Jenseits des Rankings: Was eine Seite in KI-Antworten tatsächlich zitierbar macht

Zwanzig Jahre Suchpraxis ruhen auf einer Annahme: Der Rang bestimmt die Sichtbarkeit. Diese Annahme wurde nie im großen Maßstab gegen Antwort-Engines geprüft, und die Messungen, die sie prüfen, liegen erst zwischen Mitte 2025 und Mitte 2026 vor. Sie sind unbequem. Von rund vier Millionen URLs, die in Googles AI Overviews zitiert werden, standen nur 37,1 % auch in den Top 10 der Suchanfrage, und 36,7 % standen überhaupt nicht in den Top 100 (Ahrefs, 863.000 Keywords, März 2026) [1]. Über 100.000 Prompts hinweg erschienen nur 11 % der zitierten Domains sowohl in ChatGPT- als auch in Perplexity-Antworten (Profound, Juli 2025) [4]. Und in Googles AI Mode enden 93 % der Sessions ohne einen einzigen ausgehenden Klick (GEO Hub, 2026) [9].

Die Schlussfolgerung lautet nicht, dass Rankings an Bedeutung verloren haben. Sie lautet, dass der Rang zu einem Relevanzsignal innerhalb eines viel größeren Kandidatenpools geworden ist, nicht zu einer Eintrittskarte. Marken, die weiterhin gegen die Position budgetieren, während die Zitatentscheidung anderswo fällt, messen die falsche Variable. Der erste Schritt ist, die Maßeinheit vom Rang auf den Anteil zitierter Quellen pro Engine umzustellen und Extrahierbarkeit und Aktualität als die zwei Hebel zu behandeln, die ihn tatsächlich bewegen.

Klassische Suchoptimierung baut auf einer einzigen Kausalkette auf: Eine Seite rankt, also wird sie gesehen, also wird sie geklickt. Jede Reporting-Konvention der Branche — Durchschnittsposition, Share of Voice, Anzahl der Top-10-Platzierungen — ist ein Stellvertreter für diese Kette. Selbst als KI-Zusammenfassungen aufkamen, behandelten die meisten Praktiker sie als ein weiteres SERP-Merkmal, das auf dasselbe Modell aufgelegt wird.

Das Nutzerverhalten sagt etwas anderes. Das Pew Research Center verfolgte im März 2025 das Surfverhalten von 900 US-Erwachsenen über 68.879 Google-Suchen. Erschien eine KI-Zusammenfassung — was bei 18 % der Suchen geschah und bei 53 % der Anfragen mit zehn oder mehr Wörtern — klickten Nutzer bei 8 % der Besuche ein klassisches organisches Ergebnis an, gegenüber 15 % ohne Zusammenfassung, und beendeten die Session in 26 % der Fälle [10]. Die Zusammenfassung lag nicht über dem Ranking. Sie ersetzte das Ranking als das, was der Nutzer liest.

“In roughly one in four searches with an AI summary, the user was finished before reaching any result at all.” — Pew Research Center, 68,879 searches, March 2025 [10]

Verkehrsdaten bestätigen die Richtung, ohne den Mechanismus zu bestätigen. Das Clickstream-Panel von Semrush — über eine Milliarde Zeilen aus siebzehn Monaten US-Surfverhalten — zeigt ChatGPT-Referraltraffic mit +206 % im Jahr 2025, während mehr als 20 % dieses ausgehenden Traffics zu Google zurückfloss statt zur zitierten Seite und über 30 % sich auf zehn Domains konzentrierte [8]. Die Antworschicht ist inzwischen groß genug, um ein Distributionskanal zu sein, und eng genug, dass ihre Erträge ungleich verteilt sind.

Das macht die unbeantwortete Frage teuer. Wenn Nutzer Antworten lesen und nicht Ergebnisse, dann zählt nur eines: ob Ihre Seite als Quelle ausgewählt wird. Und diese Auswahl war vor 2025 nicht im großen Maßstab gemessen worden. Dieses Whitepaper berichtet, was diese Messungen ergaben — einschließlich der Stellen, an denen sie einander widersprechen.

Zwei frühere Entwürfe dieser Reihe gingen diesem voraus. Wie KI-Engines entscheiden, welche Marken sie zitieren behandelte die Top-10-Platzierung als Voraussetzung für Zitate; die Daten von 2026 stützen das nicht mehr, und Abschnitt 3 korrigiert es. Seven Engines, Seven Behaviours beschreibt, worin sich die Engines unterscheiden; dieses Whitepaper zeigt, warum diese Unterschiede die Zitatchancen verändern. Beide Entwürfe wurden zurückgezogen und sind nicht mehr veröffentlicht.

Dies ist Sekundärforschung. Keine Messung in diesem Papier wurde von Novaxilabs erzeugt. Jede Zahl ist ein veröffentlichtes Ergebnis einer genannten Studie, berichtet mit Stichprobengröße und Messfenster, und jede Aussage führt zu einer nummerierten Referenz in Anhang A. Der Mehrwert liegt nicht in neuen Daten, sondern im Vergleich zwischen Studien, im Abgleich widersprüchlicher Ergebnisse und in deren Übersetzung in Entscheidungen, die ein Markenteam umsetzen kann.

Evidenzklassen

Aussagen werden auf der in dieser Reihe verwendeten fünfstufigen Skala bewertet: Offiziell (Herstellerdokumentation), Peer-reviewed, Unabhängige Messung (große Drittstichproben mit angegebener Größe und Fenster), Anbieterberichtet und Analyse (begründete Inferenz aus beobachtbarem Verhalten, ausdrücklich ohne Anspruch auf Einsicht in Engine-Interna). Sieben der acht hier zitierten Studien sind unabhängige Messungen; die Mechanismus-Erklärungen in Abschnitt 3 sind Analysen und als solche gekennzeichnet.

Vergleichbarkeit — und warum absolute Zahlen vermieden werden

Die Studien teilen keine Methodik, und das Papier tut nicht so, als täten sie es. Ahrefs maß 863.000 Keywords gegen 4 Millionen AI-Overview-URLs [1]; eine frühere Ahrefs-Stichprobe umfasste 1,9 Millionen Zitate [2]; BrightEdge verfolgte neun Branchen über achtzehn Monate [3]; Profound führte 100.000 Prompts über zwei Engines aus [4]; Wix Studio analysierte 1.056.727 Zitate aus 75.000 KI-Antworten [5]. Ein Prozentwert aus einer Studie lässt sich nicht von einem Prozentwert aus einer anderen subtrahieren. Vergleichbar ist die Richtung: ob jede Studie nach ihren eigenen Maßstäben Rang und Zitat gemeinsam oder getrennt verlaufen sieht. Aus diesem Grund werden sie einzeln berichtet.

Was dieses Papier nicht behauptet

Es behauptet nicht zu wissen, wie eine Engine ihre Quellen intern gewichtet. Es behauptet nicht, dass diese Befunde für jede Sprache, jeden Markt oder jede Kategorie gelten — wo eine Studie Kategorieaufteilungen berichtet, werden sie gezeigt. Es behauptet nicht, dass der Trend dauerhaft ist: Jede Quelle hier ist datiert, und die eigene Evidenz des Papiers zeigt, wie schnell sich das Bild bewegt (Befund 01 berichtet eine Kennzahl, die sich binnen acht Monaten etwa halbierte).

Jeder Befund nennt eine Aussage, die Studie, die sie stützt, und die Stichprobe. Wo Studien voneinander abweichen, wird die Abweichung in der Grafik gezeigt statt geglättet — denn die Abweichung ist selbst der Befund.

Der Widerspruch ist kein Datenfehler, sondern ein Methodenunterschied mit einer Lehre. BrightEdge verfolgte einen festen Satz von neun Branchen über achtzehn Monate und sah die Überlappung von 32,3 % auf 54,5 % steigen [3] — mit extremer Streuung innerhalb des Satzes, von 75,3 % im Gesundheitswesen bis 19,2 % in der Gastronomie. Ahrefs nutzte weit größere Keyword-Stichproben und sah die Überlappung in die Gegenrichtung einbrechen [1][2]. Beides ist vertretbar. Was beide übersteht, ist enger und nützlicher: Der Rang ist ein Relevanzsignal innerhalb eines viel größeren Kandidatenpools, keine Voraussetzung für ein ZitatANALYSIS.

Eine dritte Studie erklärt, warum die Zahlen so heftig auseinandergehen, und sie ist die nützlichste für die Planung. Ahrefs testete 15.000 Longtail-Anfragen über ChatGPT, Gemini, Copilot und Perplexity gegen Googles Top 10 für denselben Prompt: Nur etwa 12 % der KI-zitierten URLs standen auch in den Top 10 — Perplexity bei rund 29 %, Gemini nahe 12 %, ChatGPT und Copilot nahe 8 % (August 2025) [18]. Der Abstand zwischen 76 %, 12 % und 37,1 % ist weitgehend ein Effekt des AnfragetypsANALYSIS. Head-Anfragen mit kommerziellem Wert folgen dem Ranking noch eng genug, um hohe Überlappung zu erzeugen; Longtail- und frageförmige Prompts, bei denen die Antwort aus Unteranfragen zusammengesetzt wird, nicht. Die Sichtbarkeit einer Marke hängt daher davon ab, welche Art von Prompt ihre Käufer tatsächlich eingeben.

Ein Mechanismus erklärt die Lücke, ohne Einsicht in Engine-Interna zu behaupten. AI Overviews greifen dokumentiert auf Googles zentrale Rankingsysteme zurück, doch der Pool, aus dem sie schöpfen, ist der Index, nicht die gerenderten Top 10 — und AI Mode ergänzt Query-Fan-out, das abgeleitete Unteranfragen ausgibt, deren Ergebnismengen nicht die ursprüngliche Ergebnisseite sind [11][12]. Eine Seite, die für die Head-Anfrage auf Platz 25 steht, kann die beste Antwort auf eine Fan-out-Unteranfrage sein. Die Zahlen von 2026 sind damit konsistent: Die Korrelation zwischen Rang und Zitat bleibt, funktioniert aber nicht mehr als Schwelle.

Die praktische Folge ist strukturell, nicht taktisch. Ein Single-Engine-Dashboard erzeugt eine Zahl, die wie Marktanteil aussieht, sich aber wie eine Stichprobe eines Kanals verhält. Weil die beiden Engines unterschiedlich abrufen — ChatGPT mischt Trainingsgedächtnis mit Live-Retrieval, Perplexity setzt aus einem live abgerufenen Set zusammen [13][14] — ist die fehlende Überlappung kein Zufallsrauschen. Sie ist der Fingerabdruck unterschiedlicher Abrufstrategien, und das heißt: Der Zitat-Fußabdruck einer Marke muss pro Engine gemessen und dann aggregiert werden.

Drei weitere Messungen schärfen, was „extrahierbar“ bedeutet. Länge hilft, reicht aber nicht: Seiten über 20.000 Zeichen wurden durchschnittlich 10,18 Mal zitiert gegenüber 2,39 bei Seiten unter 500 Zeichen, wobei die obersten 4,8 % der URLs zehn oder mehr Zitate sammelten (Growth Memo, März 2026) [6]. Mit einer direkten Antwort zu beginnen hilft stärker: Seiten, deren Titel die Frage direkt beantworteten, wurden bei 41 % der Anfragen zitiert gegenüber 29 % bei lose verwandten Seiten (Growth Memo, April 2026) [7]. Und eine technische Abkürzung funktioniert nicht: Strukturiertes Schema-Markup zeigte keinen messbaren Effekt in AI Overviews, AI Mode oder ChatGPT (Ahrefs, Mai 2026) [15].

Die Absicht, nicht die Branche, sagt das Format voraus. Im selben Datensatz zogen informationale Anfragen 45,5 % Artikel gegenüber 21,7 % Listicles an, während kommerzielle Anfragen es umkehrten — 40,9 % Listicles gegenüber 6,2 % Artikeln [5]. Im professionellen Dienstleistungsbereich stammten 80,9 % der zitierten Listicles von neutralen Dritten und nicht von den Marken selbst — was bedeutet: Der gewinnende Zug bei Kaufanfragen ist meist, in die Zusammenstellung eines anderen aufgenommen zu werden, statt eine eigene zu veröffentlichen.

Zwei strukturelle Tatsachen liegen darunter. Erstens ist ein großer Teil jeder Antwort bereits vergeben, bevor eine Markenseite überhaupt in Betracht kommt: Wikipedia, YouTube und Reddit lieferten zusammen 15 % der Quellen, auf die KI-Zusammenfassungen verlinkten (Pew, 2025) [10], und YouTube allein war die meistzitierte Domain in AI Overviews — 5,6 % aller Zitate und 18,2 % der Zitate für Seiten außerhalb der Top 100 (Ahrefs, März 2026) [1]. Zweitens unterscheiden sich Engines stark darin, wie viele Quellen sie zeigen: Über 126 Millionen US-Prompts hinweg zeigte ChatGPT im Durchschnitt 15 Quellen pro Antwort, Gemini im Durchschnitt drei (Semrush AI Visibility Index, 2026) [20]. Dieselbe Seite trifft auf sehr unterschiedliche Arithmetik, je nachdem welche Engine antwortet.

Eine Einschränkung ist infrastruktureller Art. In einem 14-tägigen kontrollierten Test auf der eigenen Website einer Marke sammelten HTML-Testseiten 137 Besuche von KI-Bots und erschienen als Zitatquellen; derselbe Inhalt als Markdown ausgeliefert sammelte keine Besuche von keinem Crawler und wurde null Mal zitiert (OtterlyAI, April 2026) [16]. Eine Seite kann hervorragend und dennoch unerreichbar sein, wenn sie nur in einer Form existiert, die der Retriever nicht abruft.

Die ehrliche Lesart ist enger, als jede der beiden Studien allein nahelegt. „Frischen Inhalt veröffentlichen, um Zitate zu gewinnen“ ist nicht, was die Daten zeigen: Gegenüber der gewöhnlichen Suche weisen AI Overviews nahezu keine Alterspräferenz auf, und die zitierten Seiten sind typischerweise Jahre alt. Aktualität beeinflusst die Eligibilität, nicht die Präferenz — eine neue Seite kann binnen Tagen abgerufen werden, was nur zählt, wenn eine Seite neu ist. Die operative Schlussfolgerung: Eine bestehende Seite aufzufrischen ist kein Wachstumshebel, aber eine Seite, die nie innerhalb des Abruffensters veröffentlicht wird, ist nie in den Pool eingetreten. Was sich kumuliert, sind kontinuierliche Existenz und wiederholter Abruf, und eine vierteljährlich neu geschriebene Seite setzt diese Uhr nicht zurück.

Die Implikation ist ein Wechsel der Zielfunktion, nicht des Kanals. Wenn das Zitat für die meisten Sessions der Endpunkt ist, dann ist das messenswerte Ergebnis, ob die Marke genannt wird, wie früh, wie korrekt und neben wem — nicht, wie viele Besucher ankamen. Der Traffic, der entsteht, ist konzentriert: Über 30 % von ChatGPTs ausgehendem Traffic landen auf zehn Domains, und über 20 % fließen zu Google zurück statt zum zitierten Verlag [8]. Für die meisten Marken ist der realistische Preis, die richtige Antwort innerhalb der Antwort zu sein, mit dem Klick als gelegentlichem Bonus.

Die fünf Befunde laufen auf eine operative Verschiebung hinaus: Die Wettbewerbseinheit ist von der Position zur Präsenz gewandert, und die Kennzahlen müssen folgen.

1. Der Rang hört auf, die Reporting-Schlagzeile zu sein

Die Durchschnittsposition bleibt eine nützliche Diagnose — sie sagt voraus, welche Seiten plausible Kandidaten sind — ist aber kein Stellvertreter für Sichtbarkeit mehr. Eine Marke, die „drei Keywords in den Top 10“ berichtet, hat nichts darüber gesagt, ob sie in Antworten erscheint. Die Ersatzkennzahl ist der Anteil zitierter Quellen: In welchem Anteil der Antworten, die die Prompts Ihrer Kategorie erzeugen, ist Ihre Domain eine der Quellen, und an welcher Position der Quellenliste.

2. Die Engine-Auswahl ist eine marktstrukturelle Entscheidung

Bei 11 % Überlappung zwischen Engines beschreibt eine auf einer Engine gemessene „KI-Sichtbarkeit“ einen einzigen Kanal [4]. Eine Marke sollte entscheiden, welche Engines ihrer tatsächlichen Käuferpopulation entsprechen, dann jede separat berichten und nur mit angegebener Engine-Zusammensetzung aggregieren. Eine gemischte Einzelzahl über Engines ist keine Zusammenfassung, sondern ein gewichteter Durchschnitt nicht vergleichbarer Populationen.

3. Extrahierbarkeit ist der einzige Hebel, der vollständig in der Hand einer Marke liegt

Das Ranking hängt von Wettbewerbern und einem Algorithmus ab, den niemand einsehen kann. Extrahierbarkeit nicht: Eine Seite, die mit einer direkten Antwort beginnt, ihre Aussage in den ersten zwei Sätzen nennt und die offensichtlichen Unterfragen abdeckt, lässt sich diese Woche verbessern. Der gemessene Effekt ist erheblich — 41 % Zitierrate bei Direktantwort-Titeln gegenüber 29 % bei lose verwandten Titeln [7] und ein 4,3-facher Abstand zwischen langen und sehr kurzen Seiten [6]. Der einzige Hebel, der wie eine Abkürzung aussah — Schema-Markup — maß keinerlei Effekt [15].

4. Aktualität ist eine Eligibilitätsschwelle, kein Wachstumshebel

Die durchschnittlich zitierte Seite ist über drei Jahre alt [19], weshalb „unseren Inhalt aktualisieren“ nicht der Hebel ist, als der er verkauft wird. Was Aktualität regiert, ist, ob eine Seite überhaupt aufgenommen werden kann — und dieses Fenster ist kurz, mit einem Median von 6,81 Tagen bis zum ersten Zitat [17]. Die Implikation ist, kontinuierlich zu veröffentlichen statt periodisch aufzufrischen: Ein stetiger Takt neuer, beantwortbarer Seiten bringt fortlaufend Einträge in den Pool, während eine vierteljährliche Neufassung alter Seiten an deren Zitatverhalten fast nichts ändert.

5. Das zu optimierende Ergebnis ist Genauigkeit, nicht Ankunft

Bei 93 % Zero-Click in AI Mode [9] wird eine Strategie, deren Erfolgsbedingung ein Besuch ist, die meisten ihrer eigenen Erfolge als Fehlschlag melden. Die Erfolgsbedingung muss neu formuliert werden: Wird die Marke genannt, wird sie korrekt beschrieben, wird sie empfohlen, wo sie sollte, und welche Wettbewerber erscheinen daneben. Das ist messbar — und es ist das Einzige, was die Zitatschicht tatsächlich auszahlt.

Dies ist eine Synthese, keine Messung. Jede Zahl stammt aus einer Studie mit eigener Stichprobe, Fenster und Methode, und das Papier berichtet sie einzeln, gerade weil sie nicht zusammengeführt werden können. Drei konkrete Schwächen müssen mit den Befunden mitreisen:

• Instabilität. Abbildung 1 zeigt zwei belastbare Studien, die binnen acht Monaten zu entgegengesetzten Schlüssen über dieselbe Beziehung kommen. Jede einzelne Zahl in diesem Papier ist eine Momentaufnahme, und die These des Papiers impliziert, dass sie altern wird.
• Kategoriestreuung. BrightEdges Branchen reichten von 75,3 % Überlappung im Gesundheitswesen bis 19,2 % in der Gastronomie [3]. Ein Durchschnitt über Branchen kann keine Branche beschreiben. Leser sollten annehmen, dass ihre eigene Kategorie irgendwo in dieser Spanne liegt, nicht in ihrer Mitte.
• Geografische und sprachliche Verzerrung. Die zitierten Studien sind überwiegend US-amerikanische und englischsprachige Stichproben. Das Verhalten der Engines unterscheidet sich nach Markt, Sprache und Login-Status, und keine der Zahlen hier sollte ohne Neumessung auf einen anderen Markt übertragen werden.

Das Papier behauptet auch nicht, zu beschreiben, wie Engines Quellen intern gewichten. Mechanismus-Erklärungen — Integration ins zentrale Ranking, Query-Fan-out, breitere Kandidatenpools — stammen aus Herstellerdokumentation und aus beobachtbaren Ein- und Ausgaben und sind als Analyse gekennzeichnet, wo sie über das hinausgehen, was ein Anbieter erklärt hat.

Nach Aufwand zu Wirkung geordnet, jeweils mit Verantwortlichem und einer Möglichkeit zu prüfen, ob es funktioniert hat.

Die Reihenfolge zählt mehr als jede einzelne Zeile. Maßnahme 1 und 2 sind günstig und erzeugen binnen eines Veröffentlichungszyklus ein Signal; Maßnahme 4 ist die, die eine einmalige Verbesserung in eine dauerhafte Fähigkeit verwandelt. Maßnahme 5 ist enthalten, weil das Entfernen eines plausibel aussehenden, aber wirkungslosen Hebels selbst ein Gewinn ist.

Quellenpolitik. Evidenz wird auf einer fünfstufigen Skala bewertet: Offiziell (Herstellerdokumentation oder Ankündigung), Peer-reviewed, Unabhängige Messung (große Drittstichprobe mit veröffentlichter Methode), Anbieterberichtet (ein Anbieter veröffentlicht Daten, die auch seiner eigenen Produktaussage dienen), Analyse (begründete Inferenz aus beobachtbarem Verhalten, kein Anspruch auf Einsicht in Engine-Interna). Studien von Tool-Anbietern (Ahrefs, Semrush, Wix Studio) werden als Unabhängige Messung eingestuft, weil Stichproben und Methoden veröffentlicht sind; wo ein Anbieter seinen eigenen Kernverkaufsargument misst — die Engine-übergreifende Überlappung von Profound — wird der Eintrag auf Anbieterberichtet herabgestuft. Manche Studien sind auf ihrer eigenen Plattform nicht stabil adressierbar; in dem Fall zitiert der Eintrag die Sekundärquelle, die sie nennt, damit jede Zahl in diesem Papier weiterhin gegen eine live erreichbare Seite geprüft werden kann.

1. 1.Ahrefs, „AI Overview citations versus organic ranking“, 863.000 Keyword-SERPs und 4 Millionen AI-Overview-URLs, März 2026: 37,1 % der zitierten URLs in den Top 10, 26,2 % auf Platz 11–100, 36,7 % außerhalb der Top 100. Berichtet in SEOValley, „What Gets Cited in AI Overviews“, September 2026. seovalley.com INDEPENDENT
2. 2.Ahrefs, frühere Zitatstichprobe, 1,9 Millionen Zitate, Juli 2025: Top-10-Überlappung rund 76 %. Dieselbe Berichtsquelle wie [1]. INDEPENDENT
3. 3.BrightEdge, Überlappung Zitat zu organisch über neun Branchen, Mai 2024 – September 2025: 32,3 % → 54,5 %; Gesundheitswesen 75,3 %, Gastronomie 19,2 %. Berichtet in SEOValley [1]. INDEPENDENT
4. 4.Profound, „Cross-engine citation overlap“, 100.000 Prompts durch ChatGPT und Perplexity, Juli 2025: 11 % der zitierten Domains erscheinen in beiden. Berichtet in AI Visibility Software, „Myth: AI Visibility Is Just SEO Rebranded“, Juli 2026. ai-visibility-software.com VENDOR-REPORTED
5. 5.Wix Studio AI Suche Lab, Studie zur Zitatzusammensetzung, 1.056.727 Zitate aus 75.000 KI-Antworten von ChatGPT, Google AI Mode und Perplexity, März 2026: Listicles 21,9 %, Artikel 16,7 %, Produktseiten 13,7 %; informationale Anfragen 45,5 % Artikel; kommerzielle Anfragen 40,9 % Listicles. Berichtet in SEOValley [1]. INDEPENDENT
6. 6.Growth Memo, Analyse zu Seitenlänge und Zitaten, März 2026: Seiten über 20.000 Zeichen durchschnittlich 10,18 Mal zitiert gegenüber 2,39 bei Seiten unter 500 Zeichen; die obersten 4,8 % der URLs zehn Mal oder häufiger zitiert. Wie berichtet, mit Attribution, von Position Digital. position.digital INDEPENDENT
7. 7.Growth Memo, Analyse zur Titelform, April 2026: Seiten, deren Titel die Frage direkt beantworten, werden bei 41 % der Anfragen zitiert, gegenüber 29 % bei lose verwandten Titeln. Dieselbe Berichtsquelle wie [6]. position.digital INDEPENDENT
8. 8.Semrush, „ChatGPT search insights“, Clickstream-Panel mit 200 Millionen Nutzern, 17 Monate / über eine Milliarde Zeilen bis Februar 2026: ChatGPT-Referraltraffic +206 % in 2025; über 30 % des ausgehenden Traffics auf zehn Domains; über 20 % zurück zu Google; Webrecherche ausgelöst bei 34,5 % der Anfragen (46 % Ende 2024). semrush.com INDEPENDENT
9. 9.GEO Hub, „The click that never came: AI Mode’s 93% zero-click rate“, 2026: 93 % der AI-Mode-Sessions erzeugen keinen ausgehenden Klick; 6–8 % erreichen eine externe Seite; AI Overviews 43 % Zero-Click. geo.alibaba.com INDEPENDENT
10. 10.Pew Research Center, Studie zum Suchverhalten, 900 US-Erwachsene / 68.879 Google-Suchen, März 2025: 18 % der Suchen erzeugten eine KI-Zusammenfassung (53 % bei Anfragen mit zehn oder mehr Wörtern); organische Klickrate 8 %, wenn eine Zusammenfassung erschien, gegenüber 15 % ohne; 26 % der Sessions mit Zusammenfassung endeten, ohne dass ein Ergebnis besucht wurde; Wikipedia, YouTube und Reddit lieferten 15 % der verlinkten Quellen. pewresearch.org INDEPENDENT
11. 11.Google, „What happened with AI Overviews and next steps“, The Keyword, Mai 2024: AI Overviews greifen auf Googles zentrale Rankingsysteme zurück und identifizieren relevante Ergebnisse aus dem Suchindex. blog.google OFFICIAL
12. 12.Google, „Expanding AI Overviews and introducing AI Mode“, The Keyword, März 2025: AI Mode nutzt Query-Fan-out und gibt mehrere verwandte Suchen über Unterthemen und Datenquellen aus. blog.google OFFICIAL
13. 13.OpenAI, „Introducing ChatGPT search“, Oktober 2024: Die ChatGPT-Suche ruft aktuelle Informationen aus dem Web mit Links zu den Quellen ab. openai.com OFFICIAL
14. 14.Kompozy, „How Perplexity selects sources: retrieval, ranking and citation mechanics“, 2026 — technische Drittanalyse; keine offizielle Perplexity-Dokumentation beschreibt die Auswahl-Pipeline. kompozy.io ANALYSIS
15. 15.Ahrefs, Schema-Markup-Test an 1.885 Seiten, die JSON-LD hinzufügten, Mai 2026: kein statistisch bedeutsamer Zuwachs bei KI-Zitaten in AI Overviews, AI Mode oder ChatGPT. Berichtet in AI Visibility Software [4]. INDEPENDENT
16. 16.OtterlyAI, „GEO Experiment: Markdown vs HTML“, kontrollierter Test auf der eigenen Website des Anbieters, 14 Tage, zwei gematchte Seitenpaare: Die HTML-Seiten erhielten 137 Besuche von KI-Bots und wurden zitiert; die identischen .md-Versionen erhielten null Besuche und null Zitate in ChatGPT, Googles AI Overviews und Perplexity. Einzelmarken-Experiment; nicht verallgemeinerbar. otterly.ai VENDOR-REPORTED
17. 17.Josh Blyskal (Profound), Studie zur Zeit bis zum ersten Zitat, Mai 2026: rund 900 neu veröffentlichte Seiten, verfolgt über LLM-Antwortlogs; Median 6,81 Tage, 90. Perzentil 37,10 Tage. Veröffentlicht von einem Zitat-Tracking-Anbieter. tryprofound.com VENDOR-REPORTED
18. 18.Ahrefs, „Only 12% of AI-cited URLs rank in Google’s top 10 for the original prompt“, 15.000 Longtail-Anfragen über ChatGPT, Gemini, Copilot und Perplexity, August 2025: rund 12 % Überlappung insgesamt; Perplexity rund 29 %, Gemini rund 12 %, ChatGPT rund 8 %, Copilot rund 8 %. Berichtet in AI Visibility Software [4]. INDEPENDENT
19. 19.Ahrefs, Durchschnittsalter zitierter Seiten über 16,975 Millionen zitierte URLs, Juli 2025: ChatGPT 958 Tage, Copilot 1.056, Gemini 1.118, Perplexity 1.166, Google AI Overviews 1.432, gewöhnlich Google organisch 1.416. Berichtet in SEOValley [1]. INDEPENDENT
20. 20.Semrush AI Visibility Index, 126 Millionen US-Prompts, Januar–April 2026: ChatGPT zeigte durchschnittlich 15 Quellen pro Antwort, Gemini drei. Berichtet in SEOValley [1]. INDEPENDENT

Dieses Papier wurde unabhängig verfasst. Seine Schlüsse wurden von Novaxilabs weder geprüft noch gesteuert, und keine Aussage darin hängt von den eigenen Monitoring-Daten von Novaxilabs ab.

Novaxilabs misst, wie eine Marke in KI-Antworten erscheint — nicht, wie eine Seite rankt. Die Plattform verfolgt Nennungsrate, Empfehlungsposition, Stimmung und die Quellen, die Engines tatsächlich zitieren, über sieben Engines in einem Dashboard.