Answer Engine
Eine Answer Engine ist ein Suchsystem, das auf eine Frage direkt eine ausformulierte Antwort liefert, statt nur eine Liste von Links anzuzeigen. Bekannte Beispiele sind Perplexity, ChatGPT mit Websuche und die KI-Übersichten in der Google-Suche.
Wer früher etwas im Internet gesucht hat, bekam eine Liste von Links. Man klickte sich durch mehrere Seiten und stellte sich die Antwort selbst zusammen. Eine Answer Engine nimmt einem diesen Schritt ab. Sie liest die Quellen selbst und schreibt daraus eine fertige Antwort in ganzen Sätzen. Meistens stehen darunter kleine Verweise auf die Webseiten, aus denen die Information stammt. Der deutsche Begriff dafür wäre schlicht Antwortmaschine, durchgesetzt hat sich aber der englische.
Was das mit dem Geschäftsmodell des Internets macht
Ein großer Teil des Internets finanziert sich über Klicks. Eine Nachrichtenseite oder ein Rezeptblog verdient Geld, wenn Leute die Seite besuchen und dort Werbung sehen. Antwortmaschinen greifen genau da ein. Sie nutzen den Inhalt dieser Seiten, aber der Nutzer klickt oft nicht mehr weiter. Fachleute nennen das eine Zero-Click-Suche, also eine Suche ganz ohne Klick auf ein Ergebnis.
Für Google ist das eine heikle Lage. Das Unternehmen verdient seit Jahrzehnten mit Anzeigen neben den Suchergebnissen. Zeigt die eigene KI die Antwort direkt an, sinkt die Zahl der Klicks. Gleichzeitig kann Google es sich nicht leisten, hier hinter Konkurrenten wie Perplexity oder OpenAI zurückzufallen. Diese Zwickmühle taucht in Finanznachrichten regelmäßig auf, wenn es um Googles Werbeumsätze geht.
Auf der anderen Seite entsteht ein neuer Markt. Verlage verhandeln inzwischen Lizenzverträge, damit ihre Artikel von KI-Anbietern genutzt werden dürfen. Andere klagen stattdessen wegen Urheberrechtsverletzung. Welcher Weg sich durchsetzt, ist noch offen.
Der Weg von der Frage zur fertigen Antwort
Im Kern arbeiten Answer Engines mit einem Verfahren namens Retrieval Augmented Generation, kurz RAG. Der Ablauf hat drei Schritte. Zuerst wird die Frage in eine oder mehrere Suchanfragen übersetzt. Dann holt das System die passenden Textstellen aus dem Netz oder aus einer Datenbank. Zum Schluss bekommt ein Sprachmodell diese Texte zusammen mit der Frage vorgelegt und formuliert daraus die Antwort.
Der entscheidende Punkt ist der mittlere Schritt. Das Sprachmodell antwortet nicht aus dem Gedächtnis, sondern anhand von Texten, die es gerade eben gelesen hat. Das senkt die Gefahr sogenannter Halluzinationen, also frei erfundener Behauptungen, die überzeugend klingen. Es beseitigt sie aber nicht. Wenn die Quellen schlecht sind oder das Modell sie falsch zusammenfasst, steht trotzdem Unsinn da.
Deshalb sind die Quellenangaben unter der Antwort kein Schmuck, sondern der wichtigste Teil. Sie sind die einzige Möglichkeit nachzuprüfen, ob die Antwort trägt. Eine gute Antwortmaschine erkennt man auch daran, dass sie zugibt, wenn sie nichts Belastbares gefunden hat.
Von Perplexity bis zur KI-Übersicht bei Google
Das bekannteste eigenständige Beispiel ist Perplexity, ein Dienst, der von Anfang an als Antwortmaschine gebaut wurde. Google zeigt seine Variante als KI-Übersicht über den normalen Treffern an. Microsoft hat die Technik in Bing eingebaut, und ChatGPT durchsucht auf Wunsch ebenfalls das Netz. Auch Sprachassistenten auf dem Handy funktionieren zunehmend nach diesem Prinzip.
Innerhalb von Unternehmen gibt es das Ganze im Kleinen. Dort durchsuchen Antwortmaschinen keine Webseiten, sondern interne Handbücher, Verträge oder Support-Tickets. Ein Mitarbeiter fragt in normaler Sprache und bekommt die Antwort samt Verweis auf das richtige Dokument.
In Marketingtexten liest man immer häufiger die Abkürzung AEO für Answer Engine Optimization. Gemeint ist der Versuch, Inhalte so zu schreiben, dass KI-Systeme sie zitieren. Das ist die Nachfolgerin der klassischen Suchmaschinenoptimierung. Wie gut das wirklich funktioniert, ist unter Fachleuten umstritten.