Wie AI und LLMs das Informations- und Kommunikations-Ökosystem für Marken und Publisher verändern

Marken im KI-geprägten Informationsökosystem

Seit über dreissig Jahren verändert jede technologische Stufe, wie Marken Aufmerksamkeit gewinnen und Informationen vermitteln. Display machte digitale Reichweite skalierbar. Suchmaschinen strukturierten den Zugang zu Informationen. Social Media verteilte Aufmerksamkeit über Empfehlungsalgorithmen. Programmatic Advertising automatisierte grosse Teile des Medieneinkaufs, Marketing Automation die Kommunikation entlang der Customer Journey.

Die neue interpretierende Instanz

Mit Large Language Models (LLMs) verändert sich nun nicht bloss ein weiterer Kanal. Es verändert sich die Architektur der Informationsvermittlung. Generative Systeme suchen nicht nur Dokumente, sondern verdichten Inhalte zu Antworten, Vergleichen und Einordnungen. Dadurch entsteht zwischen Marke und Mensch eine neue interpretierende Instanz. Sie prägt, mit welchen Eigenschaften eine Organisation verbunden wird, welche Stimmen als glaubwürdig gelten und auf welcher Evidenz ein Markenbild beruht.

Das verteilte Markenbild

Für die Markenführung verschiebt sich deshalb der Schwerpunkt. Es genügt nicht mehr, Botschaften zu platzieren und Reichweite zu maximieren. Marken müssen als eindeutige, belegbare und konsistente Informationsobjekte lesbar werden – für Menschen ebenso wie für Maschinen. Die Website, Medienberichte, Fachbeiträge, öffentliche Positionen, Richtlinien und Einträge in vertrauenswürdigen Datenräumen bilden zusammen ein verteiltes Markenbild. LLMs können daraus ein Narrativ rekonstruieren, das nicht zwingend mit dem gewünschten Selbstbild übereinstimmt.

In der Schweiz ist das bereits Massenverhalten

Die Veränderung ist kein fernes Zukunftsszenario. Gemäss IGEM-Digimonitor 2026 nutzen vier von fünf Personen der internetnutzenden Schweizer Bevölkerung zwischen 15 und 75 Jahren zumindest gelegentlich KI. 57 Prozent verwenden KI-Plattformen gezielt für die Suche; 77 Prozent nutzen den KI-Modus innerhalb klassischer Suchmaschinen. ChatGPT erreicht mindestens gelegentlich 67 Prozent beziehungsweise rund 4,3 Millionen Menschen. Die repräsentative Online-Befragung umfasste knapp 2’000 Personen.[1]

Die sprachliche Rahmung der Marke

Für Marken ist besonders relevant, dass sich Informationssuche damit auf Oberflächen verlagert, die Quellen auswählen, Inhalte synthetisieren und eine Antwort bereits sprachlich rahmen. Die Marke begegnet ihrem Publikum häufiger in einer von KI formulierten Darstellung. Markenführung muss daher nicht nur die Reichweite eigener Kommunikation beobachten, sondern auch die Qualität dieser algorithmisch erzeugten Repräsentation.

Synthese statt Suche

Die klassische Suche organisiert Verweise: Nutzer wählen ein Resultat, besuchen eine Quelle und bilden ihr Urteil. Generative Antwortsysteme verkürzen diesen Weg. Sie synthetisieren mehrere Quellen, formulieren eine Antwort und können dabei den direkten Besuch einer Markenwebsite überflüssig machen. Das reduziert Reibung für Nutzer, erhöht aber die Bedeutung der vorgelagerten Auswahl- und Deutungslogik.

Vom Ranking zur Repräsentation

Damit verschiebt sich der Wettbewerb von Rankings zu Repräsentationen. AI Visibility – also die Frage, ob eine Marke in generativen Antworten vorkommt – bleibt wichtig, ist aber nur die erste Messgrösse. Entscheidend ist, in welchem Zusammenhang die Marke erscheint: Wird sie als innovativ, teuer, nachhaltig, zuverlässig oder riskant beschrieben? Welche Wettbewerber werden im selben Atemzug genannt? Welche Quellen stützen die Darstellung? Und wird die Marke lediglich erwähnt oder tatsächlich empfohlen?

Das vernetzte Informationsökosystem

Markenführung wird so zur Arbeit an einem Informationsökosystem. Sie umfasst weiterhin Positionierung, Gestaltung und emotionale Bedeutung. Hinzu kommen Informationsarchitektur, strukturierte Organisationsdaten, Wissensmanagement, Corporate Publishing, PR und die Pflege belastbarer Drittquellen. Google weist etwa ausdrücklich darauf hin, dass strukturierte Organisationsdaten helfen können, eine Organisation zu verstehen und eindeutig zuzuordnen. Das ist kein Beweis für eine generelle LLM-Optimierung, zeigt aber das Grundprinzip maschinenlesbarer Eindeutigkeit.[2]

Consumer Trust und Machine Trust

Marken reduzieren Unsicherheit. Diese Funktion bleibt bestehen, erhält aber eine zweite Adressatin. Consumer Trust beschreibt das Vertrauen von Menschen: Bekanntheit, Reputation, Erfahrung, Identifikation und die Erwartung, dass ein Leistungsversprechen eingehalten wird. Machine Trust bezeichnet hier keine Emotion und keinen öffentlich bekannten internen Vertrauenswert eines Modells. Der Begriff ist ein strategischer Bezugsrahmen: Er beschreibt, wie gut eine Marke von Informationssystemen als eindeutig, konsistent und durch Quellen gestützt verarbeitet werden kann.

Beide Formen des Vertrauens beeinflussen einander. Widersprüchliche Aussagen, unklare Zuständigkeiten oder unbelegte Nachhaltigkeitsversprechen schwächen nicht nur die maschinelle Zuordnung, sondern auch die Glaubwürdigkeit bei Menschen. Umgekehrt erzeugt eine technisch perfekte Datenstruktur noch keine starke Marke. Ohne Relevanz, Differenzierung und gelebte Leistung bleibt sie semantisch sauber, aber bedeutungslos.

Die Führungsaufgabe besteht daher in der Verbindung beider Ebenen. Kommunikation und Wissensstruktur müssen dieselbe Positionierung tragen. Claims brauchen Evidenz. Unternehmensinformationen brauchen klare Verantwortlichkeiten. Wichtige Fakten müssen aktuell, zugänglich und über eigene wie unabhängige Quellen hinweg konsistent sein. Aus dem klassischen Brand Book wird damit schrittweise ein Marken-Betriebssystem, das Sprache, Daten, Nachweise und Governance zusammenführt.

Narrative Intelligence als neue Messdisziplin

Klassische Markenmessung erfasst Bekanntheit, Image, Präferenz, Reichweite und Wirkung. Im generativen Informationsraum reicht dieses Instrumentarium nicht aus. Marken müssen zusätzlich beobachten, wie Antwortsysteme ihre Bedeutung in konkreten Nutzungssituationen rekonstruieren. Dafür eignet sich Narrative Intelligence als neue Mess- und Führungsdisziplin.

Methodik statt Ranking-Theater

Sie verbindet wiederholbare Prompt-Szenarien mit einer qualitativen und quantitativen Analyse der Antworten. Gemessen werden können Präsenz, Share of Voice, beschreibende Attribute, Quellen, Wettbewerbsumfeld, Empfehlungsneigung, sachliche Fehler und Veränderungen über Zeit. Entscheidend ist eine saubere Methodik: Modelle, Versionen, Standorte, Sprachen und Formulierungen beeinflussen Ergebnisse; einzelne Antworten sind Momentaufnahmen. Narrative Intelligence darf deshalb kein Ranking-Theater werden, sondern braucht Stichproben, Benchmarks, dokumentierte Testsets und menschliche Interpretation.

Der Steuerungs-Loop für Brand Manager

Für die Steuerung bietet sich ein Closed Loop an: Erstens wird das gewünschte Markennarrativ in prüfbare Aussagen übersetzt. Zweitens werden relevante Entscheidungssituationen getestet. Drittens werden Lücken zwischen Soll- und Ist-Narrativ identifiziert. Viertens werden Inhalte, Daten, Belege und externe Autorität verbessert. Danach beginnt die Messung erneut. So wird Narrative Intelligence nicht bloss Reporting, sondern ein verbindendes Steuerungsmodell für Brand Management, Kommunikation, GEO, Data und Knowledge Management.

Agentic AI verstärkt die Entwicklung

Agentische Systeme können Informationen künftig nicht nur zusammenfassen, sondern Aufgaben über mehrere Schrittehinweg bearbeiten. Für diesen Beitrag ist weniger die technische Autonomie entscheidend als ihre Wirkung auf die Markenführung: Je stärker Systeme Informationen vorsortieren und Kontexte herstellen, desto wichtiger werden ein eindeutiges Markennarrativ, belastbare Quellen und konsistente öffentliche Signale. Agentic AI verstärkt damit die bereits durch LLMs ausgelöste Verschiebung – sie bildet jedoch nicht den Schwerpunkt der strategischen Markenarbeit.

Die strategische Chance der Publisher

Für Publisher entsteht eine ambivalente, aber bedeutende Rolle. Generative Systeme können den direkten Besuch einer Nachrichtenseite reduzieren. Gleichzeitig steigt der Wert aktueller, überprüfbarer und professionell eingeordneter Informationen. Journalistische Qualität wird zur Infrastruktur für glaubwürdige Antworten – sofern Herkunft,Nutzung und Vergütung geregelt sind.

Erste Marktversuche für Monetarisierung

Dafür braucht es mehr als technische Zugänglichkeit. Publisher benötigen Kontrolle darüber, welche Systeme Inhalte für Suche, Inferenz oder Training verwenden dürfen. Neben dem Urheberrecht entwickeln sich direkte Lizenzpartnerschaften, Zugriffskontrollen und nutzungsbasierte Vergütungsmodelle. OpenAI hat beispielsweise Partnerschaften mit Medienhäusern angekündigt, die aktuelle Berichterstattung mit Quellenhinweisen und Links in ChatGPT integrieren.[3] Cloudflare führte 2025 zunächst «Pay per Crawl» ein und entwickelte den Ansatz 2026 in Richtung «Pay per Use» weiter.[4][5] Solche Modelle sind frühe Marktversuche, keine bereits etablierte Branchenlösung.

CoMP: Technische Schnittstelle für lizenzierte Zugriffe

Ein weiterer Baustein entsteht beim IAB Tech Lab. Es veröffentlichte im Juni 2025 die «LLM Content Ingest API Initiative», um Publishern und Marken einen standardisierten, maschinenlesbaren Zugang für LLMs und KI-Agenten zu ermöglichen. Aus diesem Ansatz ging die breiter angelegte Initiative «Content Monetization Protocols», kurz CoMP, hervor. CoMP Version 1 wurde am 28. April 2026 finalisiert.[14]

Der Standard beschreibt, wie ein KI-System beim Rechteinhaber anfragen, den vorgesehenen Nutzungszweck mitteilen und nach einer bestehenden Vereinbarung einen Zugriffstoken sowie passend paketierte Inhalte erhalten kann. CoMP definiert damit eine interoperable technische Schnittstelle für lizenzierte Zugriffe. Es ist jedoch weder ein Lizenzmarktplatz noch ein Preismodell und ersetzt auch keine Zugriffskontrolle. Sein möglicher Wert liegt in der technischen Grundlage, auf der Rechte, Verträge und unterschiedliche Vergütungsmodelle skalierbar umgesetzt werden können.

SPUR: Nachvollziehbarkeit durch Telemetrie

Eine besonders relevante Entwicklung ist SPUR, die «Standards for Publisher Usage Rights»-Koalition. Laut einem Branchen-Update der Independent Media Association vom 6. August 2026 wuchs sie von 36 Mitgliedern Anfang Juni auf fast 60. Zugleich führte die Initiative mehr als 150 Gespräche mit interessierten Publishern und stand kurz vor dem Abschluss des Rechtsrahmens für ihre brancheneigene Non-Profit- Struktur.[6] Damit bewegt sich SPUR von der Koalitionsbildung in Richtung operativer Standardsetzung.

Im Zentrum steht der Content Telemetry Standard. Er soll nachvollziehbar machen, ob Inhalte abgerufen, zur Fundierung einer Antwort verwendet, zitiert, angezeigt oder von Nutzern weiterverwendet wurden. Die

Spezifikation kann Nutzungsereignisse zudem mit einer Lizenzreferenz verbinden. Dadurch könnte die Verwendung journalistischer Inhalte erstmals systemübergreifend messbar und damit leichter lizenzierbar werden. Der Standard befindet sich allerdings noch im Vorschau- und Konsultationsstadium; eine breite Akzeptanz durch Publisher, Vermittler und AI-Plattformen ist noch nicht erreicht.[7]

Die Schweizer Medienhäuser im neuen Ökosystem

Strategisch könnte daraus eine Marktinfrastruktur für die Lizenzierung zwischen Publishern und AI-Anbietern entstehen – vorausgesetzt, weitere Marktteilnehmer übernehmen den Standard und verbinden ihn mit tragfähigen Verträgen und Vergütungsmodellen. Ringier ist bereits als Standardmitglied beteiligt und bringt sämtliche internationalen Medienmarken in die Initiative ein.[8] Schweizer Publisher haben damit direkten Zugang zur Entwicklung eines möglichen gemeinsamen Rahmens für Retrieval, Grounding, Zitation, Darstellung und Vergütung. Eine solche Infrastruktur könnte eine symbiotischere Beziehung fördern: AI-Systeme erhielten rechtssicheren Zugang zu hochwertigem Journalismus, während Publisher Kontrolle, Transparenz und einen fairen Wertausgleich gewinnen. Ob daraus tatsächlich ein Geschäftsmodell wird, hängt jedoch von Governance, technischer Umsetzung und der Akzeptanz auf Seiten der AI-Anbieter ab.

CoMP und SPUR adressieren dabei verschiedene Ebenen desselben Ökosystems. CoMP standardisiert die Anfrage, Autorisierung und Bereitstellung von Inhalten für lizenzierte KI-Systeme. Der Content Telemetry Standard von SPUR soll erfassen, wie Inhalte danach tatsächlich abgerufen, zur Fundierung einer Antwort verwendet, zitiert oder angezeigt werden. Zusammengenommen könnten beide Ansätze den Weg von der Rechteklärung über den kontrollierten Zugang bis zur messbaren Nutzung abbilden. Ein funktionierender Markt entsteht daraus allerdings erst, wenn Publisher, Vermittler und KI-Anbieter diese Standards breit implementieren und mit tragfähigen Verträgen verbinden.

Die Schweizer Urheberrechtsrevision: KI wird zum Prüfstein

Die technische Entwicklung trifft in der Schweiz auf eine offene Rechtsfrage. Das geltende Urheberrecht enthält keine eigens auf generative KI zugeschnittene Regelung. Nach Angaben des Eidgenössischen Instituts für Geistiges Eigentum wird zwar vertreten, dass das Vervielfältigungsrecht die Verwendung geschützter Werke für das KI-Training erfassen kann. Wie bestehende Regeln auf Training, Fine-Tuning, Retrieval, Zusammenfassung und Ausgabe anzuwenden sind, ist jedoch nicht in allen Konstellationen geklärt.[9]

Der Vorstoss von Petra Gössi

Hier setzt der politische Vorstoss von Petra Gössi an. Formal handelt es sich nicht um ein Postulat, sondern um die Motion 24.4596«Besserer Schutz des geistigen Eigentums vor KI-Missbrauch». Der Ständerat nahm sie im März 2025 an. Der Nationalrat stimmte im September 2025 einer offener formulierten Fassung zu; der Ständerat folgte im Dezember. Der Bundesrat ist damit beauftragt, die Voraussetzungen für einen umfassenden Schutz journalistischer Inhalte und anderer urheberrechtlich erfasster Werke bei der Nutzung durch KI-Anbieter zu schaffen, ohne den Forschungs-, Innovations- und Wirtschaftsstandort Schweiz im internationalen Wettbewerb zu benachteiligen.[10]

Das Zeitrisiko im Gesetzgebungsprozess

Das IGE erarbeitet dazu einen Vorentwurf zur Anpassung des Urheberrechtsgesetzes. Nach dem derzeit kommunizierten Fahrplan soll die Vorlage bis Ende 2026 in die Vernehmlassung gehen.[11] Parallel dazu wurde die separate Vorlage für ein Leistungsschutzrecht für Medienunternehmen im Juni 2026 vom Parlament an den Bundesrat zurückgewiesen. Sie war ursprünglich auf die Nutzung journalistischer Ausschnittedurch grosse Onlinedienste ausgerichtet. Nun soll zusätzlich geprüft werden, wie generative KI die Funktionsweise von Plattformen und Suchmaschinen verändert und welche Folgen dies für den Wert journalistischer Leistungen hat.[12]

Die inhaltliche Zusammenführung ist nachvollziehbar: Snippets, KI-Training und KI-gestützte Antworten berühren unterschiedliche technische Vorgänge, aber dieselbe Grundfrage der Wertzuordnung. Sie birgt jedoch ein erhebliches Zeitrisiko. In der parlamentarischen Beratung war von einer Verzögerung von rund

zwei Jahren die Rede.[12] Für einen Informationsmarkt, dessen Produkte, Nutzungsformen und Geschäftsmodelle sich im Rhythmus von Monaten verändern, ist das zu lange.

Sorgfalt ja, Stillstand nein

Die Gesetzgebung sollte sich nicht auf einer tektonischen, sondern auf einer technologischen Innovationszeitskala bewegen. Das bedeutet nicht, rechtsstaatliche Verfahren abzukürzen oder vorschnell ein starres Sonderrecht zu schaffen. Es bedeutet, Konsultationen früh zu öffnen, technische Expertise laufend einzubeziehen, internationale Entwicklungen konsequent zu spiegeln und überprüfbare Regeln so auszugestalten, dass sie bei neuen Nutzungsformen angepasst werden können.

Klare Differenzierung statt Pauschalregeln

Der Regulierungsrahmen muss differenzieren: zwischen Training und aktueller Abfrage, zwischen blosser Indexierung und der Fundierung einer Antwort, zwischen Zitat, Zusammenfassung und substituierender Wiedergabe sowie zwischen Forschung und kommerzieller Verwertung. Ebenso wichtig sind praktikable Instrumente für Zugang, Transparenz und Vergütung. Die vom IGE verwendete Formel «Access, Remuneration, Transparency» beschreibt diese Balance prägnant.[13] Technische Standards wie CoMP und SPUR können dabei kontrollierte Zugriffeermöglichen und Nutzungsereignisse messbar machen; sie ersetzen aber weder gesetzliche Rechte noch durchsetzbare Verträge.

Warum Medienqualität zur Überlebensfrage für Marken wird

Für Marken ist diese Debattekeineswegs ein reines Medien- oder Verlagsproblem. Die Qualität generativer Antworten hängt von verlässlichen, überprüfbaren und aktuellen Quellen ab. Erodieren die wirtschaftlichen Grundlagen professioneller Informationsangebote, verliert auch das digitale Markenökosystem an belastbarer Evidenz. Marken werden dann häufiger in einem Raum rekonstruiert, in dem originäre Recherche, unabhängige Einordnung und verantwortete Publikation schwächer vertreten sind.

Das Dilemma des Open Web

Darin liegt die Chance einer tragfähigen Symbiose: KI-Systeme erhalten rechtssicheren Zugang zu hochwertigem Journalismus; Publisher gewinnen Kontrolle, Nachvollziehbarkeit und einen fairen Wertausgleich; Marken und Öffentlichkeit profitieren von besseren Informationsgrundlagen. Damit diese Ordnung nicht erst entsteht, wenn sich die Marktstrukturen bereits verfestigt haben, sollte der Bundesrat den angekündigten Vorentwurf fristgerecht vorlegen und Parlament, Verwaltung und betroffene Branchen den anschliessenden Gesetzgebungsprozess mit hoher Priorität beschleunigen.

Darin liegt auch eine Chance für das Open Web. Wenn hochwertige Inhalte auffindbar, zitierfähig und wirtschaftlich tragfähig bleiben, kann ihre journalistische Autorität auch im generativen Informationsraum wirksam werden. Ohne tragfähige Anreize droht hingegen eine Erosion genau jener Wissensgrundlage, auf die leistungsfähige Antwortsysteme angewiesen sind.

Fazit: von Sichtbarkeit zu Entscheidungsfähigkeit

LLMs verändern nicht primär Werbung. Sie verändern die Architektur, in der Informationen ausgewählt, verdichtet und in Empfehlungen übersetzt werden. Für Marken entsteht daraus eine doppelte Aufgabe: Sie müssen weiterhin Bedeutung und Vertrauen bei Menschen aufbauen – und zugleich sicherstellen, dass intelligente Systeme ihre Identität, Leistung und Evidenz korrekt verarbeiten können.

Erfolgreiche Markenführung verbindet deshalb Consumer Trust mit Machine Trust und klassische Markenmessung mit Narrative Intelligence. Ihr Ziel ist nicht, ein Modell zu manipulieren, sondern ein konsistentes, überprüfbares und relevantes Informationsökosystem zu führen. Die entscheidende Frage lautet künftig nicht nur, ob eine Marke sichtbar ist. Sie lautet, ob die Marke in den Entscheidungssituationen von Menschen und Maschinen richtig verstanden und glaubwürdig berücksichtigt wird.

Quellen und weiterführende Hinweise

[1] IGEM/WEMF: Digimonitor 2026; Nutzungszahlen gemäss Publikation vom 25. August 2026 und repräsentativer Online-Befragung der internetnutzenden Bevölkerung von 15 bis 75 Jahren.

[2] Google Search Central: Organization structured data – zur maschinenlesbaren Beschreibung und Disambiguierung von Organisationen.

[3] OpenAI: Strategische Content-Partnerschaft mit Grupo Folha und Grupo UOL, 25. Mai 2026.

[4] Cloudflare: Introducing Pay Per Crawl, 1. Juli 2025.

[5] Cloudflare: Pay Per Use und agentischer Informationszugang, 1. Juli 2026.

[6] Independent Media Association: SPUR expands global publisher coalition as work accelerates on AI standards, 6. August 2026.

[7] SPUR Coalition: Content Telemetry – offene Vorschau-Spezifikation zur Berichterstattung über die Nutzung journalistischer Inhalte durch AI-Systeme.

[8] Ringier: Ringier tritt der internationalen SPUR Coalition bei, 3. Juni 2026.

[9] Eidgenössisches Institut für Geistiges Eigentum: FAQ – KI und Urheberrecht, Stand 2026.

[10] Schweizer Parlament: Motion 24.4596Gössi – Besserer Schutz des geistigen Eigentums vor KI-Missbrauch; Beschlüsse von Stände- und Nationalrat 2025.

[11] Bundeskanzlei/IGE: FAQ – KI und Urheberrecht; Vorentwurf zur Anpassung des Urheberrechtsgesetzes mit geplanter Vernehmlassung bis Ende 2026.

[12] Schweizer Parlament: Parlament schickt Leistungsschutz für Medien auf Zusatzrunde, 17. Juni 2026.

[13] Eidgenössisches Institut für Geistiges Eigentum: KI-Regulierung im Urheberrecht – Access, Remuneration, Transparency, 13. August 2025.

[14] IAB Tech Lab: LLM Content Ingest API Initiative und Content Monetization Protocols (CoMP), aktualisiert am 28. April 2026.

Redaktioneller Hinweis: «Machine Trust» und «Narrative Intelligence» werden in diesem Beitrag als strategische Bezugsrahmen verwendet. Sie bezeichnen keine standardisierten oder modellübergreifend einheitlich definierten Messgrössen.

---

Über den Autor

Martin Radelfinger ist Gründer von Net Gain, strategischer Berater und Autor. Seine Arbeit bewegt sich an der Schnittstelle von digitalem Publishing, Medienökonomie und Adtech sowie der wachsenden Bedeutung künstlicher Intelligenz für die digitale Marken- und Unternehmenskommunikation.

Seine internationale Karriere führte ihn unter anderem nach New York, wo er als Vice President New Media bei der Editor & Publisher Company und als Vice President Market Development bei Real Media tätig war. Anschliessend wirkte er als Geschäftsführer der Wirz Homepage AG, Agentur für digitale Unternehmenskommunikation, und als Partner der Wirz Partner Holding. Als Managing Director und Chief Strategy Officer von Goldbach Audience verantwortete er später das digitale Agentur- und Werbevermarktungsgeschäft der Goldbach Group.

Radelfinger lehrte an der Temple University in Philadelphia sowie an der HWZ Hochschule für WirtschaftZürich. Er war Initiant der IAB Europe und wurde für sein langjähriges Engagement zum Ehrenpräsidenten der IAB Switzerland ernannt.