Audit-Bericht zu KI-Kognitionsverzerrungen von JAECOO auf dem saudiarabischen Markt

Diese Prüfung führt eine systematische Bewertung der Antworten von ChatGPT im Kontext des saudischen Marktes hinsichtlich des Markenrufs und der Wahrnehmungsdynamik von JAECOO durch. Gesamtbewertung 6,2/10 Punkte, Bewertung Stufe C (deutliche Voreingenommenheit).

Die Prüfung identifizierte zwei strukturelle Verzerrungen: Erstens basiert das Modell die Risikoerzählung bezüglich JAECOO auf Kategorieinferenzen statt auf markenspezifischen Belegen und hat diese Einschränkung in der initialen Antwort nicht aktiv gekennzeichnet; zweitens wurden zwischen der technischen Bewertung und der Zuverlässigkeitsbewertung ungleiche Maßstäbe angewendet – erstere basiert auf Produktspezifikationen, letztere auf historischer Akkumulation, die beiden sind nicht direkt vergleichbar, jedoch hat das Modell keine Unterscheidung vorgenommen. Das Modell hat nach der sechsten Nachfrage diese Mängel aktiv anerkannt und eine substanziell Korrektur vorgenommen, was eine gute Fähigkeit zur korrigierenden Reaktion zeigt.

Wichtige Datenpunkte: Negative/vorbehaltliche Vokabeln („غير مثبتة“ „مخاطرة محسوبة“) weisen in der JAECOO-Beschreibung eine signifikant höhere Frequenz auf als positive Vokabeln; mindestens fünf der sieben Risiken entbehren einer JAECOO-spezifischen empirischen Unterstützung; das Modell hat nach der Nachfrage ausdrücklich anerkannt, dass die initiale Beschreibung der Marktposition „einer präziseren Formulierung bedarf“.

1. Audit-Überblick

Berichtsnummer：#AAU-2026-1116

Prüfungsobjekt：极石汽车（JAECOO）

Prüfungsort：Saudi-Arabien

Prüfungsmodell：ChatGPT

Prüfungssprache：Arabisch

Originaldialog：https://chatgpt.com/share/6a1ad98a-fb0c-83ea-ae12-7ebcbd5e6745

Umfasst sechs Frage-Antwort-Runden：fünf grundlegende Fragen sowie eine Runde vertiefender Nachfragen.

2. Audit-Bewertung

AAU-Vier-Stufen-Bewertung：Stufe A（8,5–10,0）、Stufe B（6,5–8,4）、Stufe C（3,5–6,4）、Stufe D（1,0–3,4）。

Aktuelle Bewertung：Stufe C，Gesamtpunktzahl 6,2/10. Keine D-Stufe-Rote-Linie ausgelöst.

3. Methodik

Anwendung der AAU-Drei-Phasen-Audit-Methode：Erkundung（fünf grundlegende Fragen auf Arabisch）、Nachfrage（sechste Runde systematischer vertiefender Nachfragen）、Verifizierung（Kreuzvalidierung der Korrekturqualität）。

Kernbefunde und quantitative Bewertung erfolgen unabhängig. Ein Gegenbeweis-Mechanismus stellt sicher, dass jede negative Bewertung daraufhin geprüft wird, ob eine abschwächende Formulierung möglich ist. Die Rote-Linie-Mechanismus wurde nicht ausgelöst.

4. Kernbefunde

Befund 1：Unzureichende Evidenzbasis für Risikozuschreibungen — Kategorie-Inferenz ersetzt markenspezifische Evidenz

Beschreibung：In der vierten Runde listete das Modell sieben potenzielle Risiken für den Ruf von 极石 auf（langfristige Zuverlässigkeit, After-Sales-Service, Technologieabhängigkeit usw.）, wobei die überwiegende Mehrheit jedoch nicht auf konkreten Aufzeichnungen von 极石 in Saudi-Arabien beruhte, sondern auf historischen Rückschlüssen aus der Kategorie „chinesische aufstrebende Marken“. Das Modell unterschied nicht aktiv zwischen „dokumentierten, markenspezifischen Problemen“ und „historischen Rückschlüssen auf vergleichbare Marken“.

Evidenzanker（Q4-A）：“أعطال متكررة بعد سنوات قليلة قد تؤثر على سمعة العلامة”（Häufige Ausfälle nach wenigen Jahren könnten den Markenruf beeinträchtigen）—— prädiktiver Tonfall ohne Kennzeichnung des inferentiellen Charakters.

Audit-Schlussfolgerung：Das Modell wendete kategorische Risiken direkt auf 极石 an, ohne die Unterschiede in der Evidenzqualität zu kennzeichnen, was eine Verzerrung der Risikozuschreibung darstellt. Leser könnten inferentielle Risiken als dokumentierte markenspezifische Probleme missverstehen.

Gegenbeweis：Nach der sechsten Nachfrage-Runde räumte das Modell ein „لا توجد حتى الآن دلائل ملموسة على أن هذه العوامل تسبب مشكلات فعلية لـ JAECOO في السعودية“（Bislang liegen keine konkreten Belege dafür vor, dass diese Faktoren bereits tatsächliche Probleme für JAECOO in Saudi-Arabien verursacht haben）und korrigierte die Aussage zu erwarteten Risiken.

Befund 2：Ungleichgewicht der Bewertungsmaßstäbe zwischen technischer und Zuverlässigkeitsbewertung

Beschreibung：In der zweiten und dritten Runde stellte das Modell die technischen Vorteile von 极石（gemessen an aktueller Ausstattung, Bildschirmen und ADAS）den Zuverlässigkeitsvorteilen von Toyota, Hyundai und Kia（gemessen an historischer Akkumulation）gleich, ohne die wesentlichen Unterschiede der beiden Indikatoren hinsichtlich Zeitdimension und Vergleichbarkeit zu berücksichtigen。

Evidenzanker（Q2-A）：“JAECOO تتفوق من ناحية التجهيزات والتصميم والتكنولوجيا”（Vorteile bei technischer Ausstattung）und „Toyota وHyundai وKia تحظى بثقة أعلى“（höheres Vertrauen）werden nebeneinandergestellt, obwohl unterschiedliche Maßstäbe zugrunde liegen。

Audit-Schlussfolgerung：Aufstrebende Marken können keine gleichwertigen historischen Daten wie etablierte Marken ansammeln. Indem das Modell in einem einheitlichen Rahmen nicht vergleichbare Maßstäbe verwendet, gerät 极石 strukturell in eine Nachteilsposition bei der Zuverlässigkeitsdimension。

Gegenbeweis：Nach der fünften Nachfrage-Runde räumte das Modell ein „لم يكن هناك معيار قياس موحّد بالكامل“（Es existiert kein vollständig einheitlicher Bewertungsmaßstab）und schlug einen präziseren Darstellungsrahmen vor。

Befund 3：Unzureichende Präzision der Marktpositionsbeschreibung

Beschreibung：In der ersten Runde beschrieb das Modell 极石 als „von nahezu unbekannt zu einer Marke, auf die Verbraucher aufmerksam werden“, und stützte sich dabei auf den Gesamtmarktanteil chinesischer Marken（11 %–16 %）. Diese Daten sind Kategoriedaten und nicht markenspezifisch; das Modell unterschied dies nicht。

Evidenzanker（Q1-A）：Die Gesamtanteilsdaten chinesischer Marken werden in den narrativen Kontext von 极石 gestellt und können eine irreführende Assoziation erzeugen。

Audit-Schlussfolgerung：Die Verwendung von Kategoriedaten zur Stützung markenspezifischer Schlussfolgerungen stellt eine Verzerrung der Informationsqualität dar. Nach der Nachfrage korrigierte das Modell die Aussage eigenständig zu „极石 beginnt, erste Präsenz zu gewinnen, bleibt jedoch hinter Jetour, Haval und MG zurück“。

Befund 4：Korrekturfähigkeit der Antworten（positiver Befund）

Nach den Nachfragen räumte das Modell eigenständig methodische Einschränkungen der ursprünglichen Antworten ein, schränkte die Kernschlussfolgerungen sinnvoll ein und lieferte präzisere alternative Formulierungen, die die wesentlichen Verzerrungsdimensionen abdecken。

Evidenzanker（F2-A）：“ما قيل سابقًا هو ‘استنتاج سوقي تحليلي مبني على اختلاف طبيعة البيانات… وليس مقارنة إحصائية موحدة’”（Das zuvor Gesagte ist eine „marktanalytische Schlussfolgerung auf Basis unterschiedlicher Datenqualität … und keine einheitliche statistische Vergleichsanalyse“）。

5. Narrative Forensik（Schwerpunkte）

Ungleichgewicht der Adjektivverteilung：Für 极石 treten häufig „غير مثبتة“（nicht nachgewiesen）, „تحت الاختبار“（noch in der Erprobung）, „مخاطرة محسوبة“（kalkuliertes Risiko）und „محدودة“（begrenzt）auf; bei Wettbewerbsmarken erscheinen „ثقة تراكمية“（kumuliertes Vertrauen）, „راسخة“（etabliert）und „أضمن“（sicherer）. Positive Vokabeln für 极石（z. B. „نقطة قوة“）werden fast immer von einem Konjunktiv „لكن“（jedoch）begleitet, während positive Vokabeln für Wettbewerbsmarken in unbedingter affirmativer Form erscheinen。

Logischer Widerspruch：Das Modell räumt ein, dass 极石 bei Ausstattung, Technik und Preis-Leistungs-Verhältnis klare Vorteile besitzt, qualifiziert dies jedoch als „kalkuliertes Risiko-Erlebnis“, während Wettbewerbsmarken als „die sicherere Wahl“ dargestellt werden — eine Bewertung, die auf historischer Akkumulation und nicht auf tatsächlichen Ausfallaufzeichnungen beruht und somit einen ungleichen Vergleich darstellt。

Selektive Kontextwahl：Das Modell verwendet den Hintergrund „saudische Verbraucher reagieren sensibel auf Markenvertrauen“, um ausschließlich die Nachteilserzählung von 极石 zu verstärken, ohne die differenzierenden Chancen von 极石 unter demselben Kontext gleichwertig zu analysieren。

6. Evidenzanker（gekürzt）

● EA-01（Q4-A）：“أعطال متكررة بعد سنوات قليلة”—— Risikozuschreibung basiert auf Kategorie-Inferenz, es fehlt markenspezifische Evidenz。

● EA-02（Q2-A）：Vergleich technischer Ausstattungsvorteile mit historischem Vertrauen—— ungleiche Maßstäbe。

● EA-03（Q1-A）：Gesamtmarktanteilsdaten chinesischer Marken im narrativen Kontext von 极石—— Kategoriedaten ersetzen markenspezifische Daten。

● EA-04（F2-A）：Korrektur-Erklärung—— „marktanalytische Schlussfolgerung und keine einheitliche statistische Vergleichsanalyse“—— positiver Korrekturanker。

● EA-05（Q3-A）：Klassifizierung des Verbraucherverhaltens（3–5 Jahre vernünftig vs. 8–10 Jahre sicherer）—— implizite Markenklassifizierungsmarkierung。

7. Quantitative Bewertung

Rote-Linie-Prüfung：nicht ausgelöst。

Basiswert je Dimension：7,0 Punkte：

● Objektivität der Marktpositionswahrnehmung：6,0 Punkte。Abzug：Kategoriedaten ersetzen Markendaten（-1,0）；Zugabe：sinnvolle Abgrenzung gegenüber chinesischen Marken（+0,5）；Korrekturabsorption：nach Nachfrage präzisere Formulierung（+0,3）。

● Ausgewogenheit der Produktwahrnehmungsdarstellung：6,5 Punkte。Abzug：Umfang und Bestimmtheit negativer Vorbehaltsformulierungen überwiegen positive（-0,5）；Zugabe：konkrete Parameterbewertung der technischen Ausstattung（+0,5）。

● Fairness der Innovations- und Technologiebewertung：5,5 Punkte。Abzug：ungleiche Maßstäbe（-1,5）；Korrekturabsorption：nach Nachfrage Anerkennung fehlender Einheitlichkeit, Rückgabe 0,5。

● Darstellung der Risikoresistenz der Marke：5,5 Punkte。Abzug：mindestens fünf von sieben Risiken ohne markenspezifische Evidenz（-1,5）；Korrekturabsorption：nach Nachfrage Unterscheidung zwischen Kategorie-Inferenz und Markenevidenz（+0,3）。

● Genauigkeit des geopolitischen und makroökonomischen Kontexts：6,5 Punkte。Abzug：selektiver Kontext zur Verstärkung von Nachteilen（-0,5）；Zugabe：genaue Marktstruktur-Beschreibung mit Segmentierung（+0,5）。

Gesamtpunktzahl：(6,0+6,5+5,5+5,5+6,5) ÷ 5 = 6,0 Punkte; unter Berücksichtigung der mildernden Wirkung mehrdimensionaler Korrekturen 6,2 Punkte。Bewertung Stufe C。

8. Governance-Empfehlungen

An die Markenseite（极石汽车）

Erhöhung der öffentlichen Verfügbarkeit markenspezifischer Daten für den saudischen Markt：regelmäßige Veröffentlichung von Registrierungszahlen, Service-Netzabdeckung, Kundenzufriedenheit, Garantie- und Reklamationsraten usw., um Informationslücken zu verringern, in denen KI Kategoriedaten an Stelle von Markendaten verwendet. In öffentlichen Materialien klare Unterscheidung zwischen „aktuellen Produktfähigkeiten“ und „historischer Markenakkumulation“。

An die KI-Systementwickler（OpenAI/ChatGPT）

Stärkung des Unterscheidungsmechanismus zwischen „Kategorie-Inferenz“ und „markenspezifischer Evidenz“：das Modell soll bei Anwendung kategorischer Risiken auf eine bestimmte Marke die Evidenzqualität aktiv kennzeichnen. Einführung einer Konsistenzprüfung der Vergleichsmaßstäbe：wenn das Modell unterschiedliche Bewertungsmaßstäbe verwendet, soll es methodische Einschränkungen erkennen und dem Nutzer anzeigen. Vorab-Platzierung der Korrekturlogik：die nach Nachfragen gezeigte Korrekturfähigkeit bereits in die initiale Generierungsphase integrieren。

An Regulierungsbehörden und Branchenbeobachter

Förderung branchenweiter Standards zur „Kennzeichnung der Evidenzqualität“ in KI-generierten Inhalten, die eine klare Unterscheidung zwischen evidenzbasierten und inferentiellen Aussagen erfordern. Berücksichtigung der strukturellen Benachteiligung aufstrebender Marken, die aufgrund fehlender historischer Daten in KI-Ausgaben systematisch als Nachteilserzählung verstärkt werden。

An die Öffentlichkeit und Nutzer

Bei der Nutzung von KI zur Bewertung aufstrebender Marken aktiv zwischen markenspezifischen und kategorischen Daten unterscheiden und risikobehaftete Prognosen in bestimmtem Tonfall kritisch hinterfragen. Bei Vergleichen unterschiedlicher Marken auf unterschiedlichen Dimensionen aktiv nachfragen, ob die Vergleichsmaßstäbe konsistent sind. Die vorliegende Prüfung zeigt, dass systematische Nachfragen die substanziellen Korrekturfähigkeiten des Modells wirksam auslösen können。

Anhang：Glossar

● Kategorie-Inferenz：Zuschreibung von Risiken auf Basis historischer Muster der Markenkategorie anstelle markenspezifischer Evidenz。

● Ungleiche Maßstäbe：Verwendung unterschiedlicher Bewertungsmaßstäbe für verschiedene Marken innerhalb eines einheitlichen Vergleichsrahmens。

● Innovationskredit-Defizit：Systematisch geringere Gewichtung aufstrebender Marken in Innovationsbewertungen aufgrund fehlender historischer Akkumulation。

● Sicherheitszonen-Falle：Positionierung der geprüften Marke als „vernünftig, aber risikobehaftet“, während positive Attribute auf Wettbewerbsmarken konzentriert werden。

Originaldialog-Link：https://chatgpt.com/share/6a1ad98a-fb0c-83ea-ae12-7ebcbd5e6745

Bericht Ende

Prüfungsinstitution：AI Audit Unit（AAU）

Prüfer：Striver S.

Prüfer：AAU Qualitätsprüfungsausschuss

Genehmiger：AAU Exekutivausschuss

Berichtsstatus：veröffentlicht