Neue GEO-Studie untersucht mehr als 158.000 KI-Antworten

KI-Suchsysteme verändern, wie Menschen Informationen im Internet finden. Statt einer klassischen Ergebnisliste erhalten Nutzer:innen zunehmend ausformulierte Antworten, die Informationen aus unterschiedlichen Quellen zusammenführen. Welche Websites dabei zitiert werden, kann entscheidend für die digitale Sichtbarkeit eines Unternehmens sein. Doch wie funktioniert diese KI Quellenauswahl eigentlich?

Die Wissenschaftler Mahe Chen und Nick Koudas von der University of Toronto haben sich dieser Frage in ihrer am 10. Oktober 2026 veröffentlichten Studie „What Drives AI Citations? Content, Retrieval and Model Knowledge in Generative Engine Optimization (GEO)“ gewidmet.

Dafür analysierten sie insgesamt 158.099 KI-Antworten mit 468.037 Quellenzitaten. Untersucht wurden ChatGPT, Google Gemini und Perplexity in zwei verschiedenen Märkten: einem Verbrauchermarkt mit bekannten Telekommunikationsanbietern und einem spezialisierten B2B-Markt für Softwarelösungen. Die Untersuchung berücksichtigt zwei Datensammlungen über jeweils 90 Tage sowie ergänzende Experimente zum Such- und Auswahlverhalten der Systeme. Besonders aufschlussreich ist, dass die Forschenden die einzelnen KI-Suchmaschinen direkt miteinander verglichen haben. Dabei wurden deutliche Unterschiede sichtbar. Die Arbeit ist bislang als wissenschaftlicher Preprint veröffentlicht. Ihre Ergebnisse liefern wichtige Anhaltspunkte für die GEO-Praxis, sollten jedoch nicht als allgemeingültige Rankingregeln verstanden werden.

KI-Quellenauswahl: ChatGPT, Gemini und Perplexity arbeiten unterschiedlich

Eines der auffälligsten Ergebnisse betrifft die Anzahl und Herkunft der zitierten Quellen. Die drei untersuchten Systeme zeigen ein sehr unterschiedliches Verhalten.

In der Hauptdatensammlung ermittelten die Forschenden folgende Werte:

Besonders bemerkenswert ist der geringe Anteil an Quellenangaben bei Perplexity. Das Ergebnis hängt allerdings vom untersuchten Modell, der verwendeten Schnittstelle und dem konkreten Testaufbau ab. Es lässt sich daher nicht pauschal auf sämtliche Perplexity-Produkte oder Nutzungssituationen übertragen.

Auch hinsichtlich der Herkunft der Quellen gibt es erhebliche Unterschiede. Bei ChatGPT entfielen rund 64 Prozent der Quellenzitate auf Websites der untersuchten Telekommunikationsanbieter. Gemini verwies wesentlich häufiger auf unabhängige Drittseiten. Dazu gehörten beispielsweise Diskussionsplattformen, Vergleichsseiten und andere externe Informationsangebote. Für das Marketing ist diese Erkenntnis besonders interessant. Je nachdem, welches KI-System potenzielle Kund:innen nutzen, können unterschiedliche Informationsquellen eine größere Rolle spielen. Unternehmen sollten ihre GEO-Strategie deshalb plattformspezifisch überprüfen.

Wie wählen KI-Suchmaschinen ihre Quellen aus?

Um den Auswahlprozess besser zu verstehen, untersuchten die Forschenden auch die Suchanfragen, die KI-Systeme selbst im Hintergrund formulieren. Stellt eine Person beispielsweise die Frage, welches CRM-System sich für einen mittelständischen Maschinenbauer eignet, kann die KI daraus mehrere spezifischere Suchanfragen ableiten. Dieser Vorgang wird als Query Rewriting bezeichnet. Die KI verändert oder erweitert die ursprüngliche Frage, um passende Informationen zu finden. Dabei entdeckten die Wissenschaftler deutliche Unterschiede zwischen ChatGPT und Gemini. ChatGPT formulierte im untersuchten Aufbau durchschnittlich etwa vier eher keywordorientierte Suchanfragen. Gemini verwendete durchschnittlich drei stärker natürlichsprachlich formulierte Teilfragen. Hinzu kommt, dass die Suchanfragen dynamisch entstehen. Selbst bei derselben Nutzerfrage können unterschiedliche Suchläufe zu anderen Formulierungen und Quellen führen.

Warum der Suchprozess wichtiger sein kann als einzelne Seitenmerkmale

Besonders detailliert analysierte die Studie den Suchprozess von ChatGPT. In den untersuchten Testläufen stammten sämtliche 22.315 zitierten URLs aus den zuvor vom System gefundenen Suchergebnissen. ChatGPT berücksichtigte durchschnittlich 26 Seiten und zitierte davon etwa drei. Auch die Position innerhalb dieser internen Ergebnisse spielte eine große Rolle. Von den an erster Stelle gefundenen Seiten wurden 43,8 Prozent zitiert. Bei Ergebnissen auf den Positionen elf bis zwanzig waren es lediglich 3,5 Prozent. Die Forschenden untersuchten anschließend, welche Faktoren die Unterschiede zwischen den Quellenzitaten erklären konnten.

Dabei zeigte sich: Der interne Suchprozess erklärte rund 32 Prozent der Variation zwischen Seiten derselben Website. Die analysierten Seitenmerkmale erklärten lediglich 2,8 Prozent. Diese Zahlen beziehen sich auf den untersuchten ChatGPT-Aufbau. Sie lassen sich daher nicht direkt auf Gemini und Perplexity übertragen. Für Unternehmen verdeutlichen sie dennoch, warum die Auffindbarkeit relevanter Inhalte eine zentrale Rolle bei der Generative Engine Optimization spielt.

Warum gute Google-Rankings keine Garantie für KI-Zitate sind

Eine weitere wichtige Erkenntnis betrifft das Verhältnis zwischen klassischer Suchmaschinenoptimierung und GEO. Die Forschenden verglichen die Suchergebnisse von ChatGPT und Gemini mit öffentlichen Ergebnissen von Google und Bing. Dabei zeigte sich, dass 97 Prozent der von ChatGPT abgerufenen Seiten bei den entsprechenden Suchanfragen nicht unter den ersten 50 Google-Ergebnissen auftauchten. Bei Bing waren sogar 99 Prozent nicht unter den ersten 30 Ergebnissen vertreten.

Auch bei Gemini, das Google Search zur Informationsbeschaffung verwendet, fanden sich erhebliche Abweichungen von den öffentlichen Google-Ergebnislisten. Das bedeutet: Wer bei Google für ein bestimmtes Keyword gut rankt, muss deshalb nicht automatisch in den Antworten generativer Suchsysteme erscheinen. Allerdings waren häufig andere Seiten derselben Domains in den klassischen Suchergebnissen vertreten. Für Content-Verantwortliche ergibt sich daraus eine interessante Perspektive. Die thematische Autorität und Auffindbarkeit einer Website können weiterhin wichtig sein. Gleichzeitig sollten Unternehmen untersuchen, welche konkreten Unterseiten in KI-Antworten erscheinen und welche Fragen diese beantworten.

Unser GEO-Leitfaden kann dabei helfen, die Unterschiede zwischen klassischer SEO und der Optimierung für generative Suchsysteme besser einzuordnen.

Ist Dein Techstack bereit für die KI-Suche?

Gute Inhalte allein reichen für die KI-Sichtbarkeit nicht aus. Auch die technische Infrastruktur spielt eine wichtige Rolle. Unser kostenloses Whitepaper „Der Techstack für GEO-Readiness“ zeigt Dir, wie CMS, DAM, PIM, CDP und Analytics zusammenspielen, um Inhalte strukturiert und maschinenlesbar bereitzustellen. Erfahre, welche Systeme Du brauchst und wo typische Schwachstellen liegen.

Jetzt kostenloses Whitepaper herunterladen

Welche Inhalte werden von KI-Suchsystemen bevorzugt?

In der GEO-Diskussion werden häufig Maßnahmen wie FAQ-Bereiche, strukturierte Daten oder hervorgehobene Zusammenfassungen empfohlen. Die neue Studie liefert hierzu differenzierte Erkenntnisse. Die Forschenden verglichen verschiedene Seiten derselben Website. Dadurch wollten sie herausfinden, welche Eigenschaften tatsächlich mit zusätzlichen Quellenzitaten zusammenhängen und welche Unterschiede möglicherweise auf die allgemeine Bekanntheit oder Autorität einer Domain zurückzuführen sind. Das Ergebnis: Besonders relevant war die inhaltliche Übereinstimmung zwischen den Webseiten und den gestellten Fragen.

Seiten, deren passendste Absätze die untersuchten Fragen besonders gut abdeckten, erhielten im Verbrauchermarkt durchschnittlich 15,5 Prozent mehr Zitate je Standardabweichung höherer semantischer Übereinstimmung. Bei Seitentiteln lag dieser Zusammenhang bei 14,1 Prozent. Im untersuchten B2B-Softwaremarkt bestätigte sich die Bedeutung passender Inhalte ebenfalls. Dort war der Zusammenhang zwischen der Übereinstimmung des Seitentitels und der Frage teilweise sogar stärker.

Wie wichtig sind FAQ-Bereiche und strukturierte Daten?

Überraschend ist, dass FAQ-Blöcke, strukturierte Daten, Zusammenfassungen und Ladegeschwindigkeit innerhalb derselben Website keine vergleichbar robusten positiven Zusammenhänge mit Quellenzitaten aufwiesen.

Beim Vergleich unterschiedlicher Websites sah das teilweise anders aus. Diese Unterschiede könnten allerdings durch weitere Eigenschaften der jeweiligen Domains beeinflusst worden sein. Die Studie liefert damit keinen Beleg dafür, dass einzelne technische oder gestalterische GEO-Maßnahmen automatisch zu mehr KI-Zitaten führen. Für Content-Manager steht vielmehr die Qualität der eigentlichen Antwort im Mittelpunkt. Wer Inhalte erstellt, sollte deshalb darauf achten, dass wichtige Fragen verständlich, präzise und mit ausreichend fachlicher Tiefe beantwortet werden.

Warum die Bekanntheit einer Marke die KI Quellenauswahl beeinflussen kann

Neben den Suchergebnissen untersuchten die Forschenden auch den Einfluss des bereits vorhandenen Modellwissens. Gerade bei ChatGPT zeigte sich, dass bekannte Marken teilweise direkt in die selbst formulierten Suchanfragen aufgenommen wurden. In kontrollierten Experimenten veränderte die Nennung unterschiedlicher Marken sogar die Reihenfolge von Produktempfehlungen, obwohl die beschriebenen Produkteigenschaften gleich blieben. Auch Marken, für die in der konkreten Antwort keine unterstützende Quelle genannt wurde, konnten in den Ergebnissen erscheinen. Das verdeutlicht, dass generative KI-Systeme bei ihren Antworten teilweise auf vorhandenes Wissen über Unternehmen zurückgreifen.

So können Unternehmen ihre Chancen auf KI-Quellenzitate verbessern

Welche Konsequenzen lassen sich aus der Untersuchung für die praktische GEO-Optimierung ableiten?

Relevante Fragen der Zielgruppe identifizieren

Der erste Schritt besteht darin, die konkreten Informationsbedürfnisse potenzieller Kund:innen zu verstehen. Im B2B-Marketing können das beispielsweise Fragen zur Einführung einer Software, zum Vergleich verschiedener Anbieter oder zur Integration bestehender Systeme sein. Je genauer ein Inhalt diese Fragen beantwortet, desto besser passt er möglicherweise zu den Suchanfragen, die KI-Systeme im Hintergrund formulieren.

Bestehende Inhalte gezielt optimieren

Unternehmen sollten ihre vorhandenen Fachartikel regelmäßig auf ihre Antwortqualität überprüfen. Ist die zentrale Frage klar erkennbar? Wird sie im Text tatsächlich beantwortet? Sind wichtige Informationen leicht auffindbar und fachlich nachvollziehbar? Besonders hilfreich sind präzise Zwischenüberschriften, verständliche Erklärungen und Absätze mit konkretem Informationsgehalt.

Eigene Expertise sichtbar machen

Eigene Studien, technische Analysen, konkrete Projekterfahrungen und nachvollziehbare Vergleiche können einen Beitrag inhaltlich aufwerten. Solche Informationen sind gerade im B2B-Bereich relevant, weil Kaufentscheidungen häufig eine intensive Recherche voraussetzen. Wichtig ist, die Informationen aktuell zu halten und verwendete Quellen transparent anzugeben.

Technische Zugänglichkeit sicherstellen

Damit KI-Suchsysteme öffentlich zugängliche Inhalte berücksichtigen können, müssen diese technisch erreichbar sein. Bei ChatGPT Search spielt beispielsweise der Crawler OAI-SearchBot eine Rolle. Unternehmen sollten daher prüfen, ob ihre robots.txt-Datei oder andere Zugriffsbeschränkungen das Crawling unbeabsichtigt verhindern. Die technische Erreichbarkeit ist eine Voraussetzung für bestimmte Arten der Auffindbarkeit, garantiert jedoch keine Quellenplatzierung.

KI-Sichtbarkeit über mehrere Plattformen messen

Die Ergebnisse der Studie zeigen deutlich, dass eine ausschließlich auf ChatGPT ausgerichtete Erfolgsmessung zu kurz greifen kann. Unternehmen sollten auch Gemini und Perplexity berücksichtigen und überprüfen, wie sich die eigene Sichtbarkeit zwischen den Plattformen unterscheidet. Ein systematisches GEO-Monitoring hilft dabei, Markennennungen, Quellenzitate und die Präsenz von Wettbewerbern über einen längeren Zeitraum zu beobachten. Wichtig ist, einzelne Testergebnisse nicht überzubewerten. Durch dynamisch formulierte Suchanfragen können sich die Antworten selbst bei identischen Fragen deutlich unterscheiden.

Fazit: Relevanz, Auffindbarkeit und Markenwissen entscheiden über die KI-Quellenauswahl

Die neue GEO-Studie liefert wichtige Erkenntnisse darüber, wie generative Suchsysteme Informationen auswählen und Quellen zitieren. Besonders deutlich wird, dass ChatGPT, Gemini und Perplexity unterschiedliche Such- und Zitiermuster aufweisen. Unternehmen sollten ihre Sichtbarkeit deshalb differenziert betrachten.

Für die Content-Strategie rücken drei Aspekte in den Vordergrund: die inhaltliche Passung zu konkreten Nutzerfragen, die Auffindbarkeit im Suchprozess und die digitale Präsenz einer Marke. Für Unternehmen eröffnet die Untersuchung interessante Perspektiven. Auch weniger bekannte Anbieter können durch relevante Inhalte und eine gute Auffindbarkeit in KI-Antworten erscheinen. Wer seine GEO-Strategie weiterentwickeln möchte, sollte daher die tatsächlichen Fragen seiner Zielgruppe untersuchen, bestehende Inhalte systematisch verbessern und die eigene Sichtbarkeit regelmäßig auf mehreren KI-Plattformen überprüfen.

Der Beitrag Wie funktioniert die KI Quellenauswahl? Neue GEO-Studie liefert Antworten erschien zuerst auf contentmanager.de.