Derzeit prasselt auf Entscheider ein nicht enden wollender Strom von Nachrichten, Produktveröffentlichungen, Interviews, Beiträgen und Meinungen zum Thema "Künstliche Intelligenz" ein. Entweder wird das Ende der Menschheit verkündet oder ein zukünftiges Paradies ohne Arbeit in Aussicht gestellt. Die großen KI-Anbieter veröffentlichen das "beste Modell aller Zeiten", gleichzeitig sind sie "wirklich erschrocken", dass ihre Software in die Webseiten anderer Leute eindringt … ausgerechnet so kurz vor dem Börsengang.
Eine realistische Einschätzung der Versprechen und Befürchtungen ist schwer. Sie liefert auch keine befriedigende Antwort für die Praxis. Ein geschätzter Kunde fragte mich in diesem Zusammenhang kürzlich: "Und wie werden wir denn jetzt von KI gefunden?" Die Antwort auf diese Frage wurde ausführlicher und komplizierter, je länger ich darüber nachdachte. Die Frage selbst ist indes nicht neu. Früher stellte sie sich im Kontext von Branchenbüchern und Zeitungsanzeigen. Nach dem Aufstieg von Google und Facebook dann bei Suchmaschinen und Social Media. Heute stellt sie sich angesichts einer vermeintlichen technologischen KI-Revolution.
Und um es direkt vorwegzunehmen: An der Antwort hat sich eigentlich nicht viel geändert.
Zwei Fragen in einer
"Wie werden wir von KI gefunden?" ist eine Frage, die zwei Vorgänge gleichzeitig abdeckt, nämlich "In welchen Systemen finden uns Kunden?" und "Wie finden uns dann die Systeme, in denen Kunden suchen?" Gefunden wird weiterhin. Und es ist immer noch derjenige, dessen Inhalte dort stehen, wo Kunden suchen. Wer verstehen will, wo Kunden jetzt suchen und wie er an die entsprechende Stelle kommt, muss drei Begriffe verstehen: Suchindex, Sprachmodell und RAG.
Suchindex
Bis vor kurzem war ein Suchindex das Maß der Dinge. Ein Suchindex ist, vereinfacht gesagt, wie das Stichwortverzeichnis eines Buches. Zu einem Wort verzeichnet er alle Fundstellen. Wer im Internet gefunden werden wollte, musste hinein, und in der Praxis hieß das: in den von Google, Bing, Baidu oder Yandex. Auch die grundsätzliche Funktionsweise von Suchmaschinen ist immer noch die gleiche: Eine Suchmaschine sucht und findet Seiten im öffentlichen Netz, analysiert sie und legt sie im Suchindex ab. Bei jeder Suchanfrage bewertet sie, welche Seiten dazu am besten passen. Dann gibt sie die Treffer als Ergebnis aus.
Dabei ist Google längst weg von einer einfachen Liste von Treffern. Auf der Ergebnisseite stehen heute Videos, Wissenskästen, Veranstaltungen oder häufig gestellte Fragen zur Suchanfrage. Dahinter stecken eine Fülle von Patenten und mehr als 20 Jahre konsequente Auswertung von Nutzerdaten.
Am Grundprinzip hat sich nichts geändert: Wer nicht im Index steht, kommt in keinem Ergebnis vor.
Sprachmodelle
Ein Sprachmodell (englisch Large Language Model, kurz LLM) besteht aus Milliarden von Parametern. Das sind die Zahlen, die festlegen, wie stark künstliche Neuronen miteinander verbunden sind. Im Training bekommt das Modell riesige Mengen Text und lernt, welches Stück Text mit welcher Wahrscheinlichkeit folgt. Dabei verändern sich die Parameter. Nach dem Training werden diese Zahlen eingefroren. Das Modell weiß dann nur, was bis zu diesem Zeitpunkt in seinen Trainingsdaten stand. Die Texte selbst hat es nicht gespeichert, nachschlagen kann es darin nichts.
Ein Sprachmodell rechnet mit Token, kleinen Wortstücken, die ungefähr Silben entsprechen. Eingabe und Ausgabe bestehen aus Token. Dazu hat ein LLM eine Art Arbeitsspeicher, das Kontextfenster. Darin liegen die Frage und alles, was bisher gesagt wurde. Das Modell berechnet daraus das nächste Token, hängt es an den Kontext an und berechnet das übernächste. So entsteht eine Antwort, Token für Token.
RAG und KI-Systeme
Ein Sprachmodell allein ist noch kein Produkt. ChatGPT, Claude oder Gemini sind KI-Systeme. KI-Systeme verbinden Sprachmodelle mit unterstützender Software. Diese Software stellt Werkzeuge bereit: Zugriff auf Datenbanken, externe Speicher, Taschenrechner, Browser, Bild- und Videoerzeugung.
Ein Sprachmodell kann damit über ein Werkzeug einen Suchindex aufrufen. Die Treffer werden ins Kontextfenster geladen und das Modell beantwortet die Frage anhand dieser Treffer. Ob ein System aus dem Modell oder aus dem Kontext antwortet, lässt sich per Anweisung steuern. Sinnvoll ist meist der Kontext. Denn das Wissen im Modell ist seit dem Training eingefroren, und wo ihm Fakten fehlen, berechnet es schlicht die wahrscheinlichste Wortfolge – es rät (auch: es "halluziniert"). Im Kontextfenster liegen dagegen aktuelle Texte aus nachprüfbaren Quellen, auf die sich die Antwort stützen kann.
Dieses Verfahren heißt Retrieval-Augmented Generation, kurz RAG. Es verbindet das Sprachverständnis eines LLM mit einer Vorauswahl wahrscheinlich passender Informationen.
Was bedeutet das konkret
Für die eingangs gestellte Frage ergibt sich aus diesem Zusammenhang eine einfache Konsequenz: Es gibt genau zwei Wege, um in der Antwort eines KI-Systems vorzukommen. Entweder ist ein Unternehmen bereits in den Trainingsdaten des Sprachmodells vertreten, oder es wird bei einer Anfrage über einen Suchindex in das Kontextfenster geladen. Beide Wege funktionieren unterschiedlich – und lassen sich unterschiedlich gut beeinflussen.
Der erste Weg: Teil der Trainingsdaten sein
Das Wissen, das ein Sprachmodell aus dem Training mitbringt, ist sein Langzeitgedächtnis. Entstanden ist es aus großen Textmengen im öffentlichen Netz. Welche Texte im Einzelnen eingehen, hängt vom Anbieter ab. Wird ein Unternehmen dort häufig im Zusammenhang mit einem Fachthema genannt, entsteht eine statistische Nähe, die das Modell lernt. Fragt später jemand ohne Websuche nach Anbietern zu diesem Thema, ist dieser Name eher unter den Antworten. Eher, nicht sicher.
Dabei gilt es zwei Grenzen zu beachten. Erstens: Die zeitliche Verzögerung zwischen dem Training des Modells und seinem Einsatz, denn Trainingsdaten sind niemals tagesaktuell. Zweitens: Man hat keinen direkten Einfluss auf die Auswahl der Trainingsdaten durch den Hersteller. Dieser sammelt, validiert und nutzt Daten nach eigenem Ermessen.
Beeinflussen lässt sich nur, was im Netz über das Unternehmen steht, während gesammelt wird. Die Arbeit dahinter ist klassische Marken- und Öffentlichkeitsarbeit: Fachbeiträge, Erwähnungen in Medien, eine gut gepflegte Präsenz.
Der zweite Weg: Über den Suchindex in den Kontext
Der zweite Weg wirkt direkt bei der Suchanfrage, sobald jemand nach aktuellen Fakten, konkreten Dienstleistern, Produkten oder Vergleichen fragt. Das Modell übersetzt die Suchanfrage in eine oder mehrere thematisch zugehörige Suchanfragen und lädt die gefundenen Quellen ins Kontextfenster. Die KI ersetzt die Suchmaschine also nicht, sie bedient sie.
Das Kontextfenster ist allerdings begrenzt: Hinein passt nur ein kleiner Teil der Seiten, die der Suchindex zur Frage findet. Welche Seiten das sind, entscheidet die Suchmaschine nach ihren Kriterien für Relevanz. Nur die Treffer, die der Index für eine Suchanfrage ganz oben ausspielt, schaffen es in den Arbeitsspeicher des Modells.
Das Nadelöhr vor der KI-Antwort bleibt damit der Suchindex. Google beschreibt das ausdrücklich: Eine Seite muss indexiert und für die normale Suche freigegeben sein, um in den KI-Funktionen als Quelle zu erscheinen; eigene technische KI-Voraussetzungen gibt es nicht. Seiten auffindbar machen, in den Index bringen und auf die Relevanzkriterien der Suche ausrichten: Das ist das klassische Feld der Suchmaschinenoptimierung. Bei den anderen KI-Anbietern gilt dasselbe Grundprinzip, nur mit eigenen Zugängen.
Was man zusätzlich tun kann
Dass Suchmaschinen eine Seite problemlos abrufen und indexieren können, ist Kernbereich der technischen Suchmaschinenoptimierung. Wer nun aus Sorge um seine Inhalte pauschal alle KI-Crawler aussperrt, schließt womöglich auch den Weg, über den ein Anbieter die Seite bei einer Kundenanfrage abruft. Hier lohnt es sich, genauer hinzuschauen. OpenAI trennt etwa GPTBot für das Training von OAI-SearchBot für die Suche zur Beantwortung von Fragen. Wer Letzteren sperrt, erscheint dann nicht in den Suchantworten von ChatGPT.
Auch inhaltlich lässt sich gezielt optimieren, und zwar bei der Zerlegung der Frage. Ein KI-System sucht oft nicht nur einmal, sondern stellt mehrere verwandte Suchanfragen zu Teilaspekten; Google nennt das "query fan-out". Geht es z. B. um einen medizinischen Eingriff, fragt das System etwa nach Ablauf, Voraussetzungen, Fallzahlen und Risiken. Eine Seite, die nur ein allgemeines Hauptstichwort bedient, hat dafür wahrscheinlich wenig zu bieten. Wer die naheliegenden Teilfragen seiner Kunden konkret beantwortet, bietet für jede dieser Hintergrundsuchen ein Ziel.
Keine dieser Maßnahmen garantiert, dass ein KI-System ein Unternehmen nennt. Sie erhöhen aber die Wahrscheinlichkeit, dass Inhalte gefunden werden und im Kontextfenster zur Verfügung stehen.
