Begriffe, die in meinen Texten vorkommen, von A bis Z. Wer fordert, dass Marken ihre Regeln explizit machen, sollte bei den eigenen anfangen.
Accessibility-Baum Adresse Agent Authority Agent Payments Protocol / AP2 Agent Skills Agentic Brand Readiness Agentic Browsing Agentic Commerce AI Act AI Slop Answer Engine / AEO ARIA-Landmarke Ausführungsschicht / Bedeutungsschicht Bot-Abwehr Brand as Software Brand Infrastructure Brand Kit Browser-Agent Browser-Kennung Canonical-Link Connector / Plugin Crawler Design-Token Designsystem Digital Omnibus Domain-Autorität Festlegung GEO KI-Agent Konsens-Geschmack Konsistenz / Kohärenz llms.txt Machine Customers Machine Readable Brands Markdown Marken-Spezifikation Maschinenlesbar Maschinensicht Model Context Protocol / MCP Open Brand Repo Preprint Repository robots.txt Scheiter-Signal Schema.org / JSON-LD Spezial-Markup Stateful Strukturierte Daten Synthetische Befragte TDM-Vorbehalt Tool Poisoning Universal Commerce Protocol / UCP Verantwortete Entscheidung WebMCP Wikidata Zitierung
Die Struktur, die der Browser aus jeder Seite errechnet: alle Elemente mit Rolle und Name, ohne Layout.
Gebaut für Screenreader, inzwischen laut Googles Entwickler-Dokumentation die primäre Schnittstelle für Browser-Agenten. Ein Element ohne zugänglichen Namen existiert in dieser Ansicht nicht, egal wie prominent es gestaltet ist. Barrierefreiheit ist damit keine Nische mehr, sondern die Eintrittskarte in die Maschinensicht.
Die Person, die für eine Entscheidung geradesteht, und bei der jeder weiß, wohin er sich wenden kann.
Geschmack hat keine Adresse, er wohnt in Personen und verlässt mit ihnen das Haus. Verantwortung ist an eine Adresse gebunden und deshalb nicht kopierbar. Bei Agenten heißt das: Es gibt jemanden, der für ihr Handeln geradesteht. Die Adresse muss nicht alles selbst machen. Sie ist die Stelle, bei der jeder weiß: Mir ist etwas aufgefallen, ich melde es dort, und es wird festgehalten. Ausliefern und Prüfen lassen sich automatisieren, der Betrieb lässt sich vergeben, die Adresse nicht.
Die bewusst erteilte, begrenzte und verantwortete Handlungsvollmacht einer Marke an ihre Agenten.
Erteilt heißt: entschieden statt passiert. Begrenzt heißt: definiert, was der Agent zusagen darf und wo ein Mensch übernimmt. Verantwortet heißt: es gibt eine Adresse, die geradesteht. Der Ausdruck stammt aus dem Vollmachtsrecht und ist hier in den Markenkontext überführt.
Offenes Protokoll von Google für Zahlungen, die ein Agent im Auftrag eines Menschen auslöst.
Vorgestellt am 16. September 2025 mit mehr als 60 Partnern aus Zahlungsverkehr und Technik. Kern sind signierte Mandate: Nachweise, dass ein Mensch einen Kauf in dieser Form erlaubt hat, bevor der Agent bezahlt. Seit April 2026 entwickelt die FIDO Alliance darauf aufbauend Standards, mit denen Nutzer Agenten nur für freigegebene Aktionen ermächtigen. Für Marken ist das die technische Hälfte der Agent Authority; wofür der Agent zahlen darf, legt das Protokoll nicht fest.
Offenes Format, in dem ein KI-Agent Fachwissen und Arbeitsabläufe als Ordner bekommt, den er bei Bedarf lädt.
Kern ist eine Textdatei namens SKILL.md mit Name, Beschreibung und Anweisungen, dazu nach Bedarf Skripte, Vorlagen und Material. Der Agent liest zunächst nur Name und Beschreibung und lädt den Rest, wenn eine Aufgabe dazu passt. Anthropic hat das Format im Oktober 2025 eingeführt und im Dezember 2025 als offenen Standard freigegeben; inzwischen lesen es Werkzeuge von Google, Microsoft, OpenAI und vielen anderen. Für Marken ist es ein naheliegender Ort für Regeln, die ein Agent anwenden soll. Von 21 untersuchten Open-Source-Designsystemen liefern 18 offizielle Agent Skills; von den meistbesuchten Domains bieten erst 0,47 Prozent sie an.
Der messbare Reifegrad einer Marke gegenüber KI-Systemen: gefunden, korrekt beschrieben und empfohlen werden.
Stufe eins der Leiter, und die einzige, die sich in zehn Minuten selbst testen lässt: drei Fragen an ChatGPT oder Perplexity, vier Punkte zur Auswertung.
Prüfkategorie in Googles Lighthouse, die misst, wie gut Agenten eine Website lesen und bedienen können.
Seit Lighthouse 13.3.0 vom 7. Mai 2026 als experimentelle Kategorie in der Standardkonfiguration, nutzbar ab Chrome 150. Das Prüfwerkzeug selbst ist in Chrome eingebaut. Damit wird Agent-Lesbarkeit von der Behauptung zum Score. Wichtig für die Einordnung: Ein guter Score belegt Lesbarkeit, nicht Sichtbarkeit, und Google selbst betont, dass die KI-Suche keine besonderen Dateien braucht.
Handel, bei dem auf mindestens einer Seite ein Agent vergleicht, verhandelt oder kauft.
Der tatsächliche Kauf durch einen Agenten ist derzeit der seltenste Fall. Forrester beschreibt echte Autonomie im Mai 2026 als selten: Nur wenige Verbraucher lassen einen Agenten eine Aufgabe oder einen Kauf ohne direkte Aufsicht abschließen, noch weniger tun das regelmäßig. Häufiger ist die Stufe davor: Agenten, die vergleichen, filtern und empfehlen. Wie viel Umsatz daran hängt, beziffert keine der geprüften Quellen. Die Empfehlung entscheidet früher als die Transaktion.
Die Verordnung der Europäischen Union über künstliche Intelligenz.
Für Marken zählt vor allem Artikel 50: Chatbots müssen sich zu erkennen geben, KI-erzeugte Inhalte maschinenlesbar gekennzeichnet sein. Die Pflicht trifft dabei nicht immer den, der sie zu treffen scheint. Die Kennzeichnung schuldet der Anbieter des erzeugenden Systems, nicht die Marke, die ein fremdes Modell einsetzt. Die Fristen sind seit 2024 zweimal verschoben worden.
Massenhaft erzeugte KI-Inhalte von geringer Qualität, um die niemand gebeten hat.
Bekannt gemacht hat das Wort der Programmierer Simon Willison im Mai 2024: So wie Spam zum Wort für unerwünschte E-Mails wurde, werde Slop das Wort für unerwünschte KI-Inhalte. Merriam-Webster hat „slop“ zum Wort des Jahres 2025 gewählt. Gemeint ist weniger der Fehler als die Mitte, glatt, erwartbar, austauschbar: der Konsens-Geschmack aus der Maschine. Für Strategie gibt es seit März 2026 einen eigenen Namen, Trendslop: Sieben Sprachmodelle wählten bei sechs von sieben strategischen Entweder-oder-Fragen über alle Anbieter dieselbe Seite.
System, das eine Frage direkt beantwortet, statt Ergebnisse zu verlinken. AEO ist die Optimierung darauf.
Der Unterschied zur Suchmaschine ist die fehlende Liste: es gibt eine Antwort, keine zehn Optionen. Wer darin nicht vorkommt, kommt nicht vor. Praktisch überschneidet sich AEO stark mit GEO; die Trennung ist eher Marktvokabular als ein inhaltlicher Unterschied.
Auszeichnung, die einem System sagt, welcher Teil einer Seite Hauptinhalt, Navigation oder Fußzeile ist.
Sie beantwortet die Frage, wo der Inhalt anfängt und die Navigation aufhört. Fehlt sie, muss ein Programm das aus der Gestaltung erraten, und Gestaltung sieht es nicht. In der eigenen Erhebung tragen 52 von 135 Startseiten deutscher Börsenunternehmen keine Hauptinhalt-Landmarke.
Die zwei Schichten einer Marke: wie sie aussieht und klingt (Ausführung), und wer sie ist und was für sie gilt (Bedeutung).
Die Ausführungsschicht entspricht dem klassischen Corporate Design und ist teilweise maschinenfähig geworden, über Design-Systeme und Komponentenbibliotheken. Die Bedeutungsschicht entspricht der Corporate Identity und liegt fast überall in Sätzen, die ein Mensch auslegen muss. Für sie gilt gegenüber Maschinen ein Satz, der beim menschlichen Publikum überflüssig wäre: Was gelten soll, muss auch als Text existieren.
Technik, die automatisierte Zugriffe erkennt und abweist.
In der eigenen Erhebung weisen 12 von 160 Startseiten einen automatisierten Abruf ab, meist über Akamai oder Cloudflare. Der Punkt daran: Die Abwehr erkennt das Werkzeug, nicht die Absicht. Ein Agent, der im Auftrag eines Kunden eine Verfügbarkeit prüfen soll, wird genauso abgewiesen wie ein Scraper.
Marke als etwas, das läuft, statt als Dokument, das man liest: mit Besitzer, Versionen, Tests und Wartung.
Das Wort wechselt die Wortart: Maschinenlesbar beschreibt eine Eigenschaft von Dateien, Software etwas, das beim Kunden ausgeführt wird. Paul Jun fasst die Schwäche des alten Modells so: „The old system distributed rules without distributing judgment.“ Verbindlich wird die Software erst, wenn festgelegt ist, was gilt, wie schwer ein Verstoß wiegt und was bewusst nicht automatisiert wird. Der Begriff beschreibt die Produktion mit der Marke, nicht die Frage, wie Maschinen sie finden und zitieren.
Die maschinenlesbare Schicht der Marke: explizit, parametrisierbar, für Systeme.
Sie ergänzt die Brand Identity, die sich an Menschen richtet, und ersetzt sie nicht. Eine Marke braucht beides gleichzeitig: Identität für Menschen, Infrastruktur für Systeme. Ältere Verwendungen des Ausdrucks existieren in anderer Bedeutung, etwa für organisatorische Markenprozesse.
Die Fassung einer Marke, die ein Werkzeug für sich speichert: Logo, Farben, Schriften, oft auch Vorgaben zur Markenstimme.
Canva, Microsoft und andere nennen ihre Funktion so. Jedes Werkzeug hält damit seine eigene Kopie der Marke, und jede Kopie altert für sich. Microsofts Copilot lernt eine Marke aus genau einem PDF; ein neues überschreibt die vorhandenen Werte, die Markenstimme eingeschlossen. Ein Brand Kit sorgt für Konsistenz in einem Werkzeug. Welche Kopie gilt, wenn zwei sich widersprechen, entscheidet es nicht.
Software, die im Auftrag eines Nutzers Websites bedient: vergleicht, bucht, kauft, statt nur zu lesen.
Abzugrenzen von zwei Nachbarn: Ein Crawler sammelt Inhalte für einen Index, ein Chatbot beantwortet Fragen aus Gelerntem. Ein Browser-Agent handelt, in Echtzeit und mit Folgen. Er liest Seiten über ihre Struktur, den Accessibility-Baum, und nimmt wörtlich, was dort steht. Für Marken ist er das neue Publikum: der Leser, der nichts ergänzt.
Die Zeichenkette, mit der sich ein Programm beim Abruf einer Seite zu erkennen gibt.
Sie ist eine Selbstauskunft und lässt sich frei setzen. Bot-Abwehr stützt sich trotzdem wesentlich darauf. Für Marken heißt das zweierlei: Wer Crawler steuern will, steuert über eine Angabe, die jeder fälschen kann, und wer einen Agenten aussperrt, sperrt womöglich einen Kunden aus.
Die maschinenlesbare Festlegung, welche Version eines Inhalts das Original ist.
Ein Verweis im Quelltext einer Seite (rel=canonical), mit dem sie erklärt, wo ihr Original liegt. Suchmaschinen und KI-Systeme werten dann die Original-Adresse, Doppelungen schaden nicht. Diese Site wendet das selbst an: Der Gastbeitrag „Die Lücke, die nicht antwortet“ liegt hier im Archiv und zeigt per Canonical auf die Erstveröffentlichung bei The Business of Brand Management.
Fertige Anbindung, über die ein KI-Assistent einen fremden Dienst nutzt; ein Plugin bündelt sie mit Skills zu einem Paket, das man installiert.
Technisch läuft ein Connector meist über das Model Context Protocol. Für Marken sind Connector und Plugin der Weg in die Verzeichnisse der Assistenten: Monotype testet einen Connector für Schriften und Lizenzen in Claude, Meta prüft eingereichte Connectors für seinen Agenten Muse auf Funktion, Sicherheit und Recht. Wer ein Plugin ins Verzeichnis von ChatGPT bringen will, muss mit genau fünf positiven und drei negativen Testfällen festlegen, was es nicht tun soll.
Programm, das Websites automatisch abruft und ihre Inhalte sammelt.
Entscheidend ist der Zweck, und davon gibt es drei: ein Suchindex, das Training von KI-Modellen und der Abruf im Auftrag eines Nutzers, der gerade fragt. OpenAI trennt sie in drei Kennungen: GPTBot für das Training, OAI-SearchBot für die Suche, ChatGPT-User für den Abruf. Nicht jeder Anbieter trennt so. Crawler, die zugleich für Suche und Training sammeln, machen laut Cloudflare 36,6 Prozent des verifizierten Crawler-Verkehrs aus; wer bei ihnen das Training sperrt, sperrt auch die Suche. Die robots.txt dieser Website lässt alle drei Zwecke ausdrücklich zu.
Die kleinste maschinenlesbare Gestaltungsentscheidung: eine Farbe, ein Abstand, eine Schrift als benannter Wert.
Statt „Blau wie im PDF“ steht in einem Token ein benannter, versionierbarer Wert, den Werkzeuge direkt anwenden können. Seit dem 28. Oktober 2025 gibt es dafür eine stabile Spezifikation der Design Tokens Community Group beim W3C. Sie ist ausdrücklich kein W3C-Standard und liegt nicht auf dem Standards Track. Tokens belegen, dass die Ausführungsschicht einer Marke maschinenfähig werden kann. Für die Bedeutungsschicht fehlt das Gegenstück bislang.
Die Sammlung wiederverwendbarer Bausteine, mit denen eine Marke ihre digitalen Produkte baut: Komponenten, Farben, Typografie und Regeln für ihren Einsatz.
Ein Designsystem strukturiert die Ausführungsschicht, also wie die Marke aussieht, meist als Code und als Design-Token. Bei IBM, Porsche und der Deutschen Bahn liegt es öffentlich und versioniert vor. Für Maschinen ist es der am weitesten erschlossene Teil einer Marke: Von 21 untersuchten Open-Source-Designsystemen liefern 18 einen eigenen MCP-Server und 18 offizielle Agent Skills. Was die Marke bedeutet und was in ihrem Namen gesagt werden darf, steht darin nicht.
Sammelname für die Pakete, mit denen die EU-Kommission ihr Digitalrecht vereinfachen will, vorgelegt am 19. November 2025.
Es sind zwei Vorschläge. Der eine ändert den AI Act und ist seit dem 27. Juli 2026 in Kraft: Die Hochrisiko-Pflichten sind auf Dezember 2027 und August 2028 verschoben, und generative Systeme, die schon auf dem Markt waren, müssen die maschinenlesbare Kennzeichnung bis zum 2. Dezember 2026 nachrüsten. Der andere betrifft unter anderem DSGVO, ePrivacy-Richtlinie und Data Act und lag im September 2026 noch als Vorschlag vor. Wer mit Fristen aus dem AI Act plant, plant mit dem Stand nach dem Omnibus.
Kennzahl von SEO-Werkzeugen, die die Stärke einer Domain über ihr Linkprofil schätzt.
Sie stammt von Werkzeuganbietern, nicht von Suchmaschinen. Für die Sichtbarkeit in KI-Antworten trägt sie wenig: In einer Erhebung über 75.000 Marken korrelieren Erwähnungen durch Dritte mit 0,66 bis 0,74, die Domain-Autorität mit 0,27 bis 0,33. Wer über eine Marke spricht, wiegt schwerer als das, was die Marke über sich selbst schreibt.
Die Entscheidung, die eine Auslegung beendet: was gilt, woran man merkt, dass es nicht trägt, und wer dafür geradesteht.
Ein Brand Book erklärt, eine Festlegung entscheidet. „Wir kommunizieren auf Augenhöhe“ lässt drei Leser drei Dinge verstehen, „Höchstens ein Ausrufezeichen pro Text“ nur eines, und ein System kann es anwenden, ohne zu raten. Festgelegt wird die Regel, nicht die Bedeutung: Ein Geheimnis bleibt ein Geheimnis, es hängt nur nicht mehr davon ab, wer gerade im Raum sitzt. In der Strategie heißt das: eine These, ein benanntes Scheiter-Signal und ein Absender, der die Folgen trägt. Ein Sprachmodell liefert stattdessen den wahrscheinlichsten Konsens.
Optimierung von Inhalten für die Antwort generativer Systeme statt für ein Ranking in einer Ergebnisliste.
Generative Engine Optimization. SEO sorgt dafür, gefunden zu werden, GEO dafür, in der Antwort vorzukommen. Beides bleibt Arbeit an der Auffindbarkeit. Machine Readable Brands setzen eine Stufe früher an: bei der Frage, ob überhaupt etwas Anwendbares da ist, mit dem ein System arbeiten kann.
Software, die ein Ziel selbst über mehrere Schritte verfolgt: plant, Werkzeuge benutzt, handelt.
Ein Chatbot antwortet, ein Agent erledigt: Er sucht, vergleicht, füllt aus und bucht, oft ohne dass ein Mensch jeden Schritt sieht. Der Browser-Agent ist eine Form davon. Wie gut das gelingt, hängt an der Aufgabe. Auf echten Websites stieg die Erfolgsquote der besten Web-Agenten in gut 16 Monaten von 61 auf 97,7 Prozent; sollen sie das Gefundene zu einem Dokument verarbeiten, schafft der beste weniger als 3 Prozent der Aufgaben vollständig. Für Marken zählt weniger, was ein Agent kann, als was er in ihrem Namen darf: die Agent Authority.
Geschmack, der sich aus vielen Beispielen lernen lässt und deshalb die Mitte abbildet.
Was viele für gut halten, lässt sich trainieren. Kommt diese Mitte aus der Maschine, nennen wir sie Slop. Der Einwand richtet sich nicht gegen die Maschine, sondern gegen die Annahme, Geschmack sei ein Durchschnitt. Eine Entscheidung, die etwas riskiert, ist per Definition nicht die Mitte.
Konsistenz heißt, jede Anwendung hält die Regeln ein. Kohärenz heißt, alle Anwendungen zusammen ergeben noch eine Marke.
Konsistenz lässt sich nachschlagen: Farbwerte, Logovarianten, Schriftschnitte, Produktnamen, lauter Fragen mit einer richtigen Antwort, an die sich eine Maschine hält. Kohärenz entsteht eine Ebene höher, in der Bedeutungsschicht, und ist jedes Mal ein Urteil über einen Einzelfall. Konsistenz verträgt viele Regeln, weil sie billig zu prüfen sind. Kohärenz braucht wenige, und die müssen wirklich gelten. Diese Auswahl ist Markenführung: Wer die wenigen Dinge hart festlegt, an denen man eine Marke erkennt, kann den Rest freigeben.
Textdatei, die die wichtigsten Inhalte einer Website für Sprachmodelle zusammenfasst.
Vorgeschlagen 2024, seither viel beworben. Für Coding- und Browser-Agenten, denen man die Datei gezielt gibt, ist sie nützlich. Als Sichtbarkeits-Hebel ist sie gemessen wirkungslos: eine Server-Log-Auswertung über 137.210 Domains fand, dass 97 Prozent aller llms.txt-Dateien im Mai 2026 keinen einzigen Zugriff bekamen. Diese Website hat eine, aus dem ersten Grund, nicht aus dem zweiten.
Systeme, die eigenständig kaufen oder Kaufentscheidungen vorbereiten.
Von Gartner geprägt. In einer Befragung des Hauses schätzen Vorstandschefs, dass bis 2030 15 bis 20 Prozent des Umsatzes ihres Unternehmens von Maschinen als Kunden kommen. Das ist eine Selbsteinschätzung der Befragten und keine Hausprognose von Gartner. Entscheidend ist nicht die Zahl, sondern die Verschiebung des Adressaten: Markenkommunikation richtet sich dann an einen Kunden, der keine Bilder sieht.
Marken, deren Identität, Sprache und Designlogik als Spezifikation vorliegen, mit der Menschen und Systeme gleichermaßen arbeiten können.
Dritte Stufe eines Reifegradmodells: gelesen werden, mit KI produzieren, anwendbar werden. Ein Brand Book beschreibt eine Marke, eine Spezifikation lässt sich anwenden.
Einfaches Textformat, das Struktur mit wenigen Zeichen auszeichnet: ein # für eine Überschrift, ein * für einen Listenpunkt.
Entwickelt hat es John Gruber 2004. Menschen lesen es wie normalen Text, Sprachmodelle schreiben ihre Antworten meist selbst darin; deshalb liegen Anweisungen für Agenten fast immer als Markdown vor, von der llms.txt bis zur Datei SKILL.md. GitLab führt so sogar seine Markenstimme. Jeder Artikel dieser Website liegt auch als Markdown vor: an die Adresse .md anhängen. Die Belege gibt es als eine Markdown-Datei je Thema.
Die Marke in einer Form, die sich anwenden lässt statt gedeutet werden zu müssen.
Positionierung, Sprachregeln, Fakten und Grenzen, geschrieben für Menschen und Systeme zugleich. Ein Brand Book beschreibt eine Marke und überlässt die Auslegung dem Leser. Eine Spezifikation legt fest, was gilt, und lässt sich deshalb ausführen. Der Unterschied entscheidet, ob eine Marke in automatisierten Prozessen überhaupt vorkommt.
So aufbereitet, dass Software einen Inhalt verarbeiten kann, ohne zu raten: mit festen Feldern, eindeutigen Werten und erklärter Struktur.
Digital ist noch nicht maschinenlesbar. Ein Brand Book als PDF kann eine Maschine öffnen und zusammenfassen, aber nicht anwenden, ohne zu raten; eine Regel wie „Höchstens ein Ausrufezeichen pro Text“ kann sie anwenden. Das Wort hat inzwischen Rechtsfolgen: Der Vorbehalt gegen Text und Data Mining gilt im Netz nur in maschinenlesbarer Form, und der AI Act verlangt, KI-erzeugte Inhalte maschinenlesbar zu kennzeichnen. Machine Readable Brands beschreibt, wie weit eine Marke auf diesem Weg ist.
Der Blick auf eine Marke, wie Systeme sie verarbeiten: Quelltext, Struktur und Auszeichnung statt Gestaltung.
Was KI-Suche, Crawler und Browser-Agenten von einer Seite erhalten, ist nicht das Gestaltete, sondern das Ausgezeichnete: Text, Rollen, Namen, Struktur. Die gleichnamige Demonstration stellt beide Ansichten nebeneinander und zeigt, was auf dem Weg verloren geht. Seit August 2026 auch Titel der Kolumne bei The Business of Brand Management.
Offener Standard, über den KI-Systeme auf externe Werkzeuge und Datenquellen zugreifen.
Von Anthropic im November 2024 vorgestellt. OpenAI übernahm den Standard im März 2025, weitere Anbieter folgten im selben Jahr. Seit dem 9. Dezember 2025 liegt die Trägerschaft bei der Agentic AI Foundation, einem zweckgebundenen Fonds der Linux Foundation. Daneben stehen Agent2Agent (A2A), über das Agenten miteinander sprechen sollen, und NLWeb von Microsoft, das aus einer Website ein Antwortfeld macht. Für Marken ist weniger die Technik relevant als die Folge: es gibt jetzt einen üblichen Weg, auf dem ein Agent an Markendaten kommt. Wer nichts anzubieten hat, das über diesen Weg abrufbar wäre, ist für Agenten nicht vorhanden.
Die Marken-Spezifikation als öffentliches, versioniertes Repository.
Identität, Sprache und Fakten lesbar für Agenten und prüfbar für Menschen, während die Grenzen dessen, was ein Agent zusagen darf, intern bleiben. Vertrauen durch Prüfbarkeit statt durch Behauptung. Jede Regel eine dokumentierte Entscheidung, mit Datum und Absender.
Eine wissenschaftliche Arbeit, die veröffentlicht, aber noch nicht begutachtet ist.
Damit ist sie zitierbar und zugleich ungeprüft. Auf der Belege-Seite steht das als Einschränkung an jedem Eintrag, der auf einem Preprint beruht. Der Unterschied ist keine Formalie: Die Begutachtung ist die Stelle, an der Fachleute die Methode angreifen dürfen, bevor eine Zahl in Umlauf kommt.
Ablage für Dateien, die jede Änderung mit Datum, Autor und Begründung festhält.
Der Begriff kommt aus der Softwareentwicklung; geführt wird ein Repository meist mit dem Werkzeug Git, gespeichert bei Diensten wie GitHub oder GitLab. Jede Änderung ist ein Commit: Man sieht, was sich geändert hat, wer es war und warum, und kommt zu jedem früheren Stand zurück. GitLab führt so die eigene Marke, Markenstimme, Namensregeln und Werte als öffentliche Dateien, jede Änderung mit Klarnamen und Begründung. Für eine Marke ist das der Unterschied zwischen einem PDF, bei dem niemand weiß, ob es noch gilt, und einem Stand mit Datum.
Textdatei im Wurzelverzeichnis, die Crawlern sagt, welche Bereiche sie abrufen dürfen.
Älter und wirksamer als llms.txt, und eine Bitte, keine Sperre. Für KI-Crawler ist sie heute das einzige verbreitete Steuerungsmittel, und sie steuert über Kennungen, die jeder Anbieter selbst vergibt und jederzeit ändern kann. Ein einheitlicher Standard dafür existiert nicht.
Das benannte Ereignis, an dem eine Empfehlung erkennbar scheitert.
Ohne Scheiter-Signal ist ein Strategiepapier nicht fertig, sondern Plausibilität in schöner Form. Ein Scheiter-Signal ist ein Satz, kein Modell mit zwei Nachkommastellen: Woran erkennen wir in zwölf Monaten, dass diese Empfehlung nicht trägt? Die RAND Corporation nennt ein solches Signal Signpost.
Gemeinsames Vokabular, mit dem Websites auszeichnen, wer oder was sie sind. JSON-LD ist das übliche Format dafür.
Der unaufregendste und wirksamste Teil von Brand Infrastructure. Ein Mensch sieht einer Seite an, dass dort eine Person, ein Produkt oder ein Preis steht. Ein System muss es ausgezeichnet bekommen. Ohne diese Auszeichnung bleibt eine Aussage Fließtext, den ein System deuten muss, statt ihn zu übernehmen.
Zusätzliche Auszeichnung, die eigens für KI-Systeme gedacht ist.
Google erklärt sie im eigenen Leitfaden ausdrücklich für nicht nötig, zusammen mit llms.txt und eigenem Chunking. Das ist die unbequeme Auskunft für einen ganzen Markt an Werkzeugen. Was hilft, ist unspektakulärer: erreichbare Seiten und saubere Auszeichnung dessen, was ohnehin da ist.
Eine Marke trägt ihren gesamten Verlauf mit. Jede Aussage wirkt gegen alles, was vorher gesagt wurde.
Ein Sprachmodell ist stateless: jede Anfrage beginnt bei null, ohne Erinnerung an die letzte. Marken funktionieren umgekehrt. Wer heute etwas verspricht, wird daran gemessen, was er vor drei Jahren versprochen hat. Deshalb genügt es nicht, einem System zu sagen, wie eine Marke klingt. Es muss wissen, was sie bereits gesagt hat.
Angaben auf einer Seite, die nicht nur dastehen, sondern ausgezeichnet sind als das, was sie sind.
Der Oberbegriff zu Schema.org und JSON-LD. Google hält im eigenen Leitfaden fest, dass es für die KI-Suche kein Spezial-Markup braucht; für Rich Results in der klassischen Suche bleibt die Auszeichnung nützlich. Dass beides gleichzeitig gilt, ist der Grund, warum die Frage, ob Markup etwas bringt, so oft falsch beantwortet wird.
KI-erzeugte Teilnehmer, die eine Umfrage an Stelle von Menschen beantworten, auch digitale Zwillinge oder Silicon Samples genannt.
Als Ersatz taugen sie bisher nicht: Das Pew Research Center hat drei eigene Umfragen aus dem Jahr 2026 mit KI-Befragten nachgestellt. Über knapp 300 Fragen lagen die Ergebnisse im Schnitt 12 Prozentpunkte daneben, bei rund 28 Prozent der Fragen mehr als 15. Unsicherheit kam kaum vor: „not sure“ wählten Menschen rund viermal so oft wie die KI. Übertragen auf Markenforschung, dort nicht getestet: Synthetische Personas antworten sicherer und einheitlicher als die Menschen, für die sie stehen sollen.
Der Widerspruch eines Rechteinhabers gegen Text und Data Mining, die automatisierte Auswertung seiner Inhalte.
Text und Data Mining an rechtmäßig zugänglichen Inhalten ist erlaubt, auch kommerziell, solange der Rechteinhaber es sich nicht vorbehalten hat. Bei Inhalten im Netz ist der Vorbehalt nach § 44b des Urheberrechtsgesetzes nur wirksam, „wenn er in maschinenlesbarer Form erfolgt“. Das Gesetz verlangt also Maschinenlesbarkeit, sagt aber nicht, welche Form genügt. Im Umlauf sind Kommentarzeilen in der robots.txt, Cloudflares Content Signals und die Entwürfe der IETF-Arbeitsgruppe AIPREF; einen einheitlichen Standard gibt es nicht. Von 77 deutschsprachigen Nachrichten- und Fachmedien erklären 20 ihren Vorbehalt nur als Kommentarzeile, die kein Crawler auswertet. Das US-Recht kennt keinen solchen Vorbehalt, dort entscheidet die Frage nach Fair Use.
Angriff, bei dem in der Beschreibung eines Werkzeugs Anweisungen versteckt sind, die ein Agent befolgt, ohne dass ein Mensch sie sieht.
Beschrieben hat ihn Invariant Labs im April 2025: Ein manipuliertes Werkzeug brachte einen Agenten dazu, den privaten SSH-Schlüssel an einen fremden Server zu schicken. In einer Messung auf 45 echten MCP-Servern mit 353 Werkzeugen gelang der Angriff gemittelt über 20 Modelleinstellungen in 36,5 Prozent der Fälle, höchstens in 72,8. Wer eine Marke als MCP-Server anbietet oder fremde Server anschließt, muss deshalb auch die Beschreibungen der Werkzeuge prüfen, nicht nur die Inhalte.
Offener Standard für den Kauf über Agenten, getragen von einem Gremium mehrerer Anbieter.
Das Gegenstück zum Model Context Protocol auf der Handelsseite. Das Gremium ist besetzt, die Ankündigungen sind zahlreich, eine Zahl zur Verbreitung nennt bis heute keine Quelle, auch Google nicht. Ein Gremiensitz belegt keine Einführung.
Das Urteil, welche Variante richtig ist: begründet, datiert, versioniert, mit einem Absender, der dafür geradesteht.
Was von der Markenarbeit bleibt, wenn Maschinen die Ausführung übernehmen. Eine Meinung äußert man und geht weiter. Eine verantwortete Entscheidung trägt Konsequenzen. Meinungen gibt es umsonst, auch von Maschinen.
Vorgeschlagener Webstandard, mit dem eine Website Agenten im Browser Werkzeuge anbietet: Funktionen mit festgelegten Eingaben, statt sie raten zu lassen, welcher Knopf was tut.
Wo das Model Context Protocol einen Server braucht, läuft WebMCP in der Seite selbst. Chrome testet den Standard seit Juni 2026 im Origin Trial, einer Testphase, für die sich Websites anmelden. Für den regulären Start ist Chrome 157 im November 2026 vorgesehen, als Ziel, nicht als Zusage. Verbreitet ist er noch nicht: Unter den meistbesuchten Domains bietet keine einzige Werkzeuge per WebMCP an. Für Marken verschiebt sich damit die Frage, ob ein Agent eine Seite versteht, zu der Frage, was die Seite ihm ausdrücklich anbietet.
Freie Wissensdatenbank der Wikimedia, in der jede Person, Firma und Sache eine feste Kennung hat.
Die Kennung besteht aus Q und einer Zahl und bleibt, auch wenn sich ein Name ändert. Websites verweisen in ihren strukturierten Daten darauf, um klarzustellen, wer gemeint ist, gerade bei Gleichnamigen. Für Marken ist ein gepflegter Eintrag eine der wenigen Stellen, an denen sie mitbestimmen, wie Maschinen sie zuordnen. Diese Website verweist auf den Eintrag ihres Autors, Q141223781, und ihre eigenen Erhebungen holen die Adressen der Unternehmen aus Wikidata.
Die namentliche Nennung einer Quelle in der Antwort eines KI-Systems, meist mit Link.
Die Währung der KI-Suche: Wer zitiert wird, kommt vor. Ein Besuch ist es nicht. Erscheint eine KI-Zusammenfassung, klicken Nutzer bei 8 Prozent der Besuche auf ein klassisches Ergebnis, ohne Zusammenfassung bei 15. Und sie ist volatil: Reddits Anteil an ChatGPTs Quellenangaben fiel binnen weniger Tage von 3,83 auf 0,52 Prozent.
LinkedIn · E-Mail · Startseite