Quellen, die KIs über Marken am häufigsten zitieren

KI-Antworten über eine Marke beruhen nicht nur auf der Website dieser Marke. In 123 Audits und 7.264 KI-Antworten haben wir die von Modellen angezeigten Drittquellen erfasst. LinkedIn erscheint in 37 % der Audits, vor Wikipedia und Trustpilot. Das beschreibt diese Stichprobe, nicht die Qualität einer Quelle und keine Vorhersage jeder künftigen Antwort.

Kurz gesagt

Wir zählten URLs, die Modelle als Quellen zu auditierten Marken ausgaben. Jede Quelle zählt pro Audit einmal, die Website der Marke selbst wurde ausgeschlossen. LinkedIn, Wikipedia, Trustpilot, Unternehmensregister, Bewertungsseiten und Community-Plattformen tauchen häufig auf. Sinnvoll ist es, die dort sichtbaren Informationen zu prüfen, nicht aus einer Präsenz eine garantierte Zitierung abzuleiten.

Was wir gemessen haben

Wir analysierten 123 Audits mit 7.264 KI-Antworten. Für jedes Audit extrahierten wir die URLs, die als Quellen genannt wurden, wenn die Antwort die geprüfte Marke behandelte. Die eigenen Websites der Marken wurden entfernt. Danach wurde eine Quelle innerhalb eines Audits nur einmal gezählt. So kann eine lange Antwort oder eine besonders stark dokumentierte Marke einen Domainwert nicht automatisch erhöhen.

Der Prozentwert bezeichnet den Anteil der 123 Audits, in denen eine Quelle mindestens einmal erschien. Er ist weder eine gesamte Zitierquote noch ein Durchschnitt pro Antwort. Die Tabelle misst keinen Traffic, keine redaktionelle Verlässlichkeit und keine Absicht eines Modells. Sie ist ein Häufigkeitshinweis für diesen Korpus.

Die am häufigsten beobachteten Drittquellen

Das Ranking hält beobachtete Häufigkeiten fest. Die Kategorien helfen beim Lesen der Quellengruppen und sind keine Qualitätsrangfolge.

RangQuelleAnteil von 123 AuditsTyp
1LinkedIn37 %Berufsnetzwerk
2Wikipedia35 %Enzyklopädie
3Trustpilot32 %Bewertungen
4Pappers24 %Unternehmensregister
5YouTube23 %Video
6Reddit21 %Community
7Societe.com19 %Unternehmensregister
8Facebook19 %Soziales Netzwerk
9G214 %B2B-Bewertungen
10PagesJaunes10 %Unternehmensverzeichnis
11annuaire-entreprises.data.gouv.fr7 %Öffentliches Register
12Glassdoor7 %Arbeitgeberbewertungen

Die Tabelle richtig lesen

LinkedIn erschien in 37 % der Audits, Wikipedia in 35 % und Trustpilot in 32 %. In diesem Korpus waren diese drei Dienste häufiger sichtbar als die übrigen aufgeführten Drittquellen. Das beweist nicht, dass jedes LinkedIn-Profil, jede Wikipedia-Seite oder jede Trustpilot-Bewertung übernommen wird. Eine URL kann angezeigt werden, ohne die einzige Ursache für die anschließende Formulierung zu sein.

Pappers erschien in 24 % und Societe.com in 19 % der Audits. Diese Werte spiegeln auch den französischen Anteil der Stichprobe. Daraus abzuleiten, französische Register dominierten jeden Markt oder jede Sprache, wäre falsch. Dasselbe gilt für PagesJaunes und das öffentliche französische Unternehmensverzeichnis: Sie können in einem Kontext relevant sein, aber nicht allgemein entscheidend.

Vier Quellengruppen, die wiederkehren

Berufsnetzwerke, Enzyklopädien und öffentliche Profile

LinkedIn, Wikipedia und Facebook stehen im Ranking. Solche Seiten enthalten oft Identitätsangaben: Name, Tätigkeit, zugeordnete Personen, Geschichte oder öffentliche Beschreibung. Diese Angaben lassen sich mit Primärquellen vergleichen. Bevor etwas verbessert werden soll, sollte geprüft werden, ob sie richtig, bei Bedarf datiert und über die tatsächlich kontrollierten Kanäle hinweg konsistent sind.

Register und Verzeichnisse

Pappers, Societe.com, PagesJaunes und annuaire-entreprises.data.gouv.fr gehören in diese Gruppe. Antworten können damit strukturierte Fakten wie Firmenname, Tätigkeit oder Status verknüpfen. Der angemessene Schritt ist nicht, die Unternehmensgeschichte umzuschreiben. Er besteht darin, offizielle Daten, aggregierte Daten und beschreibenden Text zu unterscheiden und eine Ursprungsquelle nur bei einer nachweisbaren, zulässigen Korrektur zu berichtigen.

Bewertungen und Erfahrungen

Trustpilot, G2 und Glassdoor erscheinen in der Stichprobe. Sie erfüllen unterschiedliche Funktionen: Kundenerfahrung, Softwarebewertung und Arbeitserfahrung beantworten unterschiedliche Fragen. Alles unter dem Begriff Reputation zusammenzufassen, verdeckt diesen Unterschied. Wenn eine KI eine Bewertung anzeigt, wird diese nicht zur allgemeinen Wahrheit. Sie war lediglich in der beobachteten Antwort als Drittquelle sichtbar.

Community und Video

YouTube und Reddit gehören zu den ersten sechs Quellen. Ihre Präsenz erinnert daran, dass Marken auch in Videos, Kommentaren, Vergleichen und Gesprächen beschrieben werden. Diese Formate sind uneinheitlich. Vor der Interpretation einer Quelle sollten Datum, Autor, Thema und Kontext gelesen werden. Eine Produktdemo, ein Support-Thread und eine persönliche Meinung haben nicht dieselbe Aussagekraft.

Ein praktikabler Prüfprozess

Der Startpunkt ist keine universelle Plattformliste. Er ist das Protokoll der Quellen, die bereits in Antworten zu Ihrer Marke und Ihren Fragen erschienen sind. Ein kurzer Prozess verhindert Entscheidungen aus bloßem Eindruck.

  • Prompt, Modell, Datum und Antwortmodus zu jeder beobachteten URL speichern.
  • Die URL einordnen: offizielle Seite, Register, Bewertung, Community, Medium oder soziales Profil.
  • Identitätsdaten, kommerzielle Aussagen und erfahrungsbasierte Meinungen getrennt prüfen.
  • Ungenaue Angaben nur dort korrigieren, wo eine Korrektur zulässig und nachvollziehbar ist.
  • Dasselbe Fragenpanel später wiederholen, um Veränderungen zu beobachten, ohne sie automatisch einer einzelnen Maßnahme zuzuschreiben.

Dieser Ablauf trennt Messwert und Erklärung. Der Messwert lautet: Eine bestimmte URL erschien unter dokumentierten Bedingungen in einer bestimmten Antwort. Das Warum verlangt weitere Belege. Ein aktualisiertes Profil kann mit einer veränderten Antwort zusammenfallen, ohne deren Ursache zu sein. Ebenso ist eine nicht auflösbare oder fehlende URL kein Beweis für eine erfundene Information.

Was die Studie für eine Marke verändert

Sie verschiebt den Blick von der isolierten offiziellen Website auf das Quellennetz, das die Marke bereits beschreibt. Nicht, um Quellen zu manipulieren, sondern um sie sachlich zu kartieren: Wo wird Identität beschrieben, wo werden Bewertungen veröffentlicht, wo werden rechtliche oder kommerzielle Daten wiederholt und welche Seiten kehren in getesteten Antworten wirklich wieder? Unser Beitrag zu Source Authority erläutert diesen Ansatz auf URL-Ebene.

Sichtbarkeit allein bewertet keine Antwort. Genauigkeit, Aktualität und Kontext zählen ebenfalls. Deshalb ergänzen das KI-Sichtbarkeitsbarometer und die Studie über von Modellen erfundene URLs dieses Ranking. Sie beantworten andere Fragen und haben eigene Geltungsbereiche. Wer sie vermischt, erhält eine spektakulärere, aber weniger belastbare Aussage.

Grenzen der Auswertung

Die Marken in diesem Korpus entschieden sich selbst für ein Audit. Die Stichprobe repräsentiert daher nicht alle Unternehmen. Ihr französischer Anteil erklärt teilweise die Sichtbarkeit lokaler Register und Verzeichnisse. Das Ranking umfasst nur Drittquellen, die in den erfassten Antworten angezeigt wurden, und prognostiziert kein künftiges Verhalten. Modell, Frage, Sprache und Websuche können das beobachtete Ergebnis verändern.

Die Schlussfolgerung bleibt bewusst zurückhaltend: Ihre Website ist wichtig, enthält aber nicht alles, was eine KI-Antwort über Ihre Marke zeigen kann. Messen Sie die tatsächlich sichtbaren Quellen, prüfen Sie Fakten, dokumentieren Sie zulässige Korrekturen und trennen Sie Häufigkeit von Kausalität.

Was für jede Quelle dokumentiert werden sollte

Ein brauchbares Quellenprotokoll bleibt konkret. Es reicht nicht, nur zu notieren, dass ein Modell LinkedIn oder ein Verzeichnis zitiert hat. Halten Sie die genaue Seite, die Frage, das Modell, das Datum, die Verfügbarkeit einer Websuche und den Satz fest, in dem die Quelle erschien. Dadurch wird eine spätere Prüfung möglich. Zugleich verhindert es, dass eine Beobachtung zu einer Domain als Aussage über jede Seite dieser Domain behandelt wird.

Vergleichen Sie anschließend die sichtbare Information mit einer Primärquelle. Firmenname, Rechtsform, Adresse, Name einer Führungsperson, Produktbeschreibung, Bewertungsbehauptung oder alter Preis verlangen nicht dieselbe Behandlung. Manche Angaben gehören in ein öffentliches Register, andere in den Zuständigkeitsbereich eines Profilinhabers und wieder andere zu einem Bewerter. Die relevante Frage lautet nicht: „Wie erscheint diese Seite?“ Sondern: „Ist die hier sichtbare Information für diese Frage richtig, zuordenbar und aktuell?“

Auch das Prüfergebnis sollte präzise festgehalten werden: bestätigt, veraltet, unvollständig, Meinung, nicht aufgelöst oder nicht anwendbar. Eine nicht auflösbare URL bleibt im Protokoll nicht aufgelöst. Daraus darf nicht die Behauptung werden, ein Modell habe einen Fakt erfunden. Bei einer sachlichen Abweichung gehören der verwendete Primärbeleg und, falls vorhanden, ein zulässiger Korrekturweg in die Dokumentation.

Für veröffentlichte Daten neben diesem Protokoll stehen das Observatorium und die AGS-Methodik bereit. Sie betreffen unterschiedliche Gegenstände und machen aus der hier dokumentierten Häufigkeit weder einen Durchschnitt noch einen Kausalnachweis oder eine Prognose.

Diese Nachvollziehbarkeit hat einen weiteren Nutzen. Ändert sich eine Antwort später, kann das Team vergleichbare Bedingungen gegenüberstellen: gleiche Prompt-Familie, gleiches Modell, gleiche Sprache und gleicher Antwortmodus. Das ist aussagekräftiger als zwei Screenshots ohne bekannte Bedingungen. Es beweist keine Kausalität, macht die Beobachtung aber wiederholbar und für Redaktion, Recht und Marke nutzbar.

Fragen und Antworten

Welche Quellen zitieren KIs am häufigsten über Marken?

In 123 Audits sind die am häufigsten zitierten Drittquellen LinkedIn (37 % der Audits), Wikipedia (35 %), Trustpilot (32 %), Pappers (24 %), YouTube (23 %) und Reddit (21 %). Unternehmensregister und Bewertungsplattformen wiegen besonders schwer.

Warum reicht meine Website nicht, um in KIs sichtbar zu sein?

Weil KIs das Bild einer Marke aus Drittquellen aufbauen — Berufsnetzwerke, Enzyklopädien, Bewertungen, Unternehmensregister — und nicht nur aus der offiziellen Website. Sind diese Quellen ungenau oder unvollständig, wiederholt die KI den Fehler.

Vergleich: Zählen LinkedIn oder Wikipedia mehr als meine Website?

In unserer Stichprobe ist LinkedIn die von KIs am häufigsten zitierte Drittquelle über Marken, vor Wikipedia und Trustpilot. Ein aktuelles LinkedIn-Profil und eine korrekte enzyklopädische Präsenz beeinflussen daher direkt, was die KI über Sie sagt.

Wie wurde diese Studie durchgeführt?

Wir haben die URLs extrahiert, die Modelle als Quellen in 123 echten Audits (7 264 Antworten) zitieren, die eigenen Websites der Marken entfernt und dann jede Quelle einmal pro Audit gezählt, um eine übergreifende Autorität zu messen statt des Gewichts einer einzelnen Marke.

Über den Autor

Davy Abderrahman

Gründer von

Als Spezialist für Sichtbarkeit in KI-Antworten (AEO/GEO/LLMO) helfe ich Agenturen und Beratern, die Präsenz ihrer Kunden in ChatGPT, Claude, Gemini, Perplexity und anderen KI-Antwortsystemen zu messen und zu analysieren.

AEO GEO LLMO KI-Sichtbarkeit KI-Audits
Wie erscheinen Ihre Marken in KI-Antworten?

Agenturen, Berater und interne Teams: Vergleichen Sie Antworten auf Ihre eigenen Szenarien in den gewählten Sprachen und Modellen. Unsere Infrastruktur, Ihre Szenarien, Ihre Expertise.

War dieser Artikel hilfreich?

- (0 votes)