Ein Kunde fragt ChatGPT nach Ihrem Unternehmen und bekommt einen falschen Firmensitz genannt. Oder eine Leistung, die Sie gar nicht anbieten. Oder die Verwechslung mit einer ähnlich benannten Firma zwei Städte weiter. Das ist kein Randfall mehr: OpenAI nennt für Februar 2026 rund 900 Millionen wöchentliche ChatGPT-Nutzer, und ein Teil davon recherchiert damit auch Anbieter, Lieferanten und Bewerbungsziele.
Der erste Reflex ist, sich beim Anbieter zu beschweren oder das Modell irgendwie richtigstellen zu wollen. Beides führt selten weiter. Der Hebel liegt woanders.
Warum die KI überhaupt Falsches über Sie sagt
Ein Sprachmodell hat kein Firmenverzeichnis im Kopf, aus dem es Ihren Eintrag abliest. Es rekonstruiert eine plausible Antwort aus dem, was im Training steckte, und bei aktivierter Websuche aus dem, was es im Moment der Frage findet. Beides ist eine Wahrscheinlichkeitsrechnung, kein Nachschlagen.
Damit erklären sich die typischen Fehler:
- Veraltete Lage. Sie sind umgezogen, haben ein Produkt eingestellt oder umbenannt, aber die alten Angaben stehen noch überall.
- Dünne Quellenlage. Über Ihre Firma steht wenig Belastbares im Netz, also füllt das Modell die Lücke mit einer Annahme.
- Verwechslung. Ein gleicher oder ähnlicher Name, und das Modell mischt zwei Unternehmen zu einem.
- Widersprüche. Ihre Website sagt das eine, ein altes Verzeichnis das andere, und das Modell greift die falsche Variante auf.
Wichtig ist die Konsequenz: Der Fehler sitzt fast nie im Modell selbst, sondern in der Quellenlandschaft, auf die es zurückgreift. Genau dort muss die Korrektur ansetzen.
Was nicht funktioniert
Bevor wir zum Hebel kommen, drei Wege, die Zeit kosten und selten etwas ändern.
Der Screenshot als Beweis. Eine falsche Antwort abzufotografieren und herumzuzeigen belegt nur, dass es sie bei dieser einen Formulierung gab. Beim nächsten Durchlauf kann die Antwort anders lauten. Ein Screenshot ist eine Momentaufnahme, keine Diagnose.
Die Einzelmeldung an den Anbieter. Ein Feedback-Klick auf eine einzelne Antwort verändert das Modell für alle anderen Nutzer in aller Regel nicht spürbar. Für einen groben, verletzenden Fehler ist der Weg trotzdem richtig, als Reparatur der eigenen Sichtbarkeit taugt er nicht.
Das Modell überreden. In einem Chat lässt sich die KI oft dazu bringen, eine Angabe zu korrigieren. Diese Korrektur gilt nur für dieses eine Gespräch. Die nächste Sitzung startet wieder von der alten Quellenlage.
Der Hebel liegt bei den Quellen
Wenn das Modell aus Quellen baut, ändert man die Ausgabe, indem man die Quellen in Ordnung bringt. Das ist unspektakulär und dafür wirksam. Drei Ebenen, in dieser Reihenfolge.
Eine einzige, saubere Selbstbeschreibung. Legen Sie fest, wie Ihre Firma korrekt beschrieben ist: Name, Rechtsform, Sitz, Gründungsjahr, was Sie tun, für wen. Diese Fassung muss auf Ihrer eigenen Seite stehen, gut auffindbar, und sie muss maschinenlesbar sein. Ein sauberes Organization-Schema hilft abrufenden Systemen, die Fakten eindeutig zuzuordnen, statt sie zu raten. Wie strukturierte Daten dabei wirken und wo ihre Grenzen liegen, ist ein eigenes Thema, hier zählt: eine Wahrheit, an einer Stelle, klar formuliert.
Eine Faktenseite, die schlicht antwortet. Viele Firmenseiten verkaufen, aber sie beantworten nicht die nüchternen Fragen: Wo sitzt die Firma, was macht sie genau, seit wann. Eine kurze Seite, die diese Fragen in klaren Sätzen beantwortet, ist für ein abrufendes Modell leichter zu zitieren als eine Imagebroschüre. Schreiben Sie so, dass ein einzelner Absatz für sich genommen stimmt und zitierfähig ist.
Die fremde Quellenlage. Hier entsteht der Fehler meistens. Verzeichnisse, Branchenportale, Handelsregisterauszüge, alte Presseartikel: prüfen Sie, wo veraltete oder falsche Angaben stehen, und ziehen Sie sie nach. Konsistenz über diese Quellen hinweg ist das, was die Modellantwort über wiederholte Abfragen langsam verschiebt. Ein einzelner korrigierter Eintrag reicht nicht, das Gesamtbild muss stimmen.
Nicht jede Falschangabe wiegt gleich schwer, und Sie müssen nicht alles auf einmal angehen. Sinnvoll ist eine kurze Priorisierung: Zuerst die harten Fakten, an denen ein Geschäftskontakt hängt, also Sitz, Rechtsform, Kontaktweg und ob Sie mit einer fremden Firma verwechselt werden. Danach die Leistungen, die Ihnen fälschlich zu- oder abgesprochen werden. Zuletzt die feineren Nuancen im Ton oder in der Einordnung. Wer die falsche Adresse und die Verwechslung zuerst räumt, nimmt dem Problem den geschäftlich teuersten Teil, auch wenn das Gesamtbild noch nicht rund ist.
Der Zusammenhang zwischen Sichtbarkeit und Quellenlage ist derselbe, den wir bei der Frage beschrieben haben, warum die KI den Wettbewerber empfiehlt und nicht Sie: Wer in den zitierten Quellen sauber und häufig vorkommt, taucht auch in den Antworten auf.
Messen statt hoffen
Ob die Korrektur greift, sehen Sie nicht an einer einzelnen Frage. Stellen Sie dieselbe Sache in mehreren Formulierungen und über mehrere Durchläufe, ohne Ihren Markennamen in die Frage zu schreiben, sonst messen Sie nur Selbstbestätigung. Wie eine belastbare Abfragebatterie aussieht, haben wir in der Methodik zur KI-Sichtbarkeit beschrieben. Der Punkt hier: eine Falschangabe gilt erst dann als behoben, wenn sie über viele Abfragen nicht mehr auftaucht, nicht wenn ein einziger Test grün ist.
Wie lange das dauert, und was niemand garantieren kann
Ehrlich bleibt: Das dauert. Modelle aktualisieren ihren Trainingsstand in eigenem Takt, und was per Websuche hereinkommt, hängt an der Indexierung. Wochen bis Monate sind realistisch, und ein garantiertes Datum, an dem die falsche Angabe verschwindet, kann Ihnen niemand seriös nennen.
Zur rechtlichen Seite, sachlich: Eine nachweislich falsche und schädigende Tatsachenbehauptung kann nach unserem Verständnis angreifbar sein. Ob das in Ihrem Fall trägt und gegen wen, ist eine Frage für eine Anwältin oder einen Anwalt, nicht für einen Blogbeitrag. Wir ordnen ein, wir beraten nicht.
Wenn Sie wissen wollen, was die gängigen KI-Assistenten gerade über Ihre Firma sagen und woher die falschen Angaben stammen, hilft eine strukturierte Analyse Ihrer KI-Sichtbarkeit. Und wenn Sie das direkt angehen wollen: Sprechen Sie mit uns.
Häufige Fragen
Warum behauptet die KI Falsches über meine Firma?
Das Modell kennt Ihre Firma nicht, es setzt eine Antwort aus Trainingsdaten und abgerufenen Webquellen zusammen. Sind diese Quellen dünn, veraltet oder widersprüchlich, entsteht eine falsche Angabe: ein falscher Sitz, eine erfundene Leistung, eine Verwechslung mit einem ähnlich benannten Unternehmen. Der Fehler sitzt nicht im Modell, sondern in der Quellenlage.
Kann ich die falsche Antwort direkt beim Anbieter korrigieren lassen?
In der Regel nicht wirksam. Eine einzelne Meldung ändert selten die Antwort für alle Nutzer, und pro Frageformulierung fällt die Antwort ohnehin anders aus. Nachhaltiger ist es, die Quellen zu korrigieren, aus denen das Modell schöpft: die eigene Website, Verzeichnisse, Register, Presse.
Wie lange dauert es, bis sich eine Antwort ändert?
Das lässt sich nicht garantieren. Modelle aktualisieren ihren Wissensstand in eigenem Takt, und Webabrufe hängen davon ab, was gerade indexiert ist. Realistisch sind Wochen bis Monate, und die Änderung zeigt sich erst über wiederholte Abfragen, nicht in einem einzelnen Screenshot.
Habe ich rechtliche Mittel gegen falsche KI-Aussagen?
Nach unserem Verständnis kann eine nachweislich falsche und schädigende Tatsachenbehauptung rechtlich angreifbar sein, das ist aber eine Frage des Einzelfalls und gehört in die Hand einer Anwältin oder eines Anwalts. Dieser Beitrag ist eine sachliche Einordnung, keine Rechtsberatung.