ChatGPT Sichtbarkeit: Wie die Kandidatenauswahl vor der ersten Suchanfrage entsteht

Es gibt inzwischen einen ganzen Markt für AI Visibility Monitoring. Die Tools schicken Prompts an ChatGPT, Perplexity und Google AI Overviews, zählen, wie oft deine Marke in den Antworten auftaucht, und rechnen daraus einen Sichtbarkeitswert. Das ist nützlich. Es misst aber ausschließlich das Ergebnis.

Zwischen deiner Frage und der Antwort liegen mehrere Schritte, die kein Monitoring-Tool zeigt. ChatGPT formuliert deine Frage in eigene Suchanfragen um. Diese Suchanfragen enthalten häufig bereits Markennamen. Erst danach werden Seiten abgerufen, davon wird ein kleiner Teil zitiert, und aus diesem Rest entsteht die Antwort, die dein Tool auswertet.

Wenn deine Marke schon in der ersten Suchanfrage fehlt, siehst du im Tool eine niedrige Sichtbarkeit. Wenn deine Marke in der Suchanfrage steht, aber deine Seiten nichts Zitierfähiges hergeben, siehst du im Tool ebenfalls eine niedrige Sichtbarkeit. Das ist derselbe Wert für zwei völlig verschiedene Probleme mit zwei völlig verschiedenen Lösungen und zwei völlig verschiedenen Preisschildern.

Das eine Problem löst du mit Seitenarbeit, in Wochen, für einen dreistelligen bis niedrigen vierstelligen Betrag. Das andere löst du, wenn überhaupt, mit Presse-, Vergleichs- und Kategoriearbeit über Jahre. Wer das verwechselt, kauft die falsche Leistung ein und misst sie an der falschen Kennzahl.

Wenn du es nicht messen kannst, steuerst du nach Gefühl. Die gute Nachricht ist: Du kannst es messen. Der Teil, der bisher unsichtbar war, liegt offen im Netzwerkverkehr deines eigenen Browsers, und du brauchst dafür keine zusätzliche Software.

Die schlechte Nachricht ist, dass alles in diesem Artikel, was einen Eigennamen trägt, eine kurze Haltbarkeit hat. Wie kurz, dazu komme ich im Realitätsabgleich.

Vier Begriffe werden in der Debatte regelmäßig durcheinandergeworfen. Ohne saubere Trennung kannst du die Zahlen weiter unten nicht richtig lesen.

Query Fan-Out heißt: ChatGPT nimmt deine Frage und macht daraus mehrere eigene Suchanfragen. Aus „Welche Zeiterfassung ist DSGVO konform und für ein Unternehmen mit 80 Mitarbeitern geeignet?" werden vier Abfragen, von denen drei direkt auf die Websites einzelner Anbieter zielen. Der Fan-Out ist der Auffächerungsschritt, nicht die Suche selbst.

Kandidatenauswahl ist der Schritt davor. Wenn in der ersten Suchanfrage bereits Markennamen stehen, die weder du genannt hast noch aus einem Suchergebnis stammen können, weil noch nichts abgerufen wurde, dann kommen sie aus dem Modell. Diese Namen sind die Kandidatenliste.

Grounding Query gegen Fan-Out Query. Die Grounding Query ist die Suchanfrage, mit der ein System eine bereits formulierte Aussage belegt. Die Fan-Out Query ist die Anfrage, mit der es überhaupt erst Material sucht. Microsoft Clarity meldet in seinem AI-Bericht Grounding Queries, nicht Fan-Out Queries, und diese Verwechslung führt regelmäßig zu falschen Schlüssen. Das habe ich an anderer Stelle ausführlich auseinandergenommen.

Fetched, cited, mentioned. Drei Zustände, die nichts miteinander zu tun haben.

Eine Marke kann erwähnt werden, ohne dass ihre Website je abgerufen wurde. Eine Website kann sechsundsechzigmal abgerufen und kein einziges Mal zitiert werden. Beides ist dokumentiert, beides kommt gleich noch mit Zahlen.

Konsolidierte gegen fragmentierte Kategorie. Das ist die Unterscheidung, auf die dieser Artikel hinausläuft, und sie ist meine, nicht die der Primärquelle. Eine konsolidierte Kategorie hat einen stabilen, bundesweit bekannten Anbieterkreis, den das Modell aus den Trainingsdaten kennt. Eine fragmentierte Kategorie hat das nicht, dort gibt es hunderte regionale oder spezialisierte Anbieter ohne klare Marktführer. Die Trennlinie verläuft nicht zwischen Produkt und Dienstleistung, wie ich zwischenzeitlich selbst angenommen hatte.

Ausgangspunkt ist eine Untersuchung von Suganthan Mohanadasan, veröffentlicht am 10. August 2026 und aktualisiert am 17. August. Er hat auf einem eingeloggten ChatGPT-Plus-Account in Dubai am 24. und 25. Juli 2026 den Netzwerkverkehr mitgelesen, den ChatGPT beim Beantworten an den Browser schickt, und dort das Feld ausgewertet, in dem die selbst formulierten Suchanfragen des Modells stehen.

Seine Kernzahlen:

Dazu ein Positionseffekt innerhalb der Ergebnisgruppe einer Domain: Die erste Position wird in 5,2 Prozent der Fälle zitiert, die zweite in 4,6, die dritte in 2,4, ab Position sechs sind es 0,3 Prozent. Und ein Mengeneffekt: Zwei eng passende Seiten aus derselben Domain konvertieren am besten (6,2 Prozent), ab sechs Seiten fällt der Wert auf 1,7 Prozent. In einem Extremfall wurde eine Marke 66-mal abgerufen und kein einziges Mal zitiert.

Der Autor kennzeichnet sämtliche Prozentwerte ausdrücklich als Richtungsangaben aus einem einzigen Account. Die strukturellen Befunde hält er für belastbar, die Zahlen nicht. Er legt außerdem offen, dass seine Handlungsempfehlungen auf zwei eigene Produkte zulaufen, eine kostenlose Chrome-Erweiterung und das Keyword-Tool seiner Firma. Ich bin bei letzterem selbst seit Jahren Kunde, das ändert nichts an der Bewertung, gehört aber gesagt.

Die Korrektur vom 17. August

Der ursprüngliche Titel las sich so, als sei das Ergebnis vor der Suche entschieden. Der Autor hat ihn eine Woche später entschärft und im Artikel einen Kasten davorgesetzt. Darin steht ausdrücklich: Marken, die in keiner der selbst formulierten Suchanfragen auftauchen, erreichen trotzdem die finale Antwort, einschließlich der Empfehlung. Die Suche verändert das Ergebnis. Zahlen und Befunde blieben unverändert, die Zuspitzung fiel weg.

Das ist saubere wissenschaftliche Praxis. Jemand veröffentlicht einen starken Befund, testet weiter, merkt, dass der Titel mehr behauptet als die Daten hergeben, und korrigiert.

Realitätsabgleich, Teil eins: Die Korrektur ist nicht angekommen

Die deutschsprachige Berichterstattung hat diese Korrektur nicht mitgenommen.

In der deutschen Fassung liest es sich so, dass manche Websites schlicht keine Chance hätten, von ChatGPT zitiert zu werden, und dass die eigentliche Entscheidung weitgehend im Gedächtnis des Modells falle, bevor die KI überhaupt die Server eines Unternehmens kontaktiert. Genau das ist die Lesart, die der Autor am 17. August zurückgenommen hat, weil sie seiner eigenen vierten These widerspricht.

Bevor das nach Nestbeschmutzung klingt, zwei Einordnungen, die dazugehören.

Erstens ist das kein deutsches Problem. Auch die englischsprachige Zweitverwertung trägt weiterhin die stärkere Überschrift, nach der ChatGPT bereits wisse, wen es empfehlen werde. Die Korrektur hat es nicht einmal innerhalb der Sprache über die Syndikationskette geschafft.

Zweitens hat dieselbe deutsche Quelle im Juni 2026 selbst geschrieben, dass jeder, der die Rankingfaktoren von ChatGPT zu kennen behauptet, Schlangenöl verkauft. Das Problem ist also nicht fehlendes Urteilsvermögen. Das Problem ist eine Korrektur, die sieben Tage nach der Erstveröffentlichung kam und in einem Nachrichtenzyklus, der in Stunden rechnet, keinen Anlass mehr zum Nachziehen bietet.

Genau deshalb steht dieser Abschnitt hier und nicht am Ende. Wenn du eine Kennzahl aus einem Fachbeitrag übernimmst und daraus ein Budget ableitest, ist die Frage nicht, ob die Quelle seriös ist. Die Frage ist, wann du sie zuletzt nachgeschlagen hast.

Die Frage ist nicht „geht das?", sondern „lohnt sich das, und wie kontrollierst du es?" Ich habe deshalb nicht referiert, sondern nachgemessen.

Die Untersuchung endet mit einer offenen Frage, die der Autor selbst formuliert: Sind die beobachteten Kandidatenlisten Modellwissen oder Personalisierung? Der Test, der das entscheiden würde, ist dieselbe Kategorieabfrage über mehrere Accounts. Tauchen dieselben Marken auf, ist es Modellwissen. Tauchen andere auf, macht die Personalisierung mehr Arbeit als gedacht.

Meine Messung ist dieser Test mit einer Stichprobe von eins: anderer Account, anderes Land, andere Sprache, drei Wochen später. Dazu kommen Fragestellungen, die im Original nicht vorkommen.

Aufbau

Alle Läufe am 18. August 2026, alle über die Chrome DevTools mitgelesen. Ausgewertet wurde das Feld, in dem ChatGPT die selbst formulierten Suchanfragen ablegt, dazu die Ergebnisgruppen und die Zitationsmarker im Antworttext.

Serie 1 lief unter unsauberen Bedingungen. Die Modellauswahl stand auf Auto und wechselte in einem Lauf still auf ein kleineres Modell, die Custom Instructions waren aktiv, der Chat war nicht temporär. Sie wird als Nebenreihe geführt und dient dem Konfigurationsvergleich, nicht als Beleg. Alle tragenden Aussagen stützen sich auf Serie 2.

Insgesamt 56 ausgewertete Läufe: 10 in Serie 1, 37 in Serie 2, 3 in einem Isolationstest, 6 im personalisierten Arm.

Was ich kontrolliert habe

Dass der temporäre Chat tatsächlich ohne gespeicherte Details arbeitet, habe ich nicht angenommen, sondern geprüft. Auf die Frage, was ChatGPT über mich weiß, lieferte der normale Chat umfangreiche gespeicherte Details mit Quellenangaben, der temporäre Chat keine.

Beim Standort bin ich vorsichtiger. Der temporäre Chat nannte auf direkte Nachfrage Flensburg, aber nicht in jedem Durchgang. Diese Selbstauskunft taugt deshalb nicht als Beleg. Was als Beleg taugt, ist die unaufgeforderte Ergänzung von „Deutschland" und „Germany" in den Suchanfragen mehrerer Läufe, obwohl im Prompt nichts davon stand. Darauf komme ich in Befund 6 zurück.

Zwei eigene Thesen, die sich nicht gehalten haben

Das gehört in den Artikel, weil es zeigt, wie schnell man sich in diesem Feld irrt, und weil ich von anderen dieselbe Offenlegung erwarte.

These eins, nach der ersten Serie: Im Englischen führe der Weg über Vergleichs- und Affiliate-Portale, im Deutschen über Herstellerseiten. Der Anteil der Herstellerseiten an den abgerufenen Ergebnissen lag in Serie 1 bei 91 Prozent auf Deutsch und 55 Prozent auf Englisch. Ein sauberer Sprachunterschied, dachte ich.

Serie 2 replizierte den deutschen Wert (92 Prozent) und den englischen nicht (73 Prozent). Damit war die These in dieser Form erledigt.

These zwei, die Korrektur der Korrektur: Also gehe der Unterschied allein auf das Modell zurück. Das hielt genau so lange, bis vier Sprach- und Kategoriekombinationen vorlagen.

Deutsch liegt konstant hoch, Englisch niedriger und deutlich stärker streuend. Das Modell verschiebt das Niveau, Sprache und Kategorie bestimmen die Streuung. Beides wirkt, keins allein erklärt es.

Der praktische Schluss daraus ist unangenehm für den gesamten Tool-Markt: Eine AI-Visibility-Messung ohne dokumentiertes Modell misst eine unbestimmte Größe. Wenn dein Anbieter dir nicht sagen kann, welches Modell in welcher Einstellung die Prompts beantwortet hat, weißt du nicht, was der Wert bedeutet, den du im Dashboard siehst.

Grenzen dieser Messung

Damit du sie richtig gewichtest:

• Ein Account, ein Standort, ein Tag. Alle Prozentwerte sind Richtungsangaben, keine Marktzahlen.

• Drei bis fünf Läufe je Fragestellung. Das reicht, um ein Muster von einem Ausreißer zu unterscheiden, nicht für Signifikanzaussagen.

• Modellgeneration und Zeitpunkt sind nicht trennbar. Zwischen der Primärquelle und meiner Messung liegen drei Wochen und mindestens ein Modellwechsel.

• Beobachtetes Verhalten ist kein Mechanismus. Aus keinem der Befunde lässt sich ein Rankingfaktor ableiten, weder aus meinen Daten noch aus der Primärquelle. Wer dir das Gegenteil erzählt, verkauft dir etwas.

Die Frage, mit der alles anfängt, lautet: Woher kommen die Markennamen in der ersten Suchanfrage?

Sie können nicht aus einem Suchergebnis stammen, weil zu diesem Zeitpunkt nichts abgerufen wurde. Sie können nicht aus dem Prompt stammen, weil ich sie nicht genannt habe. Bleibt das Modell.

Die Zahl

In zwanzig Läufen mit erkennbarer Kaufabsicht in Softwarekategorien enthielt die erste Suchanfrage in zwanzig von zwanzig Fällen mindestens eine Marke, die im Prompt nicht vorkam. Das gilt für beide Sprachen und beide Kategorien, die ich getestet habe.

Interessanter als die Quote ist die Form. In neun dieser zwanzig Läufe gab es überhaupt keine offene Sondierung. Der erste Batch bestand ausschließlich aus site:-Abfragen an namentlich bekannte Anbieter. Es gab in diesen Läufen keine Phase, in der ein nicht vorbekannter Anbieter überhaupt hätte gefunden werden können.

So sieht das aus, wörtlich aus einem Lauf zur Frage nach einer DSGVO-konformen Zeiterfassung für 80 Mitarbeiter:

Vier Abfragen, vier Anbieter, null offene Suche. Wer nicht auf dieser Liste steht, dessen Server wird an diesem Tag für diese Frage nicht kontaktiert.

Ein zweiter Lauf zur selben Frage begann anders, aber nicht offener:

Die erste Abfrage sieht allgemein aus, trägt aber Personio bereits im Suchstring. Danach eine Abfrage je Anbieter.

Was das für llms.txt und Schema bedeutet

An dieser Stelle wird eine Empfehlung unangenehm, die seit zwei Jahren durch die Branche geht. Wenn die Auswahl fällt, bevor irgendetwas abgerufen wird, dann kann keine Datei auf deinem Server sie beeinflussen. Nicht llms.txt, nicht strukturierte Daten, nicht die Ladezeit. Diese Dinge wirken frühestens im nächsten Schritt, und dort auch nur, wenn du überhaupt in den Schritt hineinkommst.

Zu llms.txt habe ich eigene Logdaten. In 57 Tagen ging kein einziger Zugriff eines KI-Crawlers auf meine /llms.txt. Sämtliche Aufrufe der Datei kamen von SEO-Audit-Werkzeugen, die prüfen, ob sie existiert. Das ist ein Datenpunkt von einer Domain und keine allgemeine Aussage über das Format. Für die Kandidatenphase ist es trotzdem eindeutig: Eine Datei, die niemand abruft, entscheidet nichts.

Die Fan-Out-Breite hat sich halbiert und mehr

Die Primärquelle beschreibt, dass die Anzahl der Suchanfragen pro Antwort Anfang August 2026 von zwölf auf vier gefallen ist. Meine Läufe bestätigen die Größenordnung: vier Abfragen im ersten Batch, in mehreren Läufen gefolgt von einem zweiten kleineren Batch.

Das ist keine Randnotiz. Weniger Abfragen bedeuten weniger Plätze. Wenn ChatGPT früher zwölf Anbieter einzeln abgeklopft hat und heute vier, ist die Kandidatenliste um zwei Drittel kürzer geworden, ohne dass sich an deiner Website etwas geändert hat.

Was du daraus noch nicht ableiten darfst

Der Autor der Primärquelle hat seinen Titel eine Woche nach Veröffentlichung genau deshalb entschärft: Marken, die in keiner eigenen Suchanfrage stehen, erreichen trotzdem die finale Antwort, einschließlich der Empfehlung. Die Kandidatenliste ist ein starker Vorteil, kein Türsteher.

Meine eigenen Daten stützen das. In einem Lauf der Serie 1 wurde SAP zwölfmal abgerufen und weder zitiert noch erwähnt. Vorbekanntheit garantiert nichts, sie erhöht die Chance. Und in der Beratungskategorie, dazu gleich mehr, gibt es die Vorbelegung überhaupt nicht.

Ein Kontrolllauf während der Endabstimmung dieses Artikels lieferte den gleichen Fall in die andere Richtung: Alle vier Suchanfragen zielten per site: auf Personio, clockodo, timr und Papershift. Empfohlen wurde am Ende auch TimeTac, dessen Website in keiner Anfrage stand und nicht abgerufen wurde. Der gleiche Mechanismus wie bei den 86 Fällen der Primärquelle, nur diesmal im eigenen Datensatz.

Wenn du nur eine Sache aus diesem Abschnitt mitnimmst: Prüfe, ob dein Markenname in der ersten Suchanfrage steht. Das ist eine Ja-Nein-Frage, du beantwortest sie in zehn Minuten, und sie entscheidet, welche Art von Arbeit bei dir überhaupt etwas bewirken kann.

Das ist der Befund, den ich in der englischsprachigen Diskussion nirgends gefunden habe, und der für jeden im DACH-Raum unmittelbar praktisch ist.

Ich habe dieselbe Frage einmal auf Deutsch und einmal auf Englisch gestellt, je fünf Läufe, verschachtelt gefahren, zehn verschiedene Konversations-IDs.

Warenwirtschaft

Frage auf Deutsch: Welche Warenwirtschaft eignet sich für einen mittelständischen Großhändler mit 60 Mitarbeitern? Auf Englisch: Which ERP system is best for a mid sized wholesaler with 60 employees?

Eine einzige Marke steht in beiden Listen mit hoher Frequenz, Business Central. Deutsche Anbieter erscheinen in der englischen Fragestellung überhaupt nicht. NetSuite und Acumatica, in fünf von fünf englischen Läufen gesetzt, kommen auf Deutsch kein einziges Mal vor.

Zeiterfassung, und hier wird es eindeutig

Frage auf Deutsch: Welche Zeiterfassung ist DSGVO konform und für ein Unternehmen mit 80 Mitarbeitern geeignet? Auf Englisch: Which time tracking software is best for a company with 80 employees?

Überschneidung: null. Keine einzige Marke steht in beiden Listen.

Was du damit anfängst

Drei Dinge folgen daraus, und alle drei kosten Geld, wenn du sie ignorierst.

Erstens: Deine Prompt-Sprache ist eine Messentscheidung, keine Formalie. Wenn du im DACH-Raum verkaufst und deine AI-Visibility-Messung auf Englisch läuft, weil das Tool englische Standardprompts mitbringt, misst du einen Markt, in dem du gar nicht antrittst. Das Prompt-Set ist kein Konfigurationsschritt, sondern das Messinstrument selbst.

Zweitens: Die englische Liste ist stabiler. In beiden Kategorien standen auf Englisch drei Marken bei 5 von 5 Läufen, auf Deutsch nur eine oder zwei. Die deutsche Liste wackelt stärker zwischen Läufen. Für dich heißt das: Auf Deutsch gibt es mehr umkämpftes Gelände. Wer bei 2 von 5 Läufen auftaucht, kann realistisch auf 4 von 5 kommen. Wer im Englischen gegen Clockify, Toggl und Harvest antritt, die alle fünfmal von fünf gesetzt sind, hat eine andere Aufgabe.

Drittens: Ein Lauf ist keine Messung. Wenn dieselbe Frage im selben Account innerhalb einer Stunde einmal timr nennt und einmal nicht, ist ein einzelner Screenshot deiner Sichtbarkeit wertlos. Fünf Läufe sind das Minimum, um zu unterscheiden, ob du gesetzt bist, ob du wackelst oder ob du gar nicht existierst.

Ein Nebenbefund, der zeigt, wie tief das Modellwissen reicht

In einem der deutschen Warenwirtschaftsläufe steuerte ChatGPT microtech und mesonic per site:-Abfrage an. Das sind keine Marktführer, das ist der deutsche Mittelbau. Die Kategoriekenntnis reicht also über die naheliegenden Namen hinaus.

In einem Lauf der Serie 1 tauchte außerdem proalpha.com/de/grounding-page als abgerufenes Ergebnis auf. Ein deutscher ERP-Anbieter betreibt eine Grounding Page, also eine Seite, die gezielt Fakten in maschinell verwertbarer Form bereitstellt. Ich betreibe selbst eine. Ob sie wirkt, ist eine andere Frage, und ich habe dazu keinen kausalen Beleg. Dass ein Anbieter dieser Größenordnung eine betreibt, ist trotzdem bemerkenswert.

Bis hierhin klingt alles nach einer geschlossenen Geschichte: Die Liste steht vorher, arbeite an der Marke. Genau an diesem Punkt bin ich mit meiner eigenen These auf die Nase gefallen, und die Korrektur ist der wichtigste Teil dieses Artikels.

Der strukturelle Bruch

Ich habe dieselbe Messung in zwei Beratungskategorien wiederholt. Frage eins: Wen kannst du als SEO Berater für einen deutschen Mittelständler empfehlen? Frage zwei: Wer berät im deutschsprachigen Raum zu Sichtbarkeit in KI-Suchsystemen? Je fünf Läufe.

In neun von zehn Läufen suchte ChatGPT generisch. Keine vorbelegte Liste, keine site:-Abfragen an Anbieter. Statt Anbieterdomains steuerte es Verzeichnisse an: clutch.co, omr.com, bvdw.org, omt.de, agenturranker.de, geoagenturen.de.

Meine erste Erklärung dafür war die naheliegende: Produkt gegen Dienstleistung. Ein Produkt hat einen Namen und eine Produktseite, eine Dienstleistung ist diffus. Klingt plausibel.

Warum diese Erklärung falsch ist

Ich habe sie an einem physischen Produkt im regionalen Handel geprüft. Frage: Wo bestellt ein Handwerksbetrieb in Norddeutschland Baubeschläge und Beschlagtechnik? Fünf Läufe.

Markeninjektion in der ersten Query: 0 von 5. Alle Erstqueries generisch, etwa „Baubeschläge Beschlagtechnik Großhandel Norddeutschland Handwerk Händler". Häfele und Würth erschienen in zwei Läufen, aber erst in späteren Abfragen desselben Batches, also nach der offenen Suche.

Baubeschläge sind ein Produkt. Sie verhalten sich wie eine Beratungsleistung. Die Trennlinie verläuft also woanders.

Die tragfähige Unterscheidung

Entscheidend ist, ob die Kategorie im Modellwissen einen stabilen, bundesweit konsolidierten Anbieterkreis besitzt.

Damit zerfällt der verbreitete Ratschlag, man müsse in Roundups und Vergleichsportale kommen, in zwei Hälften. Er ist nicht falsch, er ist kategorieabhängig. In der Softwarekategorie kauft er dir Retrieval ohne Zitation, dazu gleich die Zahlen. In der Dienstleistungskategorie ist er der Hauptweg.

Nicht das Tool ist der Hebel, der Prozess ist der Hebel. Und hier ist der Prozessschritt, den fast alle überspringen: erst bestimmen, in welcher Kategorie du bist, dann Budget verteilen.

Was das für die eigene Kategorie heißt, am eigenen Beispiel

Ich habe die Messung auf mich selbst angewendet, weil ich sonst über etwas rede, das mich nicht betrifft.

Ein Abruf in zehn Läufen. Er betraf ausgerechnet den Beitrag darüber, warum das Prompt-Set über das AI-Monitoring entscheidet. Kein Zitat, keine Erwähnung.

Zur Einordnung, was in denselben zehn Läufen passierte:

Gemessen an einer handverlesenen Vergleichsgruppe von Einzelberatern ist ein Abruf kein schlechtes Ergebnis. Gemessen an dem, was tatsächlich gelesen wird, ist es Rauschen.

Der wichtige Punkt daran ist nicht das Ergebnis, sondern die Diagnose. In einer fragmentierten Kategorie ohne vorbelegte Liste ist das kein Bekanntheitsproblem. Es ist ein Retrieval- und Seitenproblem, und das ist die Sorte Problem, die man mit Arbeit an der eigenen Website tatsächlich lösen kann.

Ein deutlich sichtbarerer Kollege aus derselben Vergleichsgruppe wurde in fünf von zehn Läufen abgerufen und kein einziges Mal zitiert oder erwähnt. Fünfmal gelesen, nullmal zitiert, auf einem viel höheren Abrufniveau als meins. Das ist die zweite Sorte Problem, und sie sieht in jedem Monitoring-Dashboard genauso aus wie meine.

Der Ratschlag, man müsse in die einschlägigen Vergleichslisten und Roundups kommen, ist der meistverkaufte in diesem Feld. Meine Daten sagen dazu etwas Unangenehmes: Es kommt darauf an, in welcher Kategorie du das tust, und in der Softwarekategorie kaufst du dir damit vor allem, gelesen zu werden.

Die Zahlen

Zuerst die Quellenzusammensetzung, also woher die abgerufenen Ergebnisse stammten:

In den englischen Zeiterfassungsläufen kam also fast die Hälfte des abgerufenen Materials von Drittseiten. Jetzt die Zitationen aus denselben Läufen:

47 Prozent der abgerufenen Ergebnisse, null Prozent der Zitate. Über beide englischen Kategorien zusammengerechnet: 382 abgerufene Drittergebnisse, vier Zitationen. Auf Deutsch drei von siebzig.

Vergleichsportale, Affiliate-Listen und Roundups liefern also Retrieval, aber praktisch keine Zitation. ChatGPT liest sie erkennbar, um seine Kandidaten zu bestätigen, und belegt anschließend auf der Herstellerseite, überwiegend auf Preis- und Supportseiten.

Die Ausnahme, und sie ist aufschlussreich

Die drei zitierten Drittseiten aus den deutschen Zeiterfassungsläufen waren dsgvo-gesetz.de, keyed.de und das Bayerische Landesamt für Datenschutzaufsicht. Im personalisierten Arm kamen bmas.de und das Bundesarbeitsgericht dazu.

Keine davon vergleicht Produkte. Alle belegen eine Rechts- oder Sachfrage.

Daraus wird eine brauchbare Regel: Eine Drittseite wird zitiert, wenn sie einen Sachverhalt belegt, nicht wenn sie eine Rangliste anbietet. Wenn du eine Drittseite betreibst und in Softwarekategorien zitiert werden willst, ist die zehnte „Die 12 besten Tools"-Liste der falsche Weg. Die belegbare Sachaussage zu einem Teilaspekt der Kaufentscheidung ist der richtige.

Die Umkehrung in der Dienstleistungskategorie

In den zehn Läufen zu SEO- und AI-Search-Beratung dreht sich das Bild komplett. Dort werden Verzeichnisse und Vergleichsinhalte tatsächlich zitiert:

Derselbe Ratschlag, dieselbe Maßnahme, entgegengesetzte Wirkung. In der einen Kategorie kaufst du Retrieval ohne Zitation, in der anderen ist es der Hauptweg zur Sichtbarkeit.

Der zweite Filter, der nach der Kandidatenliste kommt

Die Primärquelle hat den Schritt nach dem Abruf quantifiziert, und zwar über einen beschrifteten Datensatz aus 3.554 abgerufenen Seiten. Zitiert wurden 110, also 3,1 Prozent. ChatGPT liest größenordnungsmäßig 600 Seiten, um eine Antwort zu schreiben, und schreibt etwa 30 davon eine Quellenangabe zu.

Zwei Muster darin sind für deine Seitenarbeit direkt verwertbar.

Die Position innerhalb der Domaingruppe entscheidet fast alles. ChatGPT gruppiert die Ergebnisse nach Domain. Innerhalb dieser Gruppe:

Viele eigene Seiten zur selben Frage schaden. Wenn mehrere Seiten derselben Domain in einer Gruppe landen, bricht die Ausbeute je Seite ein:

Zwei eng passende Seiten sind der beste Wert. Ab sechs konkurrierst du überwiegend mit dir selbst. Das ist Keyword-Kannibalisierung in neuer Form, nur dass die Gruppierung nicht über das Suchwort läuft, sondern über die zu belegende Aussage.

Und die Relevanz qualifiziert dich, sie wählt dich nicht aus. Die zitierte Seite lag im Schnitt in den besten fünf Prozent des Bewerberfelds, war aber nur in 20 Prozent der Fälle die beste Übereinstimmung. Was den letzten Ausschlag gibt, ist von außen nicht sichtbar.

Diese Werte stammen aus einem Account und sind vom Autor ausdrücklich als Richtungsangaben gekennzeichnet. Als Größenordnung taugen sie, als Zielwert nicht.

Was du daraus machst

• Zähle nicht Abrufe, zähle das Verhältnis von Abruf zu Zitation je Domain. Häufig gelesen und selten zitiert ist eine Seitendiagnose, keine Bekanntheitsdiagnose. Im Extremfall der Primärquelle wurde eine Marke 66-mal abgerufen und kein einziges Mal zitiert.

• Eine Seite je Kaufentscheidungsfrage, nicht fünf. Die anderen zusammenlegen oder weiterleiten.

• Der Satz, der die Frage beantwortet, gehört weit nach oben, mit der Zahl darin, als normaler HTML-Text. Nicht in einer Grafik, nicht per JavaScript nachgeladen.

• Wenn du in einer Softwarekategorie Geld für Roundup-Platzierungen ausgibst, rechne damit, dass du Retrieval kaufst und keine Zitation. Das kann trotzdem richtig sein, weil Retrieval die Kandidatenbestätigung stützt. Aber dann sag es dir vorher und miss es entsprechend.

Dies ist der Befund, an dem meine Replikation von der Primärquelle abweicht, und zwar deutlich.

Der Referenzfall

Die Primärquelle beschreibt einen Fall, der zu Recht Aufmerksamkeit bekommen hat. Auf die Eingabe „our meeting notes are a mess and nobody writes them up", also eine reine Beschwerde ohne Frage und ohne Kaufabsicht, formulierte ChatGPT als erste Suchanfrage Granola official pricing AI meeting notes 2026. Ein Jammern über Besprechungsprotokolle wurde in eine gezielte Anbieterabfrage übersetzt, bevor eine einzige Seite abgerufen wurde.

Wenn das der Normalfall wäre, hätte es weitreichende Folgen. Dann wäre jede Unzufriedenheitsäußerung eine potenzielle Kaufsituation.

Was bei mir passiert ist

Nichts. In zwölf Läufen nichts.

Die deutsche Formulierung lautete: „Unsere Zeiterfassung nervt das ganze Team und die monatliche Auswertung dauert ewig." Die englische war der wörtliche Originaltext der Primärquelle.

Alle zwölf Antworten behandelten die Aussage als Ablaufproblem. Pflichtfelder reduzieren, Eingabefehler früh abfangen, rotierender Protokollverantwortlicher, die letzten Minuten der Besprechung für Entscheidungen reservieren. Kein Anbieter, kein Produkt, keine Empfehlung.

Wie ich ausgeschlossen habe, dass es an Sprache oder Modell liegt

Drei Kontrollen, alle innerhalb derselben Datenerhebung.

Sprache scheidet aus. Die englischen Kaufabsichtsfragen lösten in fünf von fünf Läufen eine Suche aus, die englische Beschwerde im Originalwortlaut in null von drei. Gleicher Account, gleiches Modell, gleiches Zeitfenster.

Modellklasse scheidet aus. Ich habe die Beschwerde zusätzlich mit dem Aufwand „Sofort" gefahren, was sich im Stream auf die nicht denkende Variante auflöst. Auch dort keine Suche. Dieselbe Modellklasse sucht bei Kaufabsicht und sucht nicht bei einer Beschwerde.

Die Historie scheidet aus. Dazu gleich mehr.

Was übrig bleibt und was ich nicht auflösen kann: Zwischen der Primärquelle (Ende Juli 2026) und meiner Messung (18. August 2026) liegen sowohl ein Modellwechsel als auch mögliche Änderungen an der Verarbeitungskette. Von außen ist das nicht trennbar. Es kann sein, dass sich das Verhalten geändert hat. Es kann auch sein, dass der Referenzfall in einer Kategorie mit besonders starker Kandidatenliste besonders leicht auslöst.

Fairerweise gehört dazu: Auch in den Daten der Primärquelle war das nicht der Normalfall. Von 24 Grenzfall-Abfragen lösten sieben überhaupt keine Websuche aus, darunter ausdrücklich eine offene Klage über zu hohe Kosten für Support-Werkzeuge. Der Fall mit den Besprechungsprotokollen ist also auch dort ein Einzelfall und nicht das Muster.

Wo die Schwelle tatsächlich liegt

Der Auslöser ist nicht das Wort „beste", nicht die Frageform und nicht die Kategorie. Der Auslöser ist, dass ChatGPT die Produkte selbst beisteuern muss. Sobald eine Lösungsfrage im Raum steht, greift es in den Speicher.

Zwei Nebenbeobachtungen aus denselben Läufen sind praktisch verwertbar. Bei der Rechtsfrage zerlegte ChatGPT die Aufgabe: Es recherchierte die Rechtslage getrennt vom Produkt, mit Abfragen an bmas.de und bundesarbeitsgericht.de, teils per site:. Und die Verdrängungsfrage funktionierte in allen drei Läufen. Wer im Modellwissen als Alternative zum Marktführer verankert ist, wird genannt, ohne dass jemand nach ihm gefragt hat.

Der personalisierte Arm: Die Erinnerung wirkt, die Schwelle bewegt sich nicht

Die Primärquelle lässt offen, ob die beobachteten Kandidatenlisten Modellwissen oder Personalisierung sind, und benennt den Test, der das klären würde. Ich habe eine kleine Version davon gefahren: sechs Läufe im normalen Chat, mit aktiven Erinnerungen und zurückgespielten Custom Instructions, gegen die entsprechenden Läufe aus der sauberen Reihe gestellt.

Bei der Kaufabsichtsfrage bewegte sich die Kandidatenliste nicht.

Keine neue Marke, keine verschwundene. Markeninjektion in der ersten Query in drei von drei Läufen, in zwei davon bestand der erste Batch wieder ausschließlich aus site:-Abfragen. Gleicher Account, gleicher Tag, gleiche Frage, einmal mit und einmal ohne Historie, praktisch identisches Ergebnis.

Bei der Beschwerde bewegte sich die Schwelle ebenfalls nicht, und das ist der interessantere Teil, weil die Erinnerung nachweislich gearbeitet hat.

Im Beschwerde-Prompt steht keine Mitarbeiterzahl. Trotzdem rechnen zwei der drei Antworten mit einer: „Bei rund 80 Mitarbeitern würde ich außerdem keine klassische Stempeluhr mit hübscher App auswählen" und „Gerade bei 80 Mitarbeitenden kann sich daraus schnell ein erheblicher administrativer Aufwand summieren". Die 80 stammen aus der Kaufabsichtsfrage, die Minuten vorher im selben Account lief. Beide Antworten tragen am Ende einen Erinnerungsmarker. Die dritte hat keinen und fragt die Mitarbeiterzahl stattdessen zurück.

Das Modell hat sich also die Unternehmensgröße gemerkt, sie in die Antwort eingebaut und trotzdem nicht gesucht, keine Kandidaten gebildet und keinen Anbieter genannt.

Die Personalisierung transportiert Fakten. Sie erzeugt keine Kaufabsicht.

Verschärfend kommt hinzu, dass das Modell in zwei von drei Läufen die Anbietersuche ausdrücklich als nächsten Schritt anbot, statt sie auszuführen: fünf bis sieben DSGVO-taugliche Systeme vergleichen, auf vier bis fünf realistische Kandidaten reduzieren. Es bleibt einen Schritt vor der Schwelle stehen und bietet an, sie zu überschreiten. Den Schritt muss der Nutzer machen.

Ein Nebenbefund für alle, die Markennennungen zählen

In allen drei personalisierten Beschwerdeläufen steht DATEV im Antworttext. Nie als Empfehlung, immer als Schnittstellenkontext: Export nach DATEV, DATEV- und Lohnschnittstellen. Kein Abruf, kein Zitat, keine Kandidatenphase.

Das ist eine vierte Kategorie neben abgerufen, zitiert und erwähnt: eine Marke, die als Infrastrukturbegriff im Text landet, weil sie zur Beschreibung des Problems gehört. Ein Monitoring-Werkzeug, das auf Markennennungen zählt, wertet das als Erwähnung. Für DATEV ist das keine gewonnene Kaufentscheidung, sondern die Bestätigung, dass die Marke zum Vokabular der Kategorie gehört. Das ist etwas wert, aber etwas anderes, als der Zähler suggeriert.

Zwei weitere Präzisierungen aus denselben Läufen, weil sie sonst jemand als Widerspruch findet:

• In drei der sechs Beschwerdeläufe rief ChatGPT ein Werkzeug auf, um einen wiederkehrenden Ablauf einzurichten. Es wollte den Prozess automatisieren, statt ein Produkt zu empfehlen.

• Keine Websuche heißt nicht, dass nichts in den Kontext geladen wurde. In den Streams der Isolationsläufe steckt ein vorab eingespielter Block mit vorgeladenen Ergebnissen aus einem Anzeige-Kommando. Das betrifft die Auswahl von Darstellungselementen und nicht die Markenauswahl, aber „das Netzwerkfenster war leer" ist trotzdem die falsche Beschreibung.

Was das für dich heißt

Wenn du Software verkaufst: Die Vorstellung, ChatGPT fange bereits beim ersten Unmut deines Wunschkunden an, Anbieter zu suchen, ist nach meinen Daten im August 2026 nicht haltbar. Die Kaufabsicht muss formuliert sein. Das ist die gute Nachricht, weil es dir die Panik nimmt, und die schlechte, weil es bedeutet, dass die frühe Phase der Kaufentscheidung in ChatGPT gar nicht stattfindet, wo du sie messen könntest.

Wenn du Monitoring einkaufst: Prüfe, welche Frageformen im Prompt-Set stehen. Ein Set aus Beschwerden und offenen Problemschilderungen misst in dieser Kategorie nichts, weil die Mechanik gar nicht anläuft.

Der letzte Befund ist der unauffälligste und in der Praxis vielleicht der folgenreichste.

Was passiert ist

In der Frage nach dem Beschlaghandel stand im Prompt ausschließlich das Wort „Norddeutschland". Keine Stadt, kein Bundesland. ChatGPT ergänzte in seinen Suchanfragen unaufgefordert Hamburg, Bremen, Hannover, Kiel und Schleswig-Holstein.

Kiel und Schleswig-Holstein sind die geografisch nächstliegenden Ergänzungen zu meinem IP-Standort Flensburg.

So sieht der Beleg aus, gekürzt aus dem Netzwerkstrom eines Laufs. Es ist die Nachricht, mit der das Modell die Suche losschickt, erkennbar an "recipient": "web.run", und sie entsteht, bevor eine einzige Seite abgerufen wurde:

Im Prompt stand keine dieser vier Städte.

Dasselbe Muster, schwächer, in mehreren anderen Paketen: „Deutschland" in mehreren deutschen Läufen der Nebenreihe, „Germany" in einem englischen Lauf, „Germany" in einer englischsprachig formulierten Teilabfrage eines deutschen Laufs der Hauptreihe. Nichts davon stand im Prompt.

Zwei Dinge daran sind wichtig.

Erstens wirkt das unterhalb der Gedächtnisebene. Alle Läufe der Hauptreihe liefen in temporären Chats ohne gespeicherte Details. Der temporäre Chat entfernt die Erinnerung, den Standort entfernt er nicht.

Zweitens ist es der einzige der hier untersuchten Einflüsse, den der Nutzer nicht steuern kann. Du kannst Erinnerungen abschalten, Custom Instructions leeren, einen temporären Chat öffnen. Deine IP bleibt.

Warum das den Personalisierungsstreit teilweise auflöst

Die Primärquelle führt Personalisierung als Vorbehalt an und belegt sie mit eigenen Beobachtungen: Bei einer Frage nach Kochboxen tauchten „UAE" und „Dubai" und ein lokaler Anbieter auf, bei einer Frage nach Reiseversicherungen ging es direkt auf die Seite eines Versicherers aus den Emiraten. Der Autor hatte nie gesagt, wo er lebt.

Das sind keine Belege für Personalisierung durch Historie. Das sind Standorteffekte, genau wie meine.

Zusammen mit dem personalisierten Arm ergibt sich ein klareres Bild als in jeder der beiden Messungen allein: Die Historie verschob die Kandidatenliste nicht, der Standort verschob die Suchanfragen in jedem Paket, in dem er relevant war. Was in der Debatte als Personalisierung diskutiert wird, ist zu einem erheblichen Teil Lokalisierung.

Was daraus für deine Messung folgt

Das ist der Punkt, an dem es Geld kostet.

Wenn ein Monitoring-Werkzeug deine Prompts aus einem Rechenzentrum abfeuert, hat dieses Rechenzentrum einen Standort. Steht es in Frankfurt, misst du Frankfurt. Steht es in Virginia, misst du Virginia. Dein Kunde in Flensburg bekommt eine andere Antwort, und bei regional geprägten Kategorien bekommt er eine deutlich andere.

Im Beschlagfall wurden regionale Händler zitiert, darunter mehrere aus dem Hamburger Raum und Schleswig-Holstein. Wer diese Kategorie aus einem Rechenzentrum in Süddeutschland misst, sieht mit hoher Wahrscheinlichkeit andere Namen und zieht andere Schlüsse.

Drei Fragen, die du deinem Anbieter stellen solltest, bevor du den nächsten Bericht liest:

1. Von welchem Standort aus werden die Prompts abgesetzt, und ist er dokumentiert?

2. Lässt sich der Standort einstellen, und wenn ja, auf welcher Granularität?

3. Ist der Standort über die Zeit konstant, oder wandert er mit der Infrastruktur?

Wenn dein Anbieter auf keine dieser Fragen eine Antwort hat, weißt du nicht, wessen Suchergebnisse du bezahlst.

Den ersten Teil dieses Abgleichs hast du weiter oben gelesen, es ging um eine Korrektur, die nicht nachgezogen wurde. Hier kommt der Teil, der deine eigene Arbeit betrifft.

Die Halbwertszeit ist kürzer, als jeder Redaktionsplan es abbilden kann

Alles in diesem Artikel, was einen Eigennamen trägt, verfällt. Nicht in Jahren. In Wochen.

Der letzte Punkt ist ein gutes Beispiel dafür, warum du selbst nachsehen solltest, und er hat sich beim Nachsehen aufgelöst. Die Primärquelle beschreibt eine Umbenennung des Feldes. In meinen eigenen Aufzeichnungen vom 18. August stehen beide Namen, und zwar gleichzeitig im selben Antwortaufbau, dazu ein dritter.

Es sind zwei aufeinanderfolgende Nachrichten. Zuerst schreibt das Modell selbst:

Knapp drei Sekunden später meldet das Suchwerkzeug dieselben Anfragen zurück:

Das ist keine Umbenennung, sondern derselbe Vorgang an zwei Stationen. Für dich als Prüfer ist die erste Station die interessantere, weil dort das Modell die Anfragen formuliert, bevor eine einzige Seite abgerufen wurde. Ob die Primärquelle eine tatsächliche Umbenennung beobachtet hat oder zwei Stationen desselben Ablaufs, kann ich nicht entscheiden. Ich kann nur sagen, was bei mir im Browser stand. Suche im Zweifel nach allen drei Namen.

Prozentwerte sind keine Rankingfaktoren

Das ist der Punkt, an dem aus einer interessanten Beobachtung ein Verkaufsargument wird, und genau dort solltest du misstrauisch werden.

Weder aus der Primärquelle noch aus meinen Daten lässt sich ein Faktor ableiten, an dem du drehen kannst. Wir haben Verhalten beobachtet. Beobachtetes Verhalten ist kein Mechanismus. Dass zitierte Seiten überdurchschnittlich häufig auf Position eins oder zwei der Domaingruppe standen, sagt dir nicht, wodurch eine Seite dort landet. Dass zwei Seiten je Domain besser konvertieren als sechs, ist ein Muster in einem Datensatz aus einem Account, kein Gesetz.

Wenn dir jemand eine Liste von ChatGPT-Rankingfaktoren verkauft, verkauft er dir etwas, das er nicht hat. Bemerkenswerterweise hat genau die deutsche Quelle, deren Zuspitzung ich weiter oben kritisiert habe, das im Juni 2026 selbst so geschrieben.

Zwei Studien mit je einem Account sind keine zwei Studien

Meine Messung ist eine Replikation und deshalb wertvoller als eine weitere Meinung. Sie ist aber ebenfalls ein Account, ein Standort, ein Tag. Wenn meine Ergebnisse mit denen aus Dubai übereinstimmen, ist das ein Hinweis auf Modellwissen, kein Beweis. Wenn sie abweichen, wie beim Beschwerdefall, ist das ein Hinweis auf eine Änderung, kein Beweis.

Zwei Einzelmessungen, die sich gegenseitig bestätigen, sind besser als eine. Sie sind keine Marktforschung. Ich habe im Verlauf dieser Untersuchung zweimal eine eigene Zwischenthese kassieren müssen, weil das nächste Paket sie widerlegt hat. Das ist die realistische Fehlerquote in diesem Feld, und sie gilt auch für die Befunde, die jetzt noch stehen.

Die künstliche Dringlichkeit

Wenn ein Befund dieser Art durch die Fachöffentlichkeit geht, passiert regelmäßig dasselbe. Aus „in 21 von 27 Konversationen enthielt die erste Suchanfrage ungenannte Marken" wird binnen einer Woche „manche Websites haben keine Chance". Aus einem Verhältnis wird ein Ausschluss, aus einer Richtungsangabe eine Kennzahl, aus einer Beobachtung ein Handlungszwang.

Ich verstehe den Reiz. Ein Befund, der Angst macht, verkauft Audits.

Nach meinen Daten ist die Lage weder harmlos noch dramatisch, sondern unterschiedlich. In der konsolidierten Softwarekategorie hat die Kandidatenliste tatsächlich enormes Gewicht, und der Weg dorthin ist lang und teuer. In der fragmentierten Kategorie gibt es diese Liste schlicht nicht, und dort funktioniert klassische Arbeit an Auffindbarkeit und Zitierfähigkeit weiterhin. Die erste Frage ist also nicht, was du tun sollst. Die erste Frage ist, in welcher der beiden Lagen du steckst.

Ohne Ursache ist jede Maßnahme Aktionismus.

Der ganze Artikel läuft auf eine einzige Entscheidung hinaus, und die triffst du nicht am Schreibtisch, sondern mit fünf Läufen und den DevTools.

Der Entscheidungsbaum

Eingang. Formuliere die Frage, die dein Wunschkunde tatsächlich stellt, wenn er kaufen will. Nicht deine Keyword-Variante, sondern den Satz, den ein Mensch tippt. Stelle sie fünfmal, in fünf frischen Chats, und lies jedes Mal die erste Suchanfrage aus. Wie das geht, steht im nächsten Abschnitt.

Die eine Frage. Stehen in dieser ersten Suchanfrage Markennamen, die du nicht genannt hast?

Die zweite Frage, nur bei Pfad A. Steht dein eigener Markenname unter diesen Namen?

• Ja, in mindestens vier von fünf Läufen: Du bist gesetzt. Deine Arbeit liegt im Zitationsschritt.

• In ein bis drei Läufen: Du wackelst. Das ist umkämpftes Gelände und die Stelle, an der sich Aufwand am schnellsten auszahlt.

• In null Läufen: Du bist nicht im Rennen. Seitenarbeit wird das nicht ändern.

Pfad A: konsolidierte Kategorie

Du erkennst sie daran, dass ChatGPT beim ersten Zugriff bereits Anbieternamen mitbringt und häufig sofort deren Websites ansteuert. Warenwirtschaft und Zeiterfassung sahen in meinen Daten so aus.

Was hier nicht wirkt, jedenfalls nicht auf die Kandidatenfrage: llms.txt, strukturierte Daten, Ladezeit, Serverkonfiguration. Diese Dinge greifen frühestens, wenn du bereits auf der Liste stehst. In meinen Logdaten ging über 57 Tage kein einziger Zugriff eines KI-Crawlers auf /llms.txt.

Was hier wirkt, langsam und ohne Glanz: dass über dich geschrieben, verglichen, bewertet und gestritten wird, über Jahre, im offenen Netz, bis die Verknüpfung zwischen deiner Marke und deiner Kategorie im Modellwissen existiert. Das ist Presse- und Kategoriearbeit. Es ist unbequem für alle, die derzeit technische Audits als KI-Strategie verkaufen, und es ist unbequem für dich, weil es nicht in ein Quartal passt.

Was du trotzdem sofort tun kannst, wenn du auf der Liste stehst: Der Zitationsschritt ist Seitenarbeit und in Wochen zu bewegen. Eine Seite je Kaufentscheidungsfrage statt fünf. Der antwortende Satz weit oben, mit der Zahl darin, als normaler Text im HTML. Preis- und Supportseiten ernst nehmen, denn dort wurde in meinen Läufen überproportional oft zitiert.

Womit du rechnen musst: Roundup- und Vergleichsplatzierungen kaufen dir hier Retrieval, kaum Zitation. 382 abgerufene Drittergebnisse, vier Zitationen, das war die englische Bilanz über zwei Kategorien. Das kann eine richtige Investition sein, weil Retrieval die Kandidatenbestätigung stützt. Nur solltest du es vorher so nennen und nicht hinterher am Zitationszähler messen.

Pfad B: fragmentierte Kategorie

Du erkennst sie daran, dass die erste Suchanfrage generisch ist und Verzeichnisse angesteuert werden statt Anbieterseiten. Beratungsleistungen und der regionale Beschlaghandel sahen in meinen Daten so aus.

Hier ist die Lage deutlich freundlicher, und das wird in der aktuellen Debatte kaum gesagt. Wenn es keine vorbelegte Liste gibt, entscheidet das Retrieval, und Retrieval ist beeinflussbar.

Was hier wirkt: klassisches SEO auf die Frage, die tatsächlich gestellt wird. Präsenz in den Verzeichnissen, die ChatGPT in deiner Kategorie ansteuert, und die findest du in denselben fünf Läufen heraus. Regionale Signale, wenn deine Kategorie regional ist. Und Vergleichs- und Übersichtsinhalte, die hier im Gegensatz zu Pfad A tatsächlich zitiert werden.

Deine Diagnose ist eine andere. Wenn du abgerufen, aber nicht zitiert wirst, hast du kein Bekanntheitsproblem, sondern ein Seitenproblem. Das ist die lösbare Sorte. Miss deshalb nicht, wie oft du auftauchst, sondern das Verhältnis von Abruf zu Zitation.

Beide Pfade: die Kennzahlen, die du ab morgen führst

Als Ausgangswert nimmst du den Stand von heute, mit Datum, Modell und Modelleinstellung dokumentiert. Ohne diese drei Angaben ist der Wert in drei Monaten nicht mehr interpretierbar.

Die eigentliche Arbeit beginnt dort, wo die Folie endet: im Operating Model. Ein einmaliger Test ist eine Momentaufnahme. Ein Termin im Kalender, monatlich, fünf Läufe, dieselbe Frage, dieselbe Tabelle, ist eine Messung.

Zwei Szenarien, beide mit offengelegten Annahmen. Die Zahlen sind gerundete Größenordnungen aus Beratungspraxis, keine Marktdaten.

Szenario A: der Zeiterfassungsanbieter, der nicht auf der Liste steht

Annahmen. Deutscher Anbieter, rund 40 Mitarbeitende, gutes Google-Ranking für die einschlägigen Suchbegriffe, laufendes AI-Visibility-Monitoring für etwa 300 Euro im Monat. Das Dashboard zeigt eine niedrige Sichtbarkeit und empfiehlt mehr Inhalte.

Der Befund. In fünf Läufen der Kaufabsichtsfrage steht der Anbieter in null Suchanfragen. Personio, Papershift und clockodo stehen in vier oder fünf von fünf.

Was das Dashboard nicht sagt. Es zeigt eine Zahl, die sowohl bei einem Kandidatenproblem als auch bei einem Seitenproblem niedrig ist. Das Monitoring kostet im Jahr rund 3.600 Euro und beantwortet die eine Frage nicht, die über die Mittelverwendung entscheidet. Zwanzig Minuten mit den DevTools beantworten sie.

Die Rechnung. Ein Content-Programm gegen ein Kandidatenproblem, sagen wir sechs Beiträge im Quartal, liegt schnell im mittleren vierstelligen Bereich pro Quartal. Es zahlt auf die Spalte ein, die in den Zahlen der Primärquelle mit 2,1 Prozent steht. Die Alternative, Presse- und Kategoriearbeit, ist teurer, wirkt frühestens in Jahren und ist die einzige, die auf die Spalte mit 68,9 Prozent einzahlt.

Die ehrliche Frage. Sie lautet nicht „wie werden wir zitierfähiger". Sie lautet: Was kostet es, in zwei bis drei Jahren im Kategoriewissen des Modells zu stehen, und lohnt sich das gegenüber dem, was der Vertrieb heute über Google und über Empfehlungen bekommt? Für manche Anbieter ist die Antwort nein, und das ist eine legitime Antwort. Sie ist deutlich besser als drei Jahre Aktionismus.

Szenario B: der Beschlaggroßhändler in Norddeutschland

Annahmen. Regionaler Großhändler, Handwerksbetriebe als Kunden, kein bundesweiter Markenname, überschaubares Marketingbudget.

Der Befund. In fünf Läufen null Markeninjektion. Alle Erstqueries generisch. Zitiert wurden regionale Händler, Hersteller, Verzeichnisse und Wikipedia. ChatGPT ergänzte unaufgefordert Hamburg, Bremen, Hannover, Kiel und Schleswig-Holstein, obwohl im Prompt nur „Norddeutschland" stand.

Was das bedeutet. Es gibt keine Liste, auf die er kommen müsste. Die Entscheidung fällt im Retrieval, und dort konkurriert er mit Betrieben seiner eigenen Größenordnung, nicht mit Konzernen.

Die Rechnung. Saubere Standort- und Sortimentsseiten, Präsenz in den Verzeichnissen, die in den Läufen tatsächlich angesteuert wurden, und Inhalte zu den Fragen, die im Handwerk vor einer Bestellung gestellt werden. Das ist Arbeit im niedrigen vierstelligen Bereich, nicht im fünfstelligen, und sie zahlt gleichzeitig auf die klassische Google-Sichtbarkeit ein.

Der Kontrast ist der Punkt. Zwei Unternehmen, dieselbe Fachpresse, dieselben Ratschläge auf denselben Konferenzen. Für das eine ist der Standardratschlag Geldverbrennung, für das andere der Hauptweg. Der Unterschied kostet fünf Läufe und zehn Minuten, um ihn festzustellen.

Du brauchst dafür Chrome, ein ChatGPT-Konto und keine zusätzliche Software.

1. Chat vorbereiten. Öffne einen neuen Chat. Für eine saubere Messung nimm einen temporären Chat, stelle das Modell fest ein statt auf Auto, und leere die Custom Instructions. Wenn du wissen willst, was dein Kunde sieht, lass alles so, wie es bei einem normalen Nutzer wäre. Beides ist legitim, es sind zwei verschiedene Messungen.

2. DevTools öffnen. Rechtsklick, Untersuchen, Reiter „Network". Vor dem Absenden öffnen, sonst fehlt der Anfang.

3. Frage stellen. Die echte Kaufabsichtsfrage deiner Kunden, in der Sprache deines Marktes. Deutsche Kunden, deutsche Frage.

4. Antwort finden. Filtere die Liste nach conversation und öffne bei dem laufenden Eintrag den Reiter „Response".

5. Feld suchen. Suche nach search_query, das findet alle relevanten Varianten. Dir begegnen system1_search_query in der ausgehenden Nachricht des Modells sowie search_queries und search_model_queries in den Metadaten. Alle drei tragen dieselben Anfragen. Die aussagekräftigste ist die erste, weil dort das Modell die Anfragen formuliert, erkennbar an "recipient": "web.run".

6. Die erste Suchanfrage lesen. Nur die erste. Alles Spätere kann bereits von Suchergebnissen beeinflusst sein und beweist nichts über Modellwissen.

7. Notieren. Welche Markennamen stehen darin, die du nicht genannt hast? Steht dein eigener dabei? Wurden Orte ergänzt, die du nicht genannt hast?

8. Viermal wiederholen. Neuer Chat je Lauf, sonst misst du deine eigene Konversation.

Zwei Fallen in der Oberfläche selbst. Während des Denkens zeigt ChatGPT manchmal die vollständige Anfrage über der Antwort an, manchmal nur ein generisches „Onlinesuche läuft". Dasselbe Modell, dieselbe Einstellung, zwei verschiedene Anzeigen in zwei Läufen desselben Tages. Verlass dich darauf nicht, nur auf die DevTools. Und die Domain-Chips unter „N Websites durchsucht" zeigen abgerufene Ergebnisse, nicht die Suchanfragen. Sie sehen aus wie eine Kandidatenliste, sind aber eine andere Zahl mit einer anderen Bedeutung.

Wenn du das häufiger machst, gibt es eine kostenlose Chrome-Erweiterung des Autors der Primärquelle, die genau das ausliest. Sie arbeitet lokal. Ich habe sie für diese Messreihe ausprobiert und bin bei der Auswertung des Rohdatenstroms geblieben, weil ich für die Serienauswertung ohnehin die vollständigen Daten brauchte. Für einen schnellen Einzelcheck ist sie bequemer als der Umweg über die DevTools.

Der Autor betreibt außerdem ein Keyword-Werkzeug und eine Agentur und legt beides in seinem Beitrag offen. Ich bin selbst Kunde des Keyword-Werkzeugs. Das ändert an den Messdaten nichts, sollte aber jeder wissen, der die Handlungsempfehlungen dort liest.

Du brauchst kein Mehr an Komplexität, du brauchst ein besseres System. Diese Stunde ersetzt kein Monitoring, aber sie beantwortet die Frage, die dein Monitoring nicht beantwortet.

Der letzte Punkt ist der wichtigste. Eine Messung, aus der keine Streichung folgt, war eine Beschäftigungstherapie.

Der Befund, der die Runde macht, stimmt in seinem Kern: In Kategorien mit klarem Anbieterkreis bringt ChatGPT die Kandidaten mit, bevor es sucht. Ich habe das für den deutschsprachigen Markt nachgemessen und in 20 von 20 Läufen bestätigt gefunden, in neun davon ohne jede offene Suchphase.

Die Zuspitzung, die daraus geworden ist, stimmt nicht. Der Urheber der Untersuchung hat sie eine Woche nach Veröffentlichung selbst zurückgenommen. Wer nicht auf der Liste steht, ist nicht chancenlos, und in einem großen Teil der Kategorien gibt es diese Liste überhaupt nicht.

Was bleibt, ist unbequemer als beide Versionen, weil es eine Entscheidung verlangt statt einer Maßnahme:

In konsolidierten Kategorien fällt die Vorauswahl im Modellwissen. Dort wirkt keine Datei auf deinem Server, dort wirkt nur, dass über dich geschrieben und verglichen wird, über Jahre. Wenn dir das zu teuer ist, ist der Verzicht eine vertretbare Entscheidung. Drei Jahre Aktionismus sind es nicht.

In fragmentierten Kategorien entscheidet das Retrieval, und dort funktioniert weiterhin, was du kannst: die richtige Seite für die richtige Frage, auffindbar, zitierfähig, mit der Zahl im Text statt in der Grafik.

Der Unterschied zwischen beiden Lagen kostet dich fünf Läufe und zehn Minuten mit den Chrome DevTools. Das ist der nächste Schritt, und er kommt vor jedem Werkzeugkauf und vor jedem Content-Budget.

Und noch etwas, das du unabhängig von deiner Kategorie mitnehmen solltest: Ich habe im Verlauf dieser Untersuchung zweimal eine eigene These kassieren müssen, weil das nächste Datenpaket sie widerlegt hat. Dieses Feld verändert sich schneller, als Fachbeiträge korrigiert werden. Miss selbst, notiere das Datum dazu, und wiederhole es in einem Monat.

Den vollständigen Messdatensatz kannst du hier herunterladen.