Halluzinierte Features: Wie du falsche KI-Aussagen über deine Software erkennst und korrigierst

Warum KI ausgerechnet über SaaS gerne halluziniert

Software-Produkte sind ein Sonderfall: Deine Feature-Liste ändert sich alle zwei Wochen, dein Pricing wird quartalsweise überarbeitet, und Integrationen kommen und gehen. KI-Modelle wurden aber auf einem Datenstand von vor Monaten oder Jahren trainiert. Wenn ein Nutzer heute fragt, ob dein Tool eine API oder SSO bietet, antwortet das Modell aus einem eingefrorenen Wissensstand – oder es rät. Und Raten sieht bei Sprachmodellen aus wie eine faktische Aussage.

Dazu kommt: SaaS-Kategorien sind gefüllt mit ähnlichen Produkten. Ein Modell, das dein Projektmanagement-Tool nicht genau kennt, füllt die Lücke mit Eigenschaften, die bei Asana, Trello oder Jira üblich sind. So entstehen plausibel klingende Falschaussagen. Es behauptet Gantt-Diagramme, Zeiterfassung oder Zapier-Support, weil das bei Konkurrenten Standard ist – nicht weil dein Produkt es kann.

Das Tückische: Die Antwort klingt kompetent. Kein Fragezeichen, kein Konjunktiv. Der potenzielle Kunde übernimmt die Aussage als Wahrheit und trifft auf dieser Basis eine Kauf- oder Absage-Entscheidung, ohne dass du je davon erfährst.

Die vier Halluzinationstypen, die dich Geld kosten

Erstens die erfundene Funktion: Das Modell behauptet ein Feature, das du nicht hast. Klingt harmlos, führt aber zu enttäuschten Trials und schlechten Reviews, weil Nutzer mit falschen Erwartungen starten. Zweitens die geleugnete Funktion: Das Modell sagt, dir fehle etwas, das du längst gebaut hast. Hier verlierst du Deals direkt am Anfang des Funnels, ohne je in die engere Auswahl zu kommen.

Drittens die Preis-Halluzination: Das Modell nennt veraltete Tarife, erfundene Pro-Nutzer-Preise oder behauptet einen Free-Plan, den du abgeschafft hast. Das erzeugt Reibung im Sales-Gespräch und untergräbt Vertrauen, wenn die reale Rechnung anders aussieht. Viertens die Integrations-Lüge: Das Modell behauptet native Anbindungen an Salesforce, HubSpot oder Slack, die nicht existieren – oder verschweigt die, die du hast.

Alle vier Typen haben gemeinsam, dass sie in der Kaufrecherche entstehen. B2B-Softwarekäufer nutzen ChatGPT und Perplexity heute wie früher Google, um Shortlists zu bauen. Wer dort falsch dargestellt wird, fällt aus der Shortlist, bevor ein Mensch je deine Website sieht.

So testest du systematisch, was die KI über dich sagt

Fang mit einer Prompt-Liste an, die echte Kauffragen abbildet. Für ein SaaS-Produkt sind das typischerweise: „Hat [Produkt] eine offene API?“, „Bietet [Produkt] SSO und SCIM?“, „Was kostet [Produkt] für 50 Nutzer?“, „Welche Integrationen unterstützt [Produkt]?“, „Ist [Produkt] DSGVO-konform und wo liegen die Server?“. Schreib 15 bis 25 solcher Fragen auf, die deine Zielgruppe wirklich stellt.

Stell dann jede Frage in mehreren Systemen: ChatGPT, Gemini, Perplexity, Claude und Microsoft Copilot. Wichtig ist, das ohne eingeloggte Personalisierung zu tun, damit du siehst, was ein Fremder ohne Kontext bekommt. Dokumentiere jede Antwort wörtlich in einer Tabelle mit Datum, Modell und der konkreten Aussage. Nur so erkennst du Muster und kannst später messen, ob deine Korrekturen wirken.

Wiederhole diesen Test in festen Intervallen, etwa monatlich, und immer nach einem größeren Release. Modelle werden aktualisiert, Antworten verschieben sich. Ein Feature, das heute korrekt genannt wird, kann nach dem nächsten Modell-Update wieder verschwinden. GEO ist kein Projekt mit Enddatum, sondern ein laufendes Monitoring.

Woher die Falschaussage stammt – und warum das zählt

Bevor du korrigierst, musst du die Quelle verstehen. Grob gibt es drei Ursachen. Die Trainingsdaten sind veraltet: Das Modell kennt nur deinen Stand von vor dem Cut-off. Das lässt sich nicht direkt ändern, wohl aber über Retrieval-Systeme wie Perplexity oder ChatGPT-Search beeinflussen, die live das Web durchsuchen.

Die zweite Ursache sind widersprüchliche oder dünne Quellen. Wenn deine Website vage formuliert, ein alter Blogartikel überholte Preise nennt und ein Vergleichsportal falsche Features listet, wählt das Modell irgendeine dieser Versionen. Je klarer und maschinenlesbarer deine eigenen Fakten sind, desto eher gewinnt deine Version. Die dritte Ursache ist reine Konfabulation: Das Modell hat keine Quelle und rät auf Basis der Kategorie.

Prüfe bei Perplexity und ChatGPT-Search die angegebenen Quellen. Oft siehst du dort direkt, dass eine veraltete G2-Seite, ein alter Reddit-Thread oder ein Wettbewerber-Vergleich zitiert wird. Diese konkrete Quelle ist dein Ansatzpunkt, weil du sie beeinflussen oder mit besseren Signalen überstimmen kannst.

Deine Website maschinenlesbar machen

Sprachmodelle und ihre Retrieval-Systeme lieben eindeutige, strukturierte Aussagen. Baue eine Feature-Seite, die pro Funktion einen klaren Satz enthält: „[Produkt] bietet eine REST-API mit OAuth 2.0-Authentifizierung.“ Vermeide Marketing-Nebel wie „grenzenlose Möglichkeiten“. Ergänze eine öffentliche, aktuelle Integrations-Übersicht als Liste, idealerweise mit einem Satz je Integration, den ein Modell wörtlich übernehmen kann.

Nutze strukturierte Daten. Ein SoftwareApplication-Schema mit Feature-Liste, Preis und Betriebssystem hilft crawlenden Systemen, deine Fakten sauber zu extrahieren. Eine gut gepflegte FAQ-Sektion, die genau die Kauffragen aus deinem Prompt-Test beantwortet, ist besonders wirksam, weil ihre Frage-Antwort-Struktur exakt dem entspricht, was Modelle gern zitieren.

Halte eine öffentliche Changelog- und Pricing-Seite unter einer stabilen URL. Wenn deine Preise nur hinter einem „Sales kontaktieren“-Button liegen, hat das Modell nichts Konkretes und erfindet Zahlen. Ein transparenter, datierter Pricing-Bereich gibt ihm eine belastbare Quelle und reduziert Preis-Halluzinationen spürbar.

Externe Signale korrigieren, nicht nur die eigene Seite

Modelle vertrauen oft mehr auf Drittquellen als auf deine Selbstdarstellung. Deshalb musst du die Orte pflegen, an denen über dich geschrieben wird. Aktualisiere dein Profil auf G2, Capterra und Product Hunt mit korrekten Features und Preisen. Diese Portale werden häufig zitiert und beeinflussen die KI-Wahrnehmung überproportional stark.

Achte auf Communities. Reddit-Threads, Hacker-News-Diskussionen und Stack-Overflow-Antworten fließen in Trainingsdaten und Live-Retrieval ein. Du kannst dort nicht manipulieren, aber du kannst falsche Aussagen sachlich und transparent als Mitarbeiter korrigieren. Ein einzelner richtiggestellter Thread wirkt oft mehr als zehn Änderungen auf der eigenen Landingpage.

Vergleichs- und „Alternative zu“-Artikel sind ein weiterer Hebel. Wenn dein Produkt in einem viel gelesenen Vergleich falsch eingeordnet ist, kontaktiere den Autor mit Belegen. Viele aktualisieren gern, weil korrekte Daten auch ihre Glaubwürdigkeit stützen. So korrigierst du die Quelle statt nur das Symptom.

Den Erfolg messbar machen und Regressionen fangen

Definiere pro Prompt einen erwarteten Soll-Zustand. Für „Hat [Produkt] SSO?“ ist die richtige Antwort ein klares Ja mit korrektem Standard. Bewerte jede Modellantwort als korrekt, teilweise korrekt oder falsch und trage das über die Zeit in eine Kurve ein. So siehst du, ob deine Maßnahmen greifen und in welchem Modell du noch verlierst.

Rechne mit Verzögerung. Änderungen an Trainingsdaten wirken erst mit dem nächsten Modell-Update, was Monate dauern kann. Bei Retrieval-Systemen wie Perplexity siehst du Effekte oft schon nach Tagen, sobald deine aktualisierte Seite neu gecrawlt wurde. Trenne diese beiden Welten in deiner Auswertung, sonst ziehst du falsche Schlüsse über die Wirkung.

Richte ein leichtes Alerting ein. Ein monatlicher automatisierter Durchlauf deiner Prompt-Liste, dessen Ergebnisse du mit dem Vormonat vergleichst, fängt Regressionen. Wenn nach einem Modell-Update plötzlich wieder behauptet wird, dir fehle eine Kernfunktion, willst du das in Tagen wissen, nicht wenn der Umsatz einbricht.

Ein realistischer 30-Tage-Fahrplan

Woche eins: Baue deine Prompt-Liste und mach den ersten Volltest über alle fünf Systeme. Dokumentiere jede Falschaussage und kategorisiere sie nach den vier Halluzinationstypen. Am Ende der Woche hast du eine priorisierte Liste, welche Fehler den meisten Umsatz gefährden – meist geleugnete Kernfeatures und falsche Preise.

Woche zwei und drei: Arbeite an den Quellen. Bring deine Feature-, Integrations- und Pricing-Seiten in einen eindeutigen, maschinenlesbaren Zustand, ergänze Schema-Markup und eine FAQ. Aktualisiere parallel G2, Capterra und andere zitierte Drittquellen. Korrigiere die zwei bis drei einflussreichsten Community-Threads sachlich.

Woche vier: Zweiter Messdurchlauf, mindestens bei den Retrieval-Systemen, die schnell reagieren. Vergleiche mit dem Ausgangsstand, halte fest, was sich bewegt hat, und plane den nächsten Monatszyklus. Ab jetzt ist das Ganze Routine: messen, Quellen verbessern, erneut messen. Genau diese Kontinuität unterscheidet Anbieter, die in der KI-Recherche gewinnen, von denen, die dem Zufall der Trainingsdaten ausgeliefert bleiben.

Wenn Support-Tickets die ersten Warnsignale sind

Deine Testroutine läuft monatlich, aber die KI ändert ihre Aussagen manchmal über Nacht, etwa nach einem Modell-Update. Dein Support-Team merkt das oft zuerst: Ein Interessent fragt nach einem SSO-Login, das ihr nie hattet, oder nach einer On-Premise-Variante, die es nur in der Cloud gibt. Genau diese Tickets sind Goldstaub, weil sie zeigen, welche Halluzination gerade aktiv Kaufentscheidungen verzerrt und wo dein Vertrieb Vertrauen verliert.

Richte deshalb einen leichten Rückkanal ein. Ein Pflichtfeld im Ticket-Tool wie 'Woher stammt diese Erwartung?' reicht oft schon. Wenn drei Kunden in einer Woche dasselbe erfundene Feature erwähnen, hast du einen belastbaren Hinweis, welche Falschaussage priorisiert korrigiert gehört, lange bevor dein nächster geplanter Testlauf sie überhaupt erfassen würde.

Changelog und Preismodell: die zwei häufigsten Halluzinationsquellen

Bei SaaS veraltet Wissen besonders schnell. Du deprecatest ein Feature, änderst dein Pricing von Seat-basiert auf nutzungsbasiert oder streichst einen Gratis-Tarif, die KI kennt aber noch den Stand von vor achtzehn Monaten. Das Ergebnis: Sie nennt Preise, die du nie mehr aufrufst, oder empfiehlt Funktionen, die längst abgekündigt sind. Für Interessenten wirkt das wie ein Wortbruch, sobald sie im echten Produkt landen.

Halte deshalb ein öffentliches, datiertes Changelog mit klaren 'ab-Datum'-Angaben und eine kanonische Pricing-Seite ohne widersprüchliche Alt-Versionen bereit. Entferne oder markiere veraltete Blogartikel und Vergleichsseiten, die alte Preise zementieren. Jede stehengebliebene PDF-Preisliste im Netz ist eine potenzielle Quelle, aus der die KI munter zitiert und deine aktuelle Wahrheit überschreibt.

Häufige Fragen zum Feature-Monitoring

'Wie oft soll ich testen?' Bei stabilem Produkt reicht monatlich, rund um Releases oder Pricing-Änderungen eher wöchentlich. 'Reicht es, nur ChatGPT zu prüfen?' Nein, denn Perplexity, Gemini und Copilot ziehen andere Quellen und halluzinieren dadurch anders. Prüfe die Assistenten, die deine Zielgruppe wirklich nutzt, statt dich auf einen einzigen zu verlassen.

'Was, wenn die KS stur bei der Falschaussage bleibt?' Dann fehlt meist ein starkes externes Signal. Eine einzelne korrigierte Landingpage überzeugt das Modell nicht, wenn zehn Fremdquellen das Gegenteil behaupten. Arbeite an G2, Wikipedia, Verzeichnissen und Fachartikeln, bis die Faktenlage im offenen Web eindeutig deine Version stützt.