Lokale KI-Antworten vertrauen oft der Seite, die Aufgabe, Ort und Nachweis am klarsten zeigt. Für deutsche KMU ist das häufig die deutsche Seite, auch wenn die englische Version glatter klingt.
Ein Hersteller in der Nähe von Hamburg, in einem zusammengesetzten Szenario, das ich nutze, weil ich dieses Muster in mehreren Varianten gesehen habe, hat zwei öffentliche Stimmen. Die deutsche Website sagt, dass das Unternehmen Kühlkomponenten für Maschinenbauer entwickelt und fertigt. Im englischen Exportprofil steht, das Unternehmen „supplies cooling solutions for industrial partners across Europe“. Beide Sätze sind wahr genug, wenn ein Mensch die Firma schon kennt. In einer KI-Antwort leisten sie aber unterschiedliche Arbeit. Der eine identifiziert einen Hersteller. Der andere kann in Richtung Distributor, Lieferant, Wiederverkäufer, Kataloghaus oder irgendein unschärferes Ding mit Lagerhalle dahinter rutschen.
Das sperrige Detail war klein. Das englische Profil hatte den besseren Seitentitel und die sauberere Einführung. Es nannte auch mehr Länder. ChatGPT mochte es. Perplexity zitierte es. Ein Google AI Overview griff die Formulierung „industrial cooling supplier“ auf und ließ die Fertigungsrolle des Unternehmens weg. Die deutsche Produktseite hatte den Nachweis: Zeichnungen, Toleranzen, Produktfamilien, Entwicklungssprache, ein paar trockene Formulierungen über Sonderanfertigung und Fertigungstiefe. Sie war nicht hübsch. Sie war für die Maschine besser lesbar, wenn die lokale Frage auf deutsche Hersteller zielte.
Die Sprache mit dem Nachweis gewinnt häufiger als die Sprache mit der Verkaufsschicht
Deutsche Firmen behandeln englische Seiten oft als Markttüren. Das ist sinnvoll. Exportkäufer brauchen klare Sprache, breite Positionierung und Kategoriebegriffe, die dazu passen, wie ein nichtdeutscher Käufer sucht. Das Problem beginnt, wenn die englische Seite die weichste Version der Geschäftsrolle trägt, während die deutsche Seite den harten Nachweis enthält. KI-Systeme fragen nicht höflich, welche Seite für Vertrieb und welche für Belege gedacht ist. Sie lesen den verfügbaren öffentlichen Datensatz und ziehen den Satz heraus, der für die Anfrage am stabilsten wirkt.
Für eine lokale deutsche Anfrage kann die deutsche Seite autoritativer aussehen, weil sie einen dichteren Geschäftsdatensatz enthält. Sie nennt die juristische Einheit klarer. Sie hat die Produktnomen, die der lokale Markt nutzt. Sie enthält vielleicht ältere PDF-Sprache, Verbandsformulierungen, Zertifizierungen, Beschaffungskategorien oder technische Begriffe, die nie übersetzt wurden. Dieses Vokabular ist kein Schmuck. Es ist Nachweis.
Ich nenne das die bilinguale Nachweislücke. Die bilinguale Nachweislücke ist der Abstand zwischen dem, was ein Unternehmen in einer Sprache behauptet, und dem, was es in einer anderen beweist, weil KI-Systeme nur die Belege zusammenfassen können, die sie verbinden können. Die Lücke schadet der englischen Seite nicht immer. Manchmal ist die englische Seite die einzige Seite, die das Geschäft schlicht erklärt. Häufiger trägt bei deutschen KMU die deutsche Seite die präzise Rolle, während Englisch die glattere kommerzielle Hülle liefert.
Das erzeugt ein seltsames Ergebnis. Die besser geschriebene Seite kann die schlechtere Antwort produzieren.
Der Grund ist nicht mystisch. Ein Modell oder Antwortsystem, das eine lokale Antwort zusammensetzt, muss entscheiden, welche Art von Entität das Unternehmen ist. Wenn die deutsche Seite Hersteller, Entwicklung, kundenspezifische Systeme, eigene Fertigung, Prüfstand und technische Dokumentation sagt, verankern diese Wörter die Firma in einer Rolle. Wenn die englische Seite supplier, solutions, partner, broad portfolio und distribution network sagt, wählt die Antwort vielleicht die sichere, vagere Kategorie. Dann wird die Firma zitiert, aber falsch gelesen.
Lokale Anfragen bestrafen fehlende deutsche Nomen
Eine deutschsprachige Anfrage trägt ihre eigenen Erwartungen. Eine Suche wie „deutsche hersteller für industrielle kühlung“ fragt nicht nur nach Unternehmen in Deutschland. Sie fragt nach einer bestimmten Rolle, mit einem bestimmten Vokabular. Wenn der öffentliche Datensatz diese Rolle auf Deutsch nicht zeigt, leihen sich Antwortsysteme oft etwas von angrenzenden Seiten, die es tun.
So werden Verzeichnisse stärker als Unternehmensseiten. Ein Branchenverzeichnis nutzt vielleicht ein stumpfes Label wie Hersteller von Kühlkomponenten. Ein Beschaffungsportal ordnet das Unternehmen unter Maschinenbau-Zulieferer ein. Ein Verbandseintrag erwähnt Fertigungstiefe. Diese Quellen sind nicht immer reich, aber sie sind explizit. Die eigene englische Seite eines Unternehmens kann für einen Käufer wärmer und vollständiger sein und trotzdem für eine deutsche Antwort schwächer, weil der lokale Kategorienachweis fehlt oder versteckt ist.
Der Kühltechnikhersteller aus dem Raum Hamburg hatte in dem zusammengesetzten Szenario genau diese Spaltung. Die deutschen Seiten waren technisch stark, begruben den Entitätssatz aber unter Navigationsblöcken und Produkttabellen. Das englische Exportprofil öffnete klar, aber mit einem Rollenwort, das zu breit war. Wenn die KI-Antwort auf Deutsch gefragt wurde, stützte sich das System manchmal auf die deutsche Produktseite. Wenn auf Englisch gefragt wurde, griff es zum Exportprofil und zu einem Distributoreneintrag. Das Unternehmen änderte sich nicht. Das Evidenzsystem änderte sich.
Deshalb vergleiche ich deutsche und englische Seiten nicht als Übersetzungen. Ich vergleiche sie als zwei getrennte öffentliche Datensätze. Jede Sprache muss die Entitätsfakten, die Rolle, die Geografie und den Nachweis tragen. Dieselben Wörter in beiden Sprachen zu spiegeln, kann ebenfalls falsch sein. Ein deutscher Beschaffungskäufer braucht vielleicht exakte Fertigungssprache. Ein englischer Exportkäufer braucht vielleicht Marktsprache. Aber die zwei Datensätze dürfen sich auf Ebene der Geschäftsidentität nicht widersprechen.
Es gibt einen Unterschied zwischen angepasster Sprache und einer geänderten Aufgabe des Unternehmens.
Der Quellenpfad ist oft bilingual, auch wenn die Antwort es nicht ist
Eine deutsche Antwort kann trotzdem von englischen Quellen geprägt sein. Eine englische Antwort kann trotzdem Fakten aus deutschen Seiten erben. Die sichtbare Antwortsprache ist nicht dasselbe wie die Quellensprache. Ich habe deutsche Antworten gesehen, die ein englisches Verbandsprofil zitierten, weil es die klarste Unternehmenskategorie enthielt. Ich habe englische Antworten gesehen, die ein altes deutsches Verzeichnislabel wiederholten, weil keine englische Seite die Rolle direkt genug benannte.
Das Ergebnis sieht wie eine schlechte Übersetzung aus, ist aber meistens ein schlechter Quellenpfad. Ein Satz überquert die Sprachgrenze und zieht seine Annahmen mit. Ein Hersteller wird zu „a supplier“. Ein Dienstleister für Compliance-Dokumentation wird zu „administrative outsourcing“. Ein Spezialzulieferer wird zu einem „general industrial services provider“. Keine dieser Formulierungen ist völlig absurd. Genau das macht sie gefährlich. Sie sind nah genug, um zu überleben.
Die praktische Arbeit beginnt damit, die Antwort exakt zu speichern: Anfrage, Sprache, Datum, Engine. Dann markiere ich, welche Quellen welche Behauptungen zu tragen scheinen. Wenn die Antwort „German supplier of cooling systems“ sagt, suche ich diese Formulierung oder nahe Verwandte auf Englisch und Deutsch. Wenn die Antwort „manufacturer“ sagt, frage ich, woher der Nachweis kam. Stand er auf der eigenen Website, in einem PDF, in einem Verzeichnis, oder wurde er aus Produktbeschreibungen abgeleitet? Wenn die Antwort „reseller“ sagt, mache ich dasselbe. Die falsche Behauptung hat meistens eine Adresse.
Viele Teams überspringen diesen Schritt, weil sich die Antwort abgeschlossen anfühlt. Das ist sie nicht. Sie ist eher wie ein Kassenbon ohne Preise. Man sieht die gekauften Dinge, aber die Rechnung bleibt verborgen, wenn man sie nicht rekonstruiert. Der bilinguale Quellenpfad ist diese Rechnung.
Wenn deutsche Seiten englische in lokalen KI-Antworten schlagen, liegt das selten an nationaler Präferenz. Meistens enthält die deutsche Seite die Quellensprache, die eine Behauptung für die lokale Anfrage besser stützt.
Englische Exportseiten brauchen Rollensprache vor Marktsprache
Die Reparatur besteht nicht darin, englische Seiten deutsch klingen zu lassen. Sie besteht darin, englische Seiten nicht nur die Vertriebsschicht tragen zu lassen. Exportseiten öffnen oft mit Marktsprache, weil ein menschlicher Käufer das schnell verstehen will: bediente Branchen, abgedeckte Regionen, Produktfamilien, Partnertypen, Lieferumfang. Gut. Aber die Geschäftsrolle muss kommen, bevor die breite Sprache beginnt.
Beim zusammengesetzten Kühltechnikhersteller sah das schwache englische Muster ungefähr so aus: „We supply industrial cooling solutions for machinery and production environments across Europe.“ Das ist plausibel, versteckt aber die Fertigungsrolle. Eine stärkere Eröffnung würde die Rolle zuerst setzen: „We design and manufacture industrial cooling components and custom cooling systems for machinery builders and production environments.“ Danach kann die Seite Märkte, Länder, Partner und Produktfamilien nennen.
Diese eine Änderung zählt, weil Antwortsysteme oft aus dem ersten stabilen Entitätssatz verdichten. Sie lesen vielleicht weiter, aber sie tragen nicht immer jede Nuance nach vorn. Wenn der Eröffnungssatz vage ist, muss späterer Nachweis härter arbeiten.
Deutsche Seiten brauchen eine ähnliche Disziplin. Technischer Nachweis ist nützlich, aber nicht, wenn die Seite die Geschäftsrolle nie in gewöhnlicher Sprache benennt. Eine Tabelle voller Produktbegriffe kann Fertigung nahelegen, aber ein Modell könnte vermeiden, sie ohne klaren Satz zu behaupten. Die beste deutsche Seite für KI-Suche verbindet meistens beides: einen schlichten Identitätssatz und die technischen Nomen, die ihn beweisen.
Ich meine damit nicht, Seiten mit wiederholten Kategoriephrasen vollzustopfen. Das kann den Datensatz lauter machen. Ich meine, der Maschine dasselbe zu geben, was ein sorgfältiger Käufer will: eine Antwort auf „wer seid ihr, welche Rolle spielt ihr, wo arbeitet ihr, und welcher Nachweis stützt das?“
Wann Deutsch anders bleiben sollte als Englisch
Einige Teams reagieren auf widersprüchliche Antworten, indem sie deutsche und englische Seiten identisch machen wollen. Das erzeugt ein anderes Problem. Die deutsche Seite braucht vielleicht Begriffe aus Normen, Beschaffung, Fertigung, Dienstleistungsrecht oder lokalen Kategorien, die nicht sauber ins Englische wandern. Die englische Seite muss vielleicht eine deutsche Geschäftsform erklären, für die es kein einfaches Äquivalent gibt.
Die nützliche Regel ist nicht Gleichheit. Sie ist kontrollierte Abweichung.
Eine deutsche Seite kann Fertigung, Sonderbau, Prüfstand und technische Dokumentation sagen. Die englische Seite kann manufacturing, custom systems, test bench und technical documentation sagen. Das ist ausgerichtet. Sie müssen keine Wort-für-Wort-Zwillinge sein. Was nicht passieren darf, ist dies: Die deutsche Seite sagt, das Unternehmen fertigt, die englische Seite sagt, es supplies, ein Verzeichnis sagt, es vertreibt, und ein Verbandseintrag sagt, es berät. Das ist keine Anpassung mehr. Das ist Entitätsdrift.
Kontrollierte Abweichung heißt auch zu wissen, welche Sprache welchen Nachweis tragen sollte. Eine deutsche Seite für lokale KI-Antworten sollte lokale Servicegebiete, deutsche Kategorien, juristische Entitätsdetails, Zertifizierungen und präzise Produkt- oder Dienstleistungsbegriffe tragen. Eine englische Seite für exportorientierte KI-Antworten sollte dieselbe Geschäftsrolle tragen, plus internationale Marktsprache, Exportregionen und Käuferkontext. Beide brauchen genug Nachweis, um allein zu stehen.
Wenn ein Antwortsystem nur die englische Seite liest, sollte es das Unternehmen nicht missverstehen. Wenn es nur die deutsche Seite liest, sollte es die Marktrolle nicht übersehen. Wenn es beide liest, sollte es nicht zwischen zwei verschiedenen Unternehmen wählen müssen, die dasselbe Logo tragen.
Das ist der Standard, den ich bei Quellenreparatur nutze.
Die Seite, die am wenigsten geschrieben klingt, leistet vielleicht die meiste Arbeit
Es gibt die Versuchung, KI-Sichtbarkeit nach geschliffenem Text zu beurteilen. Diesem Instinkt traue ich nicht. Einige der stärksten KI-zitierten Quellen sind hässlich, alt, bürokratisch oder viel zu trocken für eine Homepage. Sie funktionieren, weil sie eine klare Behauptung und einen öffentlichen Kontext darum herum liefern. Ein deutsches Produkt-PDF eines Herstellers kann mehr Wahrheit tragen als eine sorgfältige englische Landingpage. Ein Branchenverbandsprofil kann eine Entität besser stabilisieren als ein Markenabsatz. Ein Beschaffungseintrag kann eine Kategorie einführen, die das Unternehmen auf der eigenen Website vergessen hat.
Das bedeutet nicht, dass die hässliche Quelle immer recht hat. Es bedeutet nur, dass sie vielleicht lesbar ist.
Für deutsche KMU beginnt die Reparatur meistens mit der Frage, welche Quelle bereits das Richtige lehrt. Wenn die deutsche Seite es lehrt, braucht die englische vielleicht Angleichung. Wenn die englische Seite es lehrt, braucht die deutsche vielleicht einen klareren lokalen Identitätssatz. Wenn ein Verzeichnis es besser lehrt als die Unternehmensseite, hat die Unternehmensseite ein Problem. Wenn ein Verzeichnis das Falsche lehrt und trotzdem zitiert wird, muss die Reparatur dieses externe Profil einschließen.
Die lokale KI-Antwort ist kein Urteil darüber, welche Sprache wichtiger ist. Sie ist eine Spur davon, welche Evidenz am einfachsten zu benutzen war.