Wenn die Erkältungskapsel das Fasten bricht: Wie Informationslücken KI-Halluzinationen triggern

KI-Suchmaschinen wie ChatGPT, Perplexity oder Googles AI Overviews verändern radikal, wie wir Antworten im Netz konsumieren. Statt uns durch Linklisten zu klicken, vertrauen wir immer häufiger auf die glasklaren, ausformulierten Zusammenfassungen der künstlichen Intelligenz. Doch was passiert, wenn die KI auf eine Frage stößt, zu der es im gesamten Netz schlichtweg keine exakte Antwort gibt?

Ein aktueller Fall aus meiner täglichen Praxis zeigt, wie schnell generative Systeme ins Schleudern geraten, wenn sie auf blinde Flecken in der digitalen Informationsarchitektur stoßen – und warum das gerade im Health-Segment verdammt riskant ist.

Das Experiment: Eine Erkältungskapsel im Praxistest

Letzte Woche habe ich im Rahmen einer GEO-Analyse (Generative Engine Optimization) gezielt nach potenziellen Fehlinformationen und logischen Lücken in KI-Antworten gesucht. Dabei bin ich auf eine spannende, sehr spezifische Nutzerfrage gestoßen:

„Unterbricht das bekannte pflanzliche Erkältungsmedikament X das Intervallfasten?“

Die Reaktion von Googles KI-Ökosystemen? Ein komplettes, widersprüchliches Chaos auf ein und derselben Ergebnisseite!

Antwort A (Google AI Overview): „Nein, das Fasten wird nicht unterbrochen, da die Kapsel kaum Kalorien hat.“ 🟢

Antwort B (Gemini im AI Mode): „Ja, das Fasten wird unterbrochen, da die Kapsel Fette und Gelatine enthält und eine Insulinausschüttung bewirkt.“ 🔴

Andere große Sprachmodelle wie ChatGPT oder Claude tendierten zwar eher in Richtung „Nein“ oder bauten ein vorsichtiges „Es kommt darauf an“ ein. Dennoch schwankten auch dort die Nuancen erheblich – je nachdem, welche Modell-Version gerade aktiv war.

Die „100 % Falle“: Warum die KI trotz Chaos selbstbewusst bleibt

Früher, in der klassischen Google-Ära, hätten wir diese Frage eingetippt, drei Forenbeiträge und zwei Blogs überflogen und sofort gemerkt: „Okay, hier gibt es keine eindeutige Expertenmeinung.“ Wir wären automatisch skeptisch geblieben.

Moderne generative Engines tappen jedoch viel zu oft in die „100 % Falle“. Sie werfen eine absolut fehlerfreie, grammatikalisch perfekte und extrem selbstbewusste Antwort aus. Die KI sagt selten: „Ich bin mir unsicher“ oder „Die Quellenlage ist hier widersprüchlich“. Sie tut so, als wüsste sie es ganz genau.

Beim Thema Intervallfasten ist das am Ende vielleicht nur ärgerlich. Handelt es sich jedoch um komplexere medizinische Indikationen, Wechselwirkungen von Medikamenten oder akute Symptome, wird diese vorgetäuschte Gewissheit zu einem unkalkulierbaren Risiko.

Die Ursache: Wie KI-Systeme ohne Quelle „reimen“

Warum antworten die Systeme in solchen Szenarien so grundlegend falsch oder widersprüchlich? Der Grund ist eine klassische Informationslücke. Im gesamten Web existiert schlichtweg kein einziger strukturierter Artikel, der genau diese spezifische Produktkombination im Kontext des Intervallfastens fachlich korrekt beleuchtet.

Wenn ein LLM (Large Language Model) mit einer solchen Leere konfrontiert wird, fängt es an zu halluzinieren. Es sucht sich mathematisch wahrscheinliche Fragmente aus unterschiedlichen Ecken des Internets zusammen und baut daraus eine fragile Brücke:

• Der Beipackzettel: Die KI liest beispielsweise online, dass die Kapsel „30 Minuten vor dem Essen“ eingenommen werden soll.
• Die Drittquellen: Parallel crawlt sie unzusammenhängende Artikel über die Regeln des Intervallfastens (z. B. von Fitness-Blogs oder Portalen wie dem Zentrum der Gesundheit).
• Die Synthese: Da die AI Overviews und der Gemini AI Mode auf leicht unterschiedliche Trainingsdaten oder Live-Quellen zugreifen, gewichten sie die Schnipsel anders. Das eine System fokussiert sich auf die Makronährstoffe der Kapselhülle (Gelatine/Fette), das andere auf den vernachlässigbaren Brennwert.

Das Ergebnis ist ein logischer Absturz auf Kosten der Wahrheit.

Fazit für die Praxis: Echtes GEO bedeutet radikale Informations-Vollständigkeit

Dieses Praxisbeispiel führt uns vor Augen, wie wichtig eine saubere Content- und GEO-Strategie geworden ist. Für Unternehmen, Marken und ganz besonders Akteure im medizinischen Bereich gilt ab sofort ein neues Mantra: Radikale Informations-Vollständigkeit.

Wir dürfen uns im SEO-Kontext nicht mehr nur fragen, für welche Suchbegriffe wir ranken wollen. Wir müssen detektivisch die blinden Flecken im KI-Raum identifizieren. Wir müssen analysieren, wo Sprachmodelle mangels valider Daten ins Halluzinieren geraten – und genau diese Lücken proaktiv mit verlässlichem, strukturiertem Content besetzen.

Denn die Realität im KI-Zeitalter ist simpel: Liefere der KI das fundierte „Warum“, oder die Algorithmen erfinden es selbst.