KI-Suchmaschinen zitieren andere Quellen als Google – neue Sichtbarkeitsherausforderungen für Marken

Eine neue Studie, die 18.377 Abfragepaare analysiert, zeigt, dass künstliche Intelligenz-Suchmaschinen und große Sprachmodelle grundlegend andere Webquellen als traditionelle Google-Suchergebnisse heranziehen. Dies hat dringende Auswirkungen auf die Markensichtbarkeit in der aufkommenden Landschaft der Generativen Engine-Optimierung. Die Forschung von Search Atlas zeigt, dass abrufbasierte KI-Systeme wie Perplexity eine Domain-Übereinstimmung von 43 % mit Google erreichen, während argumentationsbasierte Modelle wie ChatGPT nur 21 % der gleichen Quellen zitieren.

Die Studie analysierte drei führende KI-Plattformen – Perplexity, OpenAI's ChatGPT und Google's Gemini – und offenbarte dramatische Unterschiede darin, wie jedes System mit Google-Suchergebnissen übereinstimmt. Perplexity zeigte die höchste Suchübereinstimmung mit 43 % Domain-Überlappung und 24 % URL-Überlappung, was exakte Seitenübereinstimmungen darstellt. ChatGPT wies eine signifikante Abweichung mit nur 21 % Domain-Überlappung und lediglich 7 % URL-Überlappung auf, was eine minimale direkte Quellenübereinstimmung bestätigt. Google Gemini zeigte selektive Präzision mit 28 % Domain-Überlappung, obwohl es von Google entwickelt wurde, aber nur 6 % URL-Überlappung, wobei es kuratierte, hochvertrauenswürdige Quellen bevorzugte.

„Wir erleben die Entstehung eines parallelen Informationsökosystems“, sagte Manick Bhan, Gründer und CEO von Search Atlas. „Während sich traditionelle SEO ausschließlich auf Google-Rankings konzentrierte, beweist unsere Forschung, dass KI-Suchmaschinen und große Sprachmodelle andere Quellen heranziehen, andere Domains ranken und andere Inhaltsattribute priorisieren. Marken, die diesen Wandel ignorieren, riskieren, in KI-generierten Antworten unsichtbar zu werden – selbst wenn sie in traditionellen Suchergebnissen gut ranken.“

Ein entscheidender Befund ergab sich in der Lücke zwischen Domain- und URL-Ebene der Überlappung, die zeigt, wie KI-Systeme Webinhalte verstehen und darauf verweisen. Die Domain-Überlappung lag je nach Plattform bei durchschnittlich 21–43 %, während die URL-Überlappung bei argumentationsbasierten Modellen unter 10 % blieb. Dieser Unterschied bestätigt, dass KI-Systeme Themen ähnlich wie Google verstehen, aber aus breiterem Wissen synthetisieren, anstatt direkt gerankte Seiten abzurufen. „Domain-Überlappung zeigt, dass KI-Modelle und Google dieselben Themen diskutieren und ähnliche Autoritäten erkennen“, sagte Bhan. „Aber die geringe URL-Überlappung beweist, dass ein Ranking auf Seite eins von Google keine Garantie für eine Zitierung in ChatGPT-Antworten ist.“

Die Absicht hinter einer Suchanfrage beeinflusst die KI-Suchübereinstimmungsmuster erheblich, wobei Forscher die Überlappung über fünf Kategorien von Suchabsichten analysierten. Informationsbezogene Anfragen zeigten eine moderate Überlappung, wobei Perplexity eine Konsistenz von 30–35 % erreichte, während ChatGPT unter 15 % blieb. Transaktionsbezogene Anfragen offenbarten die größte Varianz, da KI-Systeme oft Empfehlungen synthetisieren, anstatt spezifische Händlerseiten zu zitieren. Verständnisbezogene Anfragen erzielten die höchste Gemini-Leistung, wo ihr selektiver Präzisionsansatz bei der Identifizierung autoritativer Bildungsquellen glänzte.

Die Abweichung zwischen KI-zitierten Quellen und Google-gerankten Ergebnissen schafft einen dringenden Bedarf an erweiterten SEO-Metriken, die die Markenpräsenz sowohl in traditionellen Suchmaschinen als auch in KI-generierten Antworten messen. „SEO-Teams können Erfolg nicht mehr ausschließlich an Google-Rankings, organischem Traffic und Keyword-Positionen messen“, sagte Bhan. „LLM-Sichtbarkeit – die Verfolgung, wie oft Ihre Marke in KI-generierten Antworten erscheint, wie sie dargestellt wird und welcher Wettbewerbskontext sie umgibt – ist jetzt ebenso kritisch.“

Die Studie identifizierte spezifische Inhaltsattribute, die die Zitierhäufigkeit sowohl in Suchmaschinen als auch in großen Sprachmodellen verbessern, darunter semantische Präzision, Implementierung strukturierter Daten, autoritative Domain-Signale, Aktualität der Inhalte und faktische Genauigkeit. „Der Konvergenzpunkt zwischen SEO und KI-Optimierung liegt in der semantischen Klarheit“, erklärte Bhan. „Inhalte, die Suchmaschinen helfen, Ihre Expertise zu verstehen, helfen auch Sprachmodellen, Sie als glaubwürdige Quelle zu identifizieren. Aber die Umsetzung unterscheidet sich – traditionelle SEO betont Links und Rankings, während KI-Sichtbarkeit erfordert, die definitive Antwort auf spezifische Fragen innerhalb Ihrer Domäne zu werden.“

Die Forschungsmethodik analysierte Daten, die zwischen September und Oktober 2025 gesammelt wurden, und untersuchte Antworten von OpenAI (ChatGPT), Perplexity und Google Gemini neben entsprechenden Google-Suchergebnissen. Forscher verwendeten einen Kosinus-Ähnlichkeitsschwellenwert von 82 %, um semantisch äquivalente Abfragen zu identifizieren, was sprachliche Ähnlichkeit gewährleistete, während natürliche Abfragevariationen zugelassen wurden. „Mit fast 20.000 analysierten Abfragepaaren über mehrere KI-Plattformen und Absichtskategorien hinweg liefert diese Forschung der digitalen Marketingbranche den definitiven Beweis, dass KI-Suche grundlegend andere Optimierungsansätze erfordert“, sagte Bhan.