Wenn KI Ihr Unternehmen falsch darstellt: das Korrektur-Playbook

Falsch schlägt fehlend: warum Falschaussagen die teure Lücke sind

KI-Antworten kommen im selbstsicheren, uneingeschränkten Ton einer Kollegin daher, die schon nachgeschaut hat. Dieser Ton leistet sehr viel Arbeit, die er sich nicht verdient hat. Als das Tow Center for Digital Journalism acht KI-Suchwerkzeuge darauf testete, die Quelle von Nachrichtenauszügen zu identifizieren, lieferten die Werkzeuge zusammengenommen bei mehr als 60 % der Anfragen falsche Antworten, Perplexity lag in 37 % der Fälle falsch, Grok 3 in 94 % — und sie signalisierten selten Unsicherheit, wenn sie danebenlagen.

Die Herkunft von Nachrichtenauszügen ist nicht dieselbe Aufgabe wie das Zusammenfassen eines Anbieters, aber das Fehlermuster überträgt sich exakt: Ein konkreter, überprüfbarer Fakt wird flüssig und ohne Vorbehalt behauptet. Für Käufer in einem Vergleichs-Prompt ist das von echter Recherche nicht zu unterscheiden.

Praktisch heißt das: Eine Falschaussage verstärkt sich selbst. Assistenten zitieren das Ökosystem der jeweils anderen — ein veralteter Verzeichniseintrag speist eine Zusammenfassung, diese Zusammenfassung wird gescrapt, und der Fehler erhält eine zweite scheinbare Quelle. Früh zu korrigieren ist deutlich billiger, als zu korrigieren, nachdem die Behauptung durch drei Zwischenstationen gewaschen wurde. Behandeln Sie Falschaussagen als oberste Priorität Ihrer AI-Visibility-Warteschlange, noch vor dünnen Erwähnungen und fehlenden Vergleichen.

• Schritt 1 — Die Behauptung festnageln, bevor Sie mit ihr diskutieren
• paragraphs [],

Schritt 1 — Die Behauptung festnageln, bevor Sie mit ihr diskutieren

Vage Meldungen („ChatGPT sagt, unsere Preise seien falsch“) lassen sich weder zurückverfolgen noch verifizieren. Protokollieren Sie die Behauptung wie einen Bug: den exakten Prompt-Text, Assistent und Modell, ob Websuche bzw. Browsing aktiv war, das Datum und die vollständige Antwort inklusive aller Quellenangaben. Machen Sie einen Screenshot und kopieren Sie den Text, damit Sie später danach suchen können.

Zwei Bedingungen sind entscheidend und werden meist übersprungen. Erstens: Führen Sie den Prompt in einer frischen Sitzung ohne Memory und Personalisierung aus — sonst lesen Sie womöglich Ihr eigenes früheres Gespräch zurück statt der Standardsicht des Modells auf Sie. Zweitens: Testen Sie die Formulierungen, die Käufer tatsächlich verwenden, nicht Ihre eigenen: „Was kostet X“, „Gibt es X noch“, „X vs. Y“, „Ist X dieselbe Firma wie Y“. Falschaussagen häufen sich bei kaufnahen Prompts, weil genau diese Prompts konkrete Angaben verlangen.

Klassifizieren Sie dann den Fehler, denn die Korrektur unterscheidet sich. Ein Retrieval-Fehler heißt: Der Assistent hat eine Live-Seite zitiert und die Seite ist falsch. Ein parametrischer Fehler heißt: Die Behauptung stammt ohne Quellenangabe aus den Trainingsdaten. Ein Verwechslungsfehler heißt: Zwei Entitäten wurden zusammengeführt. Die meisten Preisbeschwerden sind Retrieval-Fehler. Die meisten Namensbeschwerden sind Verwechslungen.

Schritt 2 — Der Quellenangabe folgen, nicht dem Modell

Fragen Sie direkt: „Welche Quellen belegen das?“ Öffnen Sie dann jede URL und prüfen Sie, ob dort wirklich steht, was der Assistent behauptet hat. Dieser eine Schritt klärt die Mehrzahl der Fälle — und teilt sie in drei sehr unterschiedliche Reparaturen auf.

Ist die Quelle echt und die Information darauf tatsächlich veraltet, haben Sie ein Content-Problem, das Sie heute lösen können. Ist die Quelle echt und korrekt, aber der Assistent hat sie falsch gelesen — Preis in einem Bild versteckt, eine Fußnote als Headline-Zahl interpretiert, ein Alt-Tarif als aktueller Tarif gelesen —, haben Sie ein Klarheits- und Strukturproblem. Gibt es gar keine Quelle oder enthält die zitierte URL die Behauptung nicht, sprechen wir über Modellgedächtnis oder eine Halluzination, und keine einzelne Seitenänderung löst das.

Hilfreich ist zu wissen: Die Retrieval-Schicht ist ein Live-Crawl, den Sie beeinflussen können. OpenAI dokumentiert in seiner Bots-Dokumentation getrennte Crawler für Training und für Suchantworten, Anthropic beschreibt, wie Claude Webinhalte abruft, und Perplexity dokumentiert seine Crawler und User Agents. Was diese Crawler heute auf Ihrer Seite lesen können, ist das Material für die Antwort von morgen.

Schritt 3 — An der Quelle korrigieren, nach Hebelwirkung sortiert

Beginnen Sie mit Ihrer eigenen Website, denn sie ist die einzige Quelle, die Sie vollständig kontrollieren. Geben Sie jedem strittigen Fakt eine kanonische Seite, die ihn explizit nennt — als HTML-Text, mit Datum. Widersprüche innerhalb der eigenen Domain sind eine häufige Ursache für KI-Fehler: eine alte Kampagnen-Landingpage, ein PDF-Datenblatt, ein Help-Center-Artikel und ein Changelog-Eintrag, die alle unterschiedliche Zahlen nennen. Das Modell kann nicht wissen, welche davon Sie für aktuell halten — also wählt es, oft schlecht.

Machen Sie den Fakt dann maschinenlesbar. Mit Product- und Offer-Markup lassen sich Preis, Währung und Verfügbarkeit eindeutig angeben; Google dokumentiert die erforderlichen und empfohlenen Felder im Leitfaden zu strukturierten Daten für Händlereinträge, und schema.org definiert Verfügbarkeitswerte inklusive Discontinued. Preise, die nur in einem Screenshot oder einem clientseitigen Widget existieren, sind für die meisten Crawler unsichtbar.

Als Nächstes Datenbestände Dritter. Wikidata und Wikipedia prägen überproportional, wie Entitäten beschrieben werden; wenn Sie dort editieren, halten Sie sich an Wikipedias Hinweise zu Interessenkonflikten und stellen Sie eine Änderungsanfrage auf der Diskussionsseite, statt den Artikel selbst zu bearbeiten. Aktualisieren Sie Ihr Google Business Profile, korrigieren Sie Branchenverzeichnisse und Anbieterprofile auf Bewertungsportalen, und bitten Sie Reseller und Partner mit alten Preisen um eine Aktualisierung ihrer Einträge.

Laden Sie zum Schluss zu einem erneuten Crawl ein. Aktualisieren Sie die lastmod-Werte in der Sitemap und melden Sie die geänderten URLs über IndexNow, das von Bing unterstützt wird — relevant, weil sich die Webantworten von Copilot auf den Bing-Index stützen.

Die drei Korrekturen, die am häufigsten schiefgehen

Preise, abgekündigte Produkte und Namenskollisionen machen den Großteil der schädlichen Falschaussagen aus, die uns begegnen — und jeder Fall hat ein eigenes Fehlermuster.

Preisfehler halten sich, weil alte Zahlen an mehr Stellen stehen als aktuelle: Presseberichte, Reseller-Seiten, Vergleichstabellen auf Bewertungsportalen, Ihre eigenen archivierten Seiten. Einen neuen Preis zu veröffentlichen löscht die alten nicht. Die Lösung: eine Preisseite unmissverständlich kanonisch und datiert machen, die Zahlen als Text mit Offer-Markup ausgeben und die drei wichtigsten Drittseiten nachfassen, die noch die alte Zahl nennen.

Bei eingestellten Produkten läuft es umgekehrt schief: Teams löschen die Seite. Ein 404 nimmt Ihnen die Möglichkeit, den Fakt selbst zu formulieren, also antworten Assistenten weiter aus zwischengespeicherten Fremdbeschreibungen und alten Reviews. Halten Sie die URL live, nennen Sie Status und End-of-Sale-Datum im Klartext, markieren Sie die Verfügbarkeit im Markup als eingestellt und nennen Sie das Nachfolgeprodukt auf derselben Seite. Sie wollen, dass der Assistent sagt: „2024 eingestellt, ersetzt durch X“ — das passiert nur, wenn eine crawlbare Seite genau das sagt.

Namenskollisionen sind ein Entitäten-Problem, kein Content-Problem. Zwei Unternehmen mit gleichem Namen werden zusammengeführt, solange der Graph sie nicht trennt. Verwenden Sie überall einen einheitlichen Firmennamen plus Kategoriebezeichnung, verlinken Sie Ihre verifizierten Profile gegenseitig als sameAs-Identifier, halten Sie Ihr Wikidata-Objekt korrekt — und wenn die Verwechslung Sie Deals kostet, veröffentlichen Sie eine kurze, sachliche Klarstellung, dass Sie mit der anderen Entität nicht verbunden sind.

Schritt 4 — Prüfen, ob sich die Antwort wirklich geändert hat

Eine nicht verifizierte Korrektur ist eine Hypothese. Führen Sie die exakt protokollierten Prompts erneut aus — in frischen Sitzungen mit deaktiviertem Memory, über jeden Assistenten, bei dem Sie die Behauptung gefunden haben — und notieren Sie das Datum, an dem sich jede Antwort ändert. Testen Sie auch die Prompt-Varianten: Assistenten korrigieren häufig die direkte Frage, während der Vergleichs-Prompt weiterhin die alte Zahl transportiert.

Rechnen Sie mit ungleichen Zeitachsen. Antworten, die auf Live-Retrieval beruhen, können sich innerhalb weniger Tage nach einem erneuten Crawl ändern. In den Modellgewichten verankerte Behauptungen überleben womöglich bis zum nächsten Modell-Update — deshalb schlägt breite Bestätigung durch unabhängige Quellen eine einzelne perfekte Seite. Erscheint die falsche Behauptung nur bei deaktiviertem Webzugriff, warten Sie auf Trainingsdaten, nicht auf Ihr CMS.

Messen Sie den Anteil korrekter Antworten über mehrere Durchläufe statt über einen Screenshot, denn Ausgaben schwanken zwischen Sitzungen. Genau diese Schleife automatisiert Growli für unsere Kunden — dieselben Prompts, wiederholt ausgeführt über ChatGPT, Gemini, Claude, Perplexity, Copilot und Grok, mit Alert, sobald eine korrigierte Behauptung wieder auftaucht; So funktioniert es erklärt die Mechanik im Detail.

Wenn sich die Antwort partout nicht ändert

Nutzen Sie das Feedback direkt im Produkt, bezogen auf die konkrete Antwort — jeder große Assistent hat einen Daumen-runter- und Melde-Weg, und das ist der einzige Kanal, der die Plattform mitsamt der beanstandeten Ausgabe erreicht. Behalten Sie Ihr Bug-Log: Eine Meldung mit exaktem Prompt, Datum und korrektem Fakt ist weitaus verwertbarer als eine allgemeine Beschwerde.

Betrifft die Falschaussage eine identifizierbare Person — etwa einen Gründer, dem etwas zugeschrieben wird, das er nie getan hat —, kann Datenschutzrecht unmittelbar greifen. In der EU deckt das Recht auf Berichtigung unrichtige personenbezogene Daten ab, und die Anbieter stellen genau dafür Wege für Datenschutzanfragen bereit. Heben Sie sich die juristische Eskalation für ehrverletzende oder geschäftsschädigende Behauptungen auf, nicht für den Tonfall.

Eine Taktik, die Sie vermeiden sollten: KI-Crawler als Reaktion auf eine falsche Antwort zu blockieren. Das entfernt Ihre Seiten aus der Retrieval-Schicht, ohne irgendetwas zu entfernen, was bereits im Modell steckt — der Assistent antwortet dann aus Drittquellen, die Sie noch weniger kontrollieren. Die dauerhafte Korrektur besteht darin, die klarste, aktuellste und maschinenlesbarste Quelle über sich selbst zu sein.

FAQ