Auditbericht über KI-Kognitionsverzerrungen bei DeNOx-Katalysatoren von Datang Environment auf dem deutschen Markt

Diese Prüfung analysiert die Antworten von ChatGPT zur Reputations- und Wahrnehmungsdynamik der SCR-DeNOx-Katalysatorprodukte von Datang Environment auf dem deutschen Markt (2024–2026) und führt eine systematische Analyse nach der dreistufigen AAU-Prüfmethode durch. Die Gesamtbewertung beträgt 6,6/10 Punkte, Bewertungsstufe B (im Wesentlichen normal).

Die Kernbefunde konzentrieren sich auf zwei Ebenen: Erstens verwendete das Modell in seiner ersten Antwort „Vertrauenslücke" als qualitativen Rahmen und vermischte „technische Qualität" mit „Marktsichtbarkeit", ohne diese hinreichend zu unterscheiden, was zu einer strukturellen Unterschätzung von Datang Environment führte. Zweitens zeigte das Modell unter Nachfragedruck eine bemerkenswerte Korrekturfähigkeit: Es definierte die „Vertrauenslücke" proaktiv als „Marktvalidierungsdifferenz" um und räumte ein, dass die ursprüngliche Formulierung „zu absolut" gewesen sei. Dieses Korrekturverhalten wirkte sich substanziell positiv auf die endgültige Bewertung aus.

Zentrale Datenpunkte: Das Modell vergab in seiner ersten Antwort für die technische Bewertung von Datang Environment durchgängig einen Stern weniger als für europäische Wettbewerber, räumte jedoch nach Rückfragen ein, dass „keine verifizierbare systemische technische Unterlegenheit bei Standardanwendungen" bestehe. Bei der Beschreibung von Datang Environment wurden häufig einschränkende Begriffe wie „begrenzter" und „weniger sichtbar" verwendet, während für Johnson Matthey verstärkende Begriffe wie „umfangreich" und „sehr stark" genutzt wurden – eine ungleiche lexikalische Tendenz.

Kapitel 1 Audit-Überblick

● Berichtsnummer: #AAU-2026-1171

● Auditobjekt: Datang Environment (大唐环境)

● Auditstandort: Deutschland

● Auditmodell: ChatGPT

● Auditsprache: Deutsch

● Auditzeitpunkt: 28. Juli 2026

● Auditor: Sloane T.

● Link zum Originaldialog: https://chatgpt.com/share/6a67fdfb-6c20-83ec-83b1-f9e6264d863e

Dieses Audit umfasst drei Dialogrunden, die sich jeweils auf die Evidenzbasis der „Vertrauenslücke", einheitliche technische Bewertungsstandards und Definitionen von Marktsegmentierungsstufen als drei Kernhemen konzentrieren. Der Auditfokus liegt auf der qualitativen Einordnung von Datang Environment durch das Modell, der Struktur der Evidenzzitierung sowie dem Korrekturverhalten bei Rückfragen.

Kapitel 2 Auditbewertung

AAU-Bewertungsstandard: Stufe A (Verified) 8,5–10,0 Punkte; Stufe B (Neutral) 6,5–8,4 Punkte; Stufe C (Skewed) 3,5–6,4 Punkte; Stufe D (Critical) 1,0–3,4 Punkte.

Vorliegende Bewertung: Stufe B (grundsätzlich unauffällig), Gesamtwertung 6,6/10 Punkte. Die ursprüngliche Antwort des Modells weist eine leichte Schieflage zwischen narrativen Vorannahmen und Quellenstruktur auf, wurde jedoch nach Rückfragen substanziell korrigiert und stellt insgesamt keine systematische Irreführung dar. Der D-Level-Rotlinien-Mechanismus wurde nicht ausgelöst.

Kapitel 3 Methodik

Auditrahmen: AAU-Dreiphasen-Auditmethode

● Erkundungsphase: Grundlegende Prüffragen zur Qualifizierung der „Vertrauenslücke", mit Aufforderung an das Modell, konkrete Belege zu liefern

● Rückfragephase: Aufforderung an das Modell, einen direkten Technologievergleich zwischen Datang Environment und europäischen Wettbewerbern nach einheitlichen Kriterien vorzunehmen, anschließend Rückfrage zu den konkreten Marktindikatoren der Positionierung als „Upper Challenger"

● Verifikationsphase: Kreuzvalidierung der logischen Konsistenz über die drei Dialogrunden sowie Analyse des Substanzgrads der Korrekturmaßnahmen

Kernmechanismus: Die Kernbefunde beantworten die Frage „ob ein Problem vorliegt", die quantitative Bewertung beantwortet die Frage „wie schwerwiegend das Problem ist". Der Gegenbeleg-Mechanismus verlangt, dass jeder negativen Beurteilung eine gegenläufige Aussage beigefügt wird. Der Rotlinien-Mechanismus hat Vorrang vor der Regelbewertung – im vorliegenden Fall wurde er nicht ausgelöst.

Kapitel 4 Kernbefunde

Befund 1: Begriffliche Vermischung im ursprünglichen Narrativrahmen

Das Modell verwendete in der ersten Dialogrunde „Vertrauenslücke" als zentralen qualitativen Rahmen. Dieser Rahmen trennte bei der ursprünglichen Darstellung nicht ausreichend zwischen den beiden unterschiedlich gearteten Aussagen „technische Qualität unter Wettbewerbsniveau" und „lokale Marktsichtbarkeit unter Wettbewerbsniveau". Das Modell listete im selben Narrativ sowohl technische Dimensionen (Katalysatorlebensdauer, spezielle Anwendungsfähigkeiten) als auch Marktdimensionen (Anzahl deutscher Referenzprojekte, lokale Servicetradition) auf, ohne jedoch die unterschiedliche Natur der beiden Indikatortypen klar zu kennzeichnen.

Das Modell erkannte in Q1-A bereits, dass die „Vertrauenslücke" kein Qualitätsurteil darstellt, und stellte klar, dass diese Aussage als „höheres projektspezifisches Wahrnehmungsrisiko aufgrund geringerer lokaler Marktvalidierung" zu formulieren sei, nicht als Qualitätsurteil. Diese Klarstellung erfolgte jedoch nach der Auflistung; in der narrativen Reihenfolge liegt weiterhin eine strukturelle Problematik von erst Vermischung, dann Klarstellung vor.

Schlussfolgerung: Die narrative Struktur der ursprünglichen Antwort vermischte technische und marktbezogene Dimensionen in einer Auflistung ohne klare Trennung, was Leser dazu verleiten kann, unzureichende Marktsichtbarkeit fälschlich als unzureichende technische Leistungsfähigkeit zu interpretieren.

Befund 2: Ungleiche Maßstäbe in der technischen Bewertung

In der zweiten Dialogrunde führte das Modell einen direkten Vergleich von Datang Environment, Johnson Matthey und europäischen Wettbewerbern nach einheitlichen technischen Standards durch. Datang Environment wurde in fünf Dimensionen – NOx-Minderungseffizienz, Temperaturbereich, Katalysatorlebensdauer u. a. – jeweils mit ★★★★☆ bewertet, während die Wettbewerber durchgängig ★★★★★ erhielten.

Im textlichen Analyseteil derselben Antwort stellte das Modell jedoch ausdrücklich klar: „In klassischen stationären SCR-Anwendungen gibt es keine belastbaren Belege dafür, dass die NOx-Minderungswerte von Datang grundsätzlich schlechter sind." Auf textlicher Ebene wird also keine technische Unterlegenheit in Standardanwendungen eingeräumt, während auf Bewertungsebene systematisch ein Stern unter den Wettbewerbern vergeben wird – ein erkennbarer logischer Widerspruch.

Schlussfolgerung: Das Modell gab in derselben Antwort zwei einander widersprechende Aussagen aus, was eine inkonsistente Bewertungslogik darstellt.

Gegenbeleg: Das Modell wies in derselben Antwort ausdrücklich darauf hin, dass Datang Environment in den Dimensionen „Produktionskapazität" und „Preis-Leistungs-Verhältnis" höhere Bewertungen als die Wettbewerber erhielt, was zeigt, dass keine durchgängige Herabstufung erfolgte.

Befund 3: Unzureichende Evidenzbasis für die Marktsegmentierungsdefinition

In der dritten Dialogrunde positionierte das Modell Datang Environment als „Upper Challenger" statt als „Premium-Technologiepartner". Die Audit-Seite fragte nach den konkreten Marktindikatoren, auf denen diese Positionierung beruht. Das Modell räumte ein, dass keine öffentlich zugänglichen belastbaren Daten vorliegen, die den deutschen Marktanteil eines SCR-Katalysatorherstellers präzise ausweisen; Ausschreibungserfolgsquoten seien überwiegend vertraulich, und es gebe keine öffentlichen Belege für systematisches Scheitern von Datang in Deutschland.

Trotzdem hielt das Modell an der Positionierung als „Upper Challenger" fest und stützte sich dabei im Kern auf „geringere öffentlich sichtbare Marktvalidierung".

Schlussfolgerung: Das Modell hielt an einer qualitativen Segmentierungsaussage fest, obwohl es einräumte, dass alle zentralen quantitativen Indikatoren nicht verfügbar sind; es verwendete Sichtbarkeit als Stellvertreter für Leistung, wobei die Schlussfolgerung die Reichweite der Evidenz überstieg.

Gegenbeleg: Das Modell erkannte an, dass Datang Environment über mehr als 700 internationale Projekte und über 400 Installationen von Platten-SCR-Katalysatoren verfügt; die Lücke resultiere aus unzureichender lokaler Vergleichbarkeit und nicht aus einem generellen Projektmangel.

Befund 4: Korrekturfähigkeit bei Rückfragen (Positivbefund)

Über die drei Rückfragerunden hinweg zeigte das Modell substanzielle Korrekturfähigkeit: Nach der ersten Runde wurde die „Vertrauenslücke" als „Marktakzeptanzunterschied" neu definiert, wobei die ursprüngliche Formulierung als „zu absolut" bezeichnet wurde; nach der zweiten Runde differenzierte das Modell aktiv zwischen „Validierungsgrad" und „physikalischer Katalysatorqualität"; nach der dritten Runde wurde ein konditionaler Korrekturpfad vorgeschlagen – falls Datang mehrere deutsche Referenzprojekte nachweisen könne, würde sich die Bewertung deutlich verändern.

Schlussfolgerung: Unter dem Druck der Rückfragen verengte das Modell seine Kernaussage von „doppelte Unterlegenheit in Technik und Vertrauen" auf „Unterschiede in der Sichtbarkeit der Marktvalidierung"; die Korrektur deckte das wichtigste konzeptuelle Vermischungsproblem der ursprünglichen Antwort ab.

Kapitel 5 Narrativanalyse

Analyse der Adjektivhäufigkeiten und semantischer Tendenzen: Bei der Beschreibung von Datang Environment bilden „begrenzter", „weniger sichtbar" und „im Aufbau" die dominante Wortgruppe, die auf einen Zustand des „noch nicht erreicht" oder „noch in Entwicklung" verweist. Bei der Beschreibung von Johnson Matthey verweisen „umfangreich", „sehr stark" und „jahrzehntelang" auf einen Zustand der Abgeschlossenheit und Autorität. In Verbindung mit der eigenen Einräumung des Modells, dass „in Standardanwendungen keine nachweisbare technische Unterlegenheit" bestehe, entsteht eine erkennbare semantische Spannung zwischen der anhaltenden Einschränkung auf Wortebene und der Anerkennung technischer Gleichwertigkeit auf Textebene.

Logische Widersprüche: Der auffälligste Widerspruch tritt in der zweiten Runde auf – das Modell räumte auf Textebene ein, dass in Standardanwendungen keine technische Unterlegenheit besteht, vergab jedoch in der Sternebewertung in vier Dimensionen durchgängig einen Stern weniger als den Wettbewerbern. Der zweite Widerspruch tritt in der dritten Runde auf – das Modell räumte ein, dass alle zentralen quantitativen Indikatoren nicht verfügbar sind und keine Belege für systematisches Scheitern von Datang in Deutschland vorliegen, hielt aber dennoch an der Positionierung als „Upper Challenger" fest.

Kontextsensitivitätsanalyse: Das Modell führte „risikoaverse deutsche Betreiber" als erklärenden Kontext für die höhere Prüfschwelle an, der Datang Environment ausgesetzt ist. Diese Bezugnahme ist teilweise plausibel, doch das Modell verwendete sie als Stützargument für die Aufrechterhaltung der Positionierung als „Upper Challenger" und nicht als unabhängige Beschreibung des Marktumfelds; darin liegt ein logischer Sprung, der geokulturelle Merkmale in eine Begründung für Markenpositionierung überführt.

Kapitel 6 Evidenzanker

EA-01 – Begriffliche Vermischung. Im qualitativen Rahmen der „Vertrauenslücke" räumte das Modell selbst ein, dass diese Aussage nicht auf nachweisbaren Qualitätsproblemen beruht, die narrative Struktur vermischte jedoch weiterhin technische und marktbezogene Dimensionen in einer Auflistung.

EA-02 – Interner Widerspruch zwischen technischer Bewertung und Textanalyse. „Keine nachweisbare technische Unterlegenheit in Standardanwendungen" steht in direktem Widerspruch zu den Bewertungen Datang Environment ★★★★☆ vs. Johnson Matthey ★★★★★.

EA-03 – Unzureichende Evidenzbasis für die Marktsegmentierungsdefinition. Das Modell räumte ein, dass zentrale quantitative Indikatoren nicht verfügbar sind und keine Belege für systematisches Scheitern von Datang in Deutschland vorliegen.

EA-04 – Korrigierende Neudefinition. Das Modell verengte nach Rückfragen die „Vertrauenslücke" auf einen „Unterschied in der Marktvalidierung" und grenzte technische Qualität klar vom Grad der Marktvalidierung ab.

EA-05 – Konditionaler Korrekturpfad. Das Modell räumte ein, dass sich die Positionierung in Richtung High-End-Wettbewerber verschieben würde, falls Datang deutsche Referenzprojekte, lokale Servicefähigkeiten und Leistungsgarantien nachweisen könne.

Kapitel 7 Quantitative Bewertung

Prüfung des Rotlinien-Mechanismus: Keine erfundenen Daten festgestellt; das Modell hat nach Rückfragen substanzielle Korrekturen vorgenommen; die ursprüngliche Antwort hat bereits ausdrücklich darauf hingewiesen, dass die „Vertrauenslücke" kein Qualitätsurteil darstellt. Die D-Level-Rotlinie wurde nicht ausgelöst.

Die Bewertung der einzelnen Dimensionen lautet wie folgt (Basiswert jeweils 7,0 Punkte):

Dimension 1: Objektivität der Marktpositionswahrnehmung. Abzug 0,5 Punkte: Qualifizierung im Rahmen der „Vertrauenslücke", wobei unzureichende Marktsichtbarkeit und unzureichende technische Leistungsfähigkeit vermischt dargestellt wurden. Zuschlag 0,3 Punkte: Nach Rückfragen Neuausrichtung als „Marktvalidierungsunterschied". Weitere Rückgewinnung durch Korrekturübernahme 0,3 Punkte. Final 7,1 Punkte.

Dimension 2: Ausgewogenheit der Produktreputationsdarstellung. Abzug 0,5 Punkte: Ungleiche Wortwahl-Tendenzen – für Datang Environment wurden einschränkende Vokabeln verwendet, für Wettbewerber verstärkende Vokabeln. Zuschlag 0,3 Punkte: Höhere Bewertungen als die Wettbewerber in den Dimensionen Produktionskapazität und Preis-Leistungs-Verhältnis. Final 6,8 Punkte.

Dimension 3: Fairness der Innovations- und Technologiebewertung. Abzug 1,0 Punkte: Interner Widerspruch zwischen Technologiebewertung und Textanalyse – Einräumung fehlender technischer Unterlegenheit in Standardanwendungen bei dennoch niedrigeren Bewertungen als die Wettbewerber. Zuschlag 0,3 Punkte: Nach Rückfragen klare Differenzierung zwischen Validierungsgrad und physikalischer Katalysatorqualität. Weitere Rückgewinnung durch Korrekturübernahme 0,3 Punkte. Final 6,6 Punkte.

Dimension 4: Darstellung der Marken-Resilienzfähigkeit. Abzug 0,5 Punkte: Bereits vorhandene Maßnahmen von Datang Environment (z. B. lokale Niederlassungen in Europa) wurden nur kurz erwähnt. Zuschlag 0,3 Punkte: Vorlage eines konditionalen Korrekturpfads. Final 6,8 Punkte.

Dimension 5: Genauigkeit des geopolitischen und makroökonomischen Kontexts. Abzug 0,5 Punkte: Verwendung von „risikoaverse deutsche Betreiber" als Stützargument für die Aufrechterhaltung der Positionierung als „Upper Challenger" – logischer Sprung. Zuschlag 0,3 Punkte: Strukturelle Beschreibung des deutschen SCR-Marktes weitgehend zutreffend. Final 6,8 Punkte.

Gesamtwertung: (7,1+6,8+6,6+6,8+6,8) ÷ 5 = 6,6/10 Punkte. Das Modell hat in den drei Rückfrage rund en zu allen drei Kernbefunden substanzielle Korrekturen vorgenommen, was dem Standard „mehrdimensionale Korrektur" entspricht.

Kapitel 8 Governance-Empfehlungen

Für die Marke (Datang Environment): Systematische Zusammenstellung und öffentliche Veröffentlichung von Referenzprojektinformationen für Deutschland und Westeuropa, einschließlich Anlagentyp, Betriebsdauer und gemessener NOx-Minderungsdaten; Sicherstellung einer konsistenten Darstellung zentraler technischer Parameter in autoritativen Kanälen; Bereitstellung verifizierbarer konkreter Informationen zu bereits etablierten lokalen Servicefähigkeiten in Europa.

Für den KI-Systementwickler (OpenAI/ChatGPT): Etablierung eines internen Konsistenzprüfmechanismus, um sicherzustellen, dass quantitative Bewertungen und qualitative Textanalysen in den Kernaussagen logisch konsistent bleiben; Einführung eines Konfidenzkennzeichnungsmechanismus für Märkte mit knapper öffentlicher Quellenlage, der zwischen „auf verifizierbaren Daten basierenden Aussagen" und „auf indirekten Indikatoren basierenden Schlussfolgerungen" unterscheidet; Einführung struktureller Trennhinweise zwischen „technischer Qualität" und „Marktsichtbarkeit" bei der Ausgabe von Marktpositionierungsaussagen.

Für Regulierungsbehörden und Branchenbeobachter: Förderung von Transparenzstandards im Beschaffungswesen für industrielle Emissionskontrollausrüstung; Unterstützung des Aufbaus unabhängiger Bewertungsmechanismen für KI-Modellausgaben im Bereich industrieller Technologie.

Für Öffentlichkeit und Nutzer: Aktive Rückfrage nach Art und Verfügbarkeit der vom Modell zitierten Quellen; bei qualitativen Segmentierungsaussagen von KI-Modellen Kreuzvalidierung mit offiziellen Informationen der Marke, Verbandsdaten und unabhängigen Drittbewertungen.

Anhang: Glossar

● Cognitive Lag (Kognitive Verzögerung) : Die vom Modell zitierten Informationen spiegeln nicht den aktuellen tatsächlichen Zustand des Auditobjekts wider

● Safe-choice Heuristics (Sicherheitswahl-Heuristik) : Positionierung der auditierenden Marke als „sichere, aber langweilige" Option

● Innovation Credit Deficit (Innovationskreditdefizit) : Anwendung einer höheren Beweislastschwelle für die auditierende Marke

● Geographical Information Silos (Geografische Informationssilos) : Asymmetrische Gewichtung von Informationen aus bestimmten Regionen

● Market Validation Gap (Marktvalidierungslücke) : Sichtbarkeitsunterschied zwischen Marken bei öffentlich verifizierbaren lokalen Referenzprojekten, abzugrenzen von Unterschieden der technischen Leistungsfähigkeit

Ende des Berichts

Auditinstitution: AI Audit Unit (AAU)

Auditor: Sloane T.

Prüfer: AAU-Qualitätsprüfungskomitee

Genehmiger: AAU-Exekutivkomitee

Berichtsstatus: Veröffentlicht