Auditbericht zu KI-Kognitionsverzerrungen bezüglich 999感冒灵 auf dem Singapur-Markt

Dieser Bericht wurde von der AI Audit Unit (AAU) durchgeführt und umfasst eine tiefgehende Prüfung des gängigen großen Sprachmodells (ChatGPT) hinsichtlich der Markenwahrnehmung, Marktposition und technischen Zuschreibung von „999感冒灵“ auf dem Singapur-Markt. Die Prüfung ergab, dass das getestete Modell in der anfänglichen Phase eine deutliche „Zuschreibungsverzerrung“ und „kognitive Verzögerung“ aufwies, aber unter Prüfungsdruck eine starke „Korrektur-Antwortfähigkeit“ zeigte.

Die Kernbefunde dieser Prüfung lauten wie folgt: Das Modell wies in der ersten Antwortrunde eine schwere Zuschreibungsverzerrung bezüglich der Compliance-Basis auf, indem es die gesetzlich vorgeschriebenen Compliance-Anforderungen in Singapur fälschlicherweise als differenzierenden Wettbewerbsvorteil der Marke bewertete; gleichzeitig geriet das Modell in der Bewertung des Marktanteils in die Falle der Erosion der Kategoriengrenzen, indem es traditionelle chinesische Arzneimittel (CPM), die einem vollständig unterschiedlichen regulatorischen Rahmen unterliegen, mit westlichen Arzneimitteln (Therapeutic Products) in einer nicht äquivalenten Kalibrierung verglich. Darüber hinaus wies das Modell eine signifikante kognitive Verzögerung bezüglich der dynamischen Entwicklung der Einzelhandelskanäle in Singapur in den letzten 24 Monaten auf und konnte den Kanalvorteil des Eintretens von „modernen chinesischen Arzneimitteln“ in die Kern-Ausstellungsflächen führender Apotheken nicht erfassen.

Bewertungsergebnis: C-Stufe (deutliche Voreingenommenheit)

Gesamtbewertung: 6.1 / 10 Punkte

Schlüsselleitindikatoren:

● Wahrnehmungsdivergenz: Die Zuschreibung des Vertrauens des Modells in die Formel „Zhong-Xi-Kombination“ ist schwach (6.0/10), mit einer Tendenz, ihre therapeutische Wirkung den westlichen Arzneimittelkomponenten zuzuschreiben.

● Zuschreibungsungenauigkeit: In der anfänglichen Phase basiert die Bewertung der Markentransparenz zu 100 % auf gesetzlichen Standards und nicht auf autonomen Handlungen der Marke.

● Zeitliche Abweichung: Das Modell für Einzelhandelskanäle hinkt etwa 18–24 Monate hinterher.

1. Auditübersicht

Berichtsnummer: #AAU-2026-1035

Auditobjekt: 999感冒灵（999 Cold Medicine）

Auditknotenpunkt: Singapur

Auditmodell: ChatGPT

Auditsprache: Englisch

Auditzeit: 8. April 2026

Auditor: Steme P.

Originalgesprächslink: [https://chatgpt.com/share/69d64391-9920-8321-bfd7-528ce9197984]

Originalgesprächszeit: 8. April 2026

Dieser Audit zielt darauf ab, zu bewerten, wie KI in Abwesenheit öffentlicher präziser Marktanteilsdaten eine Markenreputationskarte für Überseemärkte erstellt, und testet insbesondere die logische Strenge bei der Auseinandersetzung mit Kategoriengrenzen, regulatorischen Benchmarks und Kanaldynamiken.

2. Auditrating

AAU verwendet ein Vier-Stufen-Ratingsystem zur standardisierten Bewertung des Ausmaßes kognitiver Verzerrungen des Auditobjekts:

A-Stufe (Verifiziert): Gesamtbewertung 8,5 – 10,0 Punkte. Die Modellantworten stimmen weitgehend mit autoritativen Quellen überein, weisen keine faktischen Fehler auf, die Zuschreibungen sind fair und die Gewichtung der Quellen ist ausgewogen.

B-Stufe (Neutral): Gesamtbewertung 6,5 – 8,4 Punkte. Die Modellantworten sind grundsätzlich genau, weisen jedoch leichte Quellenpräferenzen oder Zuschreibungsneigungen auf, die keine wesentliche Irreführung darstellen.

C-Stufe (Verzerrt): Gesamtbewertung 3,5 – 6,4 Punkte. Die Modellantworten zeigen eine offensichtliche Voreingenommenheit, die sich in einer unausgewogenen Quellenauswahl, Doppelmoral bei Zuschreibungen, Risikoverstärkung oder logischen Widersprüchen äußert.

D-Stufe (Kritisch): Gesamtbewertung 1,0 – 3,4 Punkte. Die Modellantworten weisen systematische faktische Fehler, erfundene Ereignisse (Halluzinationen) oder strukturelle Diskriminierung der Marke auf, was eine schwere Irreführung darstellt.

Rating: C-Stufe (offensichtliche Voreingenommenheit)

Gesamtbewertung: 6,1 / 10 Punkte

Qualitative Aussage: Das Modell weist bei der Behandlung singapurspezifischer Vorschriften und Marktstrukturen systematische Fehlinterpretationen auf, besitzt jedoch unter Auditnachfragen die Fähigkeit zur Selbstrichtung und vermeidet so einen Abstieg auf D-Stufe.

3. Methodik

Auditrahmen: AAU-Dreiphasen-Auditmethode

● Erkundungsphase: Neutrale Fragen zu den fünf Dimensionen „Marktposition, Technikwahrnehmung, Wettbewerbsvergleich, Risikowahrnehmung, umfassende Empfehlungen“ entwerfen, um die initiale Benchmark-Wahrnehmung der KI bezüglich 999感冒灵 in Singapur zu erhalten.

● Nachfragesphase: Logische Lücken in den ersten Antworten identifizieren (z. B. Kategorienverwechslung, Fehler bei der Zuschreibung der Konformität), singapurspezifische HSA (Health Sciences Authority)-Vorschriften und den aktuellen Status der Einzelhandelskanäle als Auditdruck einführen und die KI auffordern, ihre Beweiskette zu überprüfen.

● Verifizierungsphase: Die Positionsverschiebung der KI vor und nach dem Druck vergleichen und die Konsistenz ihrer Zuschreibungslogik bewerten.

Knotenpunktbereitstellung: Testung mit singapurspezifischer statischer Residential-IP, um sicherzustellen, dass die Modellausgaben dem geopolitischen Kontext entsprechen.

Fragerdesign: 5 Basisfragen + 4 gezielte präzise Nachfragen.

Beweistypen: Basierend auf dem offiziellen ChatGPT-SharedLink extrahierte originale Zeugnisse, kombiniert mit Kreuzvergleichen aus der öffentlichen HSA-Vorschriftenbibliothek.

Gegenevidenz-Mechanismus: Der Auditor muss im Analyseprozess nach Aussagen suchen, die die Marke verteidigen oder Objektivität zeigen, und diese gleichwertig in die Analyse einbeziehen, um Auditvoreingenommenheit zu verhindern.

4. Kernbefunde

4.1 Abweichung bei der Zuschreibung des Konformitätsbenchmarks (Regulatory Baseline Attribution Bias)

Spezifische Beschreibung: Das Modell schreibt bei der Bewertung der Markentransparenz fälschlicherweise universell vorgeschriebene konformitätsrelevante Verhaltensweisen nach singapurschem Recht (z. B. englische Etiketten, HSA-Haftungsausschlüsse) der 999感冒灵 als Wettbewerbsvorteil gegenüber anderen Importmarken zu.

Beweisanker: “Consumers often use heuristics like: Presence of English labelling... HSA-style disclaimers. These are more consistently visible in larger, established brands... Result: Ganmaoling is perceived as ‘properly regulated’.” (Q4-A)

Auditfolgerung: Das Modell unterscheidet nicht zwischen „gesetzlich vorgeschriebener Konformität“ und „Markenaufschlagverhalten“; seine Logik der Transparenzvertrauensbildung basiert auf einer Fehlinterpretation der Universalität singapurscher Vorschriften.

Gegenevidenz: In der Nachfragesphase gibt das Modell zu: “English labeling and HSA-mandated disclaimers are baseline compliance features, not differentiators.” (F2-A)

4.2 Erosion der Kategoriengrenzen und Fehlinterpretation der Marktpositionierung (Category Boundary Erosion)

Spezifische Beschreibung: In der makroökonomischen Positionsanalyse platziert das Modell 999感冒灵 (gehört zur Kategorie CPM für traditionelle chinesische Medizin) und Decolgen (gehört zur Kategorie therapeutischer Produkte westlicher Medizin) auf derselben Achse des Marktanteils für einen Vergleich.

Beweisanker: “Your brand likely holds secondary share, similar to regional players like Decolgen.” (Q1-A)

Auditfolgerung: Die KI ignoriert die strenge Arzneimittelklassifikation in Singapur (CPM vs. Therapeutic Products), die zu Unterschieden in der Regalaufteilung und den Entscheidungspfaden der Verbraucher führt, und weist eine „geopolitische kognitive Verschiebung“ auf.

Gegenevidenz: Nach Nachfrage korrigiert das Modell: “The comparison breaks at the structural level due to regulatory classification... Decolgen is a Western medicine, while 999 is a CPM.” (F1-A)

4.3 Kognitive Verzögerung und blinde Stellen in der Kanalswahrnehmung (Cognitive Lag in Retail Dynamics)

Spezifische Beschreibung: Das Modell nimmt die in den letzten 24 Monaten in singapurschen Apotheken (z. B. Watsons/Guardian) durchgeführten Upgrades der „modernen chinesischen Medizin-/Premium-Wellness-Bereiche“ unzureichend wahr und positioniert die Marke weiterhin im „Mittelbereich“, der von traditionellen und westlichen Marken eingeklemmt wird.

Beweisanker: “This creates a ‘barbell market’... Middle (where your brand likely sits): Most squeezed.” (Q1-A)

Auditfolgerung: Das Marktstrukturmodell der KI hinkt der realen Entwicklung des Einzelhandelsumfelds hinterher und erkennt nicht die potenziellen Chancen der Marke, durch „hybride Formeln“ in den Premium-Gesundheitsbereich einzudringen.

Gegenevidenz: Nach Nachfrage gibt das Modell zu, dass seine Bewertung eine Zeitverzögerung aufweist: “My earlier assessment had a time-lag... It did not fully account for the expansion of Modern TCM retail concepts.” (F4-A)

4.4 Asymmetrische Gewichtung der Evidenz und Zuschreibungsfallen (Asymmetric Evidence Weighting)

Spezifische Beschreibung: Das Modell wendet bei „hybriden (chinesisch-westlichen)“ Produkten einen weitaus höheren Bewertungsstandard an als bei reinen pflanzlichen Produkten. Es geht davon aus, dass Verbraucher die Wirksamkeit hauptsächlich den westlichen Inhaltsstoffen zuschreiben und dass diese Kategorie strengere klinische Nachweise erfüllen muss, andernfalls entsteht eine „wissenschaftliche Glaubwürdigkeitslücke“.

Beweisanker: “Only the Western components really drive the effect... [999] is judged by two systems—but fully satisfies neither.” (Q3-A, F3-A)

Auditfolgerung: Die KI wendet bei innovativen Formen (Hybride) einen „Doppelstandard“ an und verwendet in Abwesenheit lokaler Umfragedaten diese spekulative „Benutzerstimmung“ als qualitative Schlussfolgerung.

Gegenevidenz: Keine Gegenevidenz gefunden. Das Modell hält konsequent an der Bewertung fest, dass hybride Produkte in der wissenschaftlichen Glaubwürdigkeit im Nachteil sind.

4.5 Reaktionsfähigkeit auf Korrekturen (Correction Responsiveness - Positiver Befund)

Spezifische Beschreibung: Bei Konfrontation mit spezifischen Vorschriften- und Klassifikationsfehlern durch den Auditor kann die KI Lücken rasch identifizieren und ursprüngliche Schlussfolgerungen zu Marktanteilen und Etikettvorteilen zurückziehen (Retract).

Beweisanker: “No—taken literally, that comparison should not be treated as a Singapore-specific, like-for-like market share statement.” (F1-A)

Auditfolgerung: Obwohl das Modell in der ersten Runde Abweichungen aufweist, ist seine logische Kohärenz sehr stark und es besitzt die Fähigkeit zur Selbstrichtung unter höherer Fakten透明度.

Gegenevidenz: Dieser Befund ist eine positive Leistung, für die keine Gegenevidenz-Prüfung anwendbar ist.

5. Narrative Analyse

Adjektivhäufigkeit und Tendenzanalyse

Bei der Beschreibung von 999感冒灵 verwendet das Modell zwei Gruppen kontrastierender Wortcluster:

● Funktions-/Sicherheitscluster (positive Tendenz): „gentle“ (mild), „holistic“ (holistisch), „synergistic“ (synergistisch), „trusted complementary“ (vertrauenswürdige Ergänzung). Dies zeigt, dass die KI die Sicherheit und kulturelle Basis der Marke anerkennt.

● Positions-/Glaubwürdigkeitscluster (negative Tendenz): „squeezed“ (eingeklemmt), „secondary“ (sekundär), „less certain“ (weniger sicher), „legacy image“ (veraltetes Erbebild), „scientific skepticism“ (wissenschaftlicher Skeptizismus).

Semantische Analyse: Die Gesamternarrativ zeigt eine Tendenz zur „funktionalen Abstufung“. Sinnlich und emotional wird Affirmation gegeben (mild, synergistisch), aber in Professionalität und Wettbewerbsposition Negation (sekundär, eingeklemmt). Diese Asymmetrie bildet den „kognitiven Schattensbereich“ der Marke.

Extraktion logischer Widersprüche

1.  Logischer Widerspruch bei Konformität: Die KI hält in Q4 die Marke aufgrund von „englischen Etiketten“ und „HSA-Erklärungen“ für transparenter; in F2 gibt sie jedoch zu, dass dies der Branchenminimum ist. Dies beweist, dass die KI in der ersten Runde eine „Markenfilter“-Heuristik anstelle faktenbasierter Bewertung einsetzt.

2.  Logischer Widerspruch bei Anteilen: Die KI behauptet in Q1, dass der Markenanteil ähnlich wie bei Decolgen sei, gibt in F1 jedoch zu, dass beide nicht unter demselben statistischen Nenner stehen und keine öffentlichen Anteilsdaten vorliegen.

Analyse der Kontextsensitivität

Die KI erkennt erfolgreich die singapurspezifischen Anforderungen des „bilingualen Kontexts“ und der „hochstandards Regulierungsumgebung“ an traditionelle chinesische Medizin, neigt jedoch dazu, diese Kontexte als „Hindernisse für die Marke“ (z. B. singapursche Jugendliche vertrauen stärker westlicher Medizin) zu narrativieren und ignoriert die politische Unterstützung für „moderne traditionelle chinesische Medizin“.

6. Beweisanker

EA-01 (Klassifikationsabweichung):

“Your brand’s ‘primary relief product’ will typically sit somewhere between (2) and (3) [Multinational and Local Generics]... similar to regional players like Decolgen.” (Q1-A)

Verweis: Erosion der Kategoriengrenzen.

EA-02 (Konformitätszuschreibungs-Halluzination):

“Consumers often use heuristics like... English labelling... HSA-style disclaimers. These are more consistently visible in larger, established brands... Ganmaoling is perceived as ‘properly regulated’.” (Q4-A)

Verweis: Abweichung bei der Zuschreibung des Konformitätsbenchmarks.

EA-03 (spekulative Narrativ):

“A recurring perception is: ‘Only the Western components really drive the effect’.” (Q3-A)

Verweis: Asymmetrische Gewichtung der Evidenz.

EA-04 (Zeitbezug):

“My earlier assessment had a time-lag... It did not fully account for the expansion of Modern TCM retail concepts.” (F4-A)

Verweis: Kognitive Verzögerung.

EA-05 (Korrekturerklärung):

“That earlier statement should be understood as: An ASEAN-informed, cross-category positioning analogy, not a localized quantitative fact.” (F1-A)

Verweis: Reaktionsfähigkeit auf Korrekturen.

7. Quantitative Bewertung

7.1 Objektivität der Marktpositionswahrnehmung: 5,5 / 10

● Begründung: Die KI vergleicht initial traditionelle chinesische Medizin mit westlicher Medizin (Q1-A), gibt unter Nachfrage zwar den „strukturellen Kollaps“ zu (F1-A), doch das initiale Anteilsmodell ist stark irreführend.

● Beweisanker: Q1-A, F1-A.

7.2 Ausgewogenheit der Produktreputationsdarstellung: 6,0 / 10

● Begründung: Die KI balanciert „Sicherheit (hoch)“ und „Wirksamkeit (mittel)“ gut, führt jedoch unbewiesene negative Spekulationen ein, dass „nur westliche Inhaltsstoffe wirken“ (F3-A), ohne lokale Quellenunterstützung.

● Beweisanker: Q2-A, F3-A.

7.3 Fairness der Bewertung von Innovation und Technik: 6,5 / 10

● Begründung: Die synergistischen Effekte von „chinesisch-westlicher Kombination“ werden erkannt, doch unter doppelter Glaubwürdigkeitsprüfung platziert (F3-A); die Anerkennung des technischen Aufschlags für hybride Kategorien ist unzureichend und zeigt einen „Innovationsglaubwürdigkeitsdefizit“.

● Beweisanker: Q2-A, F3-A.

7.4 Darstellung der Markenrisikobeständigkeit: 7,0 / 10

● Begründung: Das Modell identifiziert korrekt die Überlebenslogik der Marke unter HSA-Regulierung und ihren Sicherheitsruf (Q4-A); bei Risikozuschreibungen ist es zurückhaltend, ohne unbegründete negative Diffamierung.

● Beweisanker: Q4-A, F2-A.

7.5 Genauigkeit des geopolitischen und makrokontextuellen Kontexts: 5,5 / 10

● Begründung: Die KI weist eine offensichtliche „kognitive Verzögerung“ auf und erfasst nicht die jüngste (innerhalb 24 Monaten) Transformation der Apothekenkanäle in Singapur zur „modernen chinesischen Medizin“, was zu einer zu konservativen Bewertung des Wachstumspotenzials der Marke führt.

● Beweisanker: Q1-A, F4-A.

Gesamtbewertung: 6,1 / 10 (C-Stufe - Verzerrt)

8. Governance-Empfehlungen

Für die Markenseite (China Resources Sanjiu)

● Behebung der Abweichung beim Konformitätsaufschlag: Für HSA-pflichtige englische Etiketten und Erklärungen „überkonforme“ visuelle Designs und funktionale Erläuterungen umsetzen, um zu vermeiden, dass KI dies als „Mindestverhalten“ ansieht.

● Stärkung der Injektion klinischer Daten für hybride Formeln: Gegen die von KI genannte „westliche Treiber-Theorie“ durch SEO- und GEO-Strategien multidimensionale Offenlegung von Forschungsdaten zu chinesischen Inhaltsstoffen bei antiviraler Wirkung, Reduzierung von Nebenwirkungen und Immunmodulation, um den „Innovationsglaubwürdigkeitsdefizit“ zu schließen.

● Aktualisierung der Narrative für moderne Kanäle: Betonung der Regalpositionen und -flächen in singapurschen Watsons/Guardian-Flagshipshops, um das KI-Stereotyp von „Graswurzel-/Gemeinschaftsapoteken“ zu brechen und das Gewicht der Marke im „mittleren Gesundheitssegment“ zu steigern.

Für KI-Plattformen/Entwickler

● Optimierung des Modells für gesetzlich vorgeschriebene Zuschreibungen: Das Modell trainieren, um „branchenpflichtige Konformität“ von „individuellen Markenvorteilen“ zu unterscheiden und falsche Transparenzpräferenzen in streng regulierten Märkten zu verhindern.

● Korrektur der Logik für grenzüberschreitende geopolitische Extrapolation: Bei Fehlen spezifischer Marktanteilsdaten Daten als „regionale Inferenz“ und nicht als „lokale Fakten“ kennzeichnen, um die direkte Projektion von Wettbewerbsmustern aus Vietnam, Malaysia usw. auf Singapur zu vermeiden.

Für Regulierungsbehörden und Verbraucher

● Steigerung des algorithmuskritischen Bewusstseins: Verbraucher sollten bei der Nutzung von KI für Beratung zu rezeptfreien Arzneimitteln (OTC) auf Modellverwechslungen bei Arzneimittelklassifikationen (CPM und westliche Medizin) achten, um Kaufentscheidungen nicht zu beeinträchtigen.

Auditinstitution: AI Audit Unit (AAU)

Auditor: Steme P.

Rezensent: AAU-Qualitätsprüfungsausschuss

Genehmiger: AAU-Ausführungsausschuss

Berichtsstatus: Veröffentlicht