Semantischer Drift: Wenn KI das Markenbild verschiebt

Unternehmen messen unter dem Stichwort Generative Engine Optimization (GEO), wie oft sie in Antworten von ChatGPT, Gemini und Co. auftauchen. Weniger Beachtung findet die Frage, was dort über sie steht. Das Bild einer Marke verschiebt sich in KI-Antworten oft unbemerkt. Dieses Phänomen lässt sich als semantischer Drift beschreiben. Miriam Schwellnus, Geschäftsführerin der Berliner Agentur Mashup Communications, ordnet es in diesem Gastbeitrag ein.

Wie bei «Stille Post»: Informationen verrutschen

Beim Kinderspiel «Stille Post» kommt am Ende selten an, was am Anfang gesagt wurde. Kein Mitspieler lügt, jeder gibt nur ein wenig anders weiter, was er verstanden hat. Ähnlich ergeht es Informationen, die KI-Assistenten zusammenfassen und einordnen. Eine Untersuchung der European Broadcasting Union (EBU) und der BBC zeigt, wie oft dabei etwas verrutscht. Fachjournalist:innen prüften mehr als 3000 Antworten von ChatGPT, Copilot, Gemini und Perplexity in 18 Ländern und 14 Sprachen. 45 Prozent enthielten mindestens ein signifikantes Verständnisproblem (EBU/BBC, Oktober 2025).

Die Untersuchung bezog sich auf Nachrichteninhalte. Der Mechanismus sei aber derselbe, wenn ein Assistent ein Unternehmen beschreibt: Er verdichtet, gewichtet und lässt weg. Monitoring-Werkzeuge zeigen, wie häufig eine Marke genannt wird, welche Quellen erscheinen und ob der Ton eher positiv oder negativ ausfällt. Ob das Gesagte stimmt, zeigen sie nicht.

Semantischer Drift: Bedeutung verschiebt sich unbemerkt

In der Linguistik beschreibt semantischer Drift, wie sich die Bedeutung von Wörtern über die Zeit verschiebt. Auf Marken übertragen meint der Begriff eine Reputationsverschiebung, die aus der Tendenz einer KI entsteht, Kontext nur ungefähr zu deuten. Ein Aspekt wird überbetont, ein anderer fehlt, eine überholte Information bleibt hängen. Einzelne Antworten wirken dann nicht falsch, das Gesamtbild stimmt trotzdem nicht mehr.

Weitere Zahlen derselben Studie: 31 Prozent der Antworten zeigten ernsthafte Quellenprobleme, weil Belege fehlten, irreführend oder falsch zugeordnet waren. 20 Prozent wiesen grössere Genauigkeitsfehler auf, etwa veraltete Informationen oder erfundene Details (EBU/BBC, Oktober 2025).

Warum GEO-Kennzahlen den Drift nicht erfassen

Laut Schwellnus hängt die Sichtbarkeitsquote davon ab, welche Fragen ein Tool testet. Das seien in der Regel vorab festgelegte Beispielfragen eines Marketingteams, nicht das, was Menschen tatsächlich eingeben. Da Assistenten Nutzer:innen zunehmend aus früheren Gesprächen kennen, laute eine reale Frage eher «Welche Agentur passt zu mir?» als «Welche Agenturen gibt es in Berlin?».

Zitierte Quellen zeigen nur, worauf sich eine Antwort ausdrücklich beruft. Was ein Sprachmodell aus seinem Trainingsmaterial «weiss», tauche nie als Beleg auf. Tonalität lasse sich zwar messen, sage aber nichts darüber aus, ob eine Aussage stimmt. Entscheidend sei die Zuordnung: Gehört diese Aussage tatsächlich zu diesem Unternehmen, in diesem Zusammenhang? Vertrauen von Bewerber:innen, Kund:innen und Geschäftspartner:innen entstehe genau dort.

Was Unternehmen jetzt tun sollten

Erstens: lesen statt nur zählen. Wer regelmässig nachliest, was KI-Systeme über das eigene Unternehmen antworten, erkennt Verschiebungen, lange bevor sie sich verfestigen. Dazu gehören Fragen, die Bewerber:innen, Kund:innen oder Partner:innen tatsächlich stellen würden, nicht nur jene, die sich gut messen lassen.

Zweitens: Positionierung schärfen und jedes Wort hinterfragen. Ist ein Begriff belegt oder nur behauptet? Eine Aussage wie «Wir bieten flexible Arbeitszeiten» bleibe austauschbar, solange sie nicht durch echte Zahlen, Stimmen aus dem Unternehmen und eine Bestätigung von aussen untermauert werde. Je mehr Themen ein Unternehmen besetzt, die nicht zu seiner Kernpositionierung gehören, desto leichter lasse es sich falsch einordnen.

Drittens: Geduld. Reputation, die sich über Jahre aufgebaut hat, lässt sich nicht in wenigen Wochen korrigieren. Wer nur auf kurzfristige Sichtbarkeitsspitzen ziele, verpasse den kontinuierlichen Aufbau eigener und fremder Quellen. Sichtbarkeit in KI-Antworten sei dann ein Nebenprodukt einer Reputation, die ohnehin stimmt. Reputation sei Infrastruktur, keine Einmalkampagne.

About the author

Miriam Schwellnus ist Gründerin und Geschäftsführerin der Berliner Agentur Mashup Communications. Sie ist Autorin des Bestsellers «Storytelling für Unternehmen» und verbindet nach eigenen Angaben seit knapp 20 Jahren Public Relations mit Content Marketing und narrativen Strategien.