KI Reputation Audit Prozess: In 5 Schritten zum Befund (Stichprobe: 4 von 37 Firmenwebsites nennen ihre Firmierung maschinenlesbar)

1. Einführung: Der KI Reputation Audit Prozess kurz erklärt

Fragen, die früher an einen Kollegen oder an eine Suchmaschine gingen, landen heute im Chatfenster. Ein Einkäufer prüft dort einen möglichen Lieferanten, eine Bewerberin den künftigen Arbeitgeber. Was dabei über Ihr Unternehmen gesagt wird, sehen Sie nicht. Die meisten Geschäftsführungen tippen deshalb irgendwann selbst ein paar Fragen ein und lesen mit. Das erzeugt einen Eindruck. Wie sich später erfundene Angaben korrigieren lassen, hängt allerdings daran, dass sie zuerst sauber erfasst werden.

Ein KI Reputation Audit ist die systematische Prüfung, wie KI-Systeme auf Fragen zu einem Unternehmen antworten. Eine feste Frageliste läuft dabei über mehrere Systeme. Jede Antwort wird nach Sichtbarkeit, Richtigkeit, Tonalität und zitierten Quellen erfasst. Der Befund wird anschließend gegen die öffentlich belegbare Faktenlage des Unternehmens gehalten.

Was das für Sie heißt: Kunden, Bewerber und Geschäftspartner fragen Chatprogramme nach Ihnen, bevor sie zum Hörer greifen. Was dort steht, entsteht ohne Ihr Zutun und oft aus alten oder fremden Angaben. Steuern lässt sich das nicht. Messen schon. Wer einmal ordentlich erhebt, was über ihn gesagt wird, weiß danach, welche Angaben fehlen und wo zuerst nachzulegen ist.

Der Ablauf klingt einfacher, als er ist. Zwischen „mal schauen, was ChatGPT sagt“ und einem Ergebnis, das eine Geschäftsleitung als Entscheidungsgrundlage akzeptiert, liegen ein paar Regeln zur Methode. Genau die beschreibt dieser Beitrag. Wer lieber den Status quo der KI-Sichtbarkeit extern erheben lässt, findet die Kriterien hier trotzdem, um das Ergebnis beurteilen zu können.

2. Was der Auditprozess misst und was er nicht misst

Gemessen wird eine Momentaufnahme von Antworten, nicht die Wahrheit über Ihr Unternehmen. Ein Audit hält fest, ob Ihr Name überhaupt fällt, ob die genannten Fakten stimmen, in welchem Ton über Sie gesprochen wird und welche Quellen dabei zitiert werden. Es liefert damit vier Zahlen, die sich über die Zeit vergleichen lassen. Eine Bewertung Ihrer Leistung ist nicht darunter.

Wie groß die Lücke zwischen Selbstbild und Antwort sein kann, hat eine Untersuchung der Agentur maxonline gezeigt. Geprüft wurden 150 Unternehmen aus dem DACH-Raum mit Schwerpunkt Österreich, aus 11 Branchen, mit 5 bis 50 Millionen Euro Jahresumsatz. Die Antworten wurden gegen Firmenbuch, Wirtschaftskammer und Creditreform abgeglichen. Nur 3 Prozent der Unternehmen wurden vollständig korrekt dargestellt.

Die übrigen Werte aus derselben Erhebung zeigen, wo es klemmt: 78 Prozent der genannten Gründungsjahre waren falsch, 56 Prozent der Unternehmen tauchten bei Anbieterfragen überhaupt nicht auf, und 97 Prozent der negativen Darstellungen stammten aus Arbeitgeberbewertungsportalen. Bemerkenswert ist die letzte Zahl. Der Ton über ein Unternehmen entsteht dort, wo das Unternehmen selbst nichts hinterlegt hat.

Ein Audit misst damit das Ergebnis.

Die Ursache liegt woanders.

Abgrenzung: Zwei verschiedene Dinge heißen KI-Audit

Der Begriff KI-Audit ist doppelt belegt, und die Suchergebnisse mischen beide Bedeutungen. Die eine meint eine regulatorische Prüfung: Ein Auditor sieht sich an, welche KI-Anwendungen ein Betrieb einsetzt, wie sie eingestuft sind und welche Nachweise vorliegen. Bezugsrahmen sind die EU-Verordnung über künstliche Intelligenz mit ihrer Konformitätsbewertung für Hochrisiko-Systeme und die Norm ISO/IEC 42001 für ein Managementsystem. Interne Audits dieser Art laufen oft neben dem Qualitätsmanagement nach ISO 9001 und der Informationssicherheit nach ISO 27001. Sie sollen Compliance sicherstellen, also die Einhaltung der Regeln, und richten sich nach innen. Regulatorischer Druck ist ihr Anlass, nicht die Außenwirkung.

Die andere Bedeutung ist die in diesem Beitrag. Sie richtet sich nach außen und fragt, was generative KI-Systeme über Sie erzählen. Beide KI-Audits sind sinnvoll, beide heißen ähnlich, und sie haben inhaltlich fast nichts miteinander zu tun. Wer ein Angebot einholt, sollte deshalb im Erstgespräch klären, welche der beiden Prüfungen gemeint ist.

3. Voraussetzungen: Was vor der ersten Frage feststehen muss

Ein Audit ohne vorher definierte Sollwerte endet in Geschmacksfragen. Bevor die erste Frage gestellt wird, braucht es deshalb eine kurze Liste dessen, was als richtig gilt. Sie ist in einer Stunde zusammengestellt und entscheidet später darüber, ob eine Antwort als Fehler zählt oder als Nebensache.

Die verbindliche Schreibweise Ihres Namens steht nicht auf Ihrer Startseite, sondern im Register. Das gemeinsame Registerportal der Länder führt die „Handels-, Genossenschafts- , Partnerschafts-, Gesellschaftsregister sowie die Vereinsregister aller Bundesländer“. Diese Fassung ist Ihr Sollwert. Gerade für den Mittelstand lohnt der Blick, weil dort Marke und eingetragene Firmierung häufig auseinanderfallen.

4. Schritt für Schritt: Der Auditprozess in fünf Schritten

Die folgenden fünf Schritte laufen bei jedem Durchgang gleich ab. Genau darin liegt ihr Wert: Ein Ergebnis wird erst dann zur Kennzahl, wenn es beim nächsten Mal auf demselben Weg entsteht.

Schritt 1: Die Frageliste festlegen

Am Anfang steht ein festes Prompt-Set, also eine Liste von Prompts (den Fragen, die Nutzer eintippen). Zwölf bis zwanzig Fragen genügen für den ersten Durchgang. Sie verteilen sich auf vier Sorten: Fragen mit Ihrem Namen, Fragen nach Anbietern in Ihrer Branche, Fragen nach dem Problem, das Sie lösen, und Vergleichsfragen mit Wettbewerbern. Wer nur nach dem eigenen Namen fragt, erfährt nichts über die Empfehlungslage.

Die Formulierungen bleiben ab jetzt unverändert.

Eine geänderte Frage erzeugt eine neue Messreihe, keine Fortsetzung der alten.

Schritt 2: Systeme und Abrufmodus festlegen

Drei bis vier Systeme reichen, und sie sollten von verschiedenen KI-Anbietern stammen: ChatGPT von OpenAI, Claude, Gemini, Copilot, Perplexity oder Grok. Dazu gehören die KI-Antworten in den Google-Suchergebnissen, weil Google AI Overviews viele Nutzer erreicht, ohne dass ein Chatfenster geöffnet wird. Der Grund für die Breite ist belegt. Eine Prüfung von drei Modellen über zehn Themenfelder und mehr als 2.000 Fragen fand systematische Vorlieben, die sich nicht durch Zufall erklären lassen.

Ebenso wichtig ist der Abrufmodus. Ein System kann aus seinem Gedächtnis antworten oder vorher das Web durchsuchen, und beides ergibt ein anderes Bild. Die Herstellerdokumentation von Anthropic beschreibt, wann gesucht wird: bei Anfragen, die von aktuellen oder veränderlichen Angaben abhängen. Ausdrücklich genannt sind dabei „Angaben zu bestimmten Organisationen, Personen oder Produkten, die sich geändert haben könnten“ (Original: „Information about specific organizations, people, or products that might have changed“). Stabiles Wissen wird dagegen ohne Suche beantwortet. Notieren Sie deshalb je Antwort, ob Quellen mitgeliefert wurden. Die gemessene Vorliebe eines Modells ist damit keine Laune, sondern eine systematische Verzerrung, im Fachjargon Bias. Wer nur ein System prüft, hält dessen Bias für die Lage am Markt.

Schritt 3: Systematisch abfragen und Rohdaten sichern

Jede Frage geht in jedes System, jeweils in einem frischen Chat ohne Vorgeschichte und ohne Anmeldung. Chatbots merken sich sonst Ihre bisherige Nutzung. Sonst antwortet das System auf Ihr Profil und nicht auf die Frage. Zu jeder Antwort gehören der volle Text als Bildschirmfoto, das Datum, das System und die Liste der genannten Quellen. Diese Rohdaten sind der eigentliche Wert des Durchgangs, denn die Antworten von heute existieren morgen so nicht mehr.

Wer einmal Fieber misst, kennt eine Zahl. Wer eine Woche lang morgens misst, kennt den Verlauf. Zwei Durchläufe je Frage an zwei verschiedenen Tagen kosten wenig zusätzliche Zeit und trennen den Ausreißer vom Muster.

Schritt 4: Auswerten und priorisieren

Aus den Rohdaten entstehen vier Kennzahlen: der Anteil der Antworten mit Nennung, der Anteil der Nennungen an erster Stelle, die Fehlerquote und die Verteilung der Tonalität. Dazu kommt eine Liste der zitierten Domains. Diese vier KPIs, also Steuerungskennzahlen, bleiben über alle Durchgänge gleich. Sortiert wird anschließend nicht nach Ärgernis, sondern nach Wirkung: Ein falscher Geschäftsführername in acht von zehn Antworten wiegt schwerer als ein schiefer Halbsatz in einer. Wie sich Tonalität systematisch auswerten lässt, gehört dabei zur Übung.

Ein Hinweis zur Vorsicht. Eine Antwort klingt immer gleich sicher, egal wie dünn die Datenlage ist. Eine im August veröffentlichte Prüfung von vier Sprachmodellen über drei Produktkataloge hat genau das gemessen. Im ersten Katalog lag der Anteil erfundener Angaben zwischen 0,6 und 2,7 Prozent. Im zweiten waren es 11,6 bis 38,7 Prozent, im dritten 49,3 bis 61,0 Prozent.

Ein Zeuge, der sich sicher ist, ist deshalb noch kein guter Zeuge. Der Tonfall einer Antwort taugt nicht als Prüfkriterium, nur der Abgleich mit Ihrem Sollwert.

Schritt 5: Belegbasis prüfen und Korrekturen ableiten

Der letzte Schritt dreht die Blickrichtung um. Nun wird geprüft, woraus die Antworten entstanden sind: Welche Quellen wurden zitiert, welche Angaben über Sie stehen dort öffentlich, und was fehlt. Hier zeigt sich meist, warum eine Antwort falsch war. Die Korrekturmaßnahmen ergeben sich daraus fast von selbst und betreffen selten das Chatfenster, sondern die eigene Website, Verzeichnisse und Medienbeiträge.

5. Unsere Position: Erst die Belegbasis, dann die Frageliste

Die gängigen Anleitungen setzen die Frageliste an den Anfang und die Belegprüfung ans Ende. Zwei der ausführlichsten Ratgeber zum Thema empfehlen übereinstimmend, mit zehn bis fünfundzwanzig Fragen zu starten, sie über drei bis vier Systeme zu schicken, nach Sichtbarkeit und Tonalität auszuwerten und den Durchgang quartalsweise zu wiederholen. Aus unserer Perspektive ist diese Reihenfolge verkehrt.

Belege altern langsamer als Antworten.

Der Grund ist die Haltbarkeit der beiden Ergebnisse. Ein Antwortprotokoll altert innerhalb von Tagen, weil die Systeme ihre Quellen wechseln. Die Belegbasis dagegen ändert sich nur, wenn jemand sie ändert. Wer zuerst prüft, was öffentlich über ihn belegbar ist, hat danach eine Liste von Aufgaben. Wer zuerst Antworten sammelt, hat vor allem Bildschirmfotos.

Wie dünn diese Basis oft ist, haben wir nachgemessen. Aus 6.389 deutschen Firmenwebsites mit dokumentierter Rechtsform haben wir systematisch 50 gezogen. 47 waren erreichbar, 43 hatten ein abrufbares Impressum, bei 37 ließ sich daraus die Firmierung eindeutig auslesen. Von diesen 37 hinterlegten 22 überhaupt strukturierte Daten, 13 einen Organisationseintrag mit Namen, 8 den Kernnamen passend zum Impressum. Vollständig, mit Rechtsform, stimmten 4.

Wer am Tor ein anderes Firmenschild hängen hat als im Briefkopf, verwirrt schon den Paketboten. Ein konsistent geschriebener Name kostet nichts und wirkt in jedem Verzeichnis. Ein KI-System hat es schwerer: Es soll Belege aus Registern, Medien und Verzeichnissen einer Sache zuordnen, im Fachjargon einer Entität. Trägt Ihre Website dafür keinen eindeutigen Namen, fällt die Zuordnung aus, und die Lücke wird gefüllt. Deshalb gehört die Prüfung, was maschinenlesbar hinterlegt ist, vor die erste Testfrage.

Der zweite Teil der Belegbasis liegt außerhalb Ihrer Domain. Da 97 Prozent der negativen Darstellungen aus Arbeitgeberbewertungsportalen stammten, entscheidet sich der Ton anderswo. Wer dort nur Bewertungen stehen hat, sollte für Gegengewicht sorgen, etwa durch Erwähnungen in verlässlichen Medien. Damit ein Betrieb überhaupt als Entität erkannt werden kann, benötigt er beides: den eindeutigen Namen und die Belege, die daran hängen.

6. Häufige Fehler im Auditprozess

Fünf Fehler tauchen fast immer auf, wenn ein Betrieb zum ersten Mal misst. Sie zu kennen, ist die relevante Vorarbeit, und die Best Practices dazu sind kurz.

• Angemeldet testen: Im eigenen Konto antwortet das System auf die bisherige Nutzung. Der Durchgang gehört in ein frisches Fenster ohne Anmeldung.
• Nur nach dem eigenen Namen fragen: Das prüft die Erinnerung, nicht die Empfehlung. Die interessanten Antworten entstehen bei Fragen ohne Ihren Namen.
• Ein Durchgang, ein Urteil: Eine einzelne Antwort ist ein Datenpunkt, keine Messung.
• Fragen zwischendurch umformulieren: Damit endet die Vergleichbarkeit, und der nächste Durchgang beginnt wieder bei null.
• Den Befund ohne Adressat ablegen: Ohne benannte Rolle und festen Termin bleibt es bei der einen Auswertung. Für die meisten Betriebe ist quartalsweise ein guter Takt, mindestens jährlich sollte es sein.

Ein sechster Punkt betrifft die Erwartung. Ein Audit macht Sie nicht sichtbar, es zeigt, wo Sie stehen. Wirksam wird es erst, wenn aus den priorisierten Befunden Aufgaben mit Terminen werden. Die Arbeit danach ist die eigentliche Arbeit.

7. Fazit

Ein KI Reputation Audit ist keine Software und kein Werkzeugkauf, sondern eine Methode: feste Frageliste, mehrere Systeme, dokumentierte Rohdaten, nachvollziehbare Auswertung, geprüfte Belegbasis. Der erste Durchgang kostet einen Arbeitstag und liefert dafür eine Ausgangslage, gegen die sich jede spätere Messung halten lässt. Für mittelständische Unternehmen ist das der günstigste Einstieg, weil branchenspezifische Besonderheiten erst im zweiten Schritt Geld kosten.

Das Ziel ist nicht die schöne Antwort. Wer proaktiv misst, erfährt von einer falschen Angabe in KI-Systemen vor dem Kunden. Das Ziel ist eine öffentliche Faktenlage, die so eindeutig ist, dass wenig zu erfinden bleibt.

8. Anhang: Checkliste für den ersten Durchgang

1. Sollwerte notieren: Firmierung laut Register, Führung, Leistungen, fünf Wettbewerber.
2. Frageliste bauen: zwölf bis zwanzig Fragen in vier Sorten, schriftlich fixiert.
3. Systeme wählen: drei bis vier aus verschiedenen Häusern, je einmal mit und einmal ohne Websuche.
4. Abfragen: frisches Fenster, keine Anmeldung, zwei Durchläufe an zwei Tagen.
5. Rohdaten sichern: Bildschirmfoto, Datum, System, genannte Quellen.
6. Auswerten: Nennungsquote, erste Position, Fehlerquote, Tonalität, zitierte Domains.
7. Belegbasis prüfen: Impressum, strukturierte Daten, Register, Verzeichnisse, Medienbeiträge.
8. Maßnahmen priorisieren und den nächsten Termin eintragen.

Disclaimer: Die genannte Stichprobe ist eine Momentaufnahme vom 04.09.2026 und nicht repräsentativ. Geprüft wurde ausschließlich das öffentlich ausgelieferte Rohdokument ohne JavaScript; einzelne Unternehmen werden nicht genannt, ausgewertet wurden nur Summen. Externe Zahlen stammen von den jeweils verlinkten Quellen und können sich ändern. Angaben zu Aufwand und Wirkung sind Erfahrungswerte. Hinweise zur EU-Verordnung über künstliche Intelligenz und zu ISO/IEC 42001 dienen der Einordnung und ersetzen keine rechtliche Beratung.