Zurück zum Blog Existiert Ihre Marke als Entität für KI?

Existiert Ihre Marke als Entität für KI?

Bevor Sie fragen, ob die KI Sie empfiehlt, fragen Sie, ob sie weiß, wer Sie sind. Mehrdeutige Namen, maßgebliche Quellen, und warum Sie Ihren Eintrag nie selbst schreiben.

Die meisten Marken kommen mit der falschen ersten Frage zur KI-Sichtbarkeit. Sie wollen wissen, ob ChatGPT sie empfiehlt. Verständlich, aber darunter liegt eine Frage, die zuerst geklärt werden muss, und die fast niemand stellt: Weiß das Modell überhaupt, dass Sie existieren, als etwas Bestimmtes, unterscheidbar von allem anderen, das zufällig denselben Namen trägt?

Lautet die Antwort Nein, misst jede Kennzahl, die Sie danach erheben, etwas anderes. Sie können nicht empfohlen werden, wenn die Maschine nicht klären kann, wer Sie sind.

Was eine Entität ist, ganz einfach erklärt

Für ein Sprachmodell ist der Name Ihrer Marke eine Zeichenkette, die in einer bestimmten Textmenge vorkommt. In den Trainingsdaten steht sie neben anderen Wörtern: Produkten, Branchen, Städten, Gründern, Wettbewerbern, Beschwerden, Bewertungen. Was das Modell lernt, ist die Form dieser Nachbarschaft.

Eine Entität entsteht, wenn diese Nachbarschaft kohärent genug ist, um als eine Sache behandelt zu werden. Das Modell, und die darauf aufgesetzten Retrieval-Systeme, können dann Fakten an einen stabilen Bezugspunkt heften: Dieser Name ist ein Unternehmen, gehört zu dieser Kategorie, verkauft dieses Produkt, ist nicht jenes andere Unternehmen. Das ist Entitätsauflösung, und sie macht den Unterschied zwischen einem Namen, über den eine Maschine nachdenken kann, und einem Namen, den sie nur zurückgeben kann. Eine Liste von Links kann ausweichen und beide Bedeutungen eines mehrdeutigen Namens zeigen. Eine in Prosa geschriebene Antwort muss sich für eine entscheiden.

Die drei Arten, wie ein Name nicht aufgelöst wird

Ihr Name ist auch ein gewöhnliches Wort

Nennen Sie Ihr Unternehmen Meridian, Kompass oder Orbit, und Sie haben dem Modell ein Wort übergeben, das bereits eine eigene Bedeutung trägt. Fragt man nach der Marke, definiert das Modell vielleicht das Substantiv, vermischt das Substantiv mit dem Unternehmen, oder beschreibt eine wunderbar generische Organisation, zusammengesetzt aus dem, was ein solches Wort nahelegt. Namen, die auch gewöhnliche Wörter sind, funktionieren hervorragend bei Menschen, die Kontext mühelos nutzen, und sind feindselig gegenüber Maschinen, die diesen Kontext erst ableiten müssen.

Jemand anderes hat Ihren Namen bereits

Zwei Unternehmen, die sich einen Namen teilen, in unterschiedlichen Ländern oder Branchen, sind der Normalfall. Ist eines der beiden älter, größer oder im Internet einfach besser dokumentiert, löst das Modell den Namen zu diesem auf und schreibt Ihre Erwähnungen stillschweigend jenem zu. Dessen Kategorie wird zu Ihrer. Dessen schlechte Presse wird zu Ihrer.

Der Name gehört einer Person

Firmen, die nach einem Gründer benannt sind, stoßen ständig darauf. Der Nachname gehört auch einem Sportler, einer Politikerin, einem Autor, und das Web spricht über diese Person weit häufiger als über Ihr Unternehmen. Das Modell ist nicht wirklich verwirrt. Es hat gelernt, dass sich diese Zeichenkette gewöhnlich auf jemand anderen bezieht.

Die Folge ist in allen drei Fällen dieselbe: Ihre Erwähnungen zerstreuen sich. Was Sie aufbauen, sammelt sich niemals auf einer Sache an. Es verteilt sich auf mehrere mögliche Bezugspunkte, und keiner davon sind ganz Sie.

Wo Entitäten tatsächlich definiert werden

Modelle nehmen Ihnen nicht einfach ab, wer Sie sind. Sie richten sich nach dem, was das Web sagt, gewichtet danach, wie unabhängig und wie konsistent es klingt. Manche Orte wiegen in diesem Prozess schwerer, nicht weil sie jemand für offiziell erklärt hätte, sondern wegen dessen, was sie sind: neutral, strukturiert, geschrieben von Menschen ohne kommerzielles Interesse an Ihnen. Kollaborative Enzyklopädien wie Wikipedia sind das naheliegendste Beispiel, zusammen mit den dahinterliegenden strukturierten Wissensdatenbanken wie Wikidata, wo eine Entität kein Absatz ist, sondern ein Datensatz mit Kennungen und typisierten Beziehungen. Daneben stehen Handelsregister, Branchenregister, Normungsstellen, Berufsverbände und Fachverzeichnisse.

Was eine Marke auflösbar macht, ist eine Definition, die konsistent und über unabhängige Orte hinweg wiederholt ist. Wenn mehrere unabhängige Quellen denselben Namen auf dieselbe Weise beschreiben, in derselben Kategorie, mit denselben Gründungsfakten, löst sich die Mehrdeutigkeit auf: Es gibt genug Übereinstimmung, damit sich eine Maschine festlegt. Sagt jede Quelle etwas leicht anderes, oder sagt niemand etwas, gibt es nichts, worauf man sich festlegen könnte. Deshalb hat ein enzyklopädischer Eintrag, wo einer legitim existiert, eine überproportionale Wirkung. Nicht weil Modelle diese Seite verehren, sondern weil ein gut belegter Eintrag eine kompakte, neutrale, vielfach gespiegelte Aussage darüber ist, wofür ein Name steht, und andere Datensätze übernehmen sie.

Der Teil, der Ihnen nicht gefallen wird

Sie schreiben Ihren eigenen enzyklopädischen Eintrag nicht selbst. Sie bezahlen auch keine Agentur dafür, ihn für Sie zu schreiben, und keinen wohlgesinnten Redakteur dafür, ihn an der Prüfung vorbeizuschleusen. Diese Communitys haben ausdrückliche Regeln zu Interessenkonflikt, Relevanz und unabhängigen Quellen. Ein Eintrag über ein Unternehmen, das nicht Gegenstand substanzieller Berichterstattung durch unabhängige Quellen ist, wird gelöscht, und ein werblicher Eintrag wird noch schneller gelöscht. Der gescheiterte Versuch ist schlimmer als das Fehlen: Er hinterlässt im offenen Web, das die Modelle lesen, eine Spur einer Marke, die dabei ertappt wurde, eine Tatsache über sich selbst zu erfinden.

Erfüllen Sie die Relevanzkriterien nicht, lautet die ehrliche Lesart, dass Sie nach diesen Kriterien nicht relevant sind, noch nicht. Das ist kein Urteil über Ihr Unternehmen: Viele profitable, gut geführte Unternehmen erfüllen die Kriterien nie. Es bedeutet, dass die Enzyklopädie nicht Ihr Hebel ist, und Sie können aufhören, darauf zu starren.

Was Sie legitim tun können

  • Seien Sie beim Namen kompromisslos. Eine Schreibweise, eine Groß- und Kleinschreibung, ein Rechtsformzusatz oder keiner, überall: Website, Profile, Rechnungen, Pressemitteilungen, Partnerseiten. Jede Variante, die Sie zulassen, ist ein weiterer Bezugspunkt, den eine Maschine abgleichen muss.
  • Bringen Sie strukturierte Daten auf Ihrer eigenen Website unter. Veröffentlichen Sie einen Organization-Datensatz in JSON-LD mit Firmennamen, Kategorie, Logo, Gründungsdaten und vor allem der Eigenschaft sameAs, die auf Ihre Profile und Registereinträge anderswo verweist. Diese Eigenschaft existiert, um zu behaupten, dass die verstreuten Seiten eine einzige Entität sind, und diese Entität sind Sie.
  • Schreiben Sie eine Über-uns-Seite, die eine Maschine zitieren könnte. Kein Manifest. Ein Absatz weit oben, der sagt, was Sie sind, was Sie verkaufen, wer es kauft und in welcher Kategorie Sie stehen, in den Worten, die Ihr Markt benutzt. Muss ein Modell Ihre Kategorie aus Positionierungspoesie ableiten, wird es etwas ableiten, und es wird Ihnen nicht gefallen.
  • Beanspruchen Sie die Orte, die jeden aufnehmen. Handelsregister, Branchenverbände, Fachverzeichnisse, Entwicklerregister, App-Marktplätze, die Partnerseiten der Werkzeuge, mit denen Sie sich integrieren. Keiner verlangt Relevanz, und jeder wiederholt dieselbe Definition von einer unabhängigen Adresse aus.

Nichts davon garantiert ein Ergebnis. Es beseitigt ein Hindernis. Beides ist nicht dasselbe, und jeder Anbieter, der beides vermischt, verkauft etwas, das er nicht liefern kann.

Der Test, der eine Minute dauert

Öffnen Sie ChatGPT, Claude, Gemini und Perplexity und stellen Sie jedem die denkbar schlichteste Frage: Wer ist [Ihre Marke]. Sie bewerten nicht das Lob. Sie prüfen, ob die Maschine Sie mit jemand anderem verwechselt hat.

Achten Sie auf die Anzeichen. Eine Kategorie, die nicht Ihre ist. Ein Land, in dem Sie nie tätig waren. Ein Gründer, der nicht Ihr Gründer ist. Eine flüssige Beschreibung eines anderen Unternehmens mit Ihrem Namen. Eine höfliche Weigerung, überhaupt etwas zu sagen, was seinerseits eine Art Antwort ist. Stellen Sie die Frage dann in jeder Sprache, in der Sie verkaufen: Ein Name, der im Deutschen sauber aufgelöst wird, kann im Englischen oder Spanischen mit etwas Gewöhnlichem kollidieren, und das Modell wählt die lokale Bedeutung.

Kommen die Antworten verwirrt zurück, ist Ihr Problem nicht die Sichtbarkeit. Es ist die Identität, und keine Menge an Inhalten behebt das, solange die Maschinen nicht wissen, welche Sache Sie sind.

Wo die Messung ansetzt

Sobald sich der Name auflöst, wird die nützliche Frage, auf welche Quellen sich die Modelle stützen, wenn sie Sie beschreiben, und ob diese Beschreibung den Übergang in Ihre Exportmärkte übersteht. Das lässt sich messen, und genau das tut PSentry: Es führt Ihre Prompts über ChatGPT, Claude, Gemini und Perplexity aus, je Sprache und Markt, und berichtet, wo Sie erwähnt werden, welche Quellen verwendet wurden und wer stattdessen genannt wird. Die Quellen zählen hier: Sie zeigen, welche Seiten Sie definieren, und ob diese Seiten das richtige Unternehmen beschreiben.

Es misst. Es manipuliert keine Modellausgaben, es wird Ihren enzyklopädischen Eintrag nicht schreiben, und es kann Ihnen keinen Platz in einer Antwort versprechen. Es sagt Ihnen, ob die Maschinen derzeit wissen, wer Sie sind, Markt für Markt: die Tatsache, auf der diese ganze Disziplin ruht, und diejenige, die die meisten Marken nie überprüft haben.

Häufig gestellte Fragen

Sollten wir das Unternehmen umbenennen, wenn der Name mehrdeutig ist?

Fast nie. Eine Umbenennung zerstört die Wiedererkennung, die Sie bei Menschen aufgebaut haben, und Menschen unterschreiben die Verträge. Konsistent an genügend unabhängigen Orten beschrieben, wird Ihre Bedeutung zur vorherrschenden innerhalb Ihrer Kategorie, was die günstigere Lösung ist.

Garantiert ein Wikipedia-Eintrag, dass KI-Systeme uns korrekt beschreiben?

Nein. Er hilft einem Modell, Fakten an den richtigen Bezugspunkt zu heften, weil der Eintrag neutral, strukturiert und weit gespiegelt ist. Er macht Sie nicht empfohlen, und ein Eintrag voller Behauptungen, die niemand sonst bestätigt, ist zerbrechlich: Er kann genau dort gekürzt werden, und die Modelle gewichten ohnehin die Übereinstimmung zwischen Quellen.

Wir sind jung und haben keine Presseberichterstattung. Ist Entitätsarbeit vorerst sinnlos?

Nein, nur enger gefasst. Namenskonsistenz, strukturierte Daten und eine eindeutige Über-uns-Seite kosten nichts und liegen in Ihrer Hand. Die Teile, die von unabhängiger Berichterstattung abhängen, werden später verdient. Erledigen Sie jetzt die kontrollierbare Hälfte, dann landet die Berichterstattung, wenn sie kommt, auf einer Entität, die bereits existiert.

Ein Assistent beschreibt einen Wettbewerber, wenn wir nach uns fragen. Was nun?

Klären Sie, ob es sich um einen echten Wettbewerber handelt oder um ein Unternehmen, das lediglich Ihren Namen teilt: Die Abhilfen unterscheiden sich vollständig. Ein Namensvetter ist ein Auflösungsproblem, dem mit Konsistenz und unabhängiger Bestätigung begegnet wird. Ein an Ihrer Stelle genannter Rivale ist ein Sichtbarkeitsproblem, und es bedeutet, dass Ihre Entität in Ordnung ist.