Die Illusion der Stimmungsanalyse
Warum KI-Funktionen zur Stimmungsanalyse nicht nützlich sind
KI-Monitoring-Tools nehmen in schnellem Tempo Stimmungsanalysen in ihre Dashboards auf. Präsentiert wird das als Möglichkeit zu verstehen, ob KI positiv oder negativ über deine Marke spricht. Auf den ersten Blick klingt das nützlich. Wenn du steuern willst, wie KI dich darstellt, wirkt es wichtig zu wissen, ob irgendetwas Negatives auftaucht.
Das Problem ist einfach. KI hat keine Gefühle. Sie hat keine positive oder negative Sicht auf deine Marke. Sie mag dich nicht, und sie lehnt dich nicht ab. Sie erzeugt lediglich Text auf Basis von Mustern in den Daten, mit denen sie trainiert wurde. Wenn ein Tool behauptet, Stimmung zu messen, misst es keine Emotion im Inneren des Modells. Es misst die Ausgabe eines Prompts, der darauf angelegt war, den Anschein von Stimmung zu erzeugen.
Was Stimmungsanalyse tatsächlich ist
Die klassische Stimmungsanalyse beruhte auf der Bewertung von Schlüsselwörtern. Enthielt ein Satz Wörter wie „großartig“ oder „ausgezeichnet“, wurde er als positiv eingestuft. Enthielt er Wörter wie „schrecklich“ oder „enttäuschend“, wurde er als negativ eingestuft. Das war grob, aber wenigstens stützte es sich auf den Text selbst.
Stimmungsanalyse auf LLM-Basis ist anders. Dabei wird das Modell per Prompt dazu gebracht, sich so zu verhalten, als hätte es eine Meinung. Fragst du ein LLM zum Beispiel „What are the good and bad things about Brand X“, liefert es immer einiges Gute und einiges Schlechte. Das tut es selbst dann, wenn die Marke kaum bekannt ist, wenn das Modell keine aussagekräftigen Daten hat und wenn die negativen Punkte erfunden sind. Der Prompt erzwingt die Polarität. Das Modell füllt die Lücken mit dem, was plausibel erscheint.
Das heißt: Die Stimmung wird nicht entdeckt. Sie wird erzeugt. Sie ist eine Inszenierung, keine Messung.
Warum das zu irreführenden Ergebnissen führt
LLMs bilden die Realität nicht ab. Sie wissen nicht, was heute passiert ist. Sie unterscheiden nicht zwischen Fakt und Muster. Sie speichern keine Meinungen über Marken. Wenn sie einen negativen Punkt liefern, kann er auf einer Halluzination beruhen, auf einer allgemeinen Kritik, die von ähnlichen Unternehmen übernommen wurde, oder auf einem Muster, das schlicht zur Struktur der Frage passt.
Trotzdem verkauft sich Stimmungsanalyse gut. Sie sieht messbar aus. Sie gibt Dashboards etwas Buntes. Sie bietet Führungskräften eine einfache Zahl, die sich wie ein KPI anfühlt. Für Anbieter ist es leicht, sie an ein LLM anzuflanschen und als Erkenntnis zu präsentieren. Sie spiegelt aber weder die tatsächliche Wahrnehmung der Nutzer noch den Ruf der Marke noch das tatsächliche Verhalten der KI. Sie ist eine Kennzahl zur Beruhigung, keine Kennzahl für die Wahrheit.
Was Marken stattdessen wirklich brauchen
Wenn du verstehen willst, wie KI deine Marke darstellt, gibt es weitaus verlässlichere Fragen.
Eine einfache Checkliste zur Bewertung:
- Sind die Informationen sachlich richtig
- Sind sie über verschiedene Prompts hinweg einheitlich
- Stützen sie sich auf echte Quellen
- Halluziniert das Modell
- Lässt es wichtige Details weg
- Wie steht das im Vergleich zu dem, was das Modell über Wettbewerber sagt
Das alles ist messbar. Stimmung ist es nicht.
Waikay für die „Stimmungsanalyse“ nutzen
Waikay behandelt Stimmungsanalyse zwar nicht als aussagekräftige Kennzahl, bietet aber die Funktion Facts an. Sie verdichtet, was KI-Modelle über deine Marke sagen, und gruppiert diese Aussagen nach Thema.
Wenn du einen Topic Report erstellst, der sich auf eine einzige Idee konzentriert, fordert Waikay jedes Modell per Prompt auf, zu antworten, was es über deine Marke „weiß“. Diese Antworten werden dann zu klaren Aussagen aus je einem Satz vereinfacht, die du prüfen und als richtig oder falsch markieren kannst.
Wenn du eine Aussage als falsch markierst, erhält das Modell dadurch keine direkte Rückmeldung. Stattdessen bekommst du mit deinem Team einen strukturierten Ausgangspunkt, um die Quelle einer Halluzination, eines Missverständnisses oder einer tatsächlich falschen Behauptung über deine Marke zu finden. Du kannst die Ergebnisse auch nach Modell filtern, um zu verstehen, warum verschiedene KIs unterschiedliche Unstimmigkeiten erzeugen.
In den meisten Fällen ist die Ursache einfach: Die Marke hat nicht deutlich oder strukturiert genug gesagt, was sie tatsächlich anbietet.
Die eigentliche Illusion
KI liebt dich nicht, und sie hasst dich nicht. Sie sagt das nächste Wort vorher. Stimmungsanalyse macht aus dieser Vorhersage ein Gefühl und verkauft es dir als Erkenntnis zurück.
Genie Jones is a Knowledge Graph Manager at InLinks and Waikay. A Warwick University graduate with a degree in Language, Culture, and Communications, she combines her passion for linguistics with website optimization. Genie specializes in using linguistic insights to enhance content structure, improve SEO, and manage knowledge graphs, helping brands connect effectively with their audiences.
