Was KI über CEOs erzählt
Machine Reputation von Führungskräften
Fragt man ein KI-System nach den führenden Köpfen einer Branche, liefert die Antwort innerhalb von Sekunden ein Bild – manchmal treffend, manchmal nicht. Denn die Reputation einer Führungskraft entsteht inzwischen auf zwei sich beeinflussenden Ebenen: einerseits in der Wahrnehmung von Menschen, anderseits in den Antworten, die Large Language Models (LLMs) aus öffentlichen Informationen erzeugen – und die wiederum Menschen beeinflussen.
Wie entsteht das CEO-Bild?
Der Human Reputation Layer beschreibt, was Menschen über eine Führungskraft denken. Er bildet sich aus Begegnungen, Gesprächen, Berichterstattung und der eigenen Kommunikation. Der Machine Reputation Layer entsteht anders: Ein KI-System verdichtet Informationen aus seinem verfügbaren Quellenbestand zu einer Antwort, die niemand redaktionell verantwortet.
Dazwischen liegt ein Quellenökosystem. LinkedIn-Profile, Unternehmenswebsites, Medienberichte, Studien, Interviews und öffentliche Dokumente prägen, was Sprachmodelle über eine Person sagen. Wie stark einzelne Quellen wirken, bleibt für Nutzende unklar. Sichtbar wird das Ergebnis: die Themen und Erzählungen, in denen eine Person wiederholt auftaucht.
Ein:e CEO kann öffentlich sehr präsent sein und in einer KI-Antwort dennoch kaum vorkommen. Umgekehrt nennen Modelle Personen prominent und übernehmen dabei veraltete oder falsche Angaben. palmerhargreaves-Geschäftsführerin Iris Heilmann ordnet diese Entwicklung in ihrem Beitrag „CEO-Reputation in Large Language Models“ in dem bei Springer Gabler erschienenen Buch mit dem Titel „Künstliche Intelligenz und Unternehmensreputation“ als fachliche Herausforderung für die Führungskommunikation ein. Sie empfiehlt zum Start ins Thema die Prüfung des Status quo mit einem Machine Reputation Audit. Dazu wird ein Set an Fragen aus User-Sicht zusammengestellt: direkt zur Person sowie ohne Namensangabe zur Branche oder zu Themen, die der oder die CEO besetzen sollte. Diese Fragen müssen die wichtigsten KI-Systeme mehrfach über einen bestimmten Zeitraum hinweg beantworten; idealerweise automatisiert.
Was prägt die Machine Reputation?
Anknüpfend an das GEO-Score-Framework von palmerhargreaves analysiert das Machine Reputation Audit dann sechs Dimensionen.
- Die Nennungsrate zeigt, ob eine Führungskraft in relevanten KI-Antworten überhaupt genannt wird.
- Die Platzierung erfasst, wie prominent sie innerhalb einer Antwort erscheint, ob sie also die Antwort trägt oder am Rand erwähnt ist.
- Die narrative Dominanz fragt, welche Rollenzuschreibung das Bild der KI bestimmt. Wird die Person etwa als Visionär:in, Strateg:in, Teamplayer:in oder Transformator:in dargestellt?
- Die Tonalität beschreibt, wie eine Führungskraft bewertet wird – anerkennend, kritisch, neutral oder ambivalent.
- Die Kontextualisierung zeigt, mit welchen Themen eine Person verknüpft wird und ob ihr Bild auf ein einzelnes Thema beschränkt ist.
- Die faktische Verlässlichkeit prüft, ob Halluzinationen, veraltete Angaben oder unbelegte Zuschreibungen die Antworten bestimmen.
Erst das Zusammenspiel aller sechs Dimensionen zeigt, ob eine Führungskraft auch im Machine Reputation Layer sichtbar, profiliert und glaubwürdig erscheint.
Was heißt das für die Kommunikation?
GEO, die Optimierung für generative Suchsysteme, arbeitet an Sichtbarkeit, Kontext und Erzählbarkeit in KI-Antworten. Für Executive Communication heißt das: Ein CEO-Narrativ muss in öffentlichen Quellen auffindbar sein, fachlich verständlich bleiben und sich mit konkreten Belegen verbinden. Person, Unternehmen, Themen und Entscheidungen brauchen eine erkennbare Verknüpfung. Das heißt auch: Eine einzelne gut gedachte Thought-Leadership-Kampagne kann zwar ein Baustein sein, die Summe des tatsächlich nach außen sichtbaren Verhaltens aber nicht überdecken. Konsistenz im Tun und Reden ist relevanter denn je.
Der Machine Reputation Layer lässt sich auch grundsätzlich nicht komplett steuern. KI-Antworten hängen von der Anfrage, der Quellenlage und den Biases der verschiedenen KI-Systeme ab. Bei gleicher Frage können unterschiedliche Antworten entstehen. Kommunikationsteams können jedoch prüfen, welche Erzählungen bereits sichtbar sind, wo sie sich widersprechen und welche Aspekte fehlen.
Diese Prüfung erweitert die klassische Reputationsarbeit um eine Frage, die vor wenigen Jahren kaum gestellt wurde: Sind unsere Führungskräfte für Maschinen verständlich beschrieben? Denn nur dann erreicht diese Reputation auch Menschen, deren Bild bekanntlich immer stärker von den Antworten der KI geprägt ist.
