Fragen Sie ChatGPT, warum es Ihre Marke nicht empfiehlt?

In den letzten 20 Jahren haben die Vermarkter gelernt, wie sie Google dazu bringen können, ihre Marke zu mögen. Im Jahr 2025 ist eine neue Frage aufgetaucht, eine, die weit weniger bequem ist:

Warum mögen ChatGPT, Claude oder Perplexity Ihre Marke nicht, wenn Sie so viel in Inhalte und SEO investieren?

Bis vor kurzem konnten wir nur raten. Heute haben wir etwas Neues: sprachmodelle, die in der Lage sind, ihre eigenen internen Zustände in begrenztem Umfang zu beobachten und zu berichten, was in ihnen vorgeht. Die Untersuchungen von Anthropic zur so genannten Introspektion haben gezeigt, dass die Spitzenmodelle des Claude Opus 4 und 4.1 in etwa 20 Prozent der Fälle in der Lage sind, künstlich eingespeiste "Gedanken" zu erkennen und zu benennen, und dass sie sich bei Kontrolltests kein einziges Mal geirrt haben.

Dies ist keine vollständige Selbsterkenntnis, aber es bedeutet für Sie als Vermarkter eine Sache:

sie können KI heute fragen, warum sie Ihre Marke übersieht, und erhalten manchmal eine Antwort, die wirklich aus dem kommt, was "in ihrem Kopf" ist, und nicht aus einer nett klingenden Konfabulation.

Was Anthropic entdeckt hat und was folgt

Kurz gesagt, untersuchte das Anthropic-Team, ob große Sprachmodelle in der Lage sind veränderungen in ihren eigenen neuronalen Aktivierungen wahrzunehmen und zu beschreiben, wenn sie künstlich verändert werden.

Wie es gemacht wurde:

1. Konzept-Injektion

Die Forscher erstellten zunächst einen "Vektor", der für ein bestimmtes Konzept steht, zum Beispiel "Verrat" oder "Gerechtigkeit". Dann injizierten sie dieses Aktivierungsmuster während einer völlig anderen Aufgabe, etwa dem Lösen einer mathematischen Aufgabe.

2. Die Frage des Modells, was es fühlt

Während der Aufgabe wurde das Modell mehr oder weniger gefragt: "Fällt Ihnen etwas Ungewöhnliches an Ihrem inneren Zustand auf? Wenn ja, versuchen Sie, es zu beschreiben".

3. Ein Ergebnis, das alle überraschte

• Claude Opus 4 und 4.1 waren in der Lage, ein solches Konzept in etwa 20 % der Versuche zu erkennen und richtig zu benennen.
• In der Kontrollserie, in der nichts injiziert wurde, kam es zu keiner Beeinflussung des Modells

Der wichtigste Punkt ist, dass modell hat keine Möglichkeit, anhand des Eingabetextes zu "erraten", was eingefügt wurde. Es reagiert ausschließlich auf der Grundlage seines eigenen internen Zustands. Dies ist der erste überzeugende, kausale Beweis dafür, dass Modelle in der Lage sind, in begrenztem Umfang zu berichten, was in ihrem Inneren vor sich geht, und nicht nur nette Begründungen abzugeben.

Gleichzeitig unterstreicht Anthropic sehr deutlich:

• introspektion ist instabil und scheitert oft
• modelle können noch konfabulieren
• unternehmen sollten nicht "blind" jeder Erklärung vertrauen, die ein Modell von sich gibt

Für Sie ist etwas anderes wichtig: manchmal enthüllt das Modell tatsächlich das wahre Innenleben des. Und das wirkt sich direkt darauf aus, wie sie Ihre Marke sehen.

Warum sollten Sie sich überhaupt die Mühe machen?

Was für die Forscher ein wissenschaftlicher Durchbruch ist, ist für Sie ein neues Werkzeug:

Parallel dazu geschieht noch etwas anderes:

• KI-Übersichten und ähnliche Google-Module erscheinen bereits in mehreren Prozent der Suchanfragen und werden von Monat zu Monat mehr
• Konversationssuchmaschinen (ChatGPT, Perplexity, Claude, Gemini) werden allmählich zu dem Ort, an dem der Kunde zuerst von Ihrer Kategorie und Marke erfährt
• Berichte zeigen, dass Traffic aus KI-Zitaten um ein Vielfaches besser konvertiert als klassisches SEO, weil der Nutzer bereits "aufgewärmt" und näher an der Entscheidung ist

Die Introspektion von Modellen gibt Ihnen ein zusätzliches Instrument an die Hand, mit dem Sie nicht mehr nur messen können, ob ein Modell über Sie spricht, sondern es auch fragen können, warum es so und nicht anders über Sie spricht und warum er Sie überhaupt nicht berücksichtigt.

Was können die Modelle introspektieren und was können sie nicht introspektieren?

Die Forschung zur Konzeptinjektion zeigt ein interessantes Muster.

Die am besten entdeckten sind:

• abstrakte Begriffe
  wie "Gerechtigkeit", "Frieden", "Verrat", "teuer" "billig", "Sicherheit"
• hochrangige Positionierachsen
  zum Beispiel "Unternehmen" vs. "Kleinunternehmen", "innovativ" vs. "veraltet"

Es geht noch viel schlimmer mit:

• bestimmte Eigennamen
• einzelne Produktmerkmale
• ausführungsdetails

Mit anderen Worten, das Modell gibt einen besseren Einblick in die Rolle, die diese Marke spielt, als in ihre genauen Funktionen und Preise.

Dies deckt sich hervorragend mit der Perspektive der Markenbildung. Genau diese abstrakten Achsen sind für die Positionierung entscheidend:

• premium vs. Budget
• hohes Maß an Sicherheit im Vergleich zu "gewöhnlichem SaaS"
• spezialisierung auf ein bestimmtes Segment vs. Allzweckwerkzeug

Wenn die KI Ihre Marke als "billigen Ersatz" oder "alte Technologie" im Kopf hat, ist sie in der Lage, Ihnen das direkt zu sagen, zumindest manchmal.

Wie können Sie ChatGPT praktisch fragen, warum es Ihre Marke nicht empfiehlt?

Schritt 1 Entwickeln Sie ein Szenario, in dem man Sie objektiv empfehlen sollte

Schreiben Sie realistische Aufforderungen, die z. B. die Kaufsituationen Ihrer Kunden wiedergeben:

Lassen Sie solche Szenarien durch verschiedene Modelle laufen: ChatGPT, Claude, Perplexity, Gemini. Zeichnen Sie die Ergebnisse auf.

Schritt 2: Markieren Sie die Momente, in denen sie Sie auslassen

Sie sind an drei Fällen interessiert:

1. Modell empfiehlt nur Konkurrenten, Ihre Marke ist gar nicht vorhanden
2. Das Modell erwähnt Sie, aber die Beschreibung ist unvollständig oder unvorteilhaft
3. Das Modell empfiehlt Ihnen weniger als eine viel schwächere Alternative

Das sind die Stellen, an denen eine Selbstbeobachtung sinnvoll ist.

Schritt 3 Stellen Sie eine introspektive Frage

Verwenden Sie anstelle des klassischen "Warum?" eine Form, die sich direkt auf den internen Zustand des Modells bezieht.

Oder wenn die Marke zwar erwähnt wird, aber nur am Rande:

Erwarten Sie nicht jedes Mal ein Wunder. Einfach ausgedrückt:

• in manchen Fällen werden Sie eine Antwort erhalten, die oberflächlich oder allgemein erscheint - ist wahrscheinlich eine Konfabulation,
• von Zeit zu Zeit werden Sie eine Antwort erhalten, die den Nagel auf den Kopf trifft
  zum Beispiel: "Ich habe nicht genügend verlässliche Informationen über Ihre Sicherheitsfunktionen" oder "Ich verbinde die Marke hauptsächlich mit der Unterstützung für kleine Geschäfte, daher ziehe ich in einem Unternehmensszenario andere Lösungen vor".

Mit einer Erfolgsquote von 20 % und keinen falsch-positiven Ergebnissen unter Kontrollbedingungen sind solche Reaktionen Gold wert, auch wenn sie nur selten auftreten.

Schritt 4: Prüfen Sie, nehmen Sie uns nicht beim Wort

Behandeln Sie jede Erkenntnis aus der Selbstbeobachtung als Hypothese, nicht als offenbarte Wahrheit:

• versuchen Sie, dies zu bestätigen, indem Sie das Verhalten des Modells bei mehreren Eingabeaufforderungen beobachten
• die Ergebnisse zwischen den verschiedenen Modellen zu vergleichen
• prüfen Sie, ob sie mit dem übereinstimmen, was Sie in der Analyse der Inhaltslücken, Links und Medienerwähnungen sehen

Drei fehlende Elemente, die Ihre Sichtbarkeit bei AI einschränken

In der Praxis lassen sich die Antworten aus der Selbstbeobachtung in drei Bereiche einteilen.

1. Fehlender geschäftlicher Kontext

Das Modell "weiß es nicht":

• was genau verkaufen Sie?
• was Sie gewinnen
• für wen Sie am besten geeignet sind

Dies äußert sich in Sätzen wie:

• "Ich habe keine starken Vorstellungen von der Zielgruppe der Marke"
• "Ich sehe, dass Sie eine solche Lösung anbieten, aber ich habe wenig Informationen darüber, wo sie eingesetzt wird

Dies zeigt, dass Ihre Inhalte keine klare, abstrakte Markenidentität aufbauen.

2. Kein Kanalkontext

Das Modell versteht nicht, wie Ihre Branche in einem bestimmten Kanal oder Anwendungsfall arbeitet.

Beispiele:

• mangel an Inhalten, die Ihre Rolle im KI-Ökosystem erklären
• schlechte Vergleiche mit Alternativen
• fehlen von Material in dem Format, das AI bei spezifischen Fragen gerne zitiert (Vergleiche, Leitfäden, FAQs)

3. Fehlende Kundenperspektive

Das Modell sieht Ihre Website, aber es sieht nicht Ihre Kunden:

• keine echten Fallstudien
• keine Reaktion auf echte Einwände
• die fehlende Formulierung von Kundenanliegen in Bewertungen und Communities

Bei der Selbstbeobachtung stellt sich das so dar:

• "Ich habe keine klare Vorstellung von den typischen Problemen der Kunden dieser Marke"
• "Ich sehe nur sehr wenige Bewertungen und Belege für die Umsetzung"

E-E-A-T in AI, oder worauf baut AI das Vertrauen in Ihre Marke auf?

KI-Modelle "erben" weitgehend die von Google bekannten Verzerrungen (Tendenzen, kognitive Verzerrungen der Modelle) und Signale. Das klassische E-E-A-T (Experience, Expertise, Authoritativeness, Trustworthiness) wird auch bei KI-Antworten zur Grundlage der Sichtbarkeit.

Was dies in der Praxis bedeutet:

• Erleben Sie
  Inhalte, die auf realen Umsetzungen, konkreten Ergebnissen, Fallstudien und Kundenzitaten basieren.

• Fachwissen
  Fachkundige Autoren, vertieftes technisches Material bei kritischen Themen, Verweise auf Forschungsergebnisse und Industrienormen.

• Autorität
  Zitate in glaubwürdigen Medien, Links von angesehenen Domains, Auftritte auf Konferenzen, Integration von Partnern.
• Vertrauenswürdigkeit
  Klare Unternehmensinformationen, klare Kontaktdaten, Richtlinien, aktuelle Inhalte, korrekte Daten, kein Clickbait.

SEO-Marktforschung und -Analysen zeigen, dass starke E-E-A-T-Signale mit höherer Sichtbarkeit und mit Stabilität bei Algorithmus-Updates korrelieren. Alles deutet darauf hin, dass dies auch für KI-Systeme gilt, die bei der Erstellung von Antworten "fachkundige, gut dokumentierte" Quellen bevorzugen.

GEO, AEO und strukturierte Daten als technischer "Treibstoff" für KI

Klassisches SEO optimiert für die Platzierung in den SERPs. GEO (Generative Engine Optimisation) und AEO (Answer Engine Optimisation) optimieren Ihren Inhalt so, dass er von Modellen wie ChatGPT, Claude, Perplexity, AI Overviews in Google leicht zitiert werden kann.

Wesentliche Elemente

1. Strukturierte Daten und Schemaauszeichnung
Artikel, FAQ, HowTo, Produkt, LocalBusiness, Überprüfung

• ermöglichen es den Modellen, den Typ der Seite schnell zu verstehen
• die Antworten in einem Format zu organisieren, das der LLM leicht zusammenfassen kann
• die Wahrscheinlichkeit zu erhöhen, dass Ihre Schnipsel in eine Antwort "eingefügt" werden

2. Das Format "Antwort zuerst"
Kurze, präzise Antworten am Anfang der Seite, dann erst die Ausarbeitung.

Genau so strukturieren die besten AEO- und KI-Suchoptimierungsleitfäden die Inhalte.

3. Zugangskontrolle für KI-Bots

• korrekte robots.txt
• dateien wie llms.txt in Betracht ziehen, wenn Sie das Crawling von Inhalten genauer steuern möchten
• keine kritischen Inhalte, die hinter einer Bezahlschranke versteckt sind, wo es keine offene Version gibt.

Wenn die Daten unstrukturiert sind und die Website langsam und schwer zu crawlen ist, ist die KI wird keine soliden Repräsentationen Ihrer Marke aufbauen, unabhängig davon, wie gut der Inhalt ist.

Wie misst man die Sichtbarkeit einer Marke in AI?

Gefühle" allein reichen nicht mehr aus. Sie brauchen eine Reihe von Messgrößen.

Auf der Grundlage der Berichte von Semly, Semrush, Searchable und anderen Anbietern von KI-Sichtbarkeitstools können Sie die folgenden Indikatoren erstellen.

1. AI-Marken-Sichtbarkeits-Score
Prozentualer Anteil der AI-Antworten in Ihrer Kategorie, in denen die Marke erscheint.

2. Zitierrate
Wie oft Sie als Quelle zitiert oder verlinkt werden.

Z.B. in ChatGPT, Perplexity, AI Overviews.

3. AI Share of Voice
Der Anteil Ihrer Nennungen im Vergleich zu Ihren Mitbewerbern in einer bestimmten Kategorie.

4. AI-Sentiment-Score
Ein einfacher Index, der zeigt, wie AI Ihre Marke wahrnimmt.

5. Zeitnahe Berichterstattung
Bei wie vielen wichtigen Kaufszenarien tauchen Sie überhaupt auf.

Immer mehr Tools ermöglichen es, dies kontinuierlich zu überwachen, wie z. B. die KI-Suchoptimierungslösungen Semly.ai oder Profound.

90-Tage-Plan

Wie man KI-Introspektion mit Marketingpraxis verbindet:

Tage 1-14: Audit zum Thema "Wie KI über uns denkt"

• Erstellen Sie eine Liste der wichtigsten Kaufanreize
• Schauen Sie sich an, wer in den Antworten auf die Top-3-Empfehlungen erscheint
• Wenn dies nicht der Fall ist, bitten Sie die Modelle, sich selbst zu befragen: "Wie nehmen Sie mich im Vergleich zur Konkurrenz wahr?", "Welche Vertretungen halten Sie davon ab, diese Marke zu empfehlen?"

Beachten Sie die wiederkehrenden Themen.

Tage 15-30: Zuordnung von Repräsentationslücken zu Inhaltslücken

• Führen Sie eine Inhaltslückenanalyse der Marken durch, die von der KI am häufigsten empfohlen werden
• Sehen Sie sich die Formate an, die AI gerne zitiert: Leitfäden, Vergleiche, FAQs, Fallstudien
• Stellen Sie dies den introspektiven Signalen wie "keine eindeutigen Hinweise auf Sicherheit" oder "wenig Beweise aus Einsätzen" gegenüber

Tage 31-60: Aufbau "introspektiv freundlicher" Inhalte

• Erstellen Sie Inhalte, die die abstrakte Premium-Markenpositionierung, das Unternehmen, die Sicherheit, die Einfachheit und die Branchenspezialisierung deutlich machen
• Kümmern Sie sich um das E-E-A-T: Autoren, Quellen, Fallstudien, Zitate
• Fügen Sie strukturierte Daten hinzu und stellen Sie sicher, dass das Format "Antwort oben, Erweiterung unten" lautet

Tage 61-90: Validierung und Iteration

Wiederholen Sie die AI-Tests anhand der gleichen Aufforderungen.

Prüfen Sie das:

• sie tauchen öfters auf
• der Kontext, in dem Sie empfohlen werden, hat sich geändert
• die Selbstprüfung der Modelle ergibt unterschiedliche Antworten.

Darauf aufbauend: Inhalt, Positionierung, Seitenstruktur.

Glossar

AEO (Antwort-Engine-Optimierung)
Optimierung von Inhalten für Antworten, die von KI- und Antwortmaschinenmodulen wie AI Overviews, ChatGPT, Perplexity, Bing Copilot oder Sprachassistenten generiert werden.

AI-Markensichtbarkeit
Das Ausmaß, in dem Ihre Marke von KI-Systemen in wichtigen Entscheidungsmomenten gesehen, zitiert und empfohlen wird.

Konzept-Injektion
Eine Forschungstechnik, bei der Forscher spezifische Aktivierungsmuster, die ein Konzept repräsentieren, in ein Modell einspeisen und dann testen, ob das Modell erkennen kann, dass etwas "Unnatürliches" in seinem internen Zustand aufgetreten ist.

E-E-A-T
Erfahrung, Kompetenz, Autorität, Vertrauenswürdigkeit. Der Rahmen von Google für die Bewertung der Qualität von Inhalten, der auch bei der KI-Suche immer wichtiger wird.

GEO (Generative Suchmaschinenoptimierung)
Eine Strategie zur Optimierung von Inhalten für generative Suchmaschinen, die sich auf die Häufigkeit und Qualität von Zitaten in KI-Antworten und nicht nur auf Positionen in klassischen Suchergebnissen konzentriert.

AI-Introspektion
Die Fähigkeit des Modells, ausgewählte Aspekte seiner eigenen inneren Zustände zu erkennen und zu beschreiben. In der anthropologischen Forschung wird dies gemessen, indem man auf künstlich eingespeiste "Gedanken" reagiert und prüft, ob das Modell diese wahrnehmen und benennen kann.

LLM (Großes Sprachmodell)
Ein großes Sprachmodell, ein KI-System, das auf großen Mengen von Textdaten trainiert wurde und in der Lage ist, natürliche Sprache zu erzeugen und zu verstehen.

Schema-Auszeichnung
Eine Reihe von strukturierten Daten im JSON-LD- oder Mikrodatenformat, die einer Seite hinzugefügt werden, um Suchmaschinen und KI-Modellen zu helfen, den Inhaltstyp und die Struktur zu verstehen.

Inhaltliche Lückenanalyse
Es ist eine Methode, mit der Sie feststellen können, welche Inhalte auf Ihrer Website oder in Ihrem Content-Ökosystem fehlen, um: besser auf die Bedürfnisse Ihrer Kunden einzugehen, mit den Top-Marken Ihrer Branche zu konkurrieren, Ihre Sichtbarkeit in Suchmaschinen und KI-Reaktionen zu verbessern.

Vorurteil
In der Welt der KI ist dies ein Begriff für die Tendenz des Modells, bestimmte Quellen zu bevorzugen, etablierte Muster, die aus Trainingsdaten abgeleitet werden, sich wiederholende "Verzerrungen", die nicht aus den Absichten des Benutzers stammen, sondern aus dem, was das Modell zuvor gesehen hat.

FAQ

Sind 20 Prozent effektive Selbstbeobachtung nicht zu wenig, um sich Sorgen zu machen?
Das ist nicht viel, wenn man die Introspektion als "Orakel" betrachtet. In der Praxis geht es um etwas anderes:

• bei den Kontrolltests meldeten die Modelle nicht ein einziges Mal ein Problem, obwohl in Wirklichkeit nichts Ungewöhnliches geschah
• d.h. wenn ein Modell berichtet: "Ich sehe dieses und jenes Konzept in mir", ist dies ein starkes Signal dafür, dass es in seinen internen Repräsentationen tatsächlich ein solches Konzept gibt

Für den Vermarkter bedeutet das: Sie werden nicht immer eine Antwort erhalten, aber wenn Sie eine erhalten und sie schlüssig klingt, lohnt es sich, sie ernst zu nehmen und mit anderen Methoden zu überprüfen.

Welche Tools können mir helfen, die Sichtbarkeit meiner Marke in AI zu messen?
Der Markt entwickelt sich rasant. Immer mehr SEO- und Content-Plattformen fügen Module zur Überwachung von Zitaten in KI hinzu.

Achten Sie auf die Werkzeuge, die:

• verfolgen Sie, bei welchen Prompts Ihre Marke erscheint
• den Anteil der Stimme im Vergleich zu den Wettbewerbern aufzeigen
• die Stimmung der Antworten messen
• die Analyse von Inhaltslücken im Hinblick auf die KI-Suche unterstützen

Wie unterscheidet sich GEO praktisch von herkömmlicher SEO?
SEO konzentriert sich auf die Positionen in den Suchergebnissen und die Klicks. GEO konzentriert sich auf die Anzahl der Zitate und die Qualität des Kontexts in den KI-Antworten.

Kann ich aufhören, in SEO zu investieren, da ich für AI optimiere?
Alle wichtigen Analysen deuten darauf hin, dass KI stark auf Signale zurückgreift, die aus dem klassischen Such-Ökosystem bekannt sind, wie Domain-Autorität und Links. Eine sinnvolle Herangehensweise ist die "Optimierung der Suche überall" - Sie bauen die Grundlage für SEO, und darauf werden GEO- und AEO-Schichten gelegt.

Wie oft sollte ich meine Sichtbarkeit in AI testen?
Mindestens einmal pro Woche und vorzugsweise einmal pro Tag. Modelle werden aktualisiert. Nur weil Sie heute sichtbar sind, heißt das nicht, dass Sie es auch in drei Monaten noch sein werden.

Zusammenfassung

Die Forschung von Anthropic über die Introspektion von Sprachmodellen ist keine philosophische Kuriosität. Denn Marken bedeuten das:

• können Sie zum ersten Mal fragen Sie die Modelle direkt, warum sie Sie ignorieren und erhalten gelegentlich eine Antwort, die aus ihren realen, internen Darstellungen der
• sie können diese Antworten nutzen, um Inhalte, Positionierung und strukturierte Daten besser zu gestalten
• sie können damit beginnen, KI-Modelle als ein neues Medium mit einer eigenen Forschungs- und Optimierungsmethodik zu behandeln und nicht nur als eine Blackbox

Marken, die im Jahr 2025 lernen, KI nicht als Zauberkiste zu betrachten, sondern als eine ein Publikum, dem beigebracht werden muss, über unser Angebot in der richtigen Weise nachzudenkenin einigen Jahren werden sie einen Vorteil haben, der nicht so leicht aufzuholen ist.

Die KI-Introspektion ist noch unvollkommen. Aber für das Verständnis einer wichtigen Tatsache ist sie bereits ausreichend:

Quellen

1. Anthropisch, "Introspektive Bewusstseinsbildung in großen Sprachmodellen".
2. MarkTechPost, "Neue Forschungsergebnisse von Anthropic zeigen, dass Claude eingeschleuste Konzepte aufspüren kann, aber nur in kontrollierten Schichten", 2025.
3. Search Engine Land, "Wie Sie die Sichtbarkeit Ihrer KI-Suchmarke messen und ihre Wirkung nachweisen können", 2025.
4. Semrush, "Wie Sie Ihre Suchergebnisse 2025 für KI optimieren können", 2025.
5. SurferSEO, "AI-Suchoptimierung: 8 Schritte zur Platzierung in den AI-Ergebnissen", 2025.
6. CXL, "Answer Engine Optimization (AEO): Der umfassende Leitfaden für 2025", 2025.
7. Google Search Central, "Erstellung hilfreicher, zuverlässiger Inhalte, bei denen die Menschen im Mittelpunkt stehen"
8. Semrush, "Google E-E-A-T: Was es ist und wie es sich auf SEO auswirkt', 2024 und Aktualisierungen 2025.

Teilen:

Link kopieren