Vom Tokenisieren zur Entitätensuche: Wie KI deine Frage versteht

Wenn du eine Frage in ChatGPT, Perplexity oder Google AI Overviews eingibst, läuft im Hintergrund ein mehrstufiger Prozess ab. Besonders der Übergang zwischen den ersten Schritten bleibt für viele unklar: Wie kommt das System von einer Zeichenkette zu einer Liste passender Marken, Produkte oder Anbieter?

Zwei Beispiele begleiten dich durch den Prozess. Eine Verbraucherfrage und eine B2B-Frage:

• „Welche Kamera eignet sich für Reisefotografie bei wenig Licht?“
• „Welche PR-Agentur in der Region Aachen, Heinsberg, Mönchengladbach macht GEO?“

Beide Anfragen durchlaufen denselben Prozess. Sie führen aber zu sehr unterschiedlichen Antworten, je nachdem, wie gut die infrage kommenden Marken im Bedeutungsraum des Modells verankert sind.

Abbildung 1: Der achtstufige Prozess von der Anfrage bis zur Antwort

Schritt 1: Die Anfrage

Du gibst einen Prompt ein. Für das System ist das zunächst eine reine Zeichenkette in natürlicher Sprache. Keine Struktur, keine Bedeutung, kein erkennbarer Sinn.

Schritt 2: Tokenisierung

Das System zerlegt die Anfrage in Token. Token sind kleine Bausteine aus Wörtern oder Wortteilen. Manche Wörter werden als ein eigenes Token erkannt, andere in mehrere Bausteine getrennt.

„Reisefotografie“ wird beispielsweise in zwei Token zerlegt: „Reise“ und „fotografie“. Zusammengesetzte Wörter lassen sich so flexibler verarbeiten. In der PR-Anfrage werden die Ortsnamen „Aachen“, „Heinsberg“ und „Mönchengladbach“ jeweils als eigene Token erkannt, ebenso „PR“, „Agentur“ und „GEO“.

Abbildung 2: Tokenisierung, Vektorisierung und Attention am Kamera-Beispiel ]

Nach diesem Schritt liegt dem System eine Liste isolierter Bausteine vor. Bedeutung steckt darin noch nicht.

Schritt 3: Vektoren, also Wörter als Zahlen

Jedes Token bekommt eine Zahlenreihe zugewiesen. Diese Zahlenreihen heißen Vektoren und haben oft mehrere hundert oder tausend Dimensionen. Der Punkt dabei: Ähnliche Begriffe bekommen ähnliche Zahlenmuster.

„Kamera“ und „Objektiv“ liegen im Zahlenraum nah beieinander, weil sie in vielen Texten ähnliche Begleiter haben. „Bananenbrot“ hat ein völlig anderes Muster, weil es in anderen Textumgebungen vorkommt.

In der PR-Anfrage liegen „PR“, „Pressearbeit“ und „Kommunikation“ eng beisammen. Die drei Ortsnamen bilden ein eigenes geografisches Cluster. „GEO“ als noch junger Fachbegriff liegt nahe an „SEO“ und „KI-Sichtbarkeit“, weil es in Texten häufig in dieser Nachbarschaft auftaucht.

Das System hat damit eine Karte. Jedes Token hat einen festen Platz in einem riesigen Bedeutungsraum.

Schritt 4: Kontextualisierung über Attention

Jetzt verknüpft das System die Token miteinander. Der Mechanismus heißt Attention, übersetzt: Aufmerksamkeit. Das Modell richtet für jeden Token seine Aufmerksamkeit auf die wichtigsten anderen Token im Satz.

Im Kamera-Beispiel bekommt „Kamera“ starke Aufmerksamkeit von „Reisefotografie“ und „wenig Licht“. Wenig Aufmerksamkeit kommt von „welche“, „sich“ und „für“. Die Wörter „wenig“ und „Licht“ werden zusammen verarbeitet und beschreiben eine technische Anforderung an die Lichtempfindlichkeit.

In der PR-Anfrage richtet „PR-Agentur“ starke Aufmerksamkeit auf „GEO“ und die drei Ortsnamen. Das Wort „Region“ signalisiert, dass die drei Orte zusammen ein zusammenhängendes Gebiet bilden. Das Fragewort „welche“ zeigt: Der Nutzer sucht einen Anbieter, keine Definition.

Erst jetzt versteht das System die Frage. Aus losen Token ist eine zusammenhängende Bedeutung geworden.

Schritt 5: Intent und Entitäten

Aus der kontextualisierten Bedeutung erkennt das System zwei Dinge parallel.

Den Intent: Was will der Nutzer? Eine Empfehlung, einen Vergleich, eine Definition, eine Anleitung? Im Kamera-Beispiel ist es eine Produktempfehlung.
In der PR-Anfrage eine Anbieterempfehlung.

Die Entitäten: Welche eindeutigen Dinge tauchen in der Frage auf?
Personen, Marken, Orte, Produkte, Konzepte.

Im Kamera-Beispiel sind das:

• Produkttyp: Kamera
• Anwendungsfeld: Reisefotografie
• Anforderung: wenig Licht, also Lichtempfindlichkeit, hoher ISO-Wert, lichtstarkes Objektiv
• Gesucht: ein konkretes Modell oder mehrere Modelle zur Auswahl

In der PR-Anfrage sind das:

• Branche: PR-Agentur
• Region: Aachen, Heinsberg, Mönchengladbach
• Dienstleistung: GEO, also Generative Engine Optimization
• Gesucht: ein Anbieter oder mehrere zur Auswahl

Diese Entitäten steuern die anschließende Suche.

Schritt 6: Die Suche nach passenden Quellen

Das System sucht parallel an zwei Orten.

Im eigenen Trainingswissen prüft es, welche Marken, Personen oder Produkte dort mit den erkannten Entitäten verknüpft sind. Beim Kamera-Beispiel kennt das Modell Sony, Fujifilm, Canon, Nikon und ihre lichtstarken Modelle aus Trainingstexten. Bei der PR-Anfrage kennt es jene Agenturen, die in Texten häufig gemeinsam mit GEO und der Region auftauchen.

Im Live-Internet läuft bei Systemen wie Perplexity, ChatGPT Search oder Google AI Overviews zusätzlich eine echte Websuche, die aktuelle Quellen einbezieht.

In beiden Fällen gilt: Das System sucht nach Quellen, in denen die erkannten Entitäten gemeinsam vorkommen. „Kamera plus Reisefotografie plus Lichtempfindlichkeit“ muss in einem Text auftauchen. „PR-Agentur plus GEO plus Heinsberg“ ebenso.

Schritt 7: Die wahrscheinlich beste Antwort entsteht

Aus den gefundenen Informationen berechnet das Modell die Antwortformulierung. Drei Dinge fließen dabei zusammen: die Wahrscheinlichkeiten für die nächsten Wörter, die gefundenen Quellen und die im Training gelernten Muster.

Das Ergebnis ist ein erster Entwurf der Antwort.

Schritt 8: Verifizierung und Trust-Check (EEAT)

Die generierte Antwort wird gegen Qualitätskriterien geprüft. Bekannt sind diese unter dem Kürzel EEAT: Experience, Expertise, Authoritativeness, Trustworthiness.

Geprüft wird:

• Wie autoritativ sind die Quellen?
• Stimmen die Informationen mit anderen Quellen überein?
• Wie aktuell sind die Belege?
• Wer steht hinter den genannten Marken oder Personen?

Bei Systemen mit aktivem Webzugriff fließt EEAT besonders stark ein, weil Quellen explizit gewichtet werden. Eine Marke, die in vielen seriösen Quellen genannt wird, hat hier einen Vorteil.

Die finale Antwort

Das geprüfte Ergebnis geht an dich zurück. Bei Systemen mit Webzugriff oft mit Quellenangaben, sodass du nachvollziehen kannst, woher die Information stammt.

Was das für deine Sichtbarkeit heißt

Damit deine Marke in einer KI-Antwort auftaucht, müssen drei Dinge zusammenkommen.

Erstens muss deine Marke mit den richtigen Entitäten verknüpft sein. Bei der PR-Anfrage heißt das: Deine Agentur muss in Texten gemeinsam mit „GEO“ und der Region auftauchen. Ohne diese Verknüpfung ist deine Marke für das Modell unsichtbar, egal wie gut du tatsächlich bist.

Zweitens muss diese Verknüpfung in mehreren glaubwürdigen Quellen wiederkehren. Eine einzelne Erwähnung auf der eigenen Website reicht nicht. Das Modell stuft eine Verknüpfung erst dann als belastbar ein, wenn sie sich aus unabhängigen Quellen wiederholt.

Drittens müssen die Quellen autoritativ sein. Fachmedien, Branchenportale, unabhängige Berichterstattung und Kundenreferenzen wiegen mehr als die eigene Selbstdarstellung.

Eine Agentur, die in Heinsberg sitzt, GEO anbietet und das auf der eigenen Website erwähnt, hat eine schwache Verknüpfung. Eine Agentur, die in Fachartikeln, Interviews, Branchenmedien und Kundenreferenzen wiederholt gemeinsam mit „GEO“ und der Region genannt wird, hat eine starke Verknüpfung. Die zweite Agentur landet in der KI-Antwort.