Empfehlungslogik: Warum die KI A empfiehlt und nicht B
Es gibt keinen Schalter, mit dem man "das Modell dazu bringt, einen zu mögen". Empfohlen zu werden ist das Ergebnis von vier gleichzeitig erfüllten Bedingungen: Passung, Glaubwürdigkeit, Zitierbarkeit und dass die Außenwelt dies ebenso sieht.
Zunächst das Fazit: Empfohlen zu werden ist kein Knopf, sondern das Ergebnis von vier gleichzeitig erfüllten Dingen – man passt wirklich zu dieser Frage, das Modell hält einen für verlässlich, die eigene Seite lässt sich zu einem klaren Grund in einem Satz verdichten, und die Außenwelt verortet einen ebenso. Fehlt eine davon, sinkt die Wahrscheinlichkeit, empfohlen zu werden, deutlich.
Bedingung eins: Passung statt "Relevanz"
Fragt ein Nutzer "Welches CRM für ein 20-köpfiges Team?", ist eine Seite voller Großkundenfälle zwar "relevant", aber nicht "passend". Das Modell braucht eine Antwort, die die Bedingungen trifft.
Gegenmaßnahme: Seiten oder Absätze nach Teamgröße, Branche und Anwendungsszenario aufteilen und in jedem Szenario klar sagen, "für wen es geeignet ist".
Bedingung zwei: Glaubwürdigkeit
Derselbe Satz hat bei einer namentlich genannten Institution und auf einer leeren Seite unterschiedliche Glaubwürdigkeit. Glaubwürdigkeitssignale umfassen: Autor und Institution, überprüfbare Daten, echte Fälle, klare Zeit- und Versionsangaben.
Bedingung drei: Zitierbarkeit
Das Modell braucht einen Empfehlungsgrund, den es direkt verwenden kann. Steht auf der Seite nur "wir sind gut", kann es keinen Grund herausziehen und muss den Satz verwenden, den jemand anderes bereits formuliert hat.
Gegenmaßnahme: Auf jeder Seite ein vollständiges Urteil "warum uns wählen" formulieren, einschließlich der passenden Bedingungen.
Bedingung vier: externe Konsistenz
Erzählen Website, Fallstudien, Medienberichte, FAQ und Branchendarstellungen dieselben Markenfakten? Weichen die Aussagen an vier Stellen voneinander ab, zögert das Modell – und bei Zögern wird nicht empfohlen.
Vier Selbstprüfungsfragen
- Habe ich klar dargelegt, für welche Szenarien ich geeignet bin?
- Habe ich ausreichend glaubwürdige Belege für diese Empfehlung?
- Kann meine Seite den für die Empfehlung nötigen Grund direkt liefern?
- Anerkennt die Außenwelt meine Positionierung stabil?
Sind alle vier mit "Ja" beantwortet, ist die Empfehlung nur eine Frage der Zeit; lässt sich eine nicht beantworten, sollte man zuerst diese ergänzen, statt weiter Artikel zu veröffentlichen.
| Stellen, an denen Modelle am ehesten empfehlen | Entsprechend vorzubereitende Inhalte |
|---|---|
| Tool- / Produktauswahl | Auswahlseite, Vergleichsseite |
| Lösungsvergleich | Differenztabelle, Geltungsgrenzen |
| Methodenempfehlung | Schritt-für-Schritt-Anleitung |
| Best Practices | Fallstudie + Nachbetrachtung |
| Szenario-Eignung | Nach Szenarien aufgeteilte Landingpages |
Weiterführende Lektüre: Quellenbetrieb, Fallanalyse: Wie SaaS den Standard-Kandidatenplatz erobert.
