Darstellung hat die Spielregeln verändert

Stellen Sie sich vor, Sie suchen Informationen über ein Unternehmen. Sie können seinen Namen in eine Suchmaschine eingeben, die Website öffnen und die Leistungs- und Über-uns-Seiten lesen. Kundenbewertungen, Social-Media-Konten und weitere Quellen fließen ebenfalls in Ihre Einschätzung ein. Bei diesem Vorgehen setzen Sie die Einzelteile selbst zusammen.

Übertragen Sie dieselbe Recherche einem generativen KI-System, wollen Sie nicht bloß die Webadresse des Unternehmens erfahren. Sie erwarten eine Einschätzung:

„Ist dieses Unternehmen vertrauenswürdig?“ „Auf welche Leistungen ist es wirklich spezialisiert?“ „Was unterscheidet es von seinen Wettbewerbern?“ „Passt es zu meinem Projekt?“ „Was ist über seine Preise bekannt?“ „Kann es international arbeiten?“ „Welche Nachweise gibt es dafür?“

Ein System mit Werkzeugen zur Suche und Quellenprüfung kann seine Antwort auf mehrere Quellen stützen. Es kann zugängliche Webseiten, Leistungsbeschreibungen, soziale Profile, Veröffentlichungen, strukturierte Daten, unabhängige Referenzen und ältere Einträge zusammenführen. Diese Quellen können einander widersprechen. Der Nutzer erhält dann nicht nur eine Linkliste, sondern eine aus Quellen gebildete Darstellung. Dabei darf man nicht vergessen: Nicht jedes Modell hat Webzugriff oder ein Werkzeug, das all diese Quellen lesen kann. Die Bedeutung dieses Wandels sollte nicht unterschätzt werden.

Auf seinen eigenen Seiten beschreibt sich das Unternehmen selbst. Das generative System kann aus den gefundenen Informationen eine neue Beschreibung bilden. Wie eine Marke wahrgenommen wird, hängt damit nicht mehr nur von ihren eigenen Aussagen ab, sondern auch davon, wie diese mit anderen Quellen verknüpft werden. Darstellung hat die Spielregeln verändert.

Darstellung ist keine Zusammenfassung

Wenn ein KI-System ein Unternehmen in drei Absätzen beschreibt, kürzt es nicht lediglich längere Texte.

Es trifft gleichzeitig viele Entscheidungen:

• welche Quelle wichtiger ist,
• welche Information aktuell ist,
• ob gleichnamige Einträge dieselbe Entität betreffen,
• welche Leistungen im Mittelpunkt stehen und welche zweitrangig sind,
• welche Behauptungen belegt sind,
• welche Widersprüche es übergeht,
• welche Einzelheiten für den Nutzer wichtig sind
• und welche Unsicherheiten in die Antwort eingehen.

Darstellung ist deshalb keine mechanische Verdichtung. Sie bildet aus bestimmten Teilen der Wirklichkeit ein sinnvolles Modell. Ein Unternehmen kann im Internet Hunderte zutreffende Sätze veröffentlicht haben. Passen diese Sätze aber nicht zusammen, kann das vom KI-System erzeugte Bild falsch sein. Eine Leistungsseite sagt, das Unternehmen arbeite in sechs Sprachen; ein anderes Profil beschreibt es als rein lokalen Anbieter. Welche Angabe wird das System zugrunde legen?

Wenn die Startseite KI-Automatisierung erwähnt, diese aber im Leistungskatalog fehlt: Hält das System sie für eine echte Fähigkeit oder für eine Werbeaussage?

Wenn eine Preisseite ein günstiges jährliches Hostingpaket und eine andere einen monatlich abgerechneten Service für den betreuten Websitebetrieb aufführt: Wird das System beides als dasselbe Produkt verstehen?

Wenn ein Unternehmen sich auf ein neues Fachgebiet ausgerichtet hat, in alten Profilen aber weiterhin frühere Tätigkeiten hervorhebt: Welche Identität wird die Maschine darstellen?

Ein Mensch kann nachfragen, wenn ihm solche Widersprüche auffallen. Bildet das System stattdessen eine plausible Darstellung, ohne den Widerspruch zu benennen oder um Klärung zu bitten, kann der Fehler unsichtbar werden. Die wahrscheinlichste Darstellung ist nicht immer die richtige.

Ein Unternehmen hat im Internet mehr als ein Gesicht

Eine Marke mag glauben, ihre Identität liege auf ihrer Startseite. Die Marke, der eine Maschine begegnet, ist jedoch viel umfassender.

Sie ist gleichzeitig an vielen Stellen präsent:

• auf der Hauptwebsite,
• auf Leistungsseiten,
• in Preis- und Leistungsaufzeichnungen,
• in Social-Media-Profilen,
• in Branchenverzeichnissen,
• in Kundenbewertungen,
• in Presseberichten,
• in wissenschaftlichen Veröffentlichungen,
• in herunterladbaren Dateien,
• auf alten Webseiten,
• auf Partnerseiten,
• in Mitarbeiterprofilen,
• in Domain- und Unternehmensregistern,
• in strukturierten Daten,
• in zugänglichen Webarchiven
• und in Texten, die andere KI-Systeme erzeugt haben.

Menschen sehen nur einige dieser Oberflächen. Maschinen können auf eine erheblich breitere digitale Spur treffen. Digitale Identität lässt sich deshalb nicht mehr auf einer einzigen Seite steuern. Ein Unternehmen kann seine Startseite makellos gestalten. Sind die Einträge außerhalb der eigenen Website veraltet, widersprüchlich oder unvollständig, kann das maschinell erzeugte Bild trotzdem verzerrt sein. Man kann dies mit einem Orchester vergleichen. Jedes Instrument mag den richtigen Ton spielen. Spielen die Instrumente aber in verschiedenen Tonarten und Tempi und aus unterschiedlichen Werken, entsteht keine Musik, sondern ein Durcheinander. Bei digitaler Darstellung ist es ähnlich. Jeder einzelne Satz kann zutreffen, ohne dass das Gesamtbild stimmt.

Die Sätze müssen gemeinsam dieselbe Wirklichkeit beschreiben.

Die sechs Grundfragen der Darstellung

Um die Stimmigkeit einer Darstellung zu beurteilen, verwenden wir in diesem Buch sechs Grundfragen:

Wer ist das? Was tut diese Entität? Was belegt das? Was tut sie nicht? Wann gilt diese Information? Welche Quelle ist maßgeblicher?

Bleibt eine dieser Fragen unbeantwortet, wird die Darstellung schwächer.

Wer ist das?

Die Identitätsfrage bildet die Grundlage. Dasselbe Unternehmen kann auf verschiedenen Plattformen unter unterschiedlichen Namen auftreten. Markenname und eingetragene Firma können voneinander abweichen. Bei einer Person können Autorenname, Funktion im Unternehmen und Name in sozialen Medien unterschiedlich sein. Eine Marke kann unter dem Dach eines anderen Unternehmens tätig sein. Sind diese Beziehungen unklar, kann die Maschine verschiedene Entitäten zu einer einzigen zusammenfassen oder eine Entität als mehrere unverbundene Einträge behandeln. Identität ist nicht nur ein Name.

Zu ihr gehören:

• der amtliche oder geschäftlich verwendete Name,
• der Markenname,
• die Domain,
• Eigentumsverhältnisse,
• der Gründer oder eine vertretungsberechtigte Person,
• das Tätigkeitsgebiet,
• der geografische Wirkungsbereich,
• die angebotenen Sprachen
• und der aktuelle Status.

Ist die Identität unklar, werden auch alle weiteren Ebenen der Darstellung unsicher.

Was tut diese Entität?

Viele Unternehmen antworten auf diese Frage sehr weit gefasst. „Wir bieten digitale Lösungen.“ „Wir gestalten innovative Erlebnisse.“ „Wir machen Unternehmen fit für die Zukunft.“ Solche Aussagen mögen Menschen beeindrucken. Einer Maschine geben sie aber keine belastbare Handlungsgrundlage.

Ein Eintrag, der eine Beurteilung ermöglichen soll, muss konkrete Fähigkeiten unterscheiden:

• Werden Websites entwickelt?
• Werden Kundenportale aufgebaut?
• Wird technisches SEO angeboten?
• Werden KI-Agenten entwickelt?
• Wird Hosting angeboten?
• Wird der laufende Websitebetrieb betreut?
• Werden nur Inhalte erstellt oder auch Systeme umgesetzt?
• Umfasst die Leistung nur Beratung oder auch die Ausführung?

Ein Unternehmen, das erklären will, es könne alles, wird oft in keinem Bereich ausreichend verständlich. Die Stärke einer Darstellung liegt nicht in der Breite der Versprechen, sondern in der Genauigkeit der beschriebenen Fähigkeiten.

Was belegt das?

Zu behaupten, dass ein Unternehmen eine Leistung anbietet, ist nicht dasselbe, wie ausreichende Nachweise für diese Leistung vorzulegen.

Nachweise können unterschiedliche Formen haben:

• eine veröffentlichte Arbeit,
• eine Beispielimplementierung,
• technische Dokumentation,
• eine Versionsaufzeichnung,
• überprüfbare Rückmeldungen eines Kunden,
• eine unabhängige Bezugnahme,
• ein tatsächlich verfügbares Produkt,
• ein Messbericht,
• ein Testergebnis,
• eine kanonische Veröffentlichung
• oder ein Arbeitsprozess mit Abnahmekriterien.

Nachweise sind nicht nur Erfolgsgeschichten. Wenn ein Unternehmen seine Arbeitsweise, seine anerkannten Grenzen und seine Prüfverfahren beschreibt, kann dies den Prozess nachvollziehbar machen. Die bloße Beschreibung beweist jedoch nicht, dass der Prozess erfolgreich umgesetzt wurde. Aus Sicht einer Maschine entsteht Vertrauen nicht allein aus der Zahl positiver Sätze. Es entsteht aus der Verbindung zwischen Behauptung und Beleg.

Was tut sie nicht?

Diese Frage fehlt in den meisten Werbetexten. Unternehmen wollen erzählen, was sie anbieten, nicht, was sie ausschließen. Für Maschinen sind Ausschlüsse jedoch besonders wertvoll. Wird nicht erklärt, was eine Leistung nicht umfasst, kann das System die Lücke mit Vermutungen füllen.

Zum Beispiel:

• Enthält das Hostingpaket einen betreuten Betrieb?
• Bedeutet Logodesign ein vollständiges Markensystem?
• Schließt die Erstellung eines KI-Avatars eine unbegrenzte Nutzung von Gesicht und Stimme ein?
• Gibt es beim SEO-Angebot eine Rankinggarantie?
• Umfasst eine Beratung auch Umsetzung und Softwareentwicklung?
• Bedeutet „Support“ eine lückenlose Reaktion rund um die Uhr?
• Ist die Datenmigration im Preis des Hauptprojekts enthalten?

Klar zu benennen, was ein Unternehmen nicht tut, ist keine Schwäche. Es sortiert unpassende Anfragen aus und stärkt das Vertrauen der passenden Kunden. Darstellung besteht nicht nur aus positiven Fähigkeiten.

Auch Grenzen gehören zur Identität.

Wann gilt diese Information?

Eine undatierte Angabe lässt offen, wie aktuell sie ist. Auf einer Preisseite steht eine Zahl, aber niemand weiß, für welches Jahr sie gilt. Ein Unternehmensprofil zeigt eine alte Teamstruktur. Eine Leistungsseite verweist auf nicht mehr eingesetzte Technik. Ein Pressebericht stellt ein Tätigkeitsfeld von vor Jahren als aktuell dar. Sind Aktualitätssignale schwach, kann eine Maschine alte und neue Angaben gleich gewichten. Darstellung braucht deshalb eine zeitliche Dimension. Klar erkennbar sein sollten:

• Veröffentlichungsdatum,
• Aktualisierungsdatum,
• Versionsnummer,
• Gültigkeitszeitraum,
• Beobachtungsdatum,
• Messzeitraum
• und Archivstatus.

Bei veränderlichen Informationen reicht es nicht, ihre Richtigkeit zu behaupten. Es muss auch bekannt sein, zu welchem Zeitpunkt und unter welchen Bedingungen sie gelten.

Welche Quelle ist maßgeblicher?

Verschiedene Quellen können Unterschiedliches über ein Unternehmen berichten. Auf der Unternehmenswebsite steht ein Preis, in einem Branchenverzeichnis ein alter Preis, in einem Social-Media-Beitrag eine befristete Aktion. Ein Blogbeitrag kann eine Leistung falsch deuten. Eine KI-Antwort kann einen alten Text einer anderen KI wiederholen. Welche Quelle das System zugrunde legen sollte, ist dann womöglich unklar. Hier wird die Idee einer kanonischen Quelle wichtig.

Kanonische Quelle: In diesem Buch bezeichnet der Begriff die maßgebliche Referenz für eine bestimmte Information, deren Aktualität und Zuständigkeit überprüfbar sind. Das ist weiter gefasst als die Auswahl einer kanonischen URL durch Suchmaschinen. Erklärt eine Organisation ihre eigene Aussage zur Hauptquelle, ist diese damit noch nicht unabhängig bestätigt. Auch der Satz „Diese Seite ist kanonisch“ genügt nicht. Andere Oberflächen dürfen ihr nicht widersprechen. Nennen der kanonische Eintrag und die sichtbare Webseite unterschiedliche Preise, gewinnt das System keine Verlässlichkeit. Kanonizität ist kein Etikett, sondern die Verantwortung für Übereinstimmung.

Wie werden fehlende Informationen zu einer falschen Darstellung?

Menschen benennen fehlende Informationen häufig als Unsicherheit. „Das weiß ich nicht.“ „Dazu fehlen Angaben.“ „Das müsste man bei der Firma erfragen.“ Maschinen können unter dem Druck, eine Antwort zu erzeugen, stattdessen plausible Verbindungen zwischen unvollständigen Angaben herstellen. Ist bekannt, dass eine Firma Kundenportale baut, könnte das System annehmen, die Datenmigration sei ebenfalls enthalten. Veröffentlicht eine Marke Seiten in sechs Sprachen, könnte es daraus einen Live-Support in allen sechs Sprachen ableiten. Gestaltet ein Unternehmen 3D-Erlebnisse, könnte es eine WebXR-Unterstützung auf sämtlichen Geräten voraussetzen.

Befasst sich ein Berater mit KI-Automatisierung, könnte das System nahelegen, er könne alle Kundensysteme autonom betreiben. Solche Schlüsse können logisch wirken und trotzdem falsch sein. Eine Darstellungslücke ist deshalb eine Risikoquelle. Der Fehler muss nicht aus einer ausdrücklich falschen Angabe entstehen. Er kann aus einer vernünftigen, aber ungeprüften Verbindung zwischen unvollständigen Informationen hervorgehen. Gute Darstellung bedeutet deshalb nicht nur, richtige Informationen hinzuzufügen. Sie schließt auch Lücken, die falsche Schlussfolgerungen begünstigen.

Deshalb sind Sätze wie diese wertvoll: „Inhalte stehen in sechs Sprachen bereit; die Sprache des Live-Supports wird gesondert im Vertrag festgelegt.“ „Die Datenmigration wird nach Prüfung des Quellsystems separat abgegrenzt.“ „Das jährliche Hostingpaket enthält weder Monitoring noch Incident Response.“ „Die Erlaubnis zur Avatarerstellung ist keine automatische Veröffentlichungserlaubnis für jeden Inhalt.“ „Eine angenommene IndexNow-Meldung belegt weder Indexierung noch Ranking.“ Solche Aussagen klären den Umfang und verringern das Risiko falscher Schlüsse. Eine deutliche Grenze hält auch das Verkaufsversprechen im Einklang mit der tatsächlich erbrachten Leistung.

Darstellungsschulden

Unternehmen erstellen über Jahre hinweg Inhalte mit unterschiedlichen Personen, auf verschiedenen Plattformen und für verschiedene Zwecke. Eine Marketingagentur schreibt die Startseite. Jemand anderes legt die Social-Media-Profile an. Der Vertrieb erstellt eine Preisliste. Ein Entwickler ergänzt strukturierte Daten. Die Personalabteilung verwendet eine andere Unternehmensbeschreibung. Ein Branchenverzeichnis behält alte Angaben. Ein KI-Werkzeug erzeugt neue Texte. Jeder Teil mag in seinem eigenen Zusammenhang sinnvoll sein. Mit der Zeit entstehen dennoch kleine Abweichungen: hier „weltweit“, dort „auf Europa ausgerichtet“; hier „24/7-Support“, dort „Antwort während der Geschäftszeiten“.

An einer Stelle steht „Betrieb ab 500 Dollar“ ohne klaren Umfang, an anderer „Hosting für 200 Dollar“, das damit verwechselt wird. Hier „KI-Beratung“, dort „Entwicklung autonomer Agenten“. Hier „kostenlose Wartung“, dort „monatliches Wartungspaket“. Mit jeder kleinen Abweichung zerfällt die digitale Darstellung des Unternehmens weiter.

Diese Anhäufung können wir Darstellungsschulden nennen. Darstellungsschulden bezeichnen das Risiko, dass veraltete, unvollständige, widersprüchliche oder kontextlose Aussagen auf den digitalen Oberflächen einer Organisation spätere maschinelle Auslegungen verzerren. Wie technische Schulden können sie anfangs unsichtbar bleiben. Die Website funktioniert. Die Profile sind erreichbar. Die Inhalte sind veröffentlicht. Doch je größer das System wird, desto mehr neue Informationen lagern sich auf alten Widersprüchen ab.

Schließlich kann niemand mehr ohne Weiteres beantworten:

• Welcher Preis ist aktuell?
• Welche Leistung wird tatsächlich angeboten?
• Welche Beschreibung ist kanonisch?
• Welche weiteren Einträge müssen sich ändern, wenn diese Seite geändert wird?
• Welche Sprachfassung bildet die maßgeblichen Tatsachen ab?
• Welche Behauptung ist belegt?
• Welcher Inhalt ist bloße Werbesprache?

Menschliche Teams können lange mit diesen Schulden leben. Wenn KI-Systeme jedoch all diese Oberflächen gemeinsam lesen, werden sie sichtbar. Die Maschine versucht, die Unstimmigkeiten aufzulösen. Mal wählt sie die richtige Quelle, mal die am häufigsten wiederholte, mal die scheinbar neueste oder die für sie glaubwürdigste. Manchmal übersieht sie die Widersprüche und erzeugt ein geschlossenes, aber falsches Bild. Eine Aufgabe des GEO-Ansatzes, den dieses Buch vertritt, ist der Abbau solcher Darstellungsschulden. GBO muss verhindern, dass daraus falsche Handlungen werden.

Wiederholung macht eine Aussage nicht wahr

Wird eine Information an vielen Stellen im Internet wiederholt, kann sie den Anschein von Wahrheit gewinnen. Wiederholung allein ist aber kein Beweis. Eine falsche Aussage über ein Unternehmen kann in einem Verzeichnis erscheinen. Andere Websites übernehmen sie von dort. KI-generierte Inhalte reproduzieren sie, und weitere Modelle lesen diese neuen Texte. So vervielfacht sich die Falschinformation ohne unabhängige Prüfung. Nach einiger Zeit steht dieselbe Aussage in verschiedenen Quellen, die jedoch alle auf einen einzigen Fehler zurückgehen. Dies können wir als Reinwaschen einer Darstellung bezeichnen.

Eine falsche oder schwach gestützte Behauptung wirkt unabhängig und glaubwürdig, weil sie auf vielen Oberflächen wiederholt wird. Ein Unternehmen kann sich zunächst auf der eigenen Website als „weltweit führend“ bezeichnen. Automatisch erstellte Firmenprofile übernehmen die Aussage. Danach erscheint sie in KI-generierten Listen, auf die sich wiederum andere Systeme stützen. Die Behauptung wächst. Die Beleglage nicht. GEO darf nicht darauf zielen, die am häufigsten wiederholte Erzählung im Internet zu erzeugen. Es sollte eine zutreffende, belegbare und klar begrenzte Darstellung schaffen. Für GBO ist dies noch wichtiger.

Denn wiederholte Fehler beeinflussen nicht nur Antworten, sondern auch Auswahl und Handlungen. Wird die Kapazität eines Lieferanten übertrieben, kann ein Agent ihn für ein echtes Projekt auswählen. Wird die Zertifizierung eines Produkts missverstanden, kann das System es für einen regulierten Einsatz empfehlen. Erscheint eine Leistung in alten Einträgen günstiger, kann der Agent ihre Eignung für das Budget falsch beurteilen. Deshalb fragt GBO zuerst nach der Herkunft des Nachweises und erst danach nach der Zahl der Wiederholungen.

Woher stammt diese Behauptung? Ist sie unabhängig? Ist sie aktuell? Ist sie unmittelbar belegt? Für welchen Umfang gilt sie? Bestätigen andere Quellen sie tatsächlich, oder wiederholen sie sie nur?

Im Zeitalter der Maschinen sollte Autorität an der Belastbarkeit der Quelle gemessen werden, nicht an der Lautstärke ihres Echos.

Von der Quelle zum Satz, vom Satz zur Identität

Ein generatives System wiederholt beim Antworten häufig nicht einfach die Formulierungen seiner Quellen. Es führt Informationen zusammen und bildet einen neuen Satz. Dieser Satz steht möglicherweise in keiner Quelle genau so.

Verschiedene Quellen könnten etwa Folgendes sagen:

• Das Unternehmen bietet Inhalte in sechs Sprachen an.
• Es entwickelt KI-Agenten.
• Es arbeitet mit internationalen Unternehmen.
• Es bietet SEO- und GEO-Leistungen an.
• Es verfügt über eine technische Infrastruktur für mehrsprachige Veröffentlichungen.

Das Modell könnte daraus folgende Darstellung bilden: „Das Unternehmen ist eine spezialisierte Agentur, die mehrsprachige SEO-, GEO- und KI-Automatisierungssysteme für internationale Marken entwickelt.“ Der Satz kann aus dem gemeinsamen Sinn der Quellen hervorgegangen sein. Dennoch bringt jedes Wort eine neue Verantwortung mit sich. Worauf beruht „international“?

Welche Belege rechtfertigen „spezialisiert“?

Steht „entwickelt“ für eine Umsetzungskompetenz, die über Beratung hinausgeht?

Passt „Agentur“ zur rechtlichen oder geschäftlichen Struktur?

Sind „Marken“ tatsächlich die Kundengruppe?

Darstellung ist deshalb mehr als das Sammeln von Informationen. Sie schafft neue Beziehungen zwischen ihnen. Neue Beziehungen erzeugen neue Bedeutung, und neue Bedeutung schafft neue Risiken. Ein System kann richtige Teile falsch verknüpfen. Eine Firma veröffentlicht vielleicht in sechs Sprachen, bietet aber nicht in allen sechs Kundensupport an. Sie hat möglicherweise einen KI-Agenten entwickelt, verkauft ihn aber nicht allen Kunden als Produkt. Sie strebt internationale Sichtbarkeit an, ist jedoch in bestimmten Ländern noch nicht tätig. Eine Darstellungsprüfung darf daher nicht nur fragen, ob die einzelnen Sätze stimmen.

Sie muss auch prüfen, ob die Verbindungen zwischen den Sätzen stimmen.

Die Maschine sieht dieselbe Wirklichkeit in unterschiedlichen Formen

Ein Mensch liest eine Leistungsseite.

Eine Maschine kann auf derselben Seite mehrere Darstellungsebenen erkennen:

• Titel,
• Meta-Beschreibung,
• Seitentext,
• Linktexte,
• Menüstruktur,
• strukturierte Daten,
• Preiseintrag,
• FAQ-Bereich,
• Bildbeschreibungen,
• Canonical-Tag,
• Sprachbeziehungen,
• Sitemap-Eintrag
• sowie Datums- und Versionsangaben.

Stimmen diese Ebenen überein, wird die Darstellung belastbarer. Widersprechen sie sich, kann die Maschine zu unterschiedlichen Ergebnissen kommen. Im sichtbaren Text steht „Preis auf Anfrage“, in den strukturierten Daten dagegen ein Festpreis. Der Mensch sieht das eine; die Maschine kann auch das andere lesen. Der sichtbare Text beschränkt eine Leistung möglicherweise auf Bestandskunden, der Katalog nennt diese Grenze nicht. Die Startseite verspricht „weltweiten Betrieb“, während Sprach- oder Ländereinträge nur einen Markt abdecken. Eine Seite sagt „Wir bieten keine Rechtsberatung“, der FAQ-Bereich deutet dagegen eine Garantie rechtlicher Konformität an. Das Unternehmen veröffentlicht dann zwei unterschiedliche Wirklichkeiten gleichzeitig.

Eine für Menschen. Eine für Maschinen.

Ein Grundsatz dieses Ansatzes lautet: Die von Menschen gelesene Wirklichkeit darf nicht von der maschinenlesbaren Wirklichkeit abweichen.

Dies können wir Darstellungsgleichheit nennen. Darstellungsgleichheit bedeutet, dass sichtbare Inhalte und maschinenlesbare Einträge dieselben Angaben zu Identität, Fähigkeiten, Preisen, Leistungsumfang, Grenzen und Belegen enthalten. Dafür müssen nicht auf beiden Oberflächen dieselben Wörter stehen. Ein Text für Menschen kann natürlich und ausführlich sein, ein Maschineneintrag stärker strukturiert. Die semantische Vereinbarung muss jedoch gleich bleiben. Eine wesentliche Grenze darf nicht auf einer Oberfläche verschwinden. Eine dort ausgeschlossene Garantie darf anderswo nicht angedeutet werden. Ein Preis „auf Anfrage“ darf nicht an anderer Stelle erfunden werden. Eine nur bestimmten Kunden angebotene Leistung darf nicht in einem anderen Eintrag allen offenstehen.

Darstellungsgleichheit ist ein wesentlicher Teil der Verbindung, die dieses Buch zwischen GEO und GBO herstellt. Wie wichtig sie ist, zeigt sich, wenn ein Agent auf Grundlage eines maschinenlesbaren Eintrags handelt. Weicht dieser Eintrag von der sichtbaren Wirklichkeit ab, kann eine scheinbar richtige Handlung auf der falschen Vereinbarung beruhen.

Mehrsprachigkeit vervielfältigt nicht einfach dieselbe Wirklichkeit

Ein Unternehmen, das in sechs Sprachen veröffentlicht, glaubt vielleicht, sechs Kopien derselben Wirklichkeit zu erzeugen. Tatsächlich schafft es sechs eigenständige Darstellungsflächen.

Jede Sprache hat eigene:

• Wörter,
• geschäftliche Gepflogenheiten,
• rechtliche Bedeutungsnuancen,
• Suchintentionen,
• Fachbegriffe
• und Lesegewohnheiten.

Ein Satz kann auf Englisch klar sein und bei einer wörtlichen Übertragung ins Türkische unbestimmt werden. Im Arabischen reicht es möglicherweise nicht, nur die Textrichtung zu ändern. Ein deutscher Dienstleistungsbegriff kann einen anderen Umfang haben als seine ungefähre türkische Entsprechung. Ein direkt übernommener englischer Fachausdruck kann im Russischen künstlich oder sinnlos wirken. Im Spanischen kann der berufliche Wortschatz von Land zu Land variieren. Mehrsprachigkeit ist deshalb nicht bloß Übersetzung.

Sie stellt dieselbe Wirklichkeit in unterschiedlichen Sprachsystemen neu her.

Die Schwierigkeit liegt darin:

Jede Sprache muss natürlich klingen. Keine darf neue Tatsachen erfinden. In einer Fassung darf sich der Leistungsumfang nicht erweitern. In einer anderen darf eine Preisgrenze nicht verschwinden. Aus einer Zusage zur Barrierefreiheit darf in der nächsten Sprache kein allgemeines Qualitätsversprechen werden. „Support“ darf nicht anderswo „durchgehenden Betrieb“ bedeuten.

Eine richtige mehrsprachige Darstellung erfüllt zwei Bedingungen zugleich:

Die Sprache muss natürlich sein. Die Tatsachen dürfen sich nicht ändern.

Gelingt dieser Ausgleich nicht, kann ein Unternehmen in sechs Sprachen sichtbar sein und doch mit sechs verschiedenen Identitäten dargestellt werden. Für GBO ist das ein ernstes Problem. Sieht ein Agent je nach Nutzersprache andere Angaben zu Umfang, Preisen oder Befugnissen, kann er sich gegenüber demselben Unternehmen unterschiedlich verhalten. Die Sprachfassungen eines Verhaltensvertrags müssen deshalb nicht nur als Übersetzungen gleichwertig sein, sondern auch hinsichtlich der Folgen der darauf gestützten Handlungen.

Darstellung muss nicht ausschließlich positiv sein

Unternehmen möchten sich von ihrer besten Seite zeigen. Das ist verständlich. Darstellung soll aber nicht nur ein vorteilhaftes Bild erzeugen.

Eine zutreffende Darstellung enthält manchmal auch solche Angaben:

• Die Leistung ist derzeit nicht verfügbar.
• Die Kapazität ist begrenzt.
• Ergebnisse werden nicht garantiert.
• Der Preis wird nach der Projektprüfung festgelegt.
• In bestimmten Ländern wird die Leistung nicht angeboten.
• Kosten von Drittanbietern sind nicht enthalten.
• Ohne ausreichende Daten lässt sich keine experimentelle Schlussfolgerung ziehen.
• Ohne menschliche Freigabe wird nichts veröffentlicht.
• Bestimmte Nutzungsarten werden aus ethischen oder rechtlichen Gründen abgelehnt.

Kurzfristig können solche Aussagen wie eine Einschränkung von Verkaufschancen wirken. Die Grenzen offenzulegen soll jedoch Fehlzuordnungen, Streitigkeiten und Vertrauensverluste verringern. Für KI-Agenten sind diese Angaben besonders wichtig. Sie brauchen Informationen nicht nur, um Geeignetes auszuwählen, sondern auch, um Ungeeignetes auszuschließen. Stellt sich eine Marke als passend für jeden Bedarf dar, kann der Agent falsch entscheiden. Legt sie ihre Grenzen offen, wählt das System sie womöglich seltener aus. Dafür erhält es eine tragfähigere Grundlage, um passende Fälle zu erkennen.

Genau darauf zielt GBO.

Nicht öfter auswählen, sondern besser auswählen.

Negative Information ist daher keine Schwäche der Darstellung.

Sie ist eine Grundlage für Verhaltensqualität.

Zitiert zu werden heißt nicht, richtig dargestellt zu werden

Ein KI-System kann eine Marke als Quelle anführen. Das ist ein wichtiges Sichtbarkeitssignal. Eine Quellenangabe bedeutet aber noch keine zutreffende Darstellung. Das System kann auf die richtige Seite verweisen und deren Inhalt falsch auslegen. Es kann den Einstiegspreis einer Leistung als Preis aller Pakete nennen, die Methodik eines Unternehmens als Zertifikat oder offiziellen Standard beschreiben oder einen im Buch vorgeschlagenen Rahmen als allgemeingültige Regel wiedergeben. Es kann einen historischen Eintrag für den aktuellen Leistungsumfang halten. Die Frage „Wie oft wurden wir als Quelle genannt?“ genügt daher nicht.

Wir müssen auch fragen:

• Für welchen Satz wurden wir als Quelle genannt?
• Stützt die Quelle diesen Satz tatsächlich?
• Wurde das Unternehmen mit dem richtigen Namen bezeichnet?
• Blieben die Leistungsgrenzen erhalten?
• Wurden Unsicherheiten entfernt?
• Wurden alte Angaben als aktuell ausgegeben?
• Wurden uns Behauptungen aus anderen Quellen zugeschrieben?
• Führt der Verweis den Nutzer auf die richtige Seite?

Ich vertrete die Auffassung, dass eine GEO-Bewertung nicht bei der Zahl der Quellenangaben enden darf. Sie muss auch die Qualität der Darstellung erfassen.

GBO geht einen Schritt weiter:

Welches falsche Verhalten könnte aus dieser falschen Darstellung entstehen?

Ein falsch angegebener Preis kann zu einem fehlerhaften Budgetvergleich führen. Ein falsch dargestelltes Einsatzgebiet kann den Agenten veranlassen, im Namen des Nutzers ein unpassendes Angebot anzufordern. Ein übertriebenes Produktmerkmal kann eine falsche Kaufentscheidung begünstigen. Fehlen die Einwilligungsgrenzen eines KI-Avatar-Angebots, könnte der Agent unbefugte Inhaltserstellung für normal halten. Die Prüfung der Darstellung ist deshalb nicht nur Reputationsmanagement. Sie ist eine Sicherheitsprüfung künftiger Handlungen.

Der Darstellungszustand fließt in Entscheidungen ein

Bevor ein Agent handelt, bildet er einen internen Zustand seiner Sicht auf die Welt.

Dieser kann enthalten:

• das Ziel des Nutzers,
• die verfügbaren Optionen,
• deren Fähigkeiten,
• Preise,
• Risiken,
• Nachweise,
• Einschränkungen,
• erforderliche Erlaubnisse
• und mögliche Folgen.

Aus diesem Darstellungszustand entsteht die Entscheidung des Agenten. Ist die Darstellung falsch, kann das Ergebnis trotz einwandfreier Entscheidungslogik falsch sein. Verwendet ein Navigationssystem eine fehlerhafte Karte, führt selbst der beste Routenalgorithmus nicht zum richtigen Ziel. Liegen einem Arzt falsche Patientendaten vor, kann er eine richtige medizinische Methode auf eine falsche Ausgangslage anwenden. Kennt ein Einkaufsagent die Produkteigenschaften falsch, kann auch ein hervorragendes Vergleichssystem das falsche Produkt wählen. GBO kann deshalb nicht unmittelbar auf der Verhaltensebene beginnen. Zunächst muss der Darstellungszustand verlässlich sein.

Einfach gesagt: Die Qualität einer Handlung ist nicht unabhängig von der Qualität der Darstellung. Doch auch eine gute Darstellung allein reicht nicht aus. Ein Agent kann alles richtig wissen und trotzdem ohne Befugnis handeln, eine Risikogrenze überschreiten, menschliche Freigabe umgehen oder einen unumkehrbaren Schritt ausführen.

Daher gilt:

Eine zutreffende Darstellung ist eine notwendige Voraussetzung für richtiges Verhalten. Sie ist für sich genommen aber keine hinreichende Voraussetzung.

Hier entsteht die Verbindung zwischen GEO und GBO. GEO hilft dem Agenten, die Welt genauer zu sehen. GBO begrenzt sein Verhalten in dieser Welt.

Fünf Zustände der Darstellung

Für diese Beurteilung können wir fünf Zustände unterscheiden:

Unbekannt

Das System kennt die Entität nicht ausreichend. Richtig wäre hier, weiter zu recherchieren oder die Unsicherheit offenzulegen, statt zu raten.

Teilweise bekannt

Die Identität kann bekannt sein, während Angaben zu Leistungen, Preis oder Grenzen fehlen. Das System kann die Entität als Kandidaten nennen, muss vor einer Transaktion aber um Klärung bitten.

Widersprüchliche Angaben

Verschiedene Quellen vermitteln unterschiedliche Tatsachen. Der Agent muss den Widerspruch sichtbar machen, statt die bequemste Angabe auszuwählen.

Ausreichend bekannt

Identität, Fähigkeit, Umfang, Nachweise und Aktualität genügen für eine bestimmte Entscheidung. Dieser Zustand kann eine Bewertung erlauben.

Bekannt und handlungsbereit

Zusätzlich zur ausreichenden Darstellung sind Befugnis, Eingangsvoraussetzungen, Transaktionsweg, Risikogrenze und ein Mechanismus zur Rückgängigmachung oder Abhilfe definiert. Abhilfe bedeutet nicht, dass sämtliche Folgen vollständig beseitigt werden können. In diesem Zustand darf der Agent innerhalb der festgelegten Grenzen handeln.

Diese Einteilung zeigt einen wichtigen Unterschied: Eine gut dargestellte Entität ist nicht automatisch handlungsbereit. Über ein Unternehmen kann alles bekannt sein, ohne dass eine API oder ein Transaktionskanal vorhanden ist. Der Preis kann aktuell sein, während Angaben zur Kapazität fehlen. Die Leistung kann passen, während die Erlaubnis des Nutzers zur Kontaktaufnahme fehlt. Wo die Fragen von GEO beantwortet sind, beginnen die weiteren Fragen von GBO.

Governance der Darstellung

Die digitale Darstellung einer Organisation darf nicht dem Zufall überlassen werden. Wenn Teams Inhalte auf verschiedenen Plattformen und in mehreren Sprachen ohne gemeinsamen Prüfprozess aktualisieren, können sich Darstellungsschulden ansammeln. Unternehmen brauchen deshalb nicht nur eine Inhaltsstrategie, sondern auch eine Governance ihrer Darstellung.

Sie beantwortet unter anderem:

• Was ist die kanonische Quelle für Identitätsangaben?
• Wer darf Leistungseinträge aktualisieren?
• Welche Oberflächen müssen bei einer Preisänderung gemeinsam angepasst werden?
• Welche Behauptungen brauchen Belege?
• Welche Sprachfassungen sind an dieselben Tatsachen gebunden?
• Wie werden alte Versionen archiviert?
• Wie werden maschinenlesbare Einträge mit sichtbaren Texten abgeglichen?
• Wie werden Profile auf Drittplattformen geprüft?
• Wer korrigiert eine erkannte Falschdarstellung?
• Wie werden KI-Antworten stichprobenartig erfasst und gemessen?

Diese Governance ist nicht die Aufgabe eines einzelnen Redakteurs. Marketing, Recht, Technik, Vertrieb, Betrieb und Unternehmensleitung müssen zusammenarbeiten. Denn Darstellung besteht nicht nur aus Wörtern. Ein Preis ist eine geschäftliche Entscheidung. Eine Befugnisgrenze ist eine rechtliche und betriebliche Entscheidung. Ein Eintrag in strukturierten Daten ist eine technische Entscheidung. Ein Leistungsausschluss ist eine Vertriebsentscheidung. Ein Aktualisierungsdatum ist eine Governance-Entscheidung. Wird GEO lediglich als Textarbeit verstanden, greift es deshalb zu kurz. Der hier vorgeschlagene GEO-Ansatz steuert, mit welchen Informationen und innerhalb welcher Grenzen eine Organisation in der digitalen Welt dargestellt wird.

GBO überträgt diese Governance auf die Handlungsebene.

Drei unauffällige Merkmale guter Darstellung

Gute Darstellung ist oft unspektakulär.

Sie hat drei unauffällige Eigenschaften:

Sie ist konsistent

Unterschiedliche Oberflächen vermitteln dieselben grundlegenden Tatsachen. Wortwahl, Sprache und Format können wechseln. Identität, Leistung, Umfang, Preis und Grenzen widersprechen einander jedoch nicht.

Sie kennt ihre Grenzen

Sie behauptet nicht, alles zu können. Sie verbirgt keine Unsicherheit und erklärt, wo sie nicht gilt. Ihre Aussagen reichen nicht weiter, als die Nachweise tragen.

Sie lässt sich aktualisieren

Darstellung ist keine einmalige Veröffentlichung. Ändern sich Preis, Kapazität, Leistung oder Technik, lassen sich alle betroffenen Oberflächen wieder aufeinander abstimmen. Alte Einträge bleiben erhalten, werden aber nicht mit aktuellen verwechselt. Diese Eigenschaften erleichtern nicht nur das maschinelle Verständnis. Sie stärken auch menschliches Vertrauen. Denn Vertrauen entsteht oft nicht durch große Versprechen, sondern dadurch, dass kleine Widersprüche fehlen.

Wie sollte sich eine Organisation beschreiben?

Die Antwort liegt nicht in noch mehr Adjektiven. „Die beste.“ „Führend.“ „Revolutionär.“ „Einzigartig.“ „Weltklasse.“ Ohne Belege erhöhen solche Wörter den Wert der Darstellung nicht.

Eine Organisation sollte sich nach dieser Struktur erklären:

Wer wir sind Was wir tun Für wen wir es tun Unter welchen Bedingungen Was wir nicht tun Wie wir es belegen Wann die Information aktualisiert wurde

Das gilt nicht nur für Unternehmen, sondern auch für Produkte, Fachleute, Universitäten, öffentliche Stellen, Datensätze und KI-Agenten. In einer maschinengeprägten Welt entsteht Verlässlichkeit durch klare Beziehungen, nicht durch ausgeschmückte Erzählungen.

Ein GEO-Verständnis jenseits der Sichtbarkeit

GEO wird mitunter nur als Methode beschrieben, in KI-Antworten häufiger aufzutauchen. Das greift zu kurz. Geht es allein darum, eine Marke öfter erwähnen zu lassen, wird das Feld bald zu einem neuen Sichtbarkeitswettbewerb. Mehr Inhalte. Mehr Wiederholungen. Mehr künstliche Quellen. Mehr Aufforderungen zum Zitieren. Mehr Maschinensignale. Mehr Sichtbarkeit bedeutet jedoch nicht, zutreffender dargestellt zu werden.

In diesem Buch schlage ich eine weitergehende Aufgabe für GEO vor: Eine Entität soll Menschen und Maschinen überprüfbar, aktuell, kontextgerecht und mit klar erkennbaren Grenzen dargestellt werden.

Daraus sollten drei Ergebnisse entstehen:

Richtige Identität: Das System muss wissen, über wen es spricht. Richtige Bedeutung: Es muss verstehen können, was die Entität tut und was nicht. Richtige Grundlage: Es muss nachvollziehen können, welche Nachweise diese Bedeutung stützen. Für sicheres Handeln braucht ein Agent ausreichende Informationen über die betreffende Identität, die Fähigkeiten und die Belege. Diese Grundlage muss nicht zwingend durch eine gesonderte GEO-Maßnahme geschaffen werden. Ein verlässlicher Unternehmenseintrag oder geprüfte Transaktionsdaten können sie ebenfalls liefern.

Die Kette von Darstellung zu Verhalten

Das Verhalten eines KI-Agenten entsteht häufig entlang dieser Kette: Quelle → Information → Darstellung → Bewertung → Auswahl → Befugnisprüfung → Handlung → Ergebnis. An jedem Glied können Fehler auftreten. Die Quelle kann falsch sein, die Information veraltet, die Darstellung unvollständig. Die Bewertung kann Eignungskriterien auslassen. Die Auswahl kann auf Popularität beruhen. Befugnisse können vorausgesetzt werden. Die Handlung kann unumkehrbar sein. Das Ergebnis kann falsch gemessen werden. GBO betrachtet nicht nur das letzte Glied, sondern die gesamte Kette. In ihrer Mitte steht die Darstellung. Sie macht aus Quellen eine Welt, mit der ein Entscheidungsträger arbeiten kann.

Ein Agent legt zunächst fest, wie die Welt aus seiner Sicht beschaffen ist. Danach handelt er in dieser Welt.

Deshalb gehört dieser Satz zu den Grundlagen von GBO: Vor jeder Maschinenhandlung steht eine sichtbare oder unsichtbare Darstellung. Erst im Moment der Handlung einzugreifen, um falsches Verhalten zu korrigieren, kann zu spät sein. Ein erheblicher Teil des Fehlers ist bereits in der zuvor aufgebauten Darstellung entstanden.

Nicht was wir der Maschine sagen, sondern was wir belegen können

Organisationen werden künftig häufiger fragen: „Wie sollten wir uns KI-Systemen beschreiben?“ Das ist eine hilfreiche Frage.

Die bessere lautet jedoch: „Welche Tatsachen über uns sollten KI-Systeme zuverlässig überprüfen können?“ Die erste Frage richtet sich auf Kommunikation, die zweite auf Belege. Die erste kann die Erzählung stärken, die zweite das Vertrauen. Zwischen dem, was ein Unternehmen Maschinen sagen möchte, und dem, was es tatsächlich nachweisen kann, kann eine Lücke liegen. GBO akzeptiert diese Lücke nicht. Soll ein Agent handeln, darf seine Entscheidung nicht allein auf der Behauptung des Unternehmens beruhen. Die Verbindung von Aussage und Beleg muss sichtbar sein. Die Reichweite des Nachweises darf nicht überschritten werden. Ein Leistungstest kann das Ergebnis einer bestimmten Seite an einem bestimmten Tag zeigen. Er beweist nicht, dass die gesamte Website immer dieselbe Leistung erbringt.

Eine Kundenbewertung kann eine bestimmte Erfahrung beschreiben. Sie belegt nicht, dass alle Kunden dasselbe Ergebnis erhalten. Eine Veröffentlichung erläutert eine Methodik. Sie beweist nicht, dass die gesamte Branche diese Methodik anerkennt. Einen Standard zu nutzen bedeutet nicht, von dessen Herausgeber zertifiziert zu sein. An der Fähigkeit, diese Grenzen zu wahren, sollte die Qualität einer Darstellung gemessen werden.

Richtige Darstellung ermöglicht berechtigte Ablehnung

Ein Agent sollte nicht nur für positive Auswahlentscheidungen ausgelegt sein. Er muss auch ungeeignete Situationen erkennen. Nimmt ein Unternehmen nur große Unternehmensprojekte an, kann es richtig sein, Anfragen mit kleinem Budget abzulehnen. Ist eine Leistung in bestimmten Ländern nicht verfügbar, sollte der Agent Alternativen vorschlagen. Fehlt bei einem KI-Avatar-Projekt die ausdrückliche Erlaubnis zur Nutzung von Gesicht und Stimme, muss das System stoppen. Reicht der Datenverkehr für einen Konversionstest nicht aus, darf der Agent keine statistische Gewissheit erfinden. Ist eine Microservices-Architektur in einem DevOps-Projekt unnötig, sollte er sie nicht allein deshalb empfehlen, weil sie teuer ist.

Damit dieses Verhalten möglich wird, muss die Darstellung neben Fähigkeiten auch die Bedingungen fehlender Eignung enthalten. Eine gute Darstellung macht eine Entität nicht in jeder Lage attraktiv. Sie macht sie im richtigen Kontext verständlich. Ihr Erfolg lässt sich deshalb nicht allein an der Zahl positiver Sätze messen.

Er muss auch an dieser Frage gemessen werden: Erkennt das System, wann diese Entität nicht die richtige Wahl ist?

Diese Frage bildet eine der wichtigsten Schwellen zwischen GEO und GBO.

Von Darstellung zu Handlungsverantwortung

Ein KI-System hat ein Unternehmen richtig dargestellt. Es hat die Leistungen verstanden, Preisgrenzen erkannt, Belege bewertet und die Firma für passend zum Nutzerbedarf gehalten. Was folgt nun?

Fordert es ein Angebot an?

Trägt es ein Gespräch in den Kalender ein?

Gibt es Nutzerdaten weiter?

Erstellt es einen Vertragsentwurf?

Leitet es einen Zahlungsvorgang ein?

Zur Verantwortung für die richtige Darstellung kommen jetzt Befugnis und Folgen der Handlung hinzu. Eine zutreffende Darstellung gibt dem Agenten eine tragfähige Grundlage. Sie verleiht ihm aber nicht automatisch das Recht zu handeln. Wissen ist keine Befugnis. Etwas für geeignet zu halten ist keine Erlaubnis zur Transaktion. Eine Entität richtig zu erkennen legitimiert nicht jede Art der Interaktion mit ihr.

Am Ende des zweiten Kapitels können wir deshalb diese Unterscheidung festhalten:

GEO ordnet die Darstellung der Wirklichkeit in der Maschine. GBO ordnet die Bedingungen des Verhaltens, das auf dieser Wirklichkeit beruht.

Im nächsten Schritt wird eine Antwort nicht mehr genügen. Sie wird zur Handlung.

Dann zählt nicht nur Richtigkeit. Hinzu kommen:

• Befugnis,
• Einwilligung,
• Sicherheit,
• Erklärbarkeit,
• Rückgängigmachung
• und menschliche Verantwortung.

All dies wird Teil der Entscheidung.

Warum hat Darstellung die Spielregeln verändert?

Weil Unternehmen nicht mehr nur durch ihre eigenen Aussagen bekannt sind, sondern auch durch die Bilder, die Maschinen von ihnen entwerfen. Weil Nutzer nicht mehr jede Quelle einzeln lesen müssen, sondern sich auf eine zusammengeführte Antwort verlassen können. Weil die Sichtbarkeit einer Entität und die ihr zugeschriebene Bedeutung auseinandergetreten sind. Weil zitiert zu werden nicht heißt, richtig verstanden zu werden. Weil viele richtige Einzelteile falsch verknüpft eine falsche Darstellung ergeben können. Weil Widersprüche, die Menschen früher bemerkten, von Agentensystemen in automatische Entscheidungen überführt werden können.

Vor allem aber prägt Darstellung inzwischen nicht nur Wahrnehmung, sondern auch Handlungen. Falsche Darstellung kann bereits dadurch schaden, dass sie menschliche Entscheidungen beeinflusst. Bei werkzeugnutzenden Agenten kommt ein weiterer Weg hinzu: Das System selbst kann die falsche Auswahl treffen, Kontakt aufnehmen oder einen Kauf ausführen. Darstellung ist deshalb nicht länger eine eng begrenzte Angelegenheit der Kommunikationsabteilung.

Sie ist inzwischen eine Infrastruktur mit mehreren Dimensionen:

• technischen,
• geschäftlichen,
• rechtlichen,
• ethischen
• und betrieblichen.

Darstellung bildet eine Grundlage für all diese Bereiche.

Die Schlussfolgerung des Kapitels

Bevor ein KI-System handelt, baut es eine Welt auf. Darin befinden sich Menschen, Unternehmen, Produkte, Preise, Fähigkeiten, Risiken und Möglichkeiten. Innerhalb dieser Welt trifft es Entscheidungen. Ist die Welt falsch aufgebaut, verstärkt größere Entscheidungskraft die Gefahr. Ist sie unvollständig, kann der Agent die Lücken durch Vermutungen füllen. Ist sie widersprüchlich, kann das System der falschen Quelle vertrauen. Besteht sie ausschließlich aus positiven Behauptungen, kann es unpassende Optionen nicht aussortieren. Verhaltensoptimierung kann die Darstellung deshalb nicht überspringen.

Zunächst müssen diese Bedingungen erfüllt sein:

Die Identität muss klar sein. Die Fähigkeit muss tatsächlich bestehen. Nachweise müssen nachvollziehbar sein. Grenzen müssen sichtbar sein. Informationen müssen aktuell sein. Menschen und Maschinen müssen dieselben Tatsachen sehen.

Erst danach lässt sich die Verhaltensfrage stellen. Darstellung hat die Spielregeln verändert, weil Maschinen die Welt nicht mehr nur beschreiben. An Werkzeuge angebundene Agenten können auf Grundlage ihrer Darstellung auch Vorgänge ausführen. Im nächsten Kapitel überschreiten wir diese Schwelle. Wir untersuchen, wann eine Antwort zur Handlung wird, wie eine scheinbar kleine Empfehlung reale Folgen hat und warum sich Verantwortung grundlegend verändert, sobald Agenten nicht mehr nur sprechen, sondern handeln.

So, wie eine Maschine die Welt sieht, handelt sie in ihr.

Die erste Aufgabe von GBO ist deshalb nicht, dem Agenten zu sagen, was er tun soll. Zuerst muss es ihm zutreffend zeigen, was tatsächlich der Fall ist.