„Moment, ist diese URL von uns?”
Dein Firmenname taucht in einer KI-Antwort auf, und daneben steht eine Adresse, die dir nichts sagt.
Mir ist das letzten Monat passiert. In der Antwort über uns hing eine Subdomain, die ich noch nie gesehen hatte, und mir fiel halt niemand ein, den ich hätte fragen können.
Kampagnendomains, Domains vom alten Firmennamen, eine pro Produktlinie. Die verteilen sich halt weiter, als man denkt. In vielen Firmen hat nur die IT den vollständigen Überblick.
Ich habe es damals als „wird schon unsere sein” abgehakt. Das war keine Entscheidung — ich hatte doch gar keinen Weg, das nachzuprüfen.
Es gibt aber eine Auswertung dazu, wie gut Modelle eine Marke mit ihren Domains verknüpfen. Veröffentlicht am 18. Juni 2026, und daraus fällt die Reihenfolge ab, mit der man dieses „wird schon” loswird.
Weiß die KI, welche Domains dir gehören?
Sie weiß es. Ohne jede Nachschlagemöglichkeit, allein aus dem Gedächtnis, nannte das beste Modell verwandte Domains mit 82 Prozent Präzision (Auswertung von Mashood und Nabeel, Preprint auf arXiv). Vier von fünf.
Präzision heißt hier: Wie viele der Domains, die das Modell der Marke zugeschrieben hat, gehörten ihr tatsächlich? Die Domains, die es übersehen hat, stecken in dieser Zahl gar nicht drin.
„Aus dem Gedächtnis” schließt auch die Suche aus. Kein Registerabruf, nichts außer dem, was das Modell beim Training aufgenommen hat.
Die Liste deiner Domains liegt also bereits ziemlich treffsicher im Modell. Aus Marketing-Sicht ist das der Befund.
Aufzählen und Geradestehen sind zwei verschiedene Dinge
Die Autoren haben die Gedächtnis-Bedingung beibehalten und nur die Frage gewechselt.
Jetzt geht es um ja oder nein: Gehört diese Domain zu dieser Marke? Da kam der höchstens auf 0,37. Dieselben 36 Marken.
Der Makro-F1 fasst zwei Dinge in einer Note zusammen: wie viele Treffer du einsammelst und wie wenige Fehltreffer du durchlässt. 1,0 wäre voll, 0,37 liegt also schon ziemlich weit unten.
Aufzählen klappt. Geradestehen nicht. Gleiche Modelle, gleiche Marken, gleiche Gedächtnis-Bedingung. Nur die Frage ist eben eine andere.
Die Namensliste vom Jahrgangstreffen runterrattern, das geht. Am Empfang zu stehen und bei jedem Einzelnen zu sagen, ob er dabei war, ist eine andere Aufgabe.
Woher kommt dieser Abstand also?
Mit dem Registereintrag reicht die Zuordnung bis 0,99
Gibst du dem Modell zusätzlich zum Nachschlagen, steigt der Makro-F1 bei derselben Ja-Nein-Frage um bis zu 0,65 Punkte. Die Präzision landet bei 0,99. Heißt, Verwechslungen hören praktisch auf.
WHOIS ist die öffentliche Abfrage, die zurückgibt, wer eine Domain registriert hat: Name des Inhabers, Organisation, Registrierungsdatum. Abfragen darf das ja jeder.
Getestet wurden vier Nachschlage-Bedingungen:
- Nur das Gedächtnis des Modells
- Websuche
- WHOIS-Abfrage
- Kombinationen daraus
Nur eine einzige externe Quelle mehr. Warum bewegt das so viel?
Weil die Frage fest bleibt und nur die nachschlagbare Quelle getauscht wird, lässt sich diese Bewegung als das lesen, was der Blick nach draußen gebracht hat.
Allerdings stammt die 0,99 aus einer Auswertung, die dem Modell WHOIS absichtlich hinlegt. Dass eine KI im Alltag jedes Mal diesen Abruf macht, garantiert niemand.
Die Autoren gehen sogar so weit, Empfehlungen zu geben, wie man große Sprachmodelle (LLMs) in den Markenschutz einbaut.
Und hier hat das Marketing etwas zu tun. Ob eine KI für den Inhaber deiner Domain geradestehen kann, hängt nicht davon ab, wie viel das Modell auswendig gelernt hat, sondern davon, ob es draußen einen Eintrag gibt, gegen den das Modell abgleichen kann.
Beim Modell kannst du nur warten. An den Eintrag kommst du ran.
Wie weit trägt diese 0,99
Das ist ein Preprint (arXiv:2606.20868). Weder Methode noch Zahlen haben bisher eine Prüfung von außen durchlaufen.
Die Zugehörigkeit der Autoren steht weder auf der Titelseite der Arbeit noch im arXiv-Eintrag. Eine Tagung ist auch nicht genannt. Die Verlässlichkeit am Namen des Labors festzumachen, fällt hier aus.
Der Anlass der Arbeit ist Phishing-Abwehr. Als Sichtbarkeitsmessung fürs Marketing war das nicht entworfen.
Auch die Bedingungen sind an einigen Stellen eng:
- Die Marken sind die 36 am häufigsten für Phishing missbrauchten, also stark ins Bekannte verschoben
- Bewertet wurden Gemini 2.5 Flash, Gemini 3.5 Flash, Claude Sonnet 4.5 und Claude Sonnet 4.6
- ChatGPT ist nicht dabei
Das Modell, das du selbst fragst, muss ja keins von diesen vieren sein.
Und eine kleine oder mittelgroße Marke sollte nicht mit denselben 82 Prozent rechnen. Denn die 36 ganz oben auf einer Phishing-Zielliste spielen bei der Menge an Trainingserwähnungen in einer anderen Liga.
In der Kurzfassung stehen keine Einschränkungen, also lässt sich auch nicht ablesen, wo die Autoren selbst die Grenze ziehen würden.
Noch etwas zu WHOIS: Inhabername und Organisation können hinter einem Datenschutz-Dienst versteckt sein, der den Namen des Inhabers durch den des Dienstleisters ersetzt.
Firmen, die das tun, haben ihre Gründe. „Sofort alles offenlegen” ist deshalb nicht die Schlussfolgerung.
Was du mitnimmst, ist nicht die 0,99. Es ist die Reihenfolge zum Nachprüfen.
Lass dir die Domains mal von der KI aufzählen und prüfe, ob der Eintrag das deckt
Leg das interne Domainverzeichnis auf die eine Seite und auf die andere die Liste, die eine KI ausspuckt, wenn du sie nach den Domains deiner Firma fragst. Nebeneinander fällt beides auf: was im Verzeichnis fehlt und was dir nichts sagt.
82 Prozent sind die Obergrenze, also rechne damit, dass fast jede fünfte falsch zurückkommt — weniger werden es nicht. Der Maßstab bleibt dein Verzeichnis. Die KI-Liste ist eben ein Entwurf.
Danach nimmst du die Domains, die wirklich deine sind, und klärst mit der IT, ob Inhabername und Organisation von außen sichtbar sind. Ob der Datenschutz-Dienst runtergenommen wird, entscheidet halt jede Firma für sich. Wissen kommt zuerst.
Wer über Sichtbarkeit redet und nicht weiß, ob in seiner Domainliste etwas danebenliegt, dem fehlt eine Zutat. Mir ist das erst beim Öffnen unserer eigenen Liste aufgefallen.
Was eine KI deiner Firma an Eigenschaften zuschreibt, steht in Schauen wir mal nach, in welche Schublade ChatGPT deine Firma einsortiert. Heute ging es um das Adressbuch.
Dass ausgerechnet Domainregister zum Marketing-Thema werden, hätte ich nicht erwartet.
Quellen
- Fathima Mashood, Mohamed Nabeel, “Can LLMs Reason About Brand Ownership? An Empirical Study of Domain Attribution Intelligence”, arXiv:2606.20868, 2026-06-18, https://arxiv.org/abs/2606.20868
