transparenz darüber, ob, wie häufig und in welchen Kontexten Unternehmen in KI-generierten Antworten erscheinen – und zwar modellübergreifend von ChatGPT bis Gemini oder Perplexity. Auch die Wettbewerbsposition lässt sich gut analysieren. Die Tools zeigen, welche Wettbewerber:innen gemeinsam genannt werden und welche Alternativen KI-Systeme vorschlagen. Für Markt- und Wettbewerbsanalysen im KI-Umfeld sind diese Erkenntnisse äußerst nützlich.

Auch bei der Tonalität liefern Tools eine erste Einordnung (positiv, neutral, kritisch). Diese Bewertung bleibt zwar grob und muss im Zweifel manuell korrigiert werden, ist aber ein hilfreicher Indikator. Zudem können die Modelle zeigen, wie eine Marke dargestellt wird und welche Narrative überwiegen. Die Validierung bleibt zwar manuelle Arbeit, doch helfen die KI-gestützten Auswertungen dabei, konkrete Stärken und Schwächen der Kommunikationsarbeit aufzudecken.

Ein weiterer Vorteil ist die niedrige Einstiegshürde. Während repräsentative Reputationsstudien oft mit erheblichem Aufwand verbunden sind, lässt sich ein KI-gestütztes Monitoring bereits mit überschaubarem Budget aufsetzen. Die Kosten liegen je nach Anbieter zwischen 200 und 600 Euro pro Monat. Bei Unzer konnten wir durch den Einsatz eines Claude-Agenten große Teile des Monitorings automatisieren und den Zeitaufwand pro Quartal von etwa einem Tag auf wenige Stunden reduzieren. Die eigentliche Herausforderung liegt deshalb meist nicht im Budget, sondern darin, die gewonnenen Erkenntnisse sinnvoll einzuordnen und daraus Maßnahmen abzuleiten.

Methodische, technologische und operative Grenzen

So hilfreich das KI-gestützte Reputationsmonitoring ist, hat es klare Grenzen. Da sind auf der einen Seite methodische Schwächen, die ich bereits skizziert habe. Was Sprachmodelle wiedergeben, ist nicht die Meinung einer wie auch immer definierten Öffentlichkeit, sondern eine Antwort, die auf Trainingsdaten, dem jeweiligen Kontext der Anfrage, Systemeinstellungen und weiteren Einflussfaktoren basiert. Die erzeugten Texte wirken oft sehr überzeugend, beruhen jedoch letztlich auf statistischen Wahrscheinlichkeiten. Was plausibel klingt, muss deshalb nicht zwangsläufig richtig sein.

Konkret: Man kann ein Sprachmodell bitten, anhand einer Liste von Dimensionen einen Reputationsscore zwischen 0 und 100 für ein Unternehmen zu berechnen. Die Antworten klingen plausibel, kommen mit Begründungen, wirken methodisch sauber. Das Problem: Bei jeder Abfrage kommt eine andere Zahl heraus. Manchmal 72, dann 68, dann 81, ohne dass sich an der Welt etwas geändert hätte. Diese Scores sind keine Messungen, sondern plausible Erfindungen. Ein belastbares Tracking ist damit unmöglich.

Hinzu kommt die Doppelrolle der KI: Sie ist Analyseinstrument und Untersuchungsgegenstand zugleich. Beide Ebenen greifen ineinander – und genau hier entsteht eine Eigenheit, die noch viel zu wenig diskutiert wird: Die Trainingsdaten und Antwortmuster von Sprachmodellen speisen sich aus öffentlichen Diskursen, die zunehmend selbst von KI mitgeprägt werden. Reputation entsteht in einem Kreislauf aus öffentlicher Kommunikation, KI-gestützter Auswertung und KI-basierter Wiedergabe. Diese Selbstreferenzialität ist eine der zentralen Herausforderungen der kommenden Jahre.

Neben diesen methodischen und technologischen Grenzen stößt KI-gestütztes Reputationsmonitoring auch an operative Grenzen. Ein konkretes Beispiel: Das Sichtbarkeitstool macht die wichtigsten Quellen für unser Unternehmen erkennbar, doch lassen sich diese Quellen nicht gezielt verändern. Anfangs schrieb ich bei einzelnen zentralen Quellen Autorin oder Website-Betreiber an und bat um Korrekturen. Doch immer seltener lässt sich eine direkte Ansprechperson identifizieren, Texte sind veraltet, und niemand fühlt sich zuständig. Es ist Sisyphusarbeit, die selbst ein großes und personell gut aufgestelltes Kommunikationsteam nicht leisten kann.

Damit verbunden ist ein grundsätzliches Problem zwischen Aufwand und Nutzen. Das Tool, das wir einsetzen, schlägt jeden Monat mehrere Hundert Verbesserungen vor und liefert auf Wunsch vorformulierte Artikel und Website-Texte gleich mit. Man befindet sich damit mitten in einem digitalen Wettrüsten: Das Internet wird mit GEO-optimierten Inhalten geflutet – mit unklaren Langzeitfolgen.

Der Unterschied zu klassischem SEO ist jedoch, dass die Einflussmöglichkeiten deutlich geringer und die Wirkzusammenhänge wesentlich intransparenter sind. Niemand außerhalb der Modellanbieter weiß genau, welche Faktoren wie stark wirken. Deshalb bin ich skeptisch gegenüber der Vorstellung, man könne seine Sichtbarkeit in LLMs gezielt „hacken“. Gute Inhalte, starke Marken, glaubwürdige Erwähnungen und eine konsistente Positionierung helfen vermutlich. Ob die 37. FAQ-Seite oder das 15. GEO-Optimierungsprojekt tatsächlich einen messbaren Effekt haben, ist für mich bislang nicht ersichtlich.

Und zu guter Letzt: Kein Tool und keine KI ersetzen die strategische Einordnung. Was die Befunde für die eigene Kommunikation bedeuten, welche Maßnahmen sich ableiten lassen, welche Themen priorisiert werden müssen – das bleibt menschliche Kommunikationsarbeit.

Was nach sechs Monaten bleibt: Eine neue Beobachtungsebene für Reputation

Nach sechs Monaten KI-gestütztem Reputationsmonitoring lautet meine wichtigste Erkenntnis: Sprachmodelle messen Reputation nicht. Sie ersetzen weder Befragungen noch etablierte Reputationsmodelle. Wer versucht, aus LLMs belastbare Reputationsscores abzuleiten, wird zwangsläufig an methodische Grenzen stoßen.

Trotzdem wäre es ein Fehler, die Bedeutung dieser Systeme zu unterschätzen. Für Kommunikationsverantwortliche entsteht eine neue Beobachtungsebene – nicht weil Sprachmodelle die öffentliche Meinung abbilden, sondern weil sie einen wachsenden Teil des öffentlichen Diskurses verdichten und für Millionen Menschen zugänglich machen. Wer verstehen will, wie das eigene Unternehmen in diesem KI-vermittelten Informationsraum erscheint, kommt an einem systematischen Monitoring kaum noch vorbei.

Die Herausforderung besteht darin, weder in Euphorie noch in Aktionismus zu verfallen. Nicht jede GEO-Empfehlung führt zu mehr Sichtbarkeit, nicht jede KI-Antwort ist richtig, und nicht jede Veränderung lässt sich gezielt steuern. Umso wichtiger wird es, Muster zu erkennen und die richtigen Schlussfolgerungen daraus abzuleiten.

KI wird die Kommunikationsarbeit nicht ersetzen. Sie verändert jedoch den Raum, in dem Reputation entsteht und wahrgenommen wird. Diesen Raum zu verstehen, dürfte in den kommenden Jahren zu einer Kernaufgabe moderner Unternehmenskommunikation werden.

TAKE AWAY

Reputationsmanagement mit KI: Chancen kennen, Grenzen verstehen

LLMs verändern, wie Reputation entsteht und wahrgenommen wird. Dennoch sind ihre Antworten keine klassische Reputationsmessung. Wer KI-Ausgaben als Reputationsindikator nutzt, braucht daher ein klares Verständnis ihrer methodischen Grenzen:

Nicht objektiv: LLM-Antworten hängen von Prompt, Kontext, Sprache und Systemeinstellungen ab.
Nicht messbar: Reputationsscores sind konstruierte Einschätzungen, keine belastbaren Messungen.
Nicht unabhängig: KI greift auf Diskurse zurück, die zunehmend selbst von KI geprägt werden.
Nicht gezielt steuerbar: Quellen, Inhalte und Wirkungszusammenhänge lassen sich nur begrenzt beeinflussen.
Nicht grenzenlos skalierbar: Prüfung und Korrektur relevanter Quellen sind aufwendig; GEO-Optimierung droht zum digitalen Wettrüsten zu werden.
Nicht selbsterklärend: Die strategische Einordnung und die Ableitung von Maßnahmen bleiben menschliche Kommunikationsarbeit.

Dr. Lydia Prexl ist Strategin für Kommunikation mit über fünfzehn Jahren Erfahrung. Seit 2021 verantwortet die promovierte Anglistin die interne und externe Kommunikation beim europäischen Zahlungsdienstleister Unzer. Zuvor baute sie die Kommunikationsfunktion des Fintech-Versicherers Getsafe auf. Außerdem ist sie Autorin und Herausgeberin mehrerer Bücher und Leitfäden zu Kommunikation und Schreiben, darunter „Wie kommunizieren Start-ups?“