5.179 KI-Abfragen ausgewertet: wo das Messen von Zitierungen schiefgeht

5.179 Abfragen an fünf KI-Systeme, über vier Monate, für elf Websites.

Das Ergebnis war 4,1 Prozent. Die richtige Zahl ist 6,3 Prozent.

Der Unterschied lag nicht an den KI-Systemen. Er lag an unserer eigenen Messung.

Kurzantwort: Beim Messen von KI-Zitierungen geht selten die Abfrage schief. Schief geht der Rahmen darum — der Nenner, die Auswahl der Systeme, die Erkennung. Dieser Text zeigt beides an eigenen Daten: was wir gemessen haben, und wo wir uns dabei selbst getäuscht haben.

Die These: KI-Antworten sind Zufall, Messen bringt nichts

Das Argument hört man oft, und es klingt zwingend. Ein Sprachmodell würfelt bei jeder Antwort neu. Dieselbe Frage, zweimal gestellt, liefert andere Formulierungen und andere Quellen. Wer das misst, misst Rauschen.

Dazu kommt: Die Systeme ändern sich wöchentlich. Ein neues Modell, eine neue Suchintegration, ein anderer Umgang mit Quellenangaben — und die Zeitreihe ist entwertet, ohne dass jemand etwas gemerkt hätte.

Wenn das stimmt, ist jede Zitierungsmessung Beschäftigungstherapie.

Die Antithese: Unsere Daten sagen etwas anderes

Wir haben nachgesehen. Für ein Projekt liegen 215 Kombinationen aus Phrase und System vor, die jeweils mindestens fünfmal gemessen wurden, viele davon dreizehn- bis achtzehnmal.

Bei 199 dieser 215 Paare war das Ergebnis über alle Messungen hinweg identisch. Zitiert blieb zitiert, nicht zitiert blieb nicht zitiert. Nur 16 Paare — 7,4 Prozent — haben zwischen den Messungen überhaupt jemals gewechselt.

Das ist das Gegenteil von Zufall. Die Formulierung der Antwort schwankt, das stimmt. Ob deine Domain als Quelle darunter steht, schwankt in aller Regel nicht.

Und die Systeme unterscheiden sich deutlich und stabil voneinander:

Claude zitiert am zurückhaltendsten, Gemini am großzügigsten — über vier Monate hinweg, quer über elf Websites. Ein Unterschied um den Faktor drei lässt sich nicht mit Rauschen erklären.

Was tatsächlich schiefgeht: der Rahmen, nicht die Abfrage

Hier kommt der unangenehme Teil. Unsere eigene Gesamtquote lautete 4,1 Prozent — 212 Zitierungen aus 5.179 Prüfungen. Diese Zahl war falsch, und zwar aus einem Grund, der in jeder Zitierungsmessung lauern kann.

Fehler 1: Ein Nenner, der keine Treffer liefern kann

Von den 5.179 Prüfungen entfielen 2.007 auf die Google-KI-Übersichten. Bei keiner einzigen davon wurde je eine Zitierung erkannt. Nicht selten — nie, über zwei Monate.

Solange diese 2.007 im Nenner stehen, drücken sie die Quote, ohne jemals etwas zum Zähler beitragen zu können. Ohne sie lautet dieselbe Messung 6,3 Prozent — 212 von 3.381.

Ein Drittel Unterschied, allein durch die Zusammensetzung des Nenners. Nichts an den Websites hatte sich geändert.

Fehler 2: Eine Erkennung, die das Falsche findet

Der zweite Fehler ist tückischer. Für dieselben Google-KI-Übersichten zählte unsere Messung 282 Erwähnungen — die Marke kam vor, aber ohne Link.

Beim Nachsehen in den Rohdaten stand dort dies:

was_cited:    0
cited_url:    NULL
raw_answer:   Reisebericht Tobago — https://www.my-travelworld.de/tobago/...

Die Domain steht im Text. Trotzdem gilt sie nicht als zitiert. Der Grund: Unser Auswertungscode legte den Text der KI-Übersicht und die organischen Suchtreffer in denselben Behälter, und die Erwähnungserkennung durchsuchte anschließend beides.

Gefunden wurde die Domain also, weil sie organisch rankt — nicht, weil eine KI sie erwähnt hätte. Die 282 Erwähnungen messen zu einem unbekannten Teil klassisches SEO und verkaufen es als KI-Sichtbarkeit.

Fehler 3: Zwei Namen für dasselbe System

Nebenbei fanden sich zwei Kennungen für die Google-KI-Übersichten: eine mit 7 Zeilen bis Anfang Juni, eine mit 2.007 Zeilen ab Mitte Juni. Eine Umbenennung ohne Umzug der Altdaten.

Wer eine Zeitreihe über diesen Punkt hinweg auswertet und nur nach einer der beiden Kennungen filtert, bekommt einen Bruch, der wie ein Einbruch aussieht.

Die Auflösung: vier Angaben, ohne die eine Zahl nichts wert ist

Beide Seiten der Auseinandersetzung liegen daneben. Die Messung ist nicht wertlos — sie ist stabiler, als ihr Ruf vermuten lässt. Aber sie ist auch nicht selbsterklärend. Eine Zitierungszahl braucht vier Angaben daneben, sonst ist sie keine Aussage.

1. Der Nenner, aufgeschlüsselt nach System

Nicht „5.179 Prüfungen", sondern welche davon auf welches System entfielen. Nur so fällt auf, wenn ein System systematisch nichts liefert.

2. Die Zusammensetzung der Phrasenliste

Rotiert sie automatisch, weil sie den eigenen Search-Console-Daten folgt? Dann verschiebt sich der Maßstab jeden Monat. Zwei Zahlen aus zwei Monaten sind dann nicht vergleichbar, auch wenn sie gleich aussehen.

3. Was als Zitierung gilt

Verlinkte Quelle unter der Antwort? Domain irgendwo im Text? Markenname ohne Link? Das sind drei verschiedene Dinge mit drei verschiedenen Werten. Unser Fehler oben entstand genau an dieser Grenze.

4. Der Zeitraum und die Messfrequenz

Wöchentlich gemessen ergibt bei zwanzig Phrasen und fünf Systemen 400 Prüfungen im Monat. Täglich ergibt 3.000. Dieselbe Website, siebenmal so viel Nenner.

Was wir daraus gemacht haben

Die Erkennung für die Google-KI-Übersichten wird überarbeitet, die doppelte Kennung zusammengeführt. Bis dahin gilt für unsere eigenen Zahlen: Die vier Systeme mit belastbarer Erkennung sind Gemini, ChatGPT, Perplexity und Claude. Die Werte in der Tabelle oben stammen ausschließlich von diesen vieren.

Der Weg dorthin ist übrigens der eigentliche Punkt dieses Artikels: Der Fehler fiel nur auf, weil jemand die Rohdaten aufgemacht hat statt der Kennzahl zu glauben. Eine Oberfläche, die nur „4,1 %" anzeigt, hätte ihn nie sichtbar gemacht.

Fazit

KI-Zitierungen lassen sich messen, und das Ergebnis ist erstaunlich stabil — 92,6 Prozent unserer wiederholt geprüften Paare lieferten immer dasselbe. Wer behauptet, das sei alles Zufall, hat es vermutlich nicht wiederholt gemessen.

Unzuverlässig ist nicht die Antwort der KI. Unzuverlässig ist die Zahl, die daraus gemacht wird, wenn niemand den Nenner nennt.

Frag deshalb bei jedem Werkzeug — auch bei unserem —: Aus wie vielen Prüfungen, an welchen Systemen, mit welcher Definition von „zitiert"? Wer darauf keine Antwort hat, verkauft eine Prozentzahl ohne Bedeutung.

Häufige Fragen

Wie stabil sind KI-Zitierungen wirklich?

Stabiler als erwartet. Bei 215 Kombinationen aus Phrase und System, die jeweils mindestens fünfmal geprüft wurden, blieb das Ergebnis bei 199 über alle Messungen hinweg gleich. Nur 7,4 Prozent wechselten überhaupt jemals. Was schwankt, ist die Formulierung der Antwort — nicht die Frage, ob eine Domain als Quelle auftaucht.

Welches KI-System zitiert am häufigsten?

In unseren Daten Gemini mit 7,6 Prozent, gefolgt von ChatGPT mit 6,6 und Perplexity mit 6,1 Prozent. Claude liegt mit 2,2 Prozent deutlich darunter. Die Werte stammen aus 3.381 Prüfungen über elf Websites zwischen April und August 2026 und gelten für deutschsprachige Anfragen — sie sind kein allgemeingültiger Maßstab, sondern ein Ausschnitt.

Warum ist die Zitierquote allein keine brauchbare Kennzahl?

Weil ihr Nenner beweglich ist. In unserem eigenen Fall lag die Quote bei 4,1 Prozent, solange 2.007 Prüfungen im Nenner standen, die konstruktionsbedingt keine Zitierung liefern konnten. Ohne sie waren es 6,3 Prozent. Ein Drittel Unterschied, ohne dass sich an einer einzigen Website etwas geändert hätte.

Was unterscheidet eine Zitierung von einer Erwähnung?

Eine Zitierung ist eine verlinkte Quellenangabe: Die KI nennt deine Seite als Beleg und verweist darauf. Eine Erwähnung nennt nur den Markennamen im Text, ohne Link. Beides ist wertvoll, aber verschieden — und wer beides in eine Zahl wirft, macht sie unbrauchbar. Mehr dazu im Glossar unter AI Citation Tracking.

Wie oft sollte man messen?

Seltener, als die meisten denken. Wenn 92,6 Prozent der Paare über Wochen dasselbe Ergebnis liefern, bringt eine tägliche Prüfung fast keinen zusätzlichen Erkenntnisgewinn — sie vervielfacht nur die Kosten, weil hinter jeder Prüfung ein bezahlter Modellaufruf steht. Wöchentlich reicht für die Beobachtung; vor und nach einer Änderung ist der Moment, in dem eine zusätzliche Messung tatsächlich etwas beantwortet.

Kleines Quiz

Vier Fragen zu dem, was eine Zitierungszahl aussagt — und was nicht.