Semantic Brand Architecture

Wie beschreibt KI Ihre Marke, wenn Sie nicht im Raum sind?

Immer öfter stammt das Erste, was Menschen über ein Unternehmen erfahren, nicht vom Unternehmen selbst. Es stammt von einem Modell — das das Netz liest, verdichtet und eine Antwort zurückgibt. Manchmal ist diese Antwort präzise. Oft ist sie generisch, veraltet oder leise falsch.

Mit SBA ai mache ich diese Rekonstruktion sichtbar, messbar — und bearbeitbar.

Bevor eine Marke von KI gefunden, verglichen oder empfohlen werden kann, muss sie klar genug sein, um rekonstruiert zu werden.

So funktioniert es Was es kann — und was nicht

01 — Problem

Wenn Maschinen zu Interpreten werden

Den größten Teil meines Berufslebens hatte Kommunikation eine Sorte Leser: Menschen. Kunden, Journalisten, Analysten, Investoren — alle mit Kontext, alle mit Urteilsvermögen. Diese Ära ist nicht vorbei. Aber sie hat Gesellschaft bekommen.

Große Sprachmodelle und KI-Suchsysteme sitzen heute zwischen Organisationen und den Menschen, die sie verstehen wollen. Und hier lohnt es sich, kurz innezuhalten: Diese Systeme zeigen Informationen nicht an. Sie rekonstruieren Bedeutung — aus Mustern von Sprache, Quellen, Entitäten, Referenzen und Kontext. Jede Antwort über Ihr Unternehmen ist eine frische Rekonstruktion, gebaut aus den Signalen, die gerade lesbar sind.

Damit verschiebt sich die strategische Frage. Sie lautet nicht mehr nur: Wie beschreiben wir uns? Sondern: Was können Maschinen aus unseren Signalen rekonstruieren?

So beschreibt KI eine Marke heute

„[Marke] ist ein Anbieter von Softwarelösungen für Unternehmen. Das Unternehmen bietet verschiedene Produkte und Dienstleistungen an, ähnlich wie [Wettbewerber A] und [Wettbewerber B].“

generischaustauschbarfalsch zugeordnet

Wofür das Unternehmen tatsächlich steht

„[Marke] ist der einzige Anbieter, der [spezifisches Problem] für [klare Zielgruppe] löst — belegt durch [Proof Point], klar unterscheidbar von [Kategorie-Missverständnis].“

differenziertbelegtrekonstruierbar

02 — Definition

Was SBA ai leistet

SBA ai ist ein semantischer Strategie-Stack, den ich für genau dieses Problem gebaut habe — für Unternehmen in KI-vermittelten Informationsumgebungen. Er verbindet Ebenen, die sonst in getrennten Abteilungen leben:

Business- und MarkenstrategiePositionierung und KommunikationsarchitekturQuery- und Prompt-UmgebungenEmbedding-basierte semantische MessungEvidenz- und QuellenstrategieStrategische Interpretation

Das Ergebnis ist ein strukturierter Blick darauf, wie ein Unternehmen aktuell repräsentiert wird, wo Bedeutung klar oder diffus ist — und welche Eingriffe es näher an die Position bringen, die Sie tatsächlich wollen.

Was SBA ai nicht ist: ein Prompt-Trick oder eine Dashboard-Metrik. Ich behandle AI Visibility als tiefere Frage der Repräsentation:

Ist das Unternehmen semantisch klar genug, um korrekt rekonstruiert zu werden?

03 — Stack

Der SBA ai Stack

SBA ai ist kein einzelner Prompt, kein Report, kein Content-Workflow — sondern ein strukturierter Stack, der Markenstrategie in messbare semantische Architektur übersetzt. Fünf Module, ein Kreislauf. Und ja: tatsächlich gebaut.

01TranslateStrategie wird zu Heart / Hull / Halo — und zu Query-Umgebungen

Zuerst zerlege ich Unternehmens-, Marken- und Positionierungsstrategie in drei Bedeutungsebenen: Heart (der unverhandelbare Kern), Hull (funktionale Differenzierung — Leistung, Use Cases, Belege) und Halo (die legitime kulturelle Erweiterung). Parallel definiere ich die relevanten Query- und Prompt-Umgebungen: keine SEO-Keywords, sondern semantische Sonden in Entscheidungskontexte, Kategorien und Wettbewerbsfelder. Zusammen ergibt das den Testraum.

Input

Unternehmensstrategie
Brand Strategy
Positionierung
Proof Points

→

Heart

Unverhandelbare Kernidentität

Hull

Funktionale Differenzierung: Leistung, Use Cases, Belege

Halo

Legitime kulturelle und atmosphärische Erweiterung

→

Output

SOLL-Statements pro Ebene, vektorisiert als Zielkoordinaten → fig. 01

02MapIst und Soll im selben Koordinatensystem

Bestehende Kommunikation wird eingebettet und als IST-Punkte kartiert; die gewünschte Position wird zum messbaren SOLL-Raum — beides im selben Koordinatensystem. Was dabei sichtbar wird, ist oft unbequem und immer nützlich: welche Themen dominieren, wo Bedeutung diffus wird, welche Wettbewerber näher liegen als gedacht — und wie weit heute von gewollt entfernt ist.

iterative Schleife · 03 ⇄ 04 · läuft, bis der Trade-off stimmt

03InterveneChunks formulieren und in der Sandbox iterieren

Hier lebt das Handwerk. Content-Bausteine werden gezielt formuliert und variiert — schärfere Kategoriesprache, stärkere Entitätssignale, bessere Beleg-Strukturen. In einer lokalen Sandbox iteriere ich die Varianten gegen das Query-Set, bis Retrievalverhalten und semantische Nähe im besten Trade-off stehen. Zu eng optimiert: unauffindbar für Nachbarfragen. Zu breit: austauschbar. Die optimierten Chunks gehen dann dorthin, wo Kontrolle wirklich existiert — auf Ihre eigenen Kanäle.

04EvaluateDistanz und Retrieval messen

Ausgangs- und transformierte Versionen vergleiche ich über eine eigene Evaluationslogik: semantische Distanz, Nähe zu Zielbedeutungen, Wettbewerbsbeziehungen, Retrievalverhalten über das Query-Set. Mathematisch nachvollziehbar — und das meine ich präzise: als Indiz, nicht als Garantie.

05InterpretMessung wird zu Entscheidungen

Die letzte Ebene ist der Grund für alle anderen. Messungen werden zu Entscheidungen — für Positionierung, Kommunikation, Content, Quellenstrategie und organisationale Evidenz. Ich messe nicht um des Messens willen.

mathematisch nachvollziehbar · strategisch interpretiert

methodik heute: offener embedding-raum (e5) · frontier-modelle als werkzeug für zielraum-modellierung und retrieval-tests — zielarchitektur: lokal betriebene, regelmäßig reindexierte open-source-sandbox, reproduzierbar und unabhängig

Worked example

Eine reale Marke habe ich einmal vollständig durch den Stack geführt — auf Basis öffentlicher Website-Daten eines nationalen Mehrwegsystem-Anbieters (hier anonymisiert). Die Zielraum-Modellierung war LLM-gestützt und strategisch validiert. Ein Befund stach heraus:

Heart 23%

Hull 23%

Halo 55%

Layer-Verteilung im Crawl: 23 % Heart · 23 % Hull · 55 % Halo — über die Hälfte dessen, was Maschinen lesen können, ist Atmosphäre. Nicht Identität, nicht Leistung.

fig. 01 — Semantische Starmap des Worked Example: Heart-Themen im Zentrum, Hull-Themen als Ring; pro Thema IST (grau) und SOLL (tanne) — die Zielbedeutung liegt jeweils weiter außen: schärfer, ausgeprägter. Schematische Koordinaten aus dem Harness.

fig. 02 — Semantische Distanz zur Zielbedeutung über sechs Interventionszyklen. Illustrative Daten.

04 — Scope of efficacy

Scope und Hebel — reden wir offen

Die meisten Tools in diesem Feld versprechen still etwas, das sie nicht liefern können: Kontrolle darüber, was KI über Sie sagt. Ich zeige Ihnen lieber genau, wo mein Einfluss real ist, wo er geteilt ist — und wo er endet. Denn diese Linie trennt nützliche Arbeit von Wunschdenken.

Stellen Sie es sich als drei Ringe vor. Je weiter außen, desto weniger kontrolliert irgendjemand — und desto mehr wird die Arbeit zur Verbesserung von Wahrscheinlichkeiten.

01 · CORE

Hier entscheide ich.

Ihre Strategie, übersetzt in Heart, Hull und Halo und vermessen als Koordinaten im semantischen Raum. Vollständig in der Hand — der Boden, auf dem alles andere steht.

02 · REACH

Hier gestalten wir gemeinsam.

Content und eigene Kanäle: Ich entwerfe, Sie entscheiden und setzen um. Die Arbeit ist real — aber sie wirkt nur, wenn sie live geht. Dieser Ring ist eine Partnerschaft, kein Liefergegenstand.

03 · HORIZON

Hier verbessere ich die Wahrscheinlichkeit.

Ob KI-Systeme Ihre Inhalte aufnehmen und abrufen, entscheidet das Informations-Ökosystem. Konsistenz ist der Hebel, den ich ziehen kann. Der Rest liegt außerhalb jeder Kontrolle — meiner eingeschlossen. Und das sage ich lieber, als etwas anderes vorzutäuschen.

Nein, ich verspreche Ihnen nicht, zu kontrollieren, wie KI Ihre Marke sieht. Was ich anbiete, ist nützlicher als ein Versprechen: ein disziplinierter Weg, die Bedingungen dahinter zu verstehen — und sie kontinuierlich zu verbessern.

canonical: „SBA ai does not promise control over AI visibility. It creates a disciplined way to analyze and improve the semantic conditions behind it.“

05 — Wirkung

Was SBA ai ermöglicht

Semantische Repräsentation kartieren

Sehen, wie Ihre Marke, Ihr Produkt oder Ihr Unternehmen aktuell repräsentiert wird — über Kategorien, Wettbewerber, Attribute, Use Cases und Entscheidungskontexte hinweg.

Fehlausrichtung identifizieren

Sehen, wo diese Repräsentation von der Position abweicht, die Sie meinen. Das ist erfahrungsgemäß der Moment, in dem es im Raum still wird.

Strategische Distanz messen

Eine Zahl daran heften, wie weit Sie von den Kategorien, Attributen und Abgrenzungen entfernt sind, die Sie besetzen wollen.

Kommunikationsarchitektur verbessern

Genau wissen, wo Sprache, Struktur, Proof Points und Quellen klarer, konsistenter und evidenzbasierter werden müssen.

AI Visibility mit Strategie verbinden

An Dashboards und Rankings vorbei zu der Frage, die wirklich zählt: Was muss wahr, sichtbar und konsistent belegt sein, damit Maschinen Sie richtig verstehen?

06 — Kernthese

Von Sichtbarkeit zu Evidenz

Das ist die Verschiebung, die ich am längsten gebraucht habe, um sie zu sehen — und die die Arbeit am stärksten verändert. AI Visibility ist nicht primär eine Frage von Prompts, Rankings oder optimierten Seiten. Sprachmodelle rekonstruieren Unternehmen aus Evidenzmustern:

ProduktrealitätWebsite-StrukturPresseberichterstattungKundenstimmenAnalystenreferenzenResearchtechnische ArtefakteKonferenz-TalksFührungskommunikationStellenanzeigenPartnerschaftenwiederholte Kategoriesprache

Wenn diese Signale unterschiedliche Geschichten erzählen, wird Bedeutung instabil. Wenn sie einander verstärken, wird ein Unternehmen korrekt rekonstruierbar. Das ist das ganze Spiel.

In KI-vermittelten Umgebungen wird Kommunikation zu Evidenzmanagement.

07 — Anwendungen

Wo es darauf ankommt

Komplexe B2B-Technologieunternehmen

Produkte, die technisch stark, aber schwer zu kategorisieren, zu vergleichen oder zu erklären sind. Ich helfe zu klären, wie das Unternehmen verstanden werden soll — und welche Kategoriesignale Verstärkung brauchen.

KI- und Softwareunternehmen

Dichte, schnelle, unscharf definierte Kategorien. Ich verbinde technische Substanz, Marktnarrativ, Use Cases und Evidenz zu einer kohärenten semantischen Architektur.

Repositionierung

Sie sind weitergezogen; der Markt liest noch das alte Ich. Ich vermesse die Distanz zwischen aktueller Repräsentation und intendierter Position — und was sich ändern muss, um sie zu schließen.

Gründergeführte Unternehmen

Starke strategische Intuition, die noch kein nutzbares Kommunikationssystem geworden ist. Ich übersetze sie in Positionierung, Narrative, Beleg-Strukturen und marktfähige Sprache.

Agenturen und Strategieteams

Sie haben KI-Such- und Visibility-Daten; ich helfe einzuordnen, was sie für Marke, Positionierung, Content und Kommunikationsstrategie bedeuten.

08 — Matthias

Matthias Sabel

Ich arbeite an der Schnittstelle von KI-Technologie, strategischer Kommunikation und Marktinterpretation.

Als Gründer habe ich das Geschäftsmodell entwickelt und Positionierung, Kommunikationsstrategie und Umsetzung für ein venture-finanziertes Unternehmen mit siebenstelliger Seed-Finanzierung verantwortet. Danach habe ich als Senior Consultant bei Finsbury zu Positionierung, Corporate Narratives und Kommunikationsstrategie beraten.

Später kamen Führungsrollen — Senior Brand Manager, Teamlead Brand Communications, Head of Communications —, bevor ich mich auf unabhängige strategische Beratung und Interim-Mandate spezialisiert habe.

Bei Aleph Alpha habe ich an der Kommunikation während des Übergangs von Start-up-Aufmerksamkeit zu Scale-up-Erwartungen gearbeitet — einer Phase, in der Foundation-Model-Technologie, Marktnarrativ, Mediendruck, Public-Sector-Relevanz und kommerzielle Realität aufeinandertreffen.

Ich halte einen MBA und habe das Programm „Digital Transformation“ der MIT Professional Education abgeschlossen — von KI über IoT und Cloud bis Blockchain und Cybersecurity. Der aufschlussreichere Nachweis ist allerdings angewandt: SBA ai selbst — gebaut, gemessen, dokumentiert.

SBA ai ist aus diesem Weg entstanden. Es spiegelt, wie ich gern arbeite: eine strategische Annahme nehmen, in ein testbares System übersetzen, messen, was sich verändert — und das Ergebnis in bessere Entscheidungen übersetzen.

Company Building

Geschäftsmodell, Positionierung und Kommunikation für ein venture-finanziertes Unternehmen mit siebenstelligem Seed.

Strategische Kommunikation

Senior Consulting bei Finsbury: Positionierung, Corporate Narratives, Kommunikationsstrategie.

Kommunikationsführung

Senior Brand Manager, Teamlead Brand Communications, Head of Communications.

AI-Scale-up-Realität

Kommunikation bei Aleph Alpha im Übergang von Start-up-Aufmerksamkeit zu Scale-up-Erwartungen.

AI Proof-of-Work

SBA ai: Strategieübersetzung, Query-Architektur, Embeddings, semantische Distanz, Evaluationslogik.

09 — Zusammenarbeit

Unabhängige Strategiearbeit

SBA ai prägt meine Arbeit als unabhängiger Strategiepartner für Unternehmen, Agenturen und Führungsteams — zu KI, Technologie, Positionierung und Kommunikation.

KI-Strategie-Sparring
Positionierung für komplexe Technologieunternehmen
Kommunikationsstrategie für KI- und Softwareunternehmen
Semantische Marken- und AI-Visibility-Analyse
Executive Narratives und Gründerpositionierung
Evidenz- und Quellenarchitektur
Interim- oder Fractional-Kommunikationsunterstützung
Strategieworkshops für Führungsteams

zertifizierte praxis: business coach · strategy tools global coach · digital strategist (dapr)

Gespräch beginnen

10 — Essays

Öffentliches Denkarchiv

Diese Essays sind kein Trend-Kommentar. Sie dokumentieren, wie sich mein Denken entwickelt — über KI-Systeme, semantische Experimente und strategische Fragen. Ich veröffentliche sie, weil Zeigen mehr überzeugt als Behaupten. (Essays auf Englisch.)

Alle Essays auf Medium lesen ↗

11 — Kontakt

Sprechen wir über KI, Bedeutung und Strategie

Für Advisory, Interim-Arbeit, strategisches Sparring oder Projekte an der Schnittstelle von KI, Kommunikation und Positionierung. Kein Pitch-Deck nötig — eine gute Frage reicht für den Anfang.

matthias@sba-ai.io Medium LinkedIn München

Matthias kontaktieren