KI-Suchsysteme wie ChatGPT, Perplexity, Claude und Google AI Overviews werden 2026 zu zentralen Reputationsfiltern: Sie entscheiden mit, welches Bild Medien, Kunden oder Talente von einem Unternehmen gewinnen.
Wer heute zu einer Marke recherchiert, fragt nicht mehr nur Google. Investor:innen, Journalist:innen und Talente nutzen zunehmend ChatGPT, Perplexity oder Claude. Die Antworten dieser KI-Systeme prägen das Bild eines Unternehmens oft stärker als eine offizielle Pressemitteilung. Gleichzeitig wissen viele Kommunikationsverantwortliche nicht genau, welches Bild dort über ihre Marke entsteht. Als PR-Agentur in München zeigen wir, wie Sie Ihr Markenbild in der KI-Suche systematisch beobachten, bewerten und mit sechs konkreten Hebeln steuern.
KI-Reputation beschreibt das Bild, das KI-Suchsysteme wie ChatGPT, Perplexity, Google AI Overviews oder Claude von einer Marke, einem Unternehmen oder einer Person zeichnen. Anders als klassische Medien-Reputation entsteht dieses Bild oft ohne direkten Impuls der Marke. Es speist sich aus Trainingsdaten der Modelle und aus Quellen, die KI-Systeme bei einer konkreten Anfrage heranziehen.
KI-Reputationsmanagement verbindet deshalb zwei Aufgaben: Monitoring und Steuerung. Monitoring beantwortet die Frage: Was sagt die KI über uns? Steuerung beantwortet die Frage: Wie prägen wir dieses Bild aktiv mit den richtigen Quellen, Inhalten und Korrekturmechanismen?
KI-Sichtbarkeit entsteht vor allem außerhalb der eigenen Kanäle. Was KI-Systeme über Marken wiedergeben, basiert häufig nicht auf Werbung oder bezahlten Platzierungen, sondern auf Earned Content: Medienberichte, Branchenportale, Vergleichsseiten, Foren und Bewertungsplattformen. Edelman GEOsight beziffert diesen Anteil auf 90 %.
KI-Antworten sind meist neutral – aber Fehler können stark schaden. Eine Spotlight-Auswertung von 1,8 Millionen KI-Antworten zeigt: 80,6 % der Marken-Erwähnungen sind neutral, 18,4 % positiv und 1 %. Gleichzeitig berichten 35 % der Marken von Reputationsschäden durch falsche KI-Aussagen.
Reputationskritische Themen sind bereits sichtbar. Laut FTI Consulting erscheinen 83 % der DAX40-Konzerne in KI-Antworten mit mindestens einem reputationskritischen Thema. Auch Führungspersonen sind betroffen: 70 % der CEOs erscheinen mit risikobehafteten Profilen.
Owned Content allein reicht nicht aus. McKinsey zufolge stellen Markenwebsites nur 5 bis 10 % der Quellen, aus denen KI-Antworten entstehen. Mit Ausnahme von Google priorisieren KI-Antwort-Engines laut Forrester häufig das, was Dritte über eine Marke sagen.
KI-Suchsysteme beeinflussen Entscheidungen zunehmend. Der OMR AI Search Report zeigt: 18 % der Verbraucher:innen vertrauen generativer KI bei Kaufempfehlungen – mehr als klassischen Suchmaschinen oder Markenwebsites.
Sichtbarkeit verschiebt sich von Klicks zu Antworten. Das Reuters Institute Oxford erwartet, dass Search-Referrals zu Publishern in den nächsten drei Jahren um bis zu 40 % zurückgehen. Inhalte werden damit zunehmend von KI-Systemen zusammengefasst, gewichtet und ausgespielt.
KI-Reputation muss aktiv gesteuert werden. Unternehmen brauchen eine Strategie, um maschinenlesbare Owned Channels zu stärken, Earned Content gezielt aufzubauen, falsche KI-Aussagen zu erkennen und Korrekturen systematisch anzustoßen.
Ein 90-Tage-Audit schafft den pragmatischen Einstieg. Es zeigt frühzeitig, wie KI-Systeme Marke, Führung, Produkte und kritische Themen darstellen – und wo Unternehmen zuerst handeln sollten.
In den ersten vier Teilen dieser Serie ging es um die strategische Verschiebung durch KI, die relevanten Kanal-Gruppen, das E-E-A-T-Prinzip und einen Workflow für KI-gestützte Texte. Diese Schritte helfen vor allem bei neuen Inhalten. Teil 5 blickt auf eine andere Frage: Was passiert mit dem, was bereits über Ihr Unternehmen im Netz steht und möglicherweise in KI-Antworten auftaucht?
KI-Reputation entsteht meist im Hintergrund. Genau deshalb braucht sie eigenes Monitoring und eigene Steuerung. Nicht erst im Krisenfall, sondern als dauerhafte Aufgabe der Unternehmenskommunikation.
Klassisches Reputationsmanagement folgt einer bekannten Logik der Pressearbeit: Pressespiegel beobachten, Social Listening auswerten und bei Vorfällen schnell reagieren. 2026 reicht das allein nicht mehr. KI-Reputation entsteht parallel zur klassischen Medien-Reputation, aber nach anderen Regeln.
Die Verschiebung ist messbar. In Deutschland nutzen laut Bitkom immer mehr Menschen generative KI. Der BVDW führt „AI Search” und GEO als wichtige Marketingtrends. Das Edelman Trust Barometer zeigt, dass generative KI das Vertrauen in Institutionen verändert. Gleichzeitig beschreibt das Reuters Institute, wie sich Vertrauen auf wenige starke Marken, KI-Systeme und persönliche Creator verlagert.
Für die Unternehmenskommunikation hat das zwei Folgen. Erstens entsteht Reputation heute aus einem Drei-Quellen-Mix: klassische Medien, KI-Antworten und Creator-Plattformen. Zweitens sind KI-Antworten für viele Stakeholder die erste Informationsquelle. Sie wirken damit oft früher als die offizielle Pressemitteilung.
In unserer Beratungspraxis beobachten wir seit Mitte 2025 eine klare Verschiebung. Kommunikationsverantwortliche fragen nicht mehr nur: „Was steht im Pressespiegel?” Sie fragen auch: „Was sagt die KI über uns, wenn Investor:innen, Journalist:innen oder Talente recherchieren?” Diese zweite Frage ist 2026 strategisch relevant.
Die Spotlight-Auswertung von 1,8 Millionen KI-Antworten wirkt auf den ersten Blick beruhigend: Die meisten Marken-Erwähnungen sind neutral. Doch diese Grundverteilung sagt wenig darüber aus, was bei reputationskritischen Themen passiert. FTI Consulting hat die DAX40 daraufhin untersucht und vier typische Risiko-Muster identifiziert.
KI-Systeme greifen auf Trainingsdaten und ältere Quellen zurück. Dadurch können längst geklärte Vorwürfe weiter als aktuell erscheinen. Wurde ein Unternehmen 2025 rechtlich entlastet, kann eine KI-Antwort 2026 trotzdem noch den ursprünglichen Vorwurf stark gewichten.
KI-Systeme können Vorfälle dem falschen Unternehmen zuordnen. Das passiert vor allem bei ähnlichen Firmennamen, Konzernstrukturen oder Marken derselben Branche. Besonders schwierig: Nicht jede KI-Antwort zeigt ihre Quellen transparent.
Nicht nur Fakten zählen, sondern auch der Ton. Eine KI kann korrekte Fakten so zusammenfassen, dass ein negatives Framing entsteht. Das Reuters Institute beschreibt KI-generierte Inhalte deshalb als reputationskritisch, auch wenn keine offensichtlichen Falschinformationen vorliegen.
FTI Consulting zeigt deutliche Unterschiede zwischen Branchen. Chemie- und Automobilunternehmen tragen ein höheres KI-Reputationsrisiko als Technologieunternehmen. Branchen mit vielen historischen Skandalen haben dadurch oft einen Reputationsaufschlag, den Kommunikation aktiv ausgleichen muss.
Wer Ressourcen sinnvoll verteilen will, muss die Unterschiede kennen. Beide Disziplinen ergänzen sich, sie ersetzen sich nicht.
Dimension | Klassisches Reputationsmanagement | KI-Reputationsmanagement |
Beobachtungsobjekt | Pressespiegel und Social Listening | Brand Mentions in KI-Antworten |
Frequenz | Tagesaktuell und ereignisgetrieben | Strukturell, monatlich oder quartalsweise |
Quellen-Mix | Eigene PR und Earned Media | Trainingsdaten und Web-Suche zur Anfrage |
Steuerbarkeit | Direkt über Pressearbeit und eigene Kanäle | Indirekt über Quellen-Cluster |
Reaktionszeit | Stunden bis Tage | Wochen bis Monate, auch wegen Trainingsdaten-Lag |
Hauptrisiko | Negative Pressewelle | Verzerrte oder veraltete KI-Antworten |
Tools | Pressespiegel, z.B. Meltwater, Cision | z.B. Profound, Peec AI, Otterly, ZipTie, Edelman GEOsight |
KPI | Reichweite, Tonalität, Anzeigenäquivalenz | AI Share of Voice, Citation-Häufigkeit, Tonalität in KI-Antworten |
Zu den neuen KPIs im KI-Zeitalter lesen Sie gerne vertiefend den Blogartikel meines Kollegen Alexander Stiehle. Die neuen Anforderungen an das Medienmonitoring im KI-Zeitalter vertieft der aktuelle Fachartikel meiner Kollegin Kimia Rahmati.
Die zentrale Erkenntnis: Wer 2026 nur klassische Medien beobachtet, übersieht einen wachsenden Teil der reputationsrelevanten Wahrnehmung.
Wir empfehlen ein dreistufiges Monitoring-Setup. Es lässt sich in jeder Kommunikationsabteilung einrichten, unabhängig von der Teamgröße.
Stufe 1: Tools für die laufende Beobachtung. Vier spezialisierte Anbieter haben sich 2026 etabliert: Profound als Enterprise-Lösung, Peec AI als wachsende Mittelstands-Variante aus Berlin, Otterly als zugängliches Einstiegs-Tool und ZipTie für die Analyse von Citation-Patterns. Edelman GEOsight kombiniert Monitoring mit Earned-Media-Strategie.
Stufe 2: Manuelle Stichproben. Einmal pro Monat sollten zehn bis fünfzehn zentrale Themen-Anfragen in ChatGPT, Perplexity und Google AI Overviews getestet werden. Welche Antwort erscheint? Welche Quellen werden genannt? Welche Tonalität entsteht? Diese Stichproben dauern meist ein bis zwei Stunden und liefern Erkenntnisse, die kein Tool vollständig ersetzt.
Stufe 3: KPI-Definition. In jedes Reputations-Dashboard gehören AI Share of Voice, Citation-Häufigkeit pro Themenfeld und Tonalitäts-Verteilung. Klassische KPIs wie Reichweite und Medienresonanz bleiben relevant. Sie werden aber um KI-KPIs ergänzt.
Monitoring allein verändert noch nichts. Wer KI-Reputation steuern will, muss das Citation-Bild aktiv beeinflussen. Bei unseren Mandaten haben sich sechs Hebel bewährt.
Die eigene Website bleibt der wichtigste Reputations-Anker, den eine Marke selbst kontrolliert. FAQ-Strukturen, Schema.org-Markup, klare Überschriften und thematisch fokussierte Pillar-Seiten helfen KI-Suchsystemen, die offizielle Markenstimme als Quelle zu erkennen. Wichtig ist: KI-Sichtbarkeit ist nicht identisch mit klassischem SEO-Ranking. Eine Semrush-Auswertung zeigt, dass Google AI Overviews auch Marken zitieren, die nicht in den organischen Top 10 ranken. Wer nicht maschinenlesbar präsent ist, überlässt das Bild stärker externen Quellen.
Wikipedia ist für viele KI-Systeme eine wichtige Quelle für Definitionen und Faktenfragen. Bei Claude und anderen Systemen wirkt sie außerdem als Entity-Anker: Sie hilft der KI zu verstehen, wer oder was eine Marke ist. Ein sauberer Wikipedia-Eintrag ist aufwendig und nicht für jede Organisation möglich. Wenn er gelingt, hat er aber eine lange Halbwertszeit.
Forrester beschreibt eine wichtige Verschiebung: Viele KI-Antwort-Engines gewichten stark, was Dritte über eine Marke sagen. Edelman GEOsight beziffert den Anteil von Earned Content an der KI-Sichtbarkeit auf 90 Prozent. McKinsey ergänzt, dass Markenwebsites nur 5 bis 10 % der Quellen stellen, aus denen KI-Antworten entstehen. Daraus folgt: Pressearbeit ist 2026 nicht nur Verstärker, sondern Backbone der KI-Reputation. Besonders wertvoll sind Hintergrundbeiträge in Fachmedien, datengestützte Gastbeiträge und analytische Branchenartikel.
KI-Suchsysteme ziehen persönliche Profile und Beiträge heran, wenn sie die Reputation einer Organisation einordnen. Das Reuters Institute beschreibt, dass Personality-Led Creators institutionelle News-Marken in Reichweite und Vertrauen teilweise überholen. Für Unternehmen heißt das: Strategische CEO-Kommunikation auf LinkedIn kann die KI-Reputation stärker prägen als die offizielle Unternehmensseite allein.
Reddit und Quora sind wichtige Quellen für Erfahrungs- und Vergleichsfragen. Gerade dort entstehen häufig erste Hinweise auf Reputationsprobleme. Kommunikationsabteilungen sollten diese Plattformen beobachten, ohne unüberlegt einzugreifen. Für den Einstieg eignet sich ein klarer Beobachtungsplan: relevante Suchbegriffe, wiederkehrende Themen, Tonalität und mögliche Eskalationspunkte.
Wenn eine KI falsche oder verzerrte Aussagen über ein Unternehmen macht, wirken drei Mechanismen parallel.
Erstens: eine offizielle Faktenkorrektur, die in Einordnungsmedien aufgegriffen wird.
Zweitens: Schema.org-Markup auf der eigenen Website, damit korrekte Fakten strukturiert erkennbar sind.
Drittens: direkte Anfragen an KI-Anbieter wie OpenAI, Anthropic oder Google, wenn es um kritische Verzerrungen geht.
Bei unseren Mandaten sehen wir, dass die Kombination aus Pressekorrektur und Schema-Update nach acht bis zwölf Wochen sichtbare Verbesserungen im KI-Bild bringen kann.
Ein Einstieg in KI-Reputationsmanagement muss nicht komplex sein. Ein 90-Tage-Audit liefert eine erste belastbare Risiko-Karte und zeigt, welche Steuerungsmaßnahmen Priorität haben.
Wochen 1 bis 4: Bestandsaufnahme. Testen Sie fünfzehn zentrale Themen-Anfragen in ChatGPT, Perplexity, Google AI Overviews und Claude. Setzen Sie ein Tool-Monitoring mit Profound, Peec AI oder einer vergleichbaren Lösung auf. Identifizieren Sie die Quellen, aus denen KI-Systeme aktuell Informationen über Ihr Unternehmen ziehen. Vergleichen Sie die Ergebnisse mit drei direkten Wettbewerbern.
Wochen 5 bis 8: Risiko-Analyse. Prüfen Sie die vier Risiko-Muster: veraltete Daten, falsche Verknüpfungen, verzerrte Tonalität und branchenspezifische Vorurteile. Legen Sie für jedes Risiko eine Korrekturstrategie fest. Schließen Sie Lücken auf der eigenen Website, vor allem bei Fakten, FAQ-Strukturen und thematischen Pillar-Seiten.
Wochen 9 bis 12: Erste Steuerungsmaßnahmen. Starten Sie ein Earned-Media-Programm, etablieren Sie eine LinkedIn-Routine für CEO und Schlüsselpersonen, prüfen Sie den Wikipedia-Eintrag und setzen Sie erste Korrekturmaßnahmen für falsche KI-Aussagen um.
Nach 90 Tagen liegt eine belastbare Datengrundlage vor. Danach folgt der laufende Betrieb mit monatlichen Stichproben und quartalsweisen Reviews.
KI-Reputation ist 2026 keine reine Marketing-Frage mehr. Sie gehört auf die Agenda der Geschäftsleitung. Vier Gründe sind besonders wichtig.
Investor:innen nutzen KI-Tools zunehmend für Recherchen und Reputationsbewertungen. Was eine KI über ein Unternehmen sagt, kann damit in Entscheidungen einfließen.
McKinsey erwartet, dass bis 2028 ein großer Teil der Konsumausgaben durch KI-gestützte Suche beeinflusst wird. Wer in den Citation-Quellen fehlt, verliert Sichtbarkeit und möglicherweise Marktanteile.
Wenn KI-Systeme falsche Aussagen verbreiten, kann daraus eine juristische Frage werden. Kommunikation, Legal und Geschäftsleitung müssen deshalb enger zusammenarbeiten.
CEO Kommunikation wird wichtiger. Persönliche Profile, Interviews und Fachbeiträge prägen zunehmend, wie KI-Systeme eine Organisation einordnen.
In unserer Beratungspraxis sehen wir regelmäßig, dass KI-Reputation erst dann auf die Vorstandsagenda kommt, wenn eine konkrete Falschaussage in ChatGPT oder Perplexity sichtbar wird. Strategisch klüger ist es, vorher zu prüfen, was KI-Systeme über das Unternehmen erzählen.Claudia Thaler, Geschäftsführerin consense communications GmbH (GPRA)
KI-Reputation entsteht im Hintergrund. Sie kann veraltete, unvollständige oder verzerrte Informationen über Monate weitertragen, ohne dass ein Unternehmen es sofort bemerkt. Wer das Citation-Bild nicht systematisch beobachtet und steuert, überlässt seine Reputation den Trainingsdaten und Quellenlogiken der KI-Systeme.
Sechs Hebel und ein 90-Tage-Audit geben Kommunikationsabteilungen einen pragmatischen Einstieg: maschinenlesbare Owned Channels, Wikipedia als Entity-Anker, Earned Media, CEO-Kommunikation, Reddit- und Quora-Beobachtung sowie aktive Korrekturmechanismen. Zusammen schaffen sie die Grundlage für belastbares KI-Reputationsmanagement.
Eine Frage bleibt offen: Was passiert, wenn aus einem latenten Reputationsproblem eine akute Krise wird? Wie sieht ein Krisenkommunikations-Workflow aus, der die KI-Reaktionsebene mitdenkt – mit Holding Statements, Erstmedien-Distribution und KI-Korrektur?
Genau das vertiefen wir in Teil 6 dieser Serie: „Krisenkommunikation in der KI-Ära – wenn die KI Ihre Krise erzählt”.
Wir empfehlen ein dreistufiges Setup. Tool-basiertes Monitoring läuft kontinuierlich im Hintergrund. Manuelle Stichproben zu zentralen Themen-Anfragen erfolgen monatlich und dauern meist ein bis zwei Stunden. Quartalsweise sollte eine vertiefte Risiko-Analyse mit Wettbewerbsvergleich folgen. Bei kritischen Ereignissen wie Compliance-Fällen, Personalwechseln oder Mergers and Acquisitions ist zusätzlich eine Ad-hoc-Prüfung sinnvoll.
Drei Korrekturmechanismen sollten parallel laufen: eine offizielle Faktenkorrektur, die von relevanten Medien aufgegriffen wird; strukturiertes Schema.org-Markup auf der eigenen Website; und direkte Anfragen an KI-Anbieter wie OpenAI, Anthropic oder Google bei kritischen Verzerrungen. Wichtig ist, nicht nur die falsche Antwort zu melden, sondern auch bessere, zitierfähige Quellen aufzubauen.
Für den Mittelstand eignen sich vor allem Tools, die KI-Antworten, Citations und Tonalität einfach auswerten. Peec AI, Otterly und vergleichbare Lösungen können ein guter Einstieg sein. Für größere Organisationen kommen Enterprise-Lösungen wie Profound oder Beratungsansätze wie Edelman GEOsight infrage. In der Praxis reicht oft die Kombination aus Tool-Monitoring und monatlichen manuellen Stichproben.
Besonders betroffen sind Branchen mit hoher regulatorischer Aufmerksamkeit, historischer Skandal-Dichte oder komplexen Lieferketten. Dazu zählen Chemie, Automobil, Pharma, Energie und Finanzdienstleistungen. Bei ihnen wirken ältere Berichte häufig länger nach, weil sie in Trainingsdaten und externen Quellen erhalten bleiben.
In der Praxis gibt es unterschiedliche Modelle: Pressestelle mit Schnittstelle zum Marketing, eine dedizierte Reputationsfunktion oder eine Rolle wie „Head of AI Communications”. Entscheidend ist weniger die organisatorische Aufhängung als die klare Verantwortung. Jemand muss Daten regelmäßig zusammenführen, Risiken bewerten und Handlungsempfehlungen an Geschäftsleitung, Kommunikation, Marketing und Legal geben.
Drei Bausteine helfen: ein gepflegter LinkedIn-Auftritt mit klaren Themen, ein sauberer Wikipedia-Eintrag, sofern relevant und regelkonform möglich, und aktive Pressearbeit mit eindeutig zugeschriebenen Aussagen. So entstehen konsistente Quellen, die KI-Systeme bei Personenprofilen heranziehen können.
Achten Sie auf drei Signale: veränderte Tonalität in monatlichen Stichproben, neue Diskussionen auf Plattformen wie Reddit oder Quora und Hinweise von Stakeholdern, die sich auf KI-Antworten beziehen. Gerade der dritte Punkt ist wichtig: Wenn Investor:innen, Journalist:innen oder Mitarbeitende eine KI-Aussage zitieren, sollte die Kommunikationsabteilung sofort prüfen, woher diese Aussage kommt.
FTI Consulting (2025): KI-Reputationsmonitor – Was sagt ChatGPT über die DAX40-Unternehmen? https://fticommunications.com/fti-consulting-ki-reputationsmonitor-2025-was-sagt-chatgpt-uber-die-dax40-unternehmen/
Bitkom (2026): Künstliche Intelligenz in Deutschland. https://www.bitkom.org/Bitkom/Publikationen/Kuenstliche-Intelligenz-in-Deutschland
BVDW (2026): Marketingtrends 2026. https://www.bvdw.org/news-und-publikationen/marketingtrends-2026/
McKinsey und Company (2025): New front door to the internet – Winning in the age of AI search. https://www.mckinsey.com/capabilities/growth-marketing-and-sales/our-insights/new-front-door-to-the-internet-winning-in-the-age-of-ai-search
OMR (2026): AI Search – Leitfaden zur Optimierung für KI-Suchen. https://education.omr.com/products/ai-search-omr-geo-report-kompakt
Spotlight (2026): Tracking Brand Mentions in AI Chatbots. https://www.get-spotlight.com/articles/tracking-brand-mentions-in-ai-chatbots-a-comprehensive-guide-to-monitoring-brand-presence-in-chatgpt-responses-feb-2026-data/
Semrush (2025): AI Overviews Study. https://www.semrush.com/blog/semrush-ai-overviews-study/
Edelman (2026): GEOsight – Earned-First Optimization. https://www.edelman.com/news-awards/edelman-introduces-geosight
Edelman Trust Barometer (2026): Trust in Peril. https://www.edelman.com/trust/2026/trust-barometer
Forrester (2026): B2C Marketing, CX, and Digital Business Predictions. https://www.metaintro.com/blog/forrester-predicts-trust-crisis-brands-2026-ai-advertising
Reuters Institute Oxford (2026): Journalism, Media, and Technology Trends and Predictions. https://reutersinstitute.politics.ox.ac.uk/journalism-media-and-technology-trends-and-predictions-2026
5W Public Relations / Everything PR (2026): AI Platform Citation Source Index. https://everything-pr.com/ai-platform-citation-source-index-2026/
consense communications (2026): Beratungspraxis und Klientendaten.
Dieser Artikel ist Teil 5 einer siebenteiligen Serie zu KI in der Kommunikation und Generative Engine Optimization (GEO).
Teil 1 KI als neue Zielgruppe: Wie GEO die Arbeit von Kommunikationsabteilungen ab 2026 verändert
Teil 2 Welche Kanäle die KI-Suche zitiert – und wie Unternehmen 2026 ihre Reputation steuern
Teil 3 Schreiben für KI nach dem E-E-A-T-Prinzip: Wie Website-Content und Pressebeiträge zitierfähig werden
Teil 4 KI-Texte in der Praxis: KI-Tools und Prompt-Vorlagen für Kommunikationsteams
Teil 5 Reputation in der KI-Ära (jetzt): Wie Unternehmen 2026 ihr Markenbild in der KI-Suche steuern
Teil 6 Krisenkommunikation in der KI-Ära: Wenn die KI Ihre Krise erzählt – Holding Statements und KI-Korrektur
Teil 7 Smart Brevity vs. GEO: Das Trilemma der KI-Texte – wie Kommunikationsteams für KI, Google und Mensch gleichzeitig schreiben
Neue Artikel erscheinen wöchentlich. Wenn Sie keinen Beitrag verpassen wollen, folgen Sie der Autorin Claudia Thaler auf LinkedIn.
Die Autorin Claudia Thaler ist Geschäftsführerin der PR-Agentur consense communications GmbH (GPRA) in München. Seit über 25 Jahren begleitet sie mittelständische Unternehmen, DAX-Konzerne und NGOs in den Bereichen Change, Krisenkommunikation, interne Kommunikation und Reputationsmanagement. Seit 2024 liegt ihr Schwerpunkt auf KI-getriebenen Veränderungen in der Kommunikation. → Vollständiges Autorenprofil auf dieser Website · Claudia Thaler auf LinkedIn.
Die Autorin hat diesen Artikel auf Basis ihrer fachlichen Expertise und mit Unterstützung von Claude Opus 4.7 sowie ChatGPT erstellt. Credits Bild: metamorworks (iStock).
Geschäftsführerin consense communications GmbH (GPRA) Expertin für Strategie-, Change- und Krisenkommunikation sowie zertifizierte systemische Coachin und Organisationsentwicklerin. Strategin für Kommunikation im KI-Zeitalter.
