AIBRI-Auditmethodik (v1.0)

1. Mission und Vision

AIBRI untersucht, wie KI die Wahrnehmung von Marken und Produkten in Such-, Vergleichs- und Empfehlungsabläufen strukturell formt.

Wir schaffen auditierbare Kognitionsbenchmarks durch unabhängige Prüfung, damit Unternehmen, Forschende und Öffentlichkeit die Verzerrungsmechanismen hinter Modellausgaben besser verstehen können.

2. Kernmetrik: AIRI Recognition Index

AIRI (AI Recognition Index) ist AIBRIs proprietäres Bewertungsmodell zur Messung des mentalen Anteils einer Marke in KI-Neuronennetzen. Der Index wird aus vier gewichteten Dimensionen berechnet.

• Präsenz: wie häufig und an welcher Stelle eine Marke in relevanten Branchenanfragen genannt wird.
• Assoziationsstärke: wie eng die Marke semantisch mit Schlüsselbegriffen wie Innovation, Zuverlässigkeit und Sicherheit verknüpft ist.
• Sentiment-Polarität: ob die Darstellung des Modells neutral, positiv oder negativ ausfällt.
• Faktische Genauigkeit: wie stark die Modellausgabe mit offiziellen Realweltdaten übereinstimmt.

3. Auditprotokoll und Ablauf

AIBRI folgt einem strengen nicht-lenkenden Auditprozess, damit jede Schlussfolgerung auf objektiv erzeugten Wahrscheinlichkeitsausgaben statt auf menschlicher Steuerung beruht.

Phase I: Aufbau des Core Query Set (CQS). Auditoren entwerfen auf Basis der Brancheneigenschaften ein zentrales Fragenset und befolgen ein Neutralitätsprinzip ohne suggestive Formulierungen. Beispiel: 'Bitte nennen Sie die derzeit marktüblichen mittelgroßen bis großen batterieelektrischen SUVs' statt 'Welche sind die besten Elektro-SUVs?'.

Phase II: verteiltes Multi-Node-Probing. Auditaufgaben laufen über weltweit verteilte geografische Knoten. Für spezifische Modelle wie ChatGPT-4o und Claude 3.5 führen wir mehrere unabhängige Sitzungen aus, um Zufallsschwankungen zu reduzieren.

Phase III: objektive Evidenzfixierung — der Kernschritt. AIBRI nutzt offizielle Share-Links der KI-Anbieter als zugrunde liegende Beweisebene und sichert damit Unveränderlichkeit, öffentliche Prüfbarkeit und Archivkontext einschließlich Modellversion, Zeitstempel und voreingestellter Systemparameter.

Phase IV: semantische Analyse und menschliche Prüfung. Auditoren wie Auditor 01-06 analysieren die fixierte Evidenz multidimensional und betrachten nicht nur, was die KI sagte, sondern auch, was sie ausließ und warum sie so reagierte.

4. Evidence Vault

Jedes AIBRI-Auditbulletin muss mit dem Evidence Vault verknüpft sein, damit Schlüsselfeststellungen nachvollziehbar, überprüfbar und unabhängig verifizierbar bleiben.

• Jeder Bericht entspricht einer eindeutigen Audit ID.
• Jede zentrale Schlussfolgerung in einem Bericht muss auf die Nummer des entsprechenden Original-Dialoglinks verweisen.
• Falls ein offizieller Link aufgrund des Anbieters nicht mehr verfügbar ist, aktiviert AIBRI Langformat-Screenshot-Archive als Sekundärbeweis.

5. Erklärung zur Audit-Unabhängigkeit

• Keine Intervention akzeptiert: AIBRI akzeptiert weder bezahlte Audits noch Eingriffe von Marken in Rankings.
• Entkommerzialisierter Umfang: Auditobjekte werden nach Marktrelevanz und Branchenrepräsentativität ausgewählt.
• Algorithmische Transparenz: Wir legen die Probe-Logik offen, nicht aber die exakte Gewichtungsformel, um manipulative KI-gerichtete SEO-Strategien zu erschweren.

6. Versionsentwicklung

Diese Methodik wird regelmäßig aktualisiert, wenn sich KI-Technologien weiterentwickeln, insbesondere beim Übergang von reinen Textsystemen zu multimodalen Modellen.

• V1.0 (aktuell): fokussiert auf die Auditierung semantischer Gewichtung in Textgenerierungsmodellen.
• Nächste Phase: Audits visueller Modellkognition und dynamische Gewichtung für modellübergreifende Vergleiche.