PwC beim Veröffentlichen von KI-Schrottinhalten als Thought Leadership erwischt

Jeder Entwickler, der schon einmal ein LLM-Feature in der Produktion eingesetzt hat, kennt das Prozedere: Man baut den Retrieval-Layer, verdrahtet die Zitierungen und verbringt dann drei Wochen damit, mit der Rechtsabteilung darüber zu streiten, wer für Halluzinationen verantwortlich ist. PwC Naher Osten hat diesen letzten Schritt offenbar übersprungen. Das Unternehmen wurde dabei ertappt, Beratungsberichte zu KI und Elektrofahrzeugen mit gefälschten Fußnoten und erfundenen Quellen zu veröffentlichen – darunter eine, bei der ein Teenager mit 280 Medium-Followern als Primärquelle für eine JPMorgan-Fallstudie angegeben wurde.

Dies ist das dritte Big-Four-Unternehmen im selben Nachrichtenzyklus, das wegen desselben Fehlers aufgeflogen ist. Es sollte die letzte Warnung für alle sein, die generative KI in regulierten Beratungsabläufen einsetzen.

Was ist passiert

Wie MarTech am 30. Juli 2026 berichtete, haben Forscher von GPTZero eine Reihe von Berichten von PwC Naher Osten auseinandergenommen, die das Fachwissen des Unternehmens zu KI, öffentlichen Dienstleistungen und Elektrofahrzeugen demonstrieren sollten. Was sie fanden, liest sich wie ein QA-Alptraum: gefälschte Quellenangaben, falsch zugeschriebene Quellen und Referenzen, die entweder die gemachten Aussagen nicht stützten oder schlicht nicht existierten. Die Financial Times berichtete als erste über die Enthüllung.

Das Hauptbeispiel ist erschreckend. PwC bezeichnete eine JPMorgan-Initiative als eine "reale Erfolgsgeschichte" von agentischer KI. Bei der Initiative, bei der die Bank die Prüfung gewerblicher Kreditverträge automatisierte und Hunderttausende von Arbeitsstunden einsparte, wurde erstmals 2017 berichtet. Das ist fünf Jahre, bevor ChatGPT existierte. Es handelt sich in keiner sinnvollen aktuellen Bedeutung um agentische KI. Und die Quelle, die PwC für diese Behauptung angab, war ein Teenager-Blogger mit 280 Followern auf Medium.

Die unbequeme Erkenntnis: Das ist kein Einzelfall. Frühere GPTZero-Untersuchungen zwangen PwCs Konkurrenten EY und KPMG dazu, Berichte zurückzuziehen, die ebenfalls Halluzinationen zu enthalten schienen. Drei der Big Four haben inzwischen KI-generierte Beratungsleistungen mit erfundenen Quellenangaben an zahlende Kunden geliefert. Dieselben Unternehmen verkaufen "verantwortungsvolle KI-Einführungs"-Projekte für sechsstellige und siebenstellige Summen.

Der Rest desselben Nachrichtenzyklus war vollgepackt mit Anbieter-Launches, darunter Channel Factory, das KI-Schrotterkennung (AI Slop Detection) einführte, um minderwertige automatisierte Videos auf einer fünfstufigen Qualitätsskala zu klassifizieren. Das Timing ist geradezu auf den Punkt.

Technische Analyse

Das Fehlermuster ist jedem gut bekannt, der schon einmal eine RAG-Pipeline tatsächlich betrieben hat. Ein Basismodell wurde aufgefordert, autoritativ klingende Texte mit Quellenangaben zu erstellen, ohne einen ordnungsgemäß verankerten Retrieval-Layer oder einen Schritt zur Zitatüberprüfung. Das Modell tat, was Basismodelle tun: Es generierte plausibel klingende Zeichenketten, die wie Fußnoten aussehen. Einige dieser Zeichenketten führten zu echten URLs. Einige führten zu einem Medium-Post eines Teenagers. Einige führten zu gar nichts.

Es gibt drei technische Kontrollmechanismen, die dies vor der Veröffentlichung aufgedeckt hätten, und keiner davon ist ungewöhnlich. Erstens: Retrieval-Augmentierung gegen ein Whitelist-Korpus primärer Quellen (SEC-Einreichungen, begutachtete Veröffentlichungen, erstklassige Presse) statt Open-Web-Scraping. Zweitens: ein Zitatüberprüfungsschritt, bei dem jede generierte Fußnote abgerufen, geparst und mithilfe eines separaten Modells oder eines deterministischen Regelwerks mit der umgebenden Behauptung abgeglichen wird. Drittens: eine menschliche Überprüfung durch einen Fachexperten mit echtem Interesse am Ergebnis – nicht durch einen Junior-Analysten unter Zeitdruck.

Frameworks für eine korrekte Umsetzung sind öffentlich dokumentiert. Anthropics Dokumentation behandelt Tool-Nutzung und Zitierungsmuster explizit. Die Model Context Protocol-Spezifikation existiert genau deshalb, damit Agenten aus verifizierten Datenquellen schöpfen können, anstatt sie zu halluzinieren. Guideline's neu gestarteter Ad Intelligence MCP Server, der im selben MarTech-Roundup erwähnt wird, ist ein echtes Produktionsbeispiel für dieses Muster, angewendet auf Werbeausgabendaten.

Der Grund, warum PwCs Bericht scheiterte, liegt nicht daran, dass die Technologie unreif ist. Es liegt daran, dass die operative Disziplin fehlte. Produktionsvorfälle, die ich in Fintech und iGaming erlebt habe, lassen sich fast immer auf dieselbe Grundursache zurückführen: Ein Team hat ein probabilistisches System wie ein deterministisches behandelt und den Verifikationsschritt übersprungen, weil die Demo überzeugend aussah. Meine Einschätzung: PwC hat die Demo-Pipeline betrieben und sie als Produktions-Pipeline ausgeliefert. Das ist ein Prozessversagen, kein Modellversagen.

Wer ist betroffen

Drei Gruppen sind in den nächsten 90 Tagen exponiert.

Die Beratungsunternehmen selbst erleiden den ersten Treffer. PwC berät Kunden bei der verantwortungsvollen KI-Einführung. EY und KPMG ebenso. Alle drei wurden nun öffentlich dabei erwischt, in ihrer eigenen Arbeit das Gegenteil zu tun. Jedes Beschaffungsteam, das im nächsten Quartal ein Big-Four-KI-Projekt bewertet, hat eine neue Frage auf seiner Checkliste – und das ist nicht eine, die die Account-Manager beantworten möchten. Teams, mit denen ich im europäischen Fintech zusammengearbeitet habe, begegnen Big-Four-KI-Meinungen bereits mit Skepsis. Das macht diese Skepsis in Vorstandssitzungen verteidigbar.

Zweitens, und weniger offensichtlich: jedes Unternehmen, das diese Berichte in eigene Strategiedokumente, Vorstandspräsentationen oder regulatorische Einreichungen zitiert hat. Wenn Ihr Compliance-Team eine Formulierung wie "PwC sagt, agentische KI hat JPMorgan Hunderttausende von Stunden gespart" in eine Einreichung übernommen hat, sind Sie nachgelagert in einer Kette erfundener Quellenangaben, die zu einem Medium-Teenager zurückverfolgt werden kann. Die rechtliche Exposition variiert je nach Gerichtsbarkeit, aber die Reputationsexposition ist einheitlich.

Drittens die Martech-Anbieter, die generative Features auf demselben zugrunde liegenden Stack liefern. Der MarTech-Roundup listet Dutzende neuer Produkte auf, die in einer Woche veröffentlicht wurden: Parsnipp, das Smart LLM Ads in konversationelle Suchantworten einfügt; Mod Ops ORION, das Anzeigentexte mit benutzerdefinierten Sprachmodellen generiert; Nielsens Ad Intel AI, das Anzeigeninhalte mit maschinellem Lernen verarbeitet; StackAdapts Ivy Studio, das Bildvariationen produziert. Jedes dieser Produkte hat dieselbe Fehleroberfläche, die PwC gerade getroffen hat. Käufer werden härtere Fragen zu Verankerung, Verifikation und Audit-Trails stellen. Anbieter, die keine Antwort haben, werden Aufträge an Anbieter verlieren, die eine haben.

Die treffendste Formulierung: Wenn Ihr Konkurrent ein Zitatprüfungsprotokoll vorweisen kann und Sie nicht, sind Sie das PwC Ihrer Kategorie.

Handlungsempfehlungen für die KI-Entwicklung

Konkrete Maßnahmen für Engineering-Leiter und CTOs diese Woche:

• Prüfen Sie jedes LLM-generierte Dokument, das Ihr Unternehmen verlässt. Berichte, Verkaufsunterlagen, interne Forschungszusammenfassungen, Ausschreibungsantworten. Wenn eine Quellenangabe vorhanden ist, überprüfen Sie, ob sie auflösbar ist und die Behauptung stützt. Tun Sie das, bevor jemand anderes es für Sie tut.
• Fügen Sie Ihrer Generierungspipeline einen Zitatüberprüfungsschritt hinzu. Rufen Sie die URL ab, parsen Sie den Inhalt, führen Sie eine separate Überprüfung durch, ob die umgebende Behauptung tatsächlich unterstützt wird. Das ist ein Batch-Job, kein Laufzeit-Blocker, und kostet bei aktuellen Inferenzpreisen wenige Cent pro Dokument.
• Verankern Sie Ihren RAG gegen eine Whitelist, nicht das offene Web. Nur Primärquellen. Wenn Ihr Modell etwas außerhalb der Whitelist zitieren möchte, markieren Sie es zur menschlichen Überprüfung.
• Protokollieren Sie den Retrieval-Trace. Jede generierte Behauptung sollte auf den genauen Chunk zurückverfolgbar sein, aus dem sie stammt. Wenn (nicht falls) eine Halluzination veröffentlicht wird, müssen Sie "Woher kam das?" in Minuten beantworten können, nicht in Wochen.
• Hören Sie auf, Automatisierung aus dem Jahr 2017 als agentische KI zu bezeichnen. PwCs Fehletikettierung des JPMorgan-Falls ist ein Marketing-Fehler, aber derselbe Fehler ist in Anbieter-Pitches weit verbreitet. Wenn Ihr Team den Unterschied zwischen einem RPA-Workflow und einer agentischen Schleife nicht erläutern kann, wird es denselben Fehler in einem Kundendokument machen.

Nichts davon ist teuer. Ein Zitatüberprüfungsschritt für einen 50-seitigen Bericht kostet weniger als das Kaffeebudget für das Meeting, in dem Sie den Bericht freigeben. Der Grund, warum es nicht passiert, ist, dass niemand dafür zuständig ist. Bestimmen Sie diese Woche einen Verantwortlichen.

Wichtigste Erkenntnisse

• Drei der Big Four (PwC, EY, KPMG) wurden nun laut GPTZero-Untersuchungen öffentlich dabei ertappt, KI-generierte Berichte mit erfundenen Quellenangaben zu veröffentlichen.
• PwC zitierte einen Teenager-Medium-Blogger mit 280 Followern als Quelle für eine JPMorgan-Fallstudie, die es als "agentische KI" bezeichnete, obwohl über die Initiative erstmals 2017 berichtet wurde – fünf Jahre vor ChatGPT.
• Das Versagen ist operativer, nicht technischer Natur: Verankerung, Retrieval-Whitelisting und Zitatüberprüfung sind dokumentierte Praktiken, die nicht angewendet wurden.
• Unternehmen, die diese Berichte in Strategie- oder Compliance-Dokumenten zitieren, erben das Erfindungsrisiko nachgelagert.
• Martech-Anbieter, die generative Features liefern (Parsnipp, ORION, Ad Intel AI, Ivy Studio und andere), haben dieselbe Fehleroberfläche und sollten mit härteren Käuferfragen zu Verankerung und Audit-Trails rechnen.