Wenn die KI dich falsch zitiert: Das unterschätzte Reputationsrisiko

Die meisten Betriebe sorgen sich, von der KI übersehen zu werden. Das größere Risiko ist subtiler: dass die KI dich falsch darstellt — und dabei völlig überzeugend klingt. Falsche Öffnungszeiten, eine Leistung, die du gar nicht anbietest, ein veralteter Preis, eine Verwechslung mit einem Mitbewerber. Der Kunde liest es, glaubt es und meldet sich nie. Oder er meldet sich mit falschen Erwartungen.

Wie oft die KI danebenliegt

Die Fehlerquote ist hoch und gut dokumentiert: Im März 2025 veröffentlichten Klaudia Jaźwińska und Aisvarya Chandrasekar vom Tow Center for Digital Journalism der Columbia University die Studie „AI Search Has a Citation Problem". Sie testeten acht führende KI-Suchwerkzeuge — darunter ChatGPT Search, Perplexity, Gemini, Copilot und Grok — mit 1.600 standardisierten Anfragen.

Das Ergebnis: In über 60 % der Fälle gaben die KI-Suchmaschinen die Quelle falsch an. Die Spannweite ist dramatisch. Perplexity schnitt mit einer Fehlerquote von 37 % noch am besten ab. Grok-3, die Bezahlversion, lag bei 94 % falscher Antworten.

Erfundene Links inklusive

Besonders heikel: Die Modelle erfinden nicht nur Fakten, sondern auch Quellen. Grok-3 verwies die Nutzer in den Tests 154-mal auf eine tote 404-Fehlerseite — mehr fabrizierte, kaputte Links als korrekte Zitate. Ein Link, der überzeugend aussieht, aber ins Leere führt, ist für deinen Betrieb kein Zugewinn, sondern ein Vertrauensschaden.

Das eigentliche Problem: blinde Zuversicht

Der gefährlichste Befund der Studie ist nicht die Fehlerquote selbst, sondern wie die Fehler präsentiert werden. Die Forscherinnen nennen es „blinde Zuversicht": Statt eine Wissenslücke einzugestehen, formulieren die Modelle hochgradig selbstbewusst — und faktisch falsch.

ChatGPT lieferte bei 134 falschen Zitaten nur 15-mal eine relativierende Formulierung wie „es scheint" oder „möglicherweise". In allen anderen Fällen klang die falsche Antwort genauso souverän wie eine richtige. Lediglich Microsofts Copilot bildete eine Ausnahme und verweigerte bei dünner Faktenlage lieber die Antwort, als zu raten.

Für den Menschen davor ist das fatal: Wenn die Maschine in flüssigem, selbstsicherem Ton antwortet, gibt es kein Warnsignal. Richtig und falsch sehen identisch aus.

Warum das ausgerechnet deinen Betrieb trifft

KI-Modelle sind im Kern Wahrscheinlichkeits-Maschinen: Sie berechnen die plausibelste nächste Aussage. Trifft so ein Modell auf lückenhafte, widersprüchliche oder unstrukturierte Informationen über deinen Betrieb, füllt es die Lücken — nicht mit Wahrheit, sondern mit dem statistisch Naheliegenden. Steht deine Adresse auf drei Plattformen unterschiedlich da, ist dein Leistungsumfang nirgends klar deklariert, widersprechen sich deine Angaben: genau dann beginnt die Maschine zu raten.

Die Konsequenz ist unbequem, aber eindeutig: Die Beweislast liegt bei dir. Es reicht nicht, irgendwo richtige Informationen zu haben. Sie müssen so eindeutig, widerspruchsfrei und maschinenlesbar vorliegen, dass der KI gar kein Raum zum Raten bleibt.

Eindeutigkeit ist die Verteidigung

Das Gegenmittel heißt Entitäts-Klarheit: Deine Marke, deine Leistungen, deine Daten müssen über das gesamte Web hinweg als ein kohärentes, widerspruchsfreies Bild erscheinen. Eine einzige gepflegte Datenquelle, strukturiert aufbereitet (etwa über JSON-LD), konsistent ausgespielt — das nimmt der KI die Mehrdeutigkeit, an der sie sonst scheitert. Wie dieser maschinenlesbare Unterbau technisch funktioniert, beschreiben wir an anderer Stelle im Detail.

Genau hier setzt btlabs Core an: Deine Betriebsdaten werden einmal zentral gepflegt und sauber strukturiert an Mensch und Maschine ausgespielt — aus einer Single Source of Truth, ohne dass visuelles Marketing und maschinenlesbare Fakten auseinanderdriften.

Ehrlich bleibt ehrlich: Keine Technik kann eine KI zwingen, immer korrekt zu zitieren — dafür sind die Modelle zu probabilistisch. Aber wer seine Fakten eindeutig und belegt bereitstellt, senkt das Risiko der Falschdarstellung drastisch und erhöht die Chance, dass aus „die KI kennt dich" ein „die KI kennt dich richtig" wird.

Quellen

• AI Search Has a Citation Problem — Tow Center for Digital Journalism, Columbia University, März 2025. cjr.org
• AI search engines fail to produce accurate citations in over 60% of tests — Nieman Lab, 2025. niemanlab.org
• GEO: Generative Engine Optimization — Aggarwal et al., ACM SIGKDD 2024. arxiv.org/abs/2311.09735

Hinweis: Die Studie bildet einen Zeitpunkt ab — Fehlerquoten einzelner Modelle ändern sich mit neuen Versionen. Die grundsätzliche Herausforderung (unsichere Quellenangaben, hohes Selbstvertrauen trotz Fehlern) bleibt davon unabhängig bestehen.