Warum erzählt KI veraltete Fakten über meine Marke?

Du fragst eine KI nach deinem Unternehmen und bekommst eine Mitarbeiterzahl von vor zwei Jahren, ein falsches Gründungsjahr oder eine Antwort, die vorsichtig um die Fakten herumformuliert. Das ist ärgerlich, weil immer mehr Menschen ihre Fragen zuerst an ChatGPT, Gemini, Perplexity oder Claude richten.

Oft wird dafür ein fehlerhaftes Organization-Markup verantwortlich gemacht. Unsere Tests zeigen ein anderes Bild. Hier erfährst du, woher KI-Systeme ihre Markenfakten nehmen, wie veraltete Zahlen in die Antworten gelangen und was du dagegen tun kannst.

Woher nimmt KI die Fakten über meine Marke?

Aus dem Text, den sie über deine Marke findet. Das sind vor allem deine eigene Website, Wikipedia, Presseartikel und Branchenportale. Was dort steht, landet in der Antwort, auch wenn es längst überholt ist.

Die eigene Website spielt dabei eine größere Rolle, als viele denken. In einer Studie von Seer Interactive vom August 2026 stammten über 35 Prozent der Zitate bei Fragen zu Marken von der Website der Marke selbst. Gleich danach kommt Wikipedia. Laut Ahrefs ist die deutsche Wikipedia die Domain, die ChatGPT in Deutschland am häufigsten zitiert, mit 18,56 Prozent der Zitate unter den 50 meistzitierten Domains (Stand September 2026).

Dazu kommt das Wissen, das die Modelle beim Training gelernt haben. Dieses Wissen hat einen Stichtag und wird nur mit neuen Modellversionen aktualisiert. Antwortet eine KI ohne Websuche, greift sie allein darauf zurück.

Wie oft liegen KI-Systeme bei Markenfakten falsch?

Selten komplett falsch, aber oft lückenhaft oder veraltet. Seer Interactive hat für die Studie 1.562 Fragen zu Marken auf sechs KI-Plattformen gestellt. Bei 31,2 Prozent der Fragen gab es keine verwertbare Antwort. Wenn geantwortet wurde, stimmten 95,9 Prozent der Angaben, 2,8 Prozent waren falsch. Als Ursachen nennt die Studie veraltete Quellen und eigene Inhalte, die von der KI falsch gelesen wurden.

Wir haben das im Oktober 2026 selbst getestet. Dafür haben wir ChatGPT, Gemini, Perplexity und Claude jeweils mit eingeschalteter Websuche zwölf Fragen zu bekannten deutschen Marken gestellt, acht zum Gründungsjahr und vier zur Zahl der Mitarbeitenden.

Frage	Ergebnis in allen vier Systemen
Gründung von Saturn, MediaMarkt, Conrad, Cyberport, dm, Tchibo und Rossmann	richtig
Gründung von Schwalbe	uneinheitlich, weil es zwei Daten gibt (Firma 1922, Marke 1973)
Mitarbeitende bei Fressnapf, HORNBACH und Tchibo	einheitlich
Mitarbeitende bei dm	drei Systeme aktuell, Claude mit veralteter Zahl

Bei festen Fakten wie dem Gründungsjahr waren alle Systeme sicher. Schwierig wird es bei Zahlen, die sich jedes Jahr ändern, und bei Angaben, die mehrdeutig sind. Dort entscheidet sich, wie sauber die Quellen gepflegt sind.

Wie landen veraltete Zahlen in KI-Antworten?

Zum Beispiel über Angaben, die Menschen nicht sehen, eine KI aber liest. Das zeigt der Fall dm aus unserem Test.

Auf die Frage nach der Zahl der Mitarbeitenden nannten ChatGPT und Perplexity korrekt 93.426 Beschäftigte in Europa, so wie dm es für das Geschäftsjahr 2024/25 angibt. Claude nannte dagegen als Hauptantwort rund 89.200 Mitarbeitende aus dem Geschäftsjahr davor. Zusätzlich zitierte Claude von dm.de eine Zahl von 60.373 Mitarbeitenden in Deutschland und schrieb selbst, die Quellenlage sei nicht eindeutig.

Die 60.373 stehen tatsächlich auf dm.de, allerdings unsichtbar. Auf der Unternehmensseite zeigt dm unter „dm in Zahlen“ vier Kacheln mit aktuellen Werten. In den Alt-Texten der Bilder, die Menschen nicht sehen, stehen aber noch die alten Zahlen.

Angabe	Sichtbar in der Kachel	Im Alt-Text
Mitarbeitende in Deutschland	63.648	60.373
dm-Märkte in Deutschland	2.154	2.131
Umsatz in Deutschland	13,27 Mrd. Euro	12,47 Mrd. Euro

Für Besucher ist alles in Ordnung. Ein KI-System, das die Seite als Text ausliest, findet dagegen zwei verschiedene Zahlen auf derselben Seite. Solche Widersprüche sind typisch. Bilder werden ausgetauscht, Alt-Texte, PDFs, Pressetexte und Karriereseiten bleiben auf dem alten Stand.

Welche Rolle spielt das Organization-Markup?

Eine kleinere, als oft behauptet wird. Das Organization-Markup ist ein maschinenlesbarer Steckbrief deines Unternehmens im Quelltext der Startseite, mit Name, Logo, Adresse, Gründungsdatum und Verweisen auf deine Profile.

Google nutzt es, um ein Unternehmen eindeutig zuzuordnen und von anderen mit ähnlichem Namen zu unterscheiden, zum Beispiel für das Knowledge Panel. Für die KI-Suche ist es laut Google aber nicht nötig. In Googles Leitfaden zur Optimierung für generative KI heißt es sinngemäß, strukturierte Daten seien für die KI-Suche nicht erforderlich und es gebe kein spezielles Markup dafür.

Auch Messungen sprechen gegen eine große Wirkung. Ahrefs hat im Mai 2026 knapp 1.900 Seiten untersucht, die neu strukturierte Daten bekommen hatten, und sie mit 4.000 Seiten ohne Änderung verglichen. Zusätzliche Zitate in KI-Antworten brachte das Markup auf keiner Plattform. Ein Test, über den Search Engine Roundtable im Februar 2026 berichtete, zeigte zudem, dass ChatGPT und Perplexity den Inhalt von JSON-LD einfach wie normalen Seitentext lesen, sogar wenn das Markup fehlerhaft ist.

Unser eigener Test bestätigt das. Saturn gibt im Markup seiner Startseite als Gründungsdatum den 24.11.1979 an, das Gründungsdatum von MediaMarkt. Gegründet wurde Saturn 1961 in Köln. Alle vier KI-Systeme nannten trotzdem 1961. Die richtigen Angaben auf der eigenen Unternehmensseite, bei Wikipedia und in der Presse haben sich durchgesetzt.

Wertlos ist das Markup deshalb nicht. Es hilft Google bei der Zuordnung deiner Marke und kostet wenig Aufwand. Es ersetzt aber nicht die Pflege der sichtbaren Angaben.

Wie gut pflegen deutsche Marken ihr Markup?

Erstaunlich uneinheitlich. Wir haben im Oktober 2026 die Startseiten von 44 bekannten deutschen Marken und Shops auf ihr Organization-Markup geprüft. Bei 17 davon fehlte es im ausgelieferten HTML oder enthielt falsche oder widersprüchliche Angaben.

Bei BAUHAUS steht im Feld für den Firmennamen der komplette Werbetitel der Seite, „Der BAUHAUS Online Shop“ samt Häkchen-Symbolen für Lieferung, Click & Collect, Rückgaberecht und Garantie. Conrad führt neben dem korrekten Eintrag eine zweite Organisation, deren Name der Seitentitel ist. Bei Schwalbe ist der Eintrag angelegt, enthält aber keine einzige Angabe.

Wird das Markup erst per JavaScript eingefügt, sehen es viele KI-Crawler nicht, weil sie kein JavaScript ausführen. Sauber gelöst haben es unter anderem IKEA, ABOUT YOU, MediaMarkt, Kaufland und Fressnapf, mit Name, Logo, Adresse und Verweisen auf die eigenen Profile.

Geschadet haben die Fehler in unserem Test nicht. Bekannte Marken sind durch Wikipedia und Presse so gut dokumentiert, dass die KI-Systeme das Markup nicht brauchen. Für kleinere Marken mit wenigen Erwähnungen im Netz kann das anders aussehen. Dort ist die eigene Website oft die wichtigste Quelle, und jeder Widerspruch fällt stärker ins Gewicht.

Was passiert, wenn die eigene Website keine klare Angabe macht?

Dann füllen andere Quellen die Lücke, auch mit veralteten Zahlen. Das zeigt ein GEO-Audit, das wir im September 2026 für einen Mode- und Accessoire-Hersteller gemacht haben. Dabei haben wir geprüft, wie KI-Systeme über die Marke sprechen.

Zum Alter des Unternehmens standen auf der Website widersprüchliche Angaben, und eine aktuelle Mitarbeiterzahl fehlte ganz. Wikipedia führte deshalb noch eine veraltete Zahl. Diesen Artikel zitierten die meisten der geprüften Systeme, als nach der Marke gefragt wurde.

Ein Fehler im Markup spielte dagegen kaum eine Rolle. Dort stand als Firmenname nur „DE“ statt des Markennamens. Trotzdem beantworteten alle geprüften KI-Systeme die Frage nach der Marke vollständig und richtig, mit Gründungsjahr und Sitz.

Wo müssen deine Markenfakten überall stimmen?

Überall dort, wo eine KI sie finden kann. Das sind mehr Stellen, als die meisten Unternehmen im Blick haben.

• Über-uns-Seite und Unternehmensseiten, einschließlich Kacheln, Zähler und Infografiken

• Alt-Texte von Bildern mit Zahlen

• Pressebereich, Pressemitteilungen und Unternehmens-PDFs

• Karriereseite, die oft eigene Zahlen zu Mitarbeitenden und Standorten nennt

• Impressum mit Firmenname, Rechtsform und Sitz

• Organization-Markup auf der Startseite

• Wikipedia und Wikidata

• Google Unternehmensprofil, LinkedIn und andere Profile

• Händlerseiten und Branchenverzeichnisse

Lege für jede wichtige Angabe eine verbindliche Version fest, mit Stand. Dazu gehören Firmenname, Gründungsjahr, Sitz, Zahl der Mitarbeitenden, Zahl der Standorte, Umsatz und Geschäftsführung. Diese Version gilt dann für alle Stellen.

Wie sieht ein sauberes Organization-Markup aus?

Es nennt dieselben Fakten wie die sichtbare Website, nicht mehr und nicht weniger. Laut Google gibt es keine Pflichtfelder. Sinnvoll sind vor allem Name, Website, Logo, Adresse, Gründungsdatum und Verweise auf deine Profile bei Wikipedia, Wikidata und in sozialen Netzwerken.

<script type="application/ld+json">
{
  "@context": "https://schema.org",
  "@type": "Organization",
  "name": "Markenname",
  "legalName": "Markenname GmbH",
  "url": "https://www.markenname.de/",
  "logo": "https://www.markenname.de/logo.png",
  "foundingDate": "1961",
  "address": {
    "@type": "PostalAddress",
    "streetAddress": "Musterstraße 1",
    "postalCode": "12345",
    "addressLocality": "Musterstadt",
    "addressCountry": "DE"
  },
  "sameAs": [
    "https://de.wikipedia.org/wiki/Markenname",
    "https://www.wikidata.org/wiki/Q000000",
    "https://www.linkedin.com/company/markenname/"
  ]
}
</script>

Im Feld name steht der Name, unter dem Kunden dich kennen. Die Rechtsform gehört in legalName. Das Markup sollte im HTML stehen, das der Server ausliefert, und nicht erst per JavaScript nachgeladen werden. Zahlen, die sich oft ändern, wie die Zahl der Mitarbeitenden, nimmst du nur auf, wenn du sie auch wirklich jedes Jahr aktualisierst.

Was kannst du konkret tun?

Am besten gehst du in sechs Schritten vor.

• Frage ChatGPT, Gemini, Perplexity und Claude nach deinem Gründungsjahr, deinem Sitz, der Zahl deiner Mitarbeitenden und Standorte und nach deiner Geschäftsführung. Notiere die Antworten und die zitierten Quellen.

• Prüfe jede abweichende Antwort. Die Quellenangaben zeigen dir meist, woher die falsche Zahl stammt.

• Lege für jede Markenangabe eine verbindliche Version mit Stand fest.

• Gleiche die eigenen Seiten damit ab, auch Alt-Texte, PDFs, Pressetexte und die Karriereseite.

• Bitte um Korrektur, wo fremde Quellen veraltet sind. Bei Wikipedia geht das über die Diskussionsseite des Artikels, weil Unternehmen ihren eigenen Artikel nicht selbst bearbeiten sollen.

• Prüfe dein Organization-Markup und wiederhole den Abgleich mindestens einmal im Jahr, am besten direkt nach Veröffentlichung neuer Geschäftszahlen.

Häufige Fragen zu Markenfakten in KI-Antworten

Macht ein fehlerhaftes Organization-Markup meine Marke für KI unsichtbar?

Nein, in unseren Tests haben KI-Systeme bekannte Marken auch mit fehlerhaftem oder fehlendem Markup richtig beschrieben. Das Markup hilft vor allem Google bei der Zuordnung. Wichtiger sind einheitliche sichtbare Angaben.

Kann ich Wikipedia selbst korrigieren?

Nur eingeschränkt. Wikipedia rät Unternehmen davon ab, Artikel über sich selbst zu bearbeiten. Schlage Korrekturen auf der Diskussionsseite vor und belege sie mit einer Quelle, etwa einer aktuellen Pressemitteilung.

Wie schnell übernehmen KI-Systeme korrigierte Angaben?

Das hängt vom System ab. Antworten mit Websuche können sich ändern, sobald die neue Seite gefunden wird. Das Trainingswissen eines Modells ändert sich erst mit einer neuen Modellversion.

Brauchen kleine Unternehmen das Organization-Markup mehr als große?

Vermutlich ja. Über bekannte Marken gibt es viele Quellen, über kleine oft nur die eigene Website. Belastbare Studien dazu gibt es bisher nicht, der Aufwand für ein sauberes Markup ist aber gering.

Quellen

• Seer Interactive, AI Brand Accuracy Study, 27.08.2026

• Ahrefs, ChatGPT Deutschland: meistzitierte Domains, aktualisiert 01.10.2026

• Google Search Central, Organization structured data, aktualisiert 08.09.2026

• Google Search Central, AI optimization guide, aktualisiert 10.07.2026

• Ahrefs, Schema and AI citations, 11.05.2026

• Search Engine Roundtable, ChatGPT and Perplexity read structured data as text, 06.02.2026

• dm-drogerie markt, Unternehmenszahlen (abgerufen 22.10.2026)

• dm-drogerie markt, Das Unternehmen (abgerufen 22.10.2026)

• Wikipedia, Saturn (store)

• ACCSCALE, Stichprobe Organization-Markup auf 44 Startseiten, 22.10.2026

• ACCSCALE, Test mit 12 Markenfragen in ChatGPT, Gemini, Perplexity und Claude, 22.10.2026 (Websuche aktiviert)

• ACCSCALE, GEO-Audit eines Mode- und Accessoire-Herstellers, September 2026