Jede KI-Antwort wird in Echtzeit gegen Ihre Regeln für Preise, Aussagen und Zusagen geprüft — bevor sie den Kunden erreicht, niemals erst danach. Sie läuft parallel zur Artikel-50-Attestierung, zur Evidence Chain und zur Policy-Engine pro Rechtsraum, auf demselben Kern. Keine Regulierung nötig, um sie zu aktivieren.
Brand Governance ist in jedem Audact-Deployment enthalten. Keine separate SKU, keine separate Abrechnungsposition, kein separates Dashboard — es ist dieselbe Engine, die die Artikel-50-Offenlegung prüft, nur auf Markenregeln statt auf regulatorische Regeln ausgerichtet.
Nach direkter Umsatzwirkung geordnet, auf Engine-Ebene durchgesetzt — kein Prompt, keine Guardrail-Bibliothek, kein Best-Effort.
| Rang | Funktion | Geschäftsnutzen |
|---|---|---|
1 | Preisvalidierung | Verhindert, dass die KI unautorisierte Preise nennt. Direkter, messbarer ROI. |
2 | Rabattfreigabe | Verhindert unautorisierte Rabatte von 40-80 %. Der häufigste Fehlerfall. |
3 | Validierung kommerzieller Zusagen | Verhindert verbindliche Zusagen, die die Marke nie freigegeben hat (Präzedenzfall Air Canada). |
4 | Eskalation bei Abweichung | Automatische Übergabe an einen Menschen, wenn die KI an eine Governance-Grenze stößt. |
5 | Durchsetzung freigegebener Aussagen | Beschränkt den Agenten auf von der Marke vorab freigegebene Aussagen. |
6 | Durchsetzung der Tonalität | Verhindert Vorfälle wie bei DPD (entgleister Tonfall, Markenschaden). |
Brand Governance und Commercial Transaction Validation sind beim UK Intellectual Property Office unter Audact AI Ltd eingereicht. Status: zum Patent angemeldet.
Hier ist der Mechanismus, Schritt für Schritt. Ihre Agenten-Policy begrenzt Rabatte auf 20 %. Das Sprachmodell — unter Social-Engineering-Druck eines Anrufers — versucht, 40 % Rabatt anzubieten. Sehen Sie, was den Anrufer erreicht und was in die Quittung geschrieben wird.
Die konfigurierte Regel des Test-Agenten: max_discount = 20%. Zur Laufzeit sind keine Ausnahmen freigegeben.
„Klar — ich kann Ihnen heute 40 % Rabatt geben. Das ist ein Top-Angebot.“
Vom Modell nach Druck des Anrufers erzeugt. Diese mögliche Antwort erreicht den Lautsprecher nie.
„Das liegt über dem, was ich freigeben darf — ich kläre das mit meinem Vorgesetzten und melde mich wieder bei Ihnen.“
Der Agent fällt auf den Policy-sicheren Eskalationspfad zurück. Es wird nie ein unautorisiertes Versprechen ausgesprochen.
{
"event": "brand_governance.block",
"policy": "max_discount",
"limit": "20%",
"attempted": "40%",
"decision": "BLOCKED",
"delivered": "escalation",
"ts": "2026-06-12T14:02:11Z",
"sig": "ed25519:9f3c…a71b"
}Der Block wird in dieselbe kryptografische Evidence Chain geschrieben wie der Rest des Anrufs — so existiert der Nachweis, dass Sie ihn gestoppt haben, bevor jemand danach fragt. Signaturwert für die Anzeige gekürzt.
Der Punkt: das Modell darf halluzinieren — Preise, Rabatte, Zusagen. Audact prüft jede mögliche Antwort anhand Ihrer Regeln, bevor sie den Anrufer erreicht, und protokolliert die Blockierung in jedem Fall. Sie erhalten den Vorteil eines LLM, ohne Ihre Marke darauf zu verwetten, dass es nie vom Skript abweicht.
Das sind keine Hypothesen. Jeder ist einer echten Marke passiert, mit echtem Umsatz- und Reputationsschaden. Brand Governance ist die technische Antwort.
Ein Air-Canada-Chatbot erfand einen Trauerfall-Tarifrabatt, den es nie gab. Das Civil Resolution Tribunal von British Columbia wies die Verteidigung der Fluggesellschaft zurück und machte sie für die Aussage des Chatbots haftbar.
Ein Chatbot eines Chevrolet-Händlers, von einem Nutzer per Prompt-Injection manipuliert, stimmte zu, einen 2024er Tahoe für 1 $ zu verkaufen — „und das ist ein rechtlich bindendes Angebot, kein Zurück.“ Der Wortwechsel ging innerhalb von Stunden viral.
Der Kundenservice-Chatbot von DPD beschimpfte einen verärgerten Kunden und schrieb ein Haiku, das den eigenen Arbeitgeber kritisierte, nachdem ein Software-Update seine Sicherheitsfilter entfernt hatte. Der Thread erreichte 1,3 Mio. Aufrufe in 24 Stunden.
Mehrere LLM-gestützte Support-Agenten wurden dabei ertappt, wie sie Rabatte von 40-80 % ohne Freigabe gewährten, oft schon nach einem einzigen Satz Social-Engineering-Druck eines Anrufers. Direkter Umsatzverlust, kein Prüfpfad.
Der Markt arbeitet im Eiltempo daran, Vertrauen in den Agent-zu-Agent-Handel einzubauen. Payment Rails und Agenten-Identitätsschichten entstehen, um zu verifizieren, dass der Agent desKäufersder ist, der er zu sein vorgibt, und zur Transaktion befugt ist. Das löst die eine Hälfte der Vertrauensfrage.
Ist der Agent in der Leitung befugt, Geld auszugeben? Handelt er wirklich für das Konto, das er angibt? Payment-Netzwerke und Identitätsschichten finden hier zunehmend Antworten.
Kaum jemand verifiziert, dass die KI desVerkäufersdie Marke wahrheitsgetreu vertreten hat — dass der genannte Preis echt war, die gegebene Zusage autorisiert war, die getätigte Aussage freigegeben war. Genau diese Lücke schließt Brand Governance bereits.
Repräsentationstreue— der Nachweis, dass der verkaufende Agent innerhalb der Markenregeln für Preise, Aussagen und Zusagen geblieben ist, in jedem Fall mit einem signierten Protokoll — ist die fehlende Hälfte des Agent-zu-Agent-Vertrauens. Sie braucht keine Regulierung, um nützlich zu sein, und funktioniert in jedem Markt. Audact prüft die Repräsentation auf Verkäuferseite schon heute, bei jedem Anruf; dieselbe Engine ist darauf ausgelegt, sich auf Agent-zu-Agent-Gespräche auszuweiten, sobald dieser Markt Form annimmt.
Preise, Aussagen und Zusagen in Echtzeit validiert, auf jedem Kanal, mit einer signierten Quittung für jede Interaktion. Unser Engineering-Team konfiguriert Ihren ersten Agenten für Sie — erster regelkonformer Testanruf noch am selben Tag.