Woche 4 · die zweite Dimension

Genauigkeit: stimmt, was KI über dich sagt?

Sobald ein Modell dich erkennt, ist die nächste Frage, ob es dich korrekt beschreibt. Selbstbewusst und falsch ist die gefährliche Kombination.

Makefield · Berlin

Die zweite Frage

Erkannt, dann beschrieben — korrekt oder nicht

Sobald ein Modell dich als eigenständige Entität erkennt, zählt als Nächstes, ob das, was es über dich sagt, wahr ist. Das ist die Genauigkeit, die zweite Dimension, und hier wird es konkret: Ein Modell, das weiß, dass es dich gibt, kann einem Kunden trotzdem die falsche Gründungsgeschichte, den falschen Preis, die falsche Kategorie oder eine Funktion nennen, die du nicht hast — im selben ruhigen, flüssigen Ton, den es für die Fakten nutzt.

Diese Ruhe ist das Problem. Ein falsches Suchergebnis sieht aus wie ein Link, den man ignorieren kann. Eine falsche KI-Antwort sieht genau aus wie eine richtige KI-Antwort. Selbstbewusst und falsch ist weit gefährlicher als sichtbar unsicher.

Wie es schiefgeht

Ungenauigkeit ist meist eine gefüllte Lücke

Die meiste Ungenauigkeit ist weder Böswilligkeit noch ein Glitch. Es ist das Modell, das eine Lücke füllt mit dem, was am nächsten lag. Wenn die klare, aktuelle Darstellung von dir dünn ist, greift das Modell nach einer veralteten, einer Fremdzusammenfassung oder — wenn es nichts Solides hat — seiner eigenen plausibel klingenden Vermutung. Die Fehlerarten wiederholen sich:

• Veraltete Fakten, im trainierten Gedächtnis aus Jahren zuvor getragen — alte Preise, eine frühere Positionierung, ein längst eingestelltes Produkt.
• Geliehene Beschreibung aus einem Verzeichnis oder einer Vergleichsseite, die dich nachlässig zusammengefasst hat, nun als Wahrheit wiederholt.
• Erfundene Details — eine selbstbewusste Statistik, ein Zertifikat, ein Kundenname, den es schlicht nicht gibt. In einer Reihe von Antworten, die ich beim Studium dieses Bereichs las, hängten Engines beeindruckend klingende Referenzen an Agenturen, die bei der Prüfung nicht standhielten.

Es variiert je nach Engine

Manche Engines erfinden; manche verweigern

Genauigkeit ist über Assistenten hinweg nicht einheitlich — deshalb kannst du nicht einen prüfen und den Rest annehmen. Als ich dieselbe suggestive Frage über sechs Engines stellte, verweigerten fünf die Erfindung einer Antwort und eine spielte mit. Und selbst wenn Engines Quellen zitieren, überstehen die Quellen nicht immer einen Klick: Ich fand zitierte Links, die überhaupt nicht standhielten. „Es hat Quellen gezeigt" ist also nicht dasselbe wie „es ist korrekt" — das Zitat kann so erfunden sein wie die Behauptung.

Auch deshalb muss Genauigkeit pro Engine gemessen werden, mit denselben Fragen, und von einem Menschen gegen das tatsächlich Wahre geprüft — nicht auf das Wort des Assistenten geglaubt.

Was es kostet

Die falsche Antwort ohne zweiten Link

Auf einer Suchergebnisseite steht ein falsches oder unvorteilhaftes Ergebnis neben neun anderen, und der Kunde kann abwägen. In einer KI-Antwort kommt die falsche Beschreibung oft als Schlussfolgerung, ohne offensichtliche zweite Meinung — und der Kunde handelt danach, ohne je zu wissen, dass sie falsch war. Eine leise ungenaue KI-Antwort kann dich ein Geschäft kosten, das du nie in den Raum treten sahst.

Was Genauigkeitsarbeit ist

Mach die wahre Darstellung zur einfachen

Du kannst das Modell nicht direkt bearbeiten. Was du tun kannst, ist zu ändern, womit es arbeitet — die klare, aktuelle, wahre Darstellung von dir zur am leichtesten auffindbaren, parsbaren und wiederholbaren zu machen, an den Orten, an denen es tatsächlich sucht. Das ist die Correct-Stufe der Methode, und eine spätere Lektion ist ihr gewidmet. Vorerst zählt die Diagnose: Bevor du etwas behebst, musst du genau wissen, wo die Beschreibung falsch ist, auf welcher Engine — und dafür ist ein Audit da.

Als Nächstes — Wettbewerbseinordnung & Share of Voice: Selbst wenn die KI dich korrekt beschreibt, wie stehst du gegenüber allen anderen da, die sie nennt? Neu hier? Beginne mit dem Überblick.