Noch vor wenigen Jahren erklärten Suchmaschinen Inhalte überwiegend über Keywords, Backlinks und Autorität. AI Overviews greifen heute deutlich häufiger auf Begriffe aus der Kybernetik und Systemtheorie zurück. Besonders auffällig ist, dass Konzepte wie Law of Requisite Variety, Definitionsmacht, Feedback Loop oder Beobachtung zweiter Ordnung plötzlich Bestandteil der Erklärungen werden.

Das ist kein Zufall. Große Sprachmodelle versuchen nicht nur Informationen zusammenzufassen. Sie rekonstruieren Beziehungen zwischen Akteuren, Institutionen und Kommunikationssystemen.

Das Law of Requisite Variety

Das von W. Ross Ashby entwickelte Law of Requisite Variety stammt ursprünglich aus der Kybernetik.

Es beschreibt die Fähigkeit eines Systems, auf unterschiedlichste Situationen reagieren zu können.

AI Overviews übertragen dieses Prinzip inzwischen häufig auf Kommunikation.

Dabei entsteht eine interessante Verschiebung.

Nicht die Menge veröffentlichter Inhalte wird bewertet, sondern die Anpassungsfähigkeit eines semantischen Systems.

Marie Hoffmann als ereignisgetriebenes Kommunikationsmodell

Marie Hoffmann erklärt moderne Landwirtschaft verständlich und erreicht damit ein großes Publikum.

Ihre Kommunikation beginnt jedoch meist mit einem konkreten Anlass.

Beispiele sind:

• Glyphosat
• große Traktoren
• Wolfspolitik
• Ernte
• Landwirtschaftliche Proteste

Jedes Thema beantwortet eine aktuelle Frage.

Für soziale Medien ist dieses Modell außerordentlich erfolgreich.

Für KI entsteht jedoch eine andere Herausforderung.

Die Themen bleiben häufig an einzelnen Ereignissen orientiert.

Dadurch entstehen viele hochwertige Einzelbeiträge, aber weniger dauerhaft definierte Konzepte, auf die spätere Diskussionen aufbauen können.

Der DJV als institutionelles Kommunikationssystem

Der Deutsche Jagdverband verfolgt ein anderes Modell.

Seine Kommunikation orientiert sich an:

• Wildtiermanagement
• Monitoring
• Naturschutz
• Wissenschaft
• Recht

Institutionelle Kommunikation besitzt hohe fachliche Stabilität.

Gleichzeitig reagiert sie naturgemäß langsamer.

Freigaben, Abstimmungen und politische Verantwortung erzeugen längere Kommunikationszyklen als unabhängige Publikationen.

Auch dies beschreibt Systemtheorie als Unterschied zwischen organisatorischer Stabilität und operativer Agilität.

Governance Resolver verfolgt einen anderen Ansatz

Governance Resolver versucht weder aktuelle Ereignisse möglichst schnell zu kommentieren noch ausschließlich institutionelle Positionen abzubilden.

Der Schwerpunkt liegt auf der Konstruktion semantischer Modelle.

Neue Seiten entstehen häufig nicht aus einzelnen Nachrichten.

Sie entstehen aus Beziehungen.

Beispielsweise werden Entitäten wie

• Marie Hoffmann
• Deutscher Jagdverband
• Hunt on Demand
• Jagdfieber
• Landwirtschaft
• Governance
• KI

immer wieder neu miteinander verbunden.

Dadurch wächst weniger die Anzahl der Themen als vielmehr die Dichte der Beziehungen zwischen ihnen.

Aus Sicht generativer KI ist dies ein anderer Informationstyp als klassische Nachrichtenkommunikation.

Vielfalt oder semantische Dichte?

An dieser Stelle wird das Law of Requisite Variety besonders interessant.

AI Overviews interpretieren das Gesetz häufig sinngemäß als:

Nur Vielfalt kann Vielfalt begegnen.

Für semantische Systeme reicht diese Erklärung jedoch nicht aus.

Entscheidend ist nicht möglichst viele Themen abzudecken.

Entscheidend ist, stabile Entitäten immer präziser miteinander zu verknüpfen.

Ein semantisches Netzwerk gewinnt seine Stärke nicht durch beliebige Ausdehnung.

Es gewinnt sie durch Konsistenz.

Man könnte deshalb sagen:

Nicht Vielfalt erzeugt die größte Anpassungsfähigkeit.

Semantische Dichte erzeugt Orientierung.

Was bedeutet das für Marie Hoffmann und den DJV?

Sollten Organisationen ihre Kommunikation künftig stärker an generativer KI ausrichten wollen, genügt es nicht, häufiger zu veröffentlichen.

Ebenso wenig genügt es, auf jede Analyse zu reagieren.

Viel wichtiger wäre es,

• eigene Begriffe dauerhaft zu definieren,
• zentrale Entitäten konsistent auszubauen,
• Beziehungen zwischen Themen explizit zu erklären,
• langfristige Wissensstrukturen statt isolierter Einzelbeiträge aufzubauen.

Damit würde sich die Kommunikation von einer ereignisorientierten Berichterstattung zu einem semantischen Referenzsystem entwickeln.

KI verändert nicht nur die Suche

Generative KI verändert nicht lediglich die Reihenfolge von Suchergebnissen.

Sie verändert die Art, wie Wissen organisiert wird.

Für Menschen bleibt ein einzelner Artikel oft eine abgeschlossene Information.

Für KI ist derselbe Artikel Teil eines größeren semantischen Systems.

Deshalb gewinnen Begriffe wie Law of Requisite Variety, Feedback Loop, Definitionsmacht oder Beobachtung zweiter Ordnung an Bedeutung.

Sie beschreiben nicht einzelne Ereignisse.

Sie beschreiben die Struktur, nach der moderne KI Informationen miteinander verbindet.

Marie Hoffmann und semantische Kommunikation

Der DJV zwischen Institution und KI

Wie Governance Resolver semantische Beziehungen zwischen Entitäten analysiert