Skip to content

Was ist eine KI-Halluzination?

Definition

Eine KI-Halluzination ist eine von einem Sprachmodell erzeugte Aussage, die sprachlich plausibel klingt, inhaltlich aber falsch oder frei erfunden ist, etwa ein falsches Datum, eine nicht existierende Quelle oder eine erfundene Produkteigenschaft.

Steckbrief

Auch bekannt als: Halluzination, KI-Halluzination, Konfabulation

Kategorie: Generative KI, Qualität von KI-Antworten

Fachbereich: Organic Growth

Verwandte Begriffe: Grounding, Retrieval-Augmented Generation, Entität

Zuletzt geprüft: 17.11.2026

Einordnung

Warum sind Halluzinationen für B2B-Unternehmen relevant?

Halluzinationen betreffen dich, sobald jemand eine KI nach deinem Unternehmen fragt. Das Modell kann dir Leistungen zuschreiben, die du nicht anbietest, falsche Standorte nennen oder Preise erfinden.

Im B2B ist das heikel, weil Recherchen in der Überlegungs- und Auswahlphase zunehmend mit KI beginnen. Eine falsche Aussage über Zertifizierungen oder Schnittstellen kann dazu führen, dass du von der Shortlist fliegst, bevor jemand deine Website besucht. Intern betrifft das Thema jedes Team, das KI-Texte veröffentlicht, ohne Fakten zu prüfen.

Betroffen sind im Unternehmen vor allem Marketing und Geschäftsführung, weil es um die Außendarstellung geht. Im Buying Center der Kund:innen trifft eine Halluzination oft die Person, die eine erste Recherche macht und das Ergebnis intern weitergibt.

Praxisbeispiel

Wie sieht eine Halluzination im B2B aus?

Beispiel (fiktiv)

Ein Beratungsunternehmen für Qualitätsmanagement fragt testweise ChatGPT nach sich selbst. Die Antwort nennt eine Niederlassung in Wien, die es nie gab, und eine Spezialisierung auf Medizintechnik, die nur ein früherer Kunde hatte.

Das Team prüft die Quellen: Die Website nennt keine Standorte im Klartext, und ein veraltetes Branchenprofil listet Projekte ohne Kontext. Es ergänzt eine Unternehmensseite mit Standorten, Branchen und Leistungen, korrigiert die externen Profile und prüft die Antwort nach einigen Wochen erneut.

So sehen wir das

Lücken in deinen Fakten füllt die KI selbst.

Halluzinationen über dein Unternehmen sind selten Zufall. Meist fehlt eine klare, abrufbare Quelle für die Fakten, nach denen gefragt wird. Wo nichts steht, rät das Modell.

Wir arbeiten deshalb an zwei Stellen: Auf der Website stehen Kernfakten wie Leistungen, Standorte, Zielbranchen und Ansprechpersonen eindeutig im Text. Außerhalb sorgen gepflegte Profile dafür, dass KI-Systeme keine widersprüchlichen Angaben finden. Für eigene KI-Texte gilt bei uns: Jede Zahl und jedes Zitat wird vor der Veröffentlichung geprüft.

„Eine KI erfindet am liebsten dort, wo du selbst nichts gesagt hast.“ - Linda Knüvener, Fachbereichsleitung Organic Growth bei sixclicks
Ablauf

Wie entstehen Halluzinationen?

OpenAI hat 2025 erklärt, warum auch aktuelle Modelle halluzinieren. Die Ursachen liegen im Training und in der Bewertung der Modelle.

1
Wortvorhersage

Sprachmodelle lernen, das wahrscheinlichste nächste Wort vorherzusagen. Ob eine Aussage wahr ist, ist dabei nicht gekennzeichnet.

2
Seltene Fakten

Muster wie Grammatik lernt ein Modell zuverlässig. Selten vorkommende Einzelfakten, etwa das Gründungsjahr eines Mittelständlers, lassen sich daraus nicht ableiten.

3
Raten wird belohnt

Viele Tests bewerten nur richtige Antworten. Raten bringt dort mehr Punkte als „weiß ich nicht“, also lernen Modelle zu raten.

4
Lücken füllen

Fehlen abrufbare Quellen, füllt das Modell die Lücke mit einer plausibel klingenden Vermutung.

Vergleich

Halluzination vs. veraltete Information vs. Quellenfehler

Nicht jede falsche KI-Antwort ist eine Halluzination. Die Unterscheidung hilft, die richtige Gegenmaßnahme zu wählen.

Kriterium Halluzination Veraltete Information Quellenfehler
Ursache Modell erfindet Inhalt Trainingsstand ist alt Abgerufene Quelle ist falsch
Beispiel Erfundene Zertifizierung Ehemalige Geschäftsführung Falsche Angabe in einem Branchenverzeichnis
Gegenmaßnahme Fakten klar und abrufbar machen Aktuelle Quellen bereitstellen Externe Profile korrigieren
Daten/Benchmark

Was sagen die Zahlen zu Halluzinationen?

75 % Fehlerquote hatte OpenAIs Modell o4-mini im Faktentest SimpleQA. Das neuere gpt-5-thinking-mini lag bei 26 %, weil es in über der Hälfte der Fälle keine Antwort gab statt zu raten (OpenAI, September 2025). Quelle: OpenAI, 2025

Für dich heißt das: Auch moderne Modelle irren sich. Wichtig ist, dass sie für Fakten über dich eine verlässliche Quelle finden.

Kritik & Grenzen

Lassen sich Halluzinationen ganz verhindern?

Nein. OpenAI selbst beschreibt Halluzinationen als grundlegende Herausforderung aller großen Sprachmodelle. Manche Fragen lassen sich mit den verfügbaren Informationen schlicht nicht beantworten.

Grounding und RAG senken das Risiko, weil das Modell sich auf abgerufene Quellen stützt. Sind diese Quellen falsch oder widersprüchlich, bleibt die Antwort fehleranfällig.

Noch Fragen zum Thema? Stell sie uns live im nächsten AMA

Einmal im Monat beantworten wir im AMA (Ask Me Anything) 60 Minuten lang Fragen rund um Revenue Marketing. Schau nach dem nächsten Termin und bring deine Fragen mit.

FAQ

Häufige Fragen zu Halluzination

Warum klingen Halluzinationen so überzeugend?

Weil Sprachmodelle auf flüssige, wahrscheinliche Formulierungen trainiert sind. Ob der Inhalt stimmt, ist für die Formulierung zweitrangig.

Kann ich falsche KI-Aussagen über mein Unternehmen korrigieren lassen?

Direkt meist nicht. Wirksam ist, die Fakten auf deiner Website und in externen Profilen klar und einheitlich bereitzustellen.

Halluzinieren KI-Systeme mit Websuche weniger?

In der Regel ja, weil sie Antworten an abgerufene Quellen binden. Ausgeschlossen sind Fehler damit nicht.

Wie erkenne ich eine Halluzination?

Am sichersten über die Quelle: Lässt sich eine Aussage nicht auf eine verlinkte oder bekannte Quelle zurückführen, solltest du sie prüfen. Besonders anfällig sind Zahlen, Daten, Namen und Zitate.

Wie oft sollte ich prüfen, was KI über mein Unternehmen sagt?

Monatlich ist ein guter Rhythmus. Ein festes Prompt-Set mit Fragen zu Leistungen, Standorten und Referenzen macht die Ergebnisse vergleichbar.