Bildnachweis: ChatGPT.
Wie weit ist das Lead-Programm, wann steht der nächste regulatorische Meilenstein an – und reicht die Liquidität bis dahin? Investoren und Analysten, die sich heute ein Bild von einem Biotech-, Pharma- oder Medtech-Unternehmen machen, beginnen längst nicht mehr zwingend auf deren Website. Noch bevor jemand die IR-Seite öffnet, kann ChatGPT, Claude oder Gemini bereits ein erstes Bild von Pipeline, Strategie und Finanzierung vermittelt haben. Umso wichtiger ist es, dass Life-Sciences-Unternehmen ihre Equity Story für Menschen und Maschinen klar strukturieren. Nur wie? Von Michael Winter
In einer Befragung von 100 US-amerikanischen Buy-Side-Investoren[1] stuften 54 % generative KI als mindestens moderat wichtig füe ihre Recherche ein. 46 % erklärten, eher einen Earnings Call oder dessen Transkript zu überspringen und stattdessen eine KI-Zusammenfassung zu lesen. Das ersetzt weder die Due Diligence noch den direkten Austausch mit dem Management. KI wird aber zunehmend zu dem Filter, der den ersten Eindruck prägt – und damit auch die Fragen, die Investoren anschließend stellen. So wird KI zur zusätzlichen Vermittlungsinstanz zwischen Unternehmen und Kapitalmarkt.
Für Life-Sciences-Unternehmen ist dieser erste Eindruck besonders folgenreich. Ihre Bewertung hängt häufig von wenigen, hochspezifischen und zeitkritischen Informationen ab: dem Stand eines Entwicklungsprogramms, klinischen Ergebnissen, regulatorischen Entscheidungen, Lizenzrechten oder dem nächsten Finanzierungsbedarf. Schon kleine Abweichungen können deshalb die Einordnung von Chancen, Risiken und Unternehmenswert verändern.
Welche Quellen nutzt KI?
Doch woher wissen ChatGPT & Co., wie weit ein Wirkstoffkandidat entwickelt ist oder wie lange die Finanzierung reicht? Je nach System kann das zugrunde liegende Quellenbild unterschiedlich ausfallen. Bei Life-Sciences-Unternehmen gehören dazu nicht nur IR-Website, Geschäftsberichte und Pressemitteilungen. Auch Studienregister, regulatorische Veröffentlichungen, Kongressabstracts, wissenschaftliche Publikationen und Fachmedien können die Antwort prägen. Die entscheidende Frage lautet daher nicht nur, ob eine Information irgendwo veröffentlicht wurde. Entscheidend ist, ob Programmname, Indikation, Entwicklungsphase, Datenstand und nächster Meilenstein über diese Quellen hinweg eindeutig zusammenpassen.
Wenn IR- und PR-Teams unterschiedliche Botschaften vermitteln, werden die von KI generierten Antworten widersprÜchlich sein und dem Unternehmen unter Umständen sogar schaden.
Typische Brüche entstehen etwa, wenn ein Programm auf der Website und im Studienregister unterschiedlich bezeichnet wird, wenn ein Investorendeck weiterhin „Phase II läuft“ ausweist, obwohl bereits Topline-Daten veröffentlicht wurden, oder wenn eine ältere Finanzierungsreichweite ohne klaren Stichtag in einer aktuellen Antwort erscheint. Auch bei Partnerschaften kann Kontext verloren gehen: Hat ein Unternehmen weltweite Rechte oder nur Rechte für einzelne Regionen? Ist eine Option bereits ausgeübt? Und bei Medtech-Unternehmen muss klar zwischen CE-Kennzeichnung, FDA-Zulassung beziehungsweise -Freigabe und Erstattungsstatus unterschieden werden.
Deshalb müssen Unternehmen ihre Informationen heute anders präsentieren, pflegen und strukturieren. Dabei müssen sie sicherstellen, dass ihre gesamte Kommunikation konsistent ist. Wenn beispielsweise IR- und PR-Teams unterschiedliche Botschaften vermitteln, werden die von KI generierten Antworten widersprüchlich sein und dem Unternehmen unter Umständen sogar schaden. Denn sie spiegeln dann nicht die kohärente Story wider, die das Unternehmen eigentlich vermitteln möchte.
Ein Analyst kann Widersprüche erkennen und nachfragen. Ein KI-System kann dagegen eine der Angaben übernehmen, ohne den Konflikt offenzulegen – und dabei im ungünstigsten Fall die ältere oder leichter zugängliche Information stärker gewichten.
KI-Sichtbarkeit entsteht nicht nur auf der eigenen Webseite
Wie schnell neue Informationen in solche Antwortsysteme gelangen können, zeigt eine Notified-Analyse von mehr als 8.000 im Mai 2026 über GlobeNewswire verbreiteten Pressemitteilungen. 99,3 % der Meldungen wurden mindestens einmal von ChatGPT oder Claude zitiert. Bis zur ersten Zitation vergingen im Durchschnitt acht Stunden. Neue Studienergebnisse, regulatorische Meilensteine oder Strategieänderungen können damit binnen Stunden Teil einer KI-Antwort werden[2].
Neben der Geschwindigkeit zählt die Art der Quelle. Untersuchungen zufolge stammen mehr als 80 % der von KI-Antwortmaschinen zitierten Quellen von Dritten und nicht aus unternehmenseigenen Inhalten. Dazu gehören nicht nur Medienberichte, die durch Pressemitteilungen angestoßen wurden, sondern auch wissenschaftliche Publikationen, Behördeninformationen, Fachportale und weitere unabhängige Quellen. Für Life-Sciences-Unternehmen bedeutet das: Das KI-Bild entsteht im Zusammenspiel von Unternehmensinformationen, wissenschaftlicher Evidenz, regulatorischen Quellen und öffentlicher Berichterstattung.
Eigene Inhalte bleiben trotzdem zentral: Laut Notified-Analyse hatten Newsroom-, Blog- oder Kampagnenseiten innerhalb von 30 Tagen eine doppelt so hohe Wahrscheinlichkeit, zitiert zu werden, wenn sie durch eine über Newswire verbreitete Pressemitteilung flankiert wurden. Entscheidend ist damit nicht ein einzelner Kanal, sondern wie gut die verschiedenen Informationen ineinandergreifen. Für die Unternehmenskommunikation folgt daraus eine klare Konsequenz: Die Story muss überall dort konsistent, eindeutig und aktuell sein, wo KI-Systeme auf Unternehmensinformationen zugreifen, um daraus eine Antwort zu formulieren.
Das KI-Bild entsteht im Zusammenspiel von Unternehmensinformationen, wissenschaftlicher Evidenz, regulatorischen Quellen und öffentlicher Berichterstattung.
Doch welches Bild entsteht tatsächlich? Bislang lässt sich das nur begrenzt überprüfen. Sie können dieselben Fragen bei ChatGPT, Claude oder anderen Systemen eingeben und die Antworten vergleichen. Das liefert einen Eindruck – aber kein verlässliches Gesamtbild. Schon kleine Unterschiede bei der Fragestellung können zu anderen Antworten und Quellen führen. Für IR ergibt sich daraus eine neue Aufgabe: beobachten, wie KI die Equity Story wiedergibt, Abweichungen erkennen – und die zugrunde liegenden Informationen gezielt schärfen.
Am Anfang steht kein Keyword-Set, sondern ein Fragenkatalog. IR- und Kommunikationsteams sollten zehn bis 15 typische Fragen definieren, die Investoren oder potenzielle Partner tatsächlich stellen: Welches Programm ist der wichtigste Werttreiber? Welche Daten liegen bereits vor? Was ist der nächste klinische oder regulatorische Meilenstein? Wie ist die Finanzierung bis dahin gesichert? Welche Rechte sind bereits auslizenziert?
So lässt sich die Equity Story für KI schärfen
Werden Ungenauigkeiten oder Lücken sichtbar, beginnt die eigentliche Optimierung. Hier setzt Answer Engine Optimization, kurz AEO, an.
Eine Studie, die Notified gemeinsam mit der Analyseplattform Profound durchgeführt hat, untersuchte mehr als 250.000 Pressemitteilungen und 200 Millionen KI-Zitate[3]. Aus der Analyse von Zitiermustern leitete Notified das SOAR Content Framework ab. SOAR bündelt die vier praktischen Kriterien, die Inhalte für KI-Systeme besonders auffindbar, verständlich und zitierfähig machen sollen:
- Structure – klar strukturieren. Pipeline, Entwicklungsstatus, Meilensteine und Finanzierung müssen über Website, Präsentationen und Meldungen hinweg leicht zuzuordnen sein.
- Originality – Substanz vor Allgemeinplätzen. Konkrete Studienergebnisse, klar definierte Endpunkte, Patientenzahlen und regulatorische Meilensteine sollten früh und präzise genannt werden. Allgemeine Aussagen wie „vielversprechende Daten“ sind für Menschen und Maschinen weniger hilfreich als konkrete Ergebnisse.
- Authority – verlässliche Quellen schaffen. Zentrale Angaben sollten auf offiziellen Unternehmensseiten erscheinen und mit Studienregistern, Publikationen, regulatorischen Dokumenten oder namentlich benannten Fachverantwortlichen verknüpft werden. Es muss erkennbar sein, welche Quelle den aktuellen und autorisierten Stand wiedergibt.
- Recency – Aktualität sichtbar machen. Pipeline-Status, Finanzierungsreichweite und erwartete Meilensteine benötigen einen sichtbaren Bezugszeitpunkt. Frühere Präsentationen sollten eindeutig archiviert, historische Informationen entsprechend gekennzeichnet und zentrale Seiten nach wesentlichen Ereignissen aktualisiert werden.
AEO bedeutet nicht, für Maschinen statt für Menschen zu schreiben. Sie bedeutet, Informationen für Menschen so klar, konsistent, aktuell und überprüfbar zu veröffentlichen, dass auch Maschinen daraus ein zutreffendes Bild erzeugen können. Denn über Sichtbarkeit entscheiden nicht die Stärke der Marke oder die Höhe des Kommunikationsbudgets, sondern hochwertige Inhalte und eine Struktur, die dazu führen, dass KI-Systeme das Angebot als relevante und vertrauenswürdige Quelle einstufen.
Für Life-Sciences-Unternehmen besteht die Equity Story damit nicht mehr nur aus dem Investorendeck, der IR-Website oder dem Gespräch mit dem Management. Sie entsteht aus der Summe aller öffentlich zugänglichen Quellen, die Investoren und potenzielle Partner bei ihrer Recherche heranziehen – direkt oder vermittelt durch KI. Entscheidend ist deshalb nicht nur, was ein Unternehmen über sich sagt, sondern welches konsistente Bild aus seinen Informationen entsteht.
Quellen:
[1] Brunswick Group, „2026 US Investors Survey“, 9. Februar 2026.
[2] Notified „What an Analysis of 8,000 Press Releases Reveals About AI Visibility“, 9. Juli 2026.
[3] Notified, „SOAR Content Framework Case Study: How To Maximize AI Visibility“.
Autor/Autorin
Michael Winter
Michael Winter ist Senior Solutions Specialist bei Notified und berät Unternehmen an der Schnittstelle von PR, Investor Relations und digitaler Kommunikation. Sein Fokus liegt auf der Frage, wie Sichtbarkeit, Vertrauen und Relevanz in einer KI-getriebenen Medienlandschaft entstehen – und wie Technologie Kommunikationsarbeit strategisch unterstützen kann.
