„Bei mir hat ChatGPT aber was ganz anderes gesagt”
Du tauschst dich mit einer Kollegin darüber aus, was ChatGPT euch geantwortet hat — und die Antworten passen nicht zusammen.
Die Frage war praktisch dieselbe. Trotzdem: andere Empfehlungen, andere Detailtiefe, sogar ein anderer Ton.
Kennst du das? Mir ging’s neulich genauso. Zwei Reisepläne, beide von der KI erstellt, nebeneinandergelegt — und kaum eine Überschneidung.
Gleiches Werkzeug. Woher kommt denn dann der Unterschied?
Das Ding ist: Die KI ist nicht plötzlich schlauer geworden. Sie hat angefangen, sich dich zu merken. OpenAI hat das Gedächtnis von ChatGPT im Juni 2026 kräftig umgebaut, und wenn man da reinschaut, wird aus einer Kuriosität schnell ein Messproblem für jeden, der eine Marke verantwortet.
ChatGPT wird gerade „auf dich” erzogen
Es geht um die Gedächtnis-Überarbeitung, die OpenAI im Juni 2026 unter dem Namen „Dreaming” vorgestellt hat (R).
Gedächtnis heißt im Kern: Das System behält aus früheren Gesprächen, was du magst und wie deine Lage ist — und biegt die nächsten Antworten entsprechend zurecht. Sprich: Deine Historie sitzt bei jeder neuen Frage mit am Tisch.
Und die Zahlen von OpenAI sind ein ordentlicher Sprung. Das Faktengedächtnis — wie zuverlässig also zurückkommt, was du mal erzählt hast — kletterte von 67,9 % im Jahr 2025 auf 82,8 %. Bei der Anpassung an deine Vorlieben liegt die Erfolgsquote bei Aufgaben aktuell bei 71,3 %.
Wohlgemerkt: Das verkündet der Hersteller über sein eigenes Produkt. Ein bisschen Misstrauen ist da schlicht gesund, denn die Zahlen kommen von genau der Firma, die das Feature verkauft — da darf man ruhig etwas abziehen.
Aber die Richtung bleibt: Modelle merken sich Nutzer und personalisieren die Antwort. Das ist der Teil, den man mitnehmen sollte.
„Alle kriegen dieselbe Antwort” stimmt halt nicht mehr
Das Beispiel, das OpenAI selbst bringt, macht es schön greifbar.
Mit eingeschaltetem Gedächtnis zieht das Modell heran, was du mal erwähnt hast — deine Kamera, die Reise, über die du früher mal gesprochen hast — und schneidet die Empfehlung darauf zu. Ohne Gedächtnis kriegen alle dieselbe allgemeine Liste, und du darfst dich danach wieder selbst durch die Recherche wühlen.
Heißt, die alte Annahme „frag ChatGPT, dann kommt ungefähr das raus, was bei allen rauskommt” läuft aus. Die abweichende Antwort deiner Kollegin ist nur die Eingangstür.
Praktisch — nur schaut keiner mehr in die Abrechnung
Und jetzt die unangenehme Rückseite. Eine Arbeit von 2026 auf der ACM CHI, der internationalen Konferenz zum Verhältnis von Mensch und Computer, legt genau da den Finger drauf.
Die Autoren nennen es das Paradox von Personalisierung und Bequemlichkeit: Ausgerechnet die Funktionen, die Nutzer am meisten schätzen, lassen sich am schlechtesten prüfen und am schlechtesten steuern. Die KI schreibt dein Profil in jedem Gespräch ein Stück fort — und wie dieses Profil entstanden ist und wie es in die heutige Empfehlung eingeflossen ist, kannst nicht mal du selbst vollständig nachverfolgen.
Das ist ungefähr so, als würdest du deine Haushaltskasse jemandem überlassen, der das jeden Monat wirklich gut hinkriegt — dir aber nie die Abrechnung zeigt. Der Komfort ist ja echt. Das „warum kam das so raus?” ist weg.
Bequemlichkeit und Nicht-Prüfbarkeit im selben Paket, eine unangenehme Kombination. In der Berichterstattung zum Gedächtnis-Umbau wird ja auch schon darauf hingewiesen, dass sich die Grundlage der Personalisierung immer schlechter zurückverfolgen lässt.
Die „KI-Sichtbarkeit” deiner Marke ist keine einzelne Zahl mehr
Und hier wird es zu deinem Thema.
Wenn Empfehlungen pro Person personalisiert werden, dann ist auch das Bild deines Produkts in der KI personalisiert. Bei der einen Person bist du Dauergast in der Empfehlungsliste, bei der nächsten tauchst du kein einziges Mal auf. Das ist halt kein Ausrutscher, das ist ab jetzt der Normalfall.
Was daran kaputtgeht, ist die Art zu messen. KI-Sichtbarkeit heißt im Kern: wie bereitwillig die KI deine Marke von sich aus empfiehlt.
Üblich war bisher der Einzelcheck — ChatGPT nach der eigenen Firma fragen und schauen, ob man vorkommt. Ein Schuss, ein Konto. Nur: In einer personalisierten Welt wackelt die Antwort, je nachdem, mit wessen ChatGPT gemessen wurde. Was aus einem frischen Konto zurückkommt, muss nichts damit zu tun haben, was ein Nutzer mit langer Historie zu sehen bekommt.
Fazit: Mitmessen, aus wessen Augen die KI gerade schaut
Je stärker ChatGPT personalisiert, desto weniger lässt sich die KI-Sichtbarkeit einer Marke als eine einzige richtige Antwort erzählen. Gleiche Frage, andere Historie, andere Empfehlung. Damit gehört auch die Frage „wie sieht die KI uns eigentlich?” ein Stück weit umgebaut.
Das Erste, was ich in der Praxis ändern würde: Behandle KI-Sichtbarkeit nicht als eine Zahl. Der Einzelcheck aus dem leeren Konto ist ein Durchschnitt über alle und geht an dem vorbei, was personalisierte Nutzer tatsächlich sehen. Miss mehrfach, variier die Formulierung und den Menschen, den du dir hinter dem Prompt vorstellst — und lies die Spannweite, nicht den Punkt.
Das Zweite ist klein genug für diese Woche: Stell dieselbe Frage zu deiner Kategorie einmal aus deinem eingeloggten Konto und einmal aus einem frischen ohne Gedächtnis, und leg die beiden Antworten nebeneinander. Der Abstand dazwischen ist die Größenordnung, in der Personalisierung auf deine Marke wirkt — und der sagt mehr als jede der beiden Antworten für sich.
Wie groß dieser Abstand am Ende wirklich ist, kann ich noch nicht sagen. Die Personalisierung bleibt eben eine Blackbox, und das Feld ist jung. Aber die Annahme „das Bild unserer Marke in der KI ist kein einzelnes Bild mehr” trägt man ab jetzt besser mit sich herum.
