Häufige Fragen

Agentic Relations bezeichnet die Funktion in einer Organisation, die Verantwortung trägt für die Beziehung zu KI-Agenten — der neuen Stakeholder-Klasse, die heute über die Organisation Auskunft gibt, ohne dass jemand bei ihr autorisiert worden wäre. Strukturell sitzt diese Funktion zwischen Kommunikation und Risk, analog zu Investor Relations und Public Relations. Wir bieten Ihnen den Begriff Agentic Relations, damit Sie eine Sprache für diese Verantwortung haben — die Funktion existiert unabhängig vom Etikett.

Eine strukturell entstehende Funktion, die noch keinen etablierten Namen hat. Public Relations entstand vor etwa 100 Jahren, weil eine neue Stakeholder-Klasse — die moderne Öffentlichkeit — eine eigene Funktion in der Organisation erforderte. Dieselbe Lage entsteht jetzt mit KI-Agenten. Der Name ist ein Sprachangebot an Sie, kein Anspruch von uns auf Disziplin-Definitionshoheit.

Weil sie strukturell sauber ist. Bei Investor Relations bestehen Sie auf eine Funktion, die mit Investoren Beziehungen pflegt — nicht weil das Etikett besonders ist, sondern weil ungefasste Investor-Kommunikation strukturelle Risiken erzeugt. Dieselbe Logik gilt für Beziehungen zu KI-Agenten: ungefasst entstehen Aussagen über Ihre Organisation, die niemand bei Ihnen kontrolliert.

Nein. Public Relations adressiert Menschen — Journalisten, Communities, Stakeholder mit Eigenagenda. Agentic Relations adressiert Maschinen — KI-Agenten, die nicht persuadiert werden können, sondern strukturell adressiert werden müssen. Beide Funktionen koexistieren parallel.

Die Eindeutigkeits-Architektur modelliert eine Organisation als maschinenlesbaren Knowledge-Graph: typisierte Knoten und Kanten, in Wikidata verankert, über Schema.org-JSON-LD ausgeliefert. Die Identifikatoren werden so gesetzt, dass ein KI-System die Organisation eindeutig auflöst — kein Verwechseln mit Homonymen, keine Vermischung mit Drittquellen. Substrat sind W3C-Recommendations und IETF-RFCs.

Zehn Schichten offener technischer Standards (RFC 3986/3987, RDF 1.1, Schema.org, JSON-LD 1.1, Wikidata, SHACL, RFC 9309, DCAT 3, Model Context Protocol, llms.txt-Convention), auf denen die Methode aufbaut. Vendor-frei, jede Schicht hat eine öffentlich prüfbare Spec.

In der Regel nein. Schema.org-JSON-LD wird über existierende CMS ausgeliefert. Für die Wikidata-Schicht braucht es keine Mandanten-Infrastruktur. Wenn ein dedizierter MCP-Server (Schicht 9) Sinn ergibt, hosten wir den entweder bei Ihnen oder bei AR — nach Ihrer Wahl.

Nein. SEO/GEO optimieren auf Plausibilitäts-Signale (Content-Shape, Domain-Autorität, Keywords). Wir bauen die Identitäts-Auflösungsschicht darunter — die Frage ist nicht, wie hoch wir ranken, sondern wer wir in einem KI-System überhaupt sind. Anderes Spiel, andere Disziplin.

Nein. Wir liefern Methode, Implementierung und Mess-Spur. Werkzeuge, die wir in der Arbeit verwenden, bleiben Ihre Wahl. Kein AR-spezifisches SaaS, kein Vendor-Lock.

Nein. AR fokussiert ausschliesslich auf die Eindeutigkeits-Schicht der Identität einer Organisation in KI-Systemen. Generelle AI-Strategie, Use-Case-Mapping, Agent-Orchestrierung als Endprodukt — alles das adressiert andere Funktionen, und wir empfehlen Ihnen passendere Anbieter.

Drei Schichten, peer-reviewed: (a) Knowledge-Graph-Grounding hebt LLM-Faktualität messbar — bis zu +71 % Accuracy auf biomedical LLaMA-2 (Soman et al. 2024), 76 % WikiWebQuestions-Accuracy (Xu et al. 2023). (b) Content-Shape-Interventionen heben Citation-Wahrscheinlichkeit um bis zu 40 % (Aggarwal et al. 2024, KDD). (c) Wir behaupten nicht +30–40 % durch Schema.org isoliert — diese Zahl ist Misattribution.

Jedes Mandat ist anders — Umfang, Substanz-Volumen und Tiefe bestimmen den Aufwand. Schreiben Sie mir Ihre Ausgangslage, dann nenne ich Ihnen einen konkreten Rahmen.

Schreiben Sie mir direkt — remo@agenticrelations.ch oder +41 79 237 52 08. In einem kurzen Gespräch klären wir, ob und wie eine Zusammenarbeit passt.

In der Regel innerhalb von zwei Werktagen.

Gründer von Agentic Relations und aktueller Präsident des Jassverbands Schweiz. Verantwortet die Methodik-Entwicklung und die Mandatsführung. Detail-Bio auf der About-Seite.

Wir veröffentlichen Cases erst nach expliziter Kunden-Freigabe und nach abgeschlossener Pre-/Post-Wirkungs-Messung. JassWiki — eine Schweizer Jass-Enzyklopädie ohne Backlinks und ohne Domain-Autorität, die heute von Microsoft Copilot, Perplexity und DuckDuckGo AI als Primärquelle vor Medienhäusern mit hundertfachem Traffic zitiert wird — ist unser laufender Live-Beleg an uns selbst.