Semantischer Drift: Warum KI-Antworten die Positionierung von Marken verzerren

Was, wenn der Erfolg einer Marke in ChatGPT-Antworten nicht davon abhinge, was ein Unternehmen tatsächlich leistet – sondern davon, wie sein Name klingt? Genau das hat eine Untersuchung von Peec AI kürzlich nahegelegt: Ein Firmenname, der bei Menschen elf Prozent positiver konnotiert ist, führt bereits zu einer 0,8 Prozent positiveren Beschreibung durch Sprachmodelle. Unabhängig davon, wie gut das Unternehmen tatsächlich arbeitet.

Dieses Phänomen hat einen Namen: semantischer Drift – eine Reputationsverschiebung, die aus der Tendenz einer KI entsteht, Kontext nur ungefähr zu deuten, statt ihn präzise zu verstehen. Er zeigt sich nicht in Klicks oder Rankings, sondern in kleinen, kaum bemerkten Verschiebungen dessen, was eine KI über eine Marke zu wissen glaubt.

Was ist semantischer Drift?

Für den seltenen Extremfall – eine KI-Antwort, die eine Marke komplett falsch oder ins Gegenteil verkehrt darstellt – lässt sich der Begriff synthetische Krise verwenden: eine Reputationskrise, die aus der Unfähigkeit einer KI entsteht, Kontext richtig zu deuten. Solche Fälle sind laut, sichtbar und schnell bemerkt. Ein Beispiel solch einer synthetischen Krise haben wir neulich am eigenen Leib erfahren, mehr dazu hier.

Semantischer Drift ist die deutlich häufigere, leisere Variante desselben Grundproblems. Er zeigt sich nicht in Zitationsraten oder Visibility-Charts. Sichtbar wird er erst, wenn jemand tatsächlich liest, was eine KI antwortet, statt nur zu zählen, wie oft sie es tut. Genau deshalb prägt diese Bedeutungsverschiebung den Alltag der meisten Marken weit stärker.

Warum erfassen typische GEO-Kennzahlen semantischen Drift nicht?

Seit Generative Engine Optimization (GEO) zum festen Bestandteil vieler Marketing-Strategien geworden ist, kursieren vor allem drei Werte: wie oft eine Marke in KI-Antworten auftaucht, welche Quellen dabei zitiert werden, und wie positiv oder negativ der Ton ausfällt. Alle drei sind blind für genau die Verschiebung, um die es hier geht.

Die Häufigkeit hängt maßgeblich davon ab, welche Fragen ein Monitoring-Tool überhaupt testet – meist Annahmen eines Marketing- oder SEO-Teams, nicht das, was Menschen tatsächlich eingeben. Die zitierten Quellen zeigen wiederum nur einen Ausschnitt dessen, was eine Antwort tatsächlich prägt. Der größere Teil stammt aus allgemeinem Trainingsmaterial, das nie als Beleg sichtbar wird, aber trotzdem semantischen Drift befeuert.

Und der Sentiment-Wert – siehe die Namensstudie oben – lässt sich bereits von Faktoren verzerren, die mit der eigentlichen Unternehmensleistung nichts zu tun haben. Tonalität ist messbar. Ob eine Aussage inhaltlich stimmt, ist eine ganz andere Frage.

Wie verbreitet ist semantischer Drift wirklich?

Dass es sich dabei nicht um ein Randphänomen handelt, zeigt eine der bislang größten unabhängigen Untersuchungen zu diesem Thema. Die European Broadcasting Union hat gemeinsam mit der BBC über 3.000 Antworten von ChatGPT, Copilot, Gemini und Perplexity in 18 Ländern und 14 Sprachen von Fachjournalist:innen bewerten lassen.

Das Ergebnis: 45 Prozent aller Antworten enthielten mindestens ein signifikantes Verständnisproblem. 31 Prozent zeigten ernsthafte Quellenmängel – fehlend, irreführend oder falsch zugeordnet. 20 Prozent enthielten größere Genauigkeitsfehler wie veraltete Informationen oder erfundene Details.

Ein Aspekt wird überbetont, ein anderer fehlt ganz, eine längst überholte Information hält sich hartnäckiger, als es der aktuellen Kommunikation lieb wäre. In keinem Visibility-Dashboard fällt das auf.

Warum hängt eine zehn Jahre alte Positionierung noch in KI-Antworten nach?

Ein Experiment bei uns selbst macht die Verschiebung greifbar. Auf Bitten gaben Claude, Gemini und ChatGPT je eine Gegenüberstellung von unserer und einer vergleichbaren Agentur aus. Die Ergebnisse widersprachen sich fundamental: Claude beschrieb uns als „sachlich-strategisch”, Gemini als „kreativ, narrativ, emotionalisierend” – exakt gegenteilige Einschätzungen zur selben Marke, ungefragt mitgeliefert.

Bei der Zielgruppen-Einordnung nannten gleich mehrere Modelle eine Positionierung, die bei der Gründung 2009 tatsächlich zutraf: der Fokus auf junge Unternehmen. Seit zehn Jahren haben wir uns davon bewusst gelöst – kein Blogpost, keine Pressemitteilung, kein Social-Media-Post erwähnt diese Ausrichtung noch. Reputationshistorie verschwindet nicht durch bloßes Schweigen – sie braucht aktive Gegengewichte über Jahre.

Warum Zuordnung mehr über Vertrauen entscheidet als Tonalität

Deshalb reicht es nicht, nur zu zählen, wie oft eine Marke vorkommt. Es lohnt sich, genauer hinzusehen, welche Nuancen sich in der eigenen Positionierung über Zeit verschieben: Welche Begriffe hängen einer Marke plötzlich an, obwohl sie so nie kommuniziert wurden? Welche fehlen, obwohl sie eigentlich zentral wären? Wer diese Fragen regelmäßig stellt, erkennt semantischen Drift, bevor er sich verfestigt.

Der wichtigere Schritt folgt danach: die Positionierung – über eigene Kanäle genauso wie über Dritte – deutlich schärfer zu fassen, als es die meisten Unternehmen heute tun. Jedes einzelne Wort verdient dabei eine Nachfrage: Erzeugt dieser Begriff wirklich die gewünschte Assoziation? Und ist er belegt, oder nur behauptet?

Was können Unternehmen konkret tun?

Drei Ansatzpunkte haben sich als wirksam erwiesen:

Fokus statt Breite. Wer sich thematisch zu breit positioniert – auch mit Inhalten jenseits des Kerngeschäfts, die eigentlich nur zusätzlichen organischen Traffic bringen sollen – erhöht das Risiko, semantisch falsch zugeordnet zu werden. Jede zusätzliche thematische Nähe ist ein potenzielles Zuordnungsrisiko.

Sichtbarkeit des Echten. Authentische Einblicke auf Website, Social Media und vor allem Bewertungsplattformen sind schwerer zu verzerren als reine Marketing-Aussagen und werden von Sprachmodellen stark herangezogen.

Earned Content. Bestätigende Datenpunkte durch unabhängige Dritte – Redaktionen, Fachmedien, Plattformen ohne Eigeninteresse – wiegen schwerer als Eigenaussagen.

„Reputation ist heute keine quantitative Frage mehr, sondern eine semantische. Wer nur auf steigende Balken in Monitoring-Dashboards schaut, übersieht das eigentliche Risiko: nicht ob eine Marke oft genug erwähnt wird, sondern ob das, was über sie gesagt wird, überhaupt noch stimmt. Reputation ist Infrastruktur – keine Einmalkampagne zur Optimierung von Sichtbarkeit.“

Miriam Schwellnus, Expertin für GEO, PR und Brand Storytelling bei Mashup Communications

FAQ

Was ist semantischer Drift?

Eine Reputationsverschiebung, die aus der Tendenz einer KI entsteht, Kontext nur ungefähr zu deuten. Sie zeigt sich nicht in Kennzahlen, sondern erst beim tatsächlichen Lesen der KI-Antworten – und betrifft praktisch jede Marke mit digitaler Historie.

Was ist der Unterschied zwischen semantischem Drift und einer synthetischen Krise?

Eine synthetische Krise ist der seltene Extremfall: eine KI-Antwort, die eine Marke komplett falsch oder ins Gegenteil verkehrt darstellt. Semantischer Drift ist die deutlich häufigere, leisere Variante – keine offene Fehlinformation, sondern eine graduelle Unschärfe in Ton und Zuordnung.

Was zeigt die EBU/BBC-Studie zu semantischem Drift?

In einer Untersuchung von über 3.000 KI-Antworten in 18 Ländern und 14 Sprachen enthielten 45 Prozent mindestens ein signifikantes Verständnisproblem, 31 Prozent zeigten Quellenprobleme und 20 Prozent größere Genauigkeitsfehler – meist in Form von genau der Unschärfe, die semantischen Drift ausmacht.

Kann man semantischem Drift aktiv entgegenwirken?

Ein Großteil dessen, was KI-Antworten prägt, stammt aus allgemeinem Trainingsmaterial, das sich nicht gezielt korrigieren lässt. Wirksamer ist der kontinuierliche Aufbau von eigenem und durch Dritte bestätigtem Content über Jahre.