„Warum kommen da eigentlich immer dieselben Marken aus dem Ausland?”
Immer öfter läuft es so: Du willst dir was Anständiges kaufen und fragst nicht Google, sondern erst mal ChatGPT.
Sneaker, Gesichtscreme, ein vernünftiger Wasserkocher. „Was gibt’s da Gutes in dem Budget?” — und dann guckst du, was rauskommt.
Ging mir genauso. Und wenn ich die Antwort in Ruhe lese, klingen die Namen halt immer gleich: die großen internationalen. Die solide deutsche Marke, die ich im Kopf hatte, taucht schlicht nicht auf.
Die bequeme Erklärung: Die KI weiß viel und wählt eben nach Qualität. Nur: So läuft das offenbar nicht.
Das Ding ist — genau diese Frage hat sich mal jemand richtig angeschaut, mit vier Modellen nebeneinander.
Vier Modelle, dieselbe Frage, viele Länder
Die Untersuchung stammt von Kamruzzaman, Nguyen und Kim und wurde auf der EMNLP 2024 vorgestellt, der internationalen Konferenz für Sprachverarbeitung (Studie).
Vier LLM — große Sprachmodelle, sprich: die Dinger hinter ChatGPT und Co. — sollten Marken empfehlen: GPT-4o, Llama-3, Gemma und Mistral. Danach wurde geschaut, wie sich die Empfehlungen verschieben.
Der Aufbau war unspektakulär. Alltagskategorien wie Schuhe, Kleidung, Getränke und Elektronik — und immer dieselbe Bitte, nur jeweils mit einem anderen Land: „Welche Marken würdest du jemandem aus diesem Land empfehlen?”
Geachtet wurde auf drei Dinge:
- ob sich die Empfehlung zwischen Ländern mit hohem und mit niedrigem Einkommen ändert
- ob das Modell zur Luxusmarke greift oder zur Alltagsmarke
- ob es weltweit bekannte Marken nennt oder die lokalen Marken des jeweiligen Landes
Und was kam raus?
Die Schieflage ist nicht subtil.
Alle Modelle koppelten globale Marken unverhältnismäßig stark an die Vorstellung von „gut”.
Die Zahlen:
- Leuten aus Ländern mit hohem Einkommen wurden zu 88–100 % Luxusmarken empfohlen
- Leuten aus Ländern mit niedrigem Einkommen wurden zu 84–98 % Nicht-Luxusmarken empfohlen
- Gemma war der Extremfall: Bei Ländern mit hohem Einkommen kamen in fast allen Kategorien zu 100 % Luxusmarken heraus
Heißt, dieselbe Bitte — „empfiehl mir was” — brachte eine ganz andere Klasse von Marke, je nachdem, ob im Prompt ein reiches oder ein armes Land stand.
Nicht die Qualität des Produkts hat entschieden, sondern das Einkommensniveau dessen, der fragt.
Warum hält ein Modell „aus dem Ausland” für „gut”?
Böse Absicht steckt da keine dahinter. Das sind schlicht die Trainingsdaten, die durchschlagen.
Denn die KI wird klug, indem sie Texte aus aller Welt liest. Und in diesen Texten kommen die großen globalen Marken viel häufiger vor — und werden obendrein wohlwollender behandelt. Über die junge lokale Marke schreibt ja kaum jemand.
Das Modell saugt dieses Ungleichgewicht als „Allgemeinwissen” auf und gibt es als Empfehlung zurück. Ungefähr so, wie wenn jemand sämtliche Online-Rezensionen auswendig lernt und das Ergebnis dann mit stolzgeschwellter Brust als Meinung der Menschheit verkündet.
Ganz einseitig ist die Sache aber nicht. Beobachtet wurde nämlich auch der Country-of-Origin-Effekt: Wenn ein Produkt den Ruf eines Landes mitträgt, wird die lokale Marke eher gewählt. Bei deutschen Autos oder japanischen Küchenmessern hat das Lokale durchaus eine Chance.
Nur ist das eine schmale Spur — insgesamt dominierte die Schlagseite Richtung global.
Fazit: Zähl nach, wie oft die KI deinen Namen sagt
Runtergebrochen auf deinen Job heißt das: Wie die KI über dich redet, entscheidet sich nicht allein daran, wie gut dein Produkt ist. Da liegt eine Schicht aus Herkunft und weltweiter Bekanntheit obendrauf. Sprich: Du konkurrierst nicht nur mit deinem Produkt, sondern mit dem, was über dein Land geschrieben steht.
Und in dieser Schicht sitzen national aufgestellte und junge Marken strukturell auf der falschen Seite. Du kannst objektiv besser sein und trotzdem nie im Modell auftauchen.
Fang deshalb mit dem billigen Schritt an. Nimm deine wichtigsten Kategorien, frag ChatGPT ein paar Mal nach Empfehlungen und zähl aus, wie oft dein Name wirklich fällt. Nicht „wir sind ja bekannt, passt schon” — sondern eine echte Strichliste vor dir.
Liegt die Zahl niedriger als gedacht, würde ich das nicht als Urteil über deine Marke lesen, sondern als Hinweis: Du bist dünn vertreten in dem Material, das diese Modelle lesen. Aus einer Momentaufnahme siehst du das allerdings nicht — nützlich wird es erst, wenn du dieselbe Zahl über Monate beobachtest.
Die KI als neutralen Schiedsrichter zu betrachten, ist jedenfalls noch etwas verfrüht.
Quelle
- Kamruzzaman, M., Nguyen, H.M. & Kim, G.L., ""Global is Good, Local is Bad?”: Understanding Brand Bias in LLMs”, EMNLP 2024, Link
