ChatGPT empfiehlt Marken auf zwei Wegen: aus dem, was das Modell im Training gelernt hat (parametrisches Gedächtnis), und – sobald es im Web sucht – aus den Seiten, die es im Moment der Antwort abruft und zitiert. Es gibt keine öffentliche Ranking-Formel und keine bezahlten Platzierungen in gewöhnlichen Antworten. Sichtbar werden daher Marken, die in den für ChatGPT erreichbaren Quellen konsistent, klar und glaubwürdig beschrieben sind. Da Antworten von Durchlauf zu Durchlauf schwanken, erfahren Sie Ihre tatsächliche Position nur, wenn Sie Ihre Präsenz über viele wiederholte Fragen messen.
Das Wichtigste in Kürze
- ChatGPT stützt sich auf zwei Wissensquellen: das im Training Gelernte und die Seiten, die die ChatGPT-Suche live abruft. Beide reagieren auf unterschiedliche Hebel und in unterschiedlichen Zeiträumen.
- OpenAI dokumentiert nur wenige konkrete Signale für Suche und Shopping, etwa den Zugang für OAI-SearchBot und strukturierte Produktdaten. Die meisten anderen „Ranking-Faktoren“, über die man liest, sind Schlussfolgerungen, keine belegten Fakten.
- Die belastbarste kontrollierte Evidenz (Aggarwal et al., KDD 2024) zeigt: Quellenangaben, Zitate und Statistiken im Inhalt erhöhten die Sichtbarkeit in generativen Antworten im Benchmark um bis zu 40 %.
- Antworten sind probabilistisch. Ein einzelner Screenshot beweist nichts; eine Erwähnungsrate über einen festen, wiederholt abgefragten Fragenkatalog dagegen schon.
- Berichterstattung durch Dritte (Testberichte, Vergleiche, Presse, Community-Diskussionen) zählt oft ebenso viel wie die eigene Website, denn dort begegnen Modelle Ihrer Marke im Kontext.
Zwei Wege zur Empfehlung: Trainingsgedächtnis und Live-Abruf
Bei Markenempfehlungen arbeiten in ChatGPT zwei recht unterschiedliche Mechanismen, und jeder reagiert auf andere Hebel. Wer nicht weiß, welchen er beeinflussen will, wählt leicht die falschen Maßnahmen.
Parametrisches Gedächtnis: was das Modell bereits „weiß“
Ein Sprachmodell verdichtet Muster aus seinen Trainingsdaten in seinen Gewichten. Taucht Ihre Marke häufig und in stimmigen Zusammenhängen auf („X ist ein Projektmanagement-Tool für Agenturen“), verknüpft das Modell sie eher mit der passenden Kategorie und den passenden Bedürfnissen. Dieses Gedächtnis hat einen Stichtag, wird nur mit einem neuen Modell aktualisiert und lässt sich nicht direkt bearbeiten. Zudem begünstigt es gut dokumentierte Entitäten: Eine Marke, die auf vielen unabhängigen Seiten vorkommt, ist stärker verankert als eine, die nur sich selbst beschreibt.
Live-Abruf: die ChatGPT-Suche
Seit OpenAI die ChatGPT-Suche am 31. Oktober 2024 eingeführt hat, kann ChatGPT selbst entscheiden, im Web zu suchen, oder die Nutzerin bzw. der Nutzer startet die Suche manuell. Laut OpenAI nutzt die Suche Drittanbieter-Suchdienste sowie Inhalte, die Partner direkt bereitstellen; die Antworten zeigen ihre Quellen an. Hier ähnelt die Logik klassischen Suchmaschinen: Eine Seite muss crawlbar sein, bei den Anbietern indexiert, relevant für die Anfrage, die ChatGPT tatsächlich absetzt, und nützlich genug, um ausgewählt und zitiert zu werden. Änderungen im Web können hier binnen Wochen sichtbar werden.
In der Praxis vermischen sich beide Wege. Das Modell kann zunächst aus dem Gedächtnis eine Antwort entwerfen und sie dann mit abgerufenen Quellen verfeinern oder bestätigen. Für Shopping-Anfragen nennt die OpenAI-Hilfe ausdrücklich „frühere Modellantworten, die vor der Berücksichtigung neuer Suchergebnisse erzeugt wurden“ als Eingangsgröße.
Welche Empfehlungssignale sind tatsächlich dokumentiert?
Die Tabelle trennt, was OpenAI selbst dokumentiert, von dem, was plausibel, aber unbewiesen ist. Behalten Sie diese Unterscheidung im Blick, wenn Sie Checklisten von Agenturen oder Tool-Anbietern lesen.
| Signal | Mechanismus | Status | Was Sie tun können |
|---|---|---|---|
| Zugang für OAI-SearchBot | Laut OpenAI erscheinen Websites, die OAI-SearchBot aussperren, nicht in Suchantworten (höchstens als Navigationslinks) | Dokumentiert | robots.txt sowie Firewall- und CDN-Regeln prüfen |
| Strukturierte Produktdaten | Shopping-Ergebnisse nutzen Metadaten wie Preis und Beschreibung von Erst- und Drittanbietern | Dokumentiert (Shopping) | Feeds, Schema-Auszeichnung und Marktplatz-Einträge korrekt halten |
| Nutzerkontext | Formulierung, Memory und benutzerdefinierte Hinweise beeinflussen die gezeigten Produkte | Dokumentiert (Shopping) | Die unterschiedlichen Bedürfnisse Ihrer Käufer inhaltlich abdecken |
| Händlerfaktoren | Verfügbarkeit, Preis, Qualität und ob der Händler Hersteller oder Hauptanbieter ist | Dokumentiert (Shopping) | Offiziellen Shop und Lagerstatus klar ausweisen |
| Erwähnungen durch Dritte | Tests, Vergleiche und Presse speisen Training und Abruf | Plausibel, häufig beobachtet | Auf den in Ihrer Kategorie zitierten Quellen präsent sein |
| Evidenzreiche Inhalte | Quellen, Zitate und Statistiken steigerten die Sichtbarkeit in einer kontrollierten Studie | Experimentelle Evidenz | Kernseiten um überprüfbare Daten und benannte Quellen ergänzen |
Zwei Punkte sind wesentlich. Erstens erklärt OpenAI, dass Produktergebnisse „unabhängig von ChatGPT ausgewählt werden und keine Anzeigen sind“; Anzeigen werden, wo es sie gibt, getrennt behandelt. Zweitens beschreibt keine Dokumentation einen numerischen Score, den Sie direkt optimieren könnten. Wer Ihnen einen „ChatGPT-Ranking-Score“ verkauft, verkauft eine eigene Ersatzgröße.
Was sagt die Forschung?
Die meistzitierte kontrollierte Studie ist „GEO: Generative Engine Optimization“ von Aggarwal und Kollegen (arXiv:2311.09735, veröffentlicht auf der KDD 2024). Die Autoren entwickelten einen Benchmark mit vielfältigen Anfragen (GEO-bench) und testeten Inhaltsänderungen an einer simulierten generativen Suchmaschine sowie an Perplexity. Methoden, die Verweise auf glaubwürdige Quellen, passende Zitate und Statistiken ergänzten, brachten die größten Verbesserungen, mit Sichtbarkeitsgewinnen von bis zu 40 % in ihrem Aufbau. Keyword-Stuffing, die klassische SEO-Abkürzung, schnitt schwach ab. Die Effekte unterschieden sich zudem je nach Themenbereich.
Die Studie wurde nicht am Produktivsystem von ChatGPT durchgeführt, das sich häufig ändert. Ihr Wert liegt in der Richtung: Generative Systeme scheinen Inhalte zu bevorzugen, die leicht zu überprüfen und leicht zu zitieren sind. Wie Sie das umsetzen, zeigt unser Leitfaden zu Inhalten, die KI zitiert; der Beitrag Welche Quellen zitiert KI? zeigt, wo der Abruf typischerweise sucht.
Warum dieselbe Frage unterschiedliche Empfehlungen erhält
Ihre Marke in einer Antwort zu sehen und in der nächsten nicht, ist erwartetes Verhalten, kein Fehler:
- Sampling. Die Textgenerierung ist probabilistisch; derselbe Prompt kann verschiedene Listen liefern.
- Mit oder ohne Suche. Ein Durchlauf löst eine Websuche aus, ein anderer antwortet aus dem Gedächtnis – mit anderen Kandidaten.
- Kontext. Memory, benutzerdefinierte Hinweise, Gesprächsverlauf, Sprache und Standort verschieben die Antwort.
- Formulierung. „Bestes CRM für kleine Agenturen“ und „günstiges CRM mit WhatsApp-Anbindung“ sind verschiedene Fragen mit verschiedenen Gewinnern.
- Modell-Updates. Änderungen an Modell oder Abruf können Ergebnisse verschieben, ohne dass Sie etwas geändert haben.
Deshalb sollte Empfehlungssichtbarkeit als Rate ausgedrückt werden, nicht als Ja/Nein. Die Erwähnungsrate ist die Zahl der gültigen Antworten, die Ihre Marke nennen, geteilt durch alle gültigen Antworten; fehlgeschlagene oder leere Antworten werden aus dem Nenner herausgenommen, statt als fehlende Erwähnung zu zählen. Der Beitrag KI-Sichtbarkeit messen erläutert Stichprobengrößen und typische Fehler im Detail.
Eine evidenzbasierte Methode, um Empfehlungen zu verbessern
- Fragenkatalog aus echter Kaufabsicht erstellen. Sammeln Sie 30 bis 100 Fragen, die Ihre Kundschaft tatsächlich stellt: Kategoriefragen („beste Lohnabrechnungssoftware für Start-ups in Deutschland“), Vergleichsfragen und Problemfragen – jeweils in der Sprache des Marktes.
- Ausgangswert messen. Stellen Sie jede Frage mehrmals im jeweiligen Markt und in der jeweiligen Sprache und speichern Sie jede Antwort mit ihren Quellen. Berechnen Sie Ihre Erwähnungsrate und dieselbe Kennzahl für Wettbewerber auf derselben Stichprobe, damit der Vergleich fair bleibt.
- Zitate analysieren. Listen Sie die Domains auf, die ChatGPT bei Empfehlungen in Ihrer Kategorie zitiert. Diese Seiten prägen die Antwort; zum Unterschied zwischen Erwähnung und Quellenangabe siehe KI-Zitat.
- Zuerst den Zugang sichern. Stellen Sie sicher, dass OAI-SearchBot nicht blockiert ist und wichtige Seiten ihren Hauptinhalt ohne schwere clientseitige Skripte ausliefern.
- Evidenzlücken schließen. Veröffentlichen Sie präzise, überprüfbare Seiten: klare Kategorieaussagen, Preise, Spezifikationen, unabhängige Daten und benannte Quellen. Bemühen Sie sich um korrekte Darstellung auf den Drittseiten aus Schritt 3.
- Mit demselben Fragenkatalog erneut messen. Vergleichen Sie die Raten Monat für Monat. Wenige Prozentpunkte auf kleiner Stichprobe können Rauschen sein; achten Sie auf stabile Trends.
Ein Werkzeug wie GeoDog automatisiert die Schritte 2 und 3, indem es echte Fragen im gewählten Markt stellt und jede Antwort samt Quellen speichert – die Methode funktioniert aber auch mit einer Tabelle. Entscheidend sind eine feste Stichprobe und ein ehrlicher Nenner, wie in unserer Methodik beschrieben.
Verbreitete Mythen über ChatGPT-Empfehlungen
- „Empfehlungen lassen sich kaufen.“ OpenAI erklärt, dass Shopping-Ergebnisse keine Anzeigen sind und nicht von Partnerschaften beeinflusst werden.
- „llms.txt sorgt dafür, dass ChatGPT Sie empfiehlt.“ Es handelt sich um eine vorgeschlagene Konvention; OpenAI hat keine Nutzung als Ranking-Signal dokumentiert. Eine ausgewogene Einordnung finden Sie unter Was ist llms.txt?.
- „Eine gute Antwort heißt, Sie sind sichtbar.“ Ein Durchlauf ist eine Anekdote, keine Messung.
Wenn Sie neu im Thema sind, beginnen Sie mit Was ist GEO? für den größeren Rahmen.
Häufige Fragen
Kann ich OpenAI bitten, meine Marke in Empfehlungen aufzunehmen?
Nein. Für gewöhnliche Antworten gibt es kein Einreichungsverfahren. Sie können Ihre Website für OAI-SearchBot zugänglich machen, Produktdaten korrekt halten und glaubwürdige Berichterstattung durch Dritte gewinnen; die Auswahl selbst trifft das System.
Wie lange dauert es, bis Änderungen sichtbar werden?
Änderungen, die über die ChatGPT-Suche wirken, können innerhalb weniger Wochen erscheinen, sobald Seiten gecrawlt und indexiert sind. Änderungen im Trainingsgedächtnis hängen von neuen Modellversionen ab und lassen sich nicht terminieren.
Ist eine Erwähnung dasselbe wie eine Empfehlung?
Nicht ganz. Eine Erwähnung kann neutral oder negativ sein, eine Empfehlung positioniert Sie als passende Lösung für den Bedarf. Erfassen Sie beides und lesen Sie die Antworten, um den Kontext zu verstehen.