Large Language Models (LLM) wie ChatGPT entwickeln sich zu einem eigenständigen Kommunikations- und Reputationskanal. Sie beeinflussen zunehmend, wie Menschen Informationen einordnen und Unternehmen bewerten. Die Orientierung beginnt heute oft nicht mehr auf Websites oder in Fachmedien, sondern direkt im Chat-Fenster. Wer dort nicht genannt wird, findet in entscheidenden Momenten schlicht nicht statt. Für Kommunikationsabteilungen ergibt sich daraus eine neue Aufgabe: Sie müssen ihre KI-Reputation verstehen und aktiv gestalten.

Eine erste fundierte Grundlage hierfür liefert der LLM Reputation Report Pharma und MedTech in der Schweiz 2026 von swissreputation.group und cuemarc. Die Studie analysiert erstmals systematisch, wie 51 Unternehmen der Branche in ChatGPT dargestellt werden. Die zentrale Erkenntnis: Reputation entsteht im Fliesstext von KI-Antworten, der oft kritischer ausfällt, als man erwartet.

Die Methode: KI-Antworten systematisch analysieren

Für den „LLM Reputation Report Pharma und MedTech in der Schweiz 2026“ wurde im Dezember 2025 über einen Zeitraum von 21 Tagen ein systematisches Tracking durchgeführt. Dabei wurde die Sichtbarkeit von 26 Pharma- und 25 MedTech-Unternehmen in ChatGPT 5.1 und 5.2 in deutscher Sprache untersucht.

Die daraus folgende Berechnung des Reputation-Scores folgte einer klaren Logik:

1. Punktewertung: Jede markenbezogene Aussage wird auf einer Skala von minus 5 bis plus 5 bewertet.

2. Gewichtung nach Intensität: Sachliche Aussagen zählen mit dem Faktor 1,0, klare Wertungen mit dem Faktor 1,5 und explizite Empfehlungen oder Ablehnungen mit dem Faktor 2,0.

Ich wollte wissen, warum sich die Studie auf ChatGPT beschränkt. Joël Viotti, Co-Founder von cuemarc, begründet das Vorgehen wie folgt: „Wir wollten uns im ersten Schritt auf das in der Schweiz meistgenutzte LLM konzentrieren, um klare Handlungsempfehlungen geben zu können. Ziel war vor allem, die Komplexität zu reduzieren.“ Darum wurden weitere Modelle, wie beispielsweise Claude und Perplexity, die cuemarc ebenfalls im erweiterten Angebot trackt, nicht in die Studie einbezogen. 

Die „Zwei-Satz-Regel“ des Reputationsrisikos

Das Herzstück der Studie ist das Reputationsmodell der swissreputation.group, das sechs Dimensionen untersucht:

• Products & Services
• Innovation
• Economic Performance
• Management & Leadership
• Workplace (Arbeitgeber-Reputation)
• ESG & Sustainability

Um neutrale Antworten zu erhalten und Lob sowie Kritik systematisch zu erfassen, stellten die Forscher pro Dimension sechs indirekte Fragen, z. B. „Welche Pharmafirmen gelten aktuell als besonders innovativ?“.

Die Analyse von über 36 000 Sätzen aus ChatGPT-Antworten ergab eine brisante Erkenntnis: Im Durchschnitt enthält jede KI-Antwort zwei Sätze, welche die Reputation beeinflussen. Dabei zeigen sich deutliche Branchenunterschiede bei den ‚Schmerzzonen‘:

• Pharma: Die Kritik entzündet sich primär bei Fragen zum Management, gefolgt vom Produktangebot und Nachhaltigkeitsthemen.
• MedTech: Hier konzentriert sich die Kritik vor allem auf ökologische Fragestellungen (ESG) sowie auf das Produktangebot.

Der Anteil kritischer Aussagen liegt bei Pharma-Unternehmen mit 5,7 % insgesamt etwas höher als im MedTech-Sektor mit 4,3 %. 

Das Paradoxon der Sichtbarkeit

Die Studie unterscheidet klar zwischen Sichtbarkeit und Reputation. Eine entscheidende Erkenntnis ist, dass hohe Sichtbarkeit in LLMs nicht automatisch zu einer besseren Reputation führt. Im Gegenteil: ChatGPT neigt dazu, besonders sichtbare Unternehmen fast durchgehend zu relativieren. Während die KI bei kleineren Firmen oft direkt antwortet, baut sie bei Branchenriesen verstärkt Risiken, Potenziale und Gegenargumente ein. Dadurch werden Spitzenwerte beim Reputation-Score erschwert.

Dies führt zu einem strategischen Spannungsfeld: Einerseits ist Sichtbarkeit nötig, um wahrgenommen zu werden, andererseits führt sie zu neutraleren bzw. kritischeren Werten als bei kleineren Unternehmen im „Long Tail“.

Im LLM Reputation Report werden Unternehmen in einem Quadrantenmodell eingeordnet: ‚Stars‘ geniessen sowohl eine hohe Sichtbarkeit als auch eine Top-Reputation, während ‚Hidden Champions‘ über exzellente Bewertungen bei noch geringer Präsenz im LLM-Kanal verfügen.

Unternehmen müssen also strategisch entscheiden, in welchen Dimensionen sie maximale Sichtbarkeit anstreben, da eine höhere Präsenz den Reputationsdruck erheblich verstärken kann.

Woher bezieht die KI ihr Wissen?

Ein zentraler Hebel liegt in den genutzten Quellen. Die Studie zeigt, dass LLM-Antworten stark durch Earned Media geprägt sind, insbesondere durch Community-basierte Plattformen wie Wikipedia und Bewertungsportale. So nutzen sie primär die englischen Wikipedia-Seiten sowie Arbeitgeberbewertungsportale wie kununu, um Antworten zu generieren.

Owned Media spielen ebenfalls eine Rolle, jedoch in deutlich geringerem Umfang und abhängig vom Thema und Kontext.

Für Kommunikationsverantwortliche ergeben sich daraus konkrete Handlungsfelder:

• Wikipedia gezielt pflegen: Besonders englische Einträge prägen die Wahrnehmung stark
• Bewertungsplattformen aktiv managen: Gerade bei Arbeitgeberthemen haben sie grossen Einfluss
• LLM-Monitoring etablieren: Nur wer systematisch misst, erkennt Positionierungslücken frühzeitig

Die Erkenntnisse zu den Owned Media beziehen sich auf die untersuchten Schweizer MedTech- und Pharma-Unternehmen. Joël Viotti bestätigt jedoch, dass eine Differenzierung wichtig ist. Der konkrete Quellenmix variiert je nach Branche, Thema und Informationslage. In einzelnen Fällen können auch Owned Media eine dominierende Rolle spielen, wenn sie die verfügbare Informationsbasis massgeblich prägen.

KI-Reputation in LLMs ist steuerbar

Auch wenn LLMs auf den ersten Blick komplex erscheinen, sind sie kein unzugängliches Blackbox-Phänomen. Die Studie zeigt, dass Sichtbarkeit und Wahrnehmung aus dem Zusammenspiel von vorhandenem Wissen und aktuellen Quellen entstehen.

• Reputation verschiebt sich in den KI-Kontext: Sie entsteht nicht mehr nur in Medienberichten oder auf Unternehmensseiten, sondern zunehmend im Fliesstext von KI-Antworten.

• Relevante Kanäle bestimmen die Sichtbarkeit in KI-Antworten: ChatGPT greift auf öffentlich zugängliche, gut strukturierte und häufig referenzierte Inhalte zu. Eine direkte Steuerung ist nicht möglich, wohl aber eine gezielte Beeinflussung durch konsistente, sichtbare und anschlussfähige Kommunikation über diese Kanäle.

• Systematisches Tracking zeigt Positionierungslücken: Auf dieser Grundlage lassen sich frühzeitig Handlungsfelder identifizieren und gezielte Massnahmen ableiten, um die eigene Marke im KI-Zeitalter zu schützen und zu stärken.

Um einen LLM-Report mit Handlungsplan für die KI-Reputation für das eigene Unternehmen zu erstellen, haben cuemarc und die swissreputation.group ein niederschwelliges Angebot entwickelt. Sie finden es auf der letzten Seite des Reports, den es hier zum kostenlosen Download gibt (Direktlink zum PDF).