Wer wird von KI zitiert? Was 953 KI-Antworten über eine B2B-Kategorie verraten

KI-Systeme belegen ihre Empfehlungen überwiegend mit Drittquellen. In vielen B2B-Nischen gibt es diese neutralen Dritten aber gar nicht, und dann zitieren die Engines, was verfügbar ist: die Vergleichsseiten der Wettbewerber selbst. In einer Analyse von 953 KI-Antworten im Segment Flottenmanagement-Software war die meistzitierte Einzelquelle der gesamten Kategorie eine Vergleichsseite eines Marktteilnehmers, mit 276 Zitationen. Unabhängige Fachartikel spielten praktisch keine Rolle. Wer verstehen will, warum die eigene Marke in KI-Antworten fehlt, schaut deshalb zuerst auf die Quellenlage seiner Kategorie und nicht auf die allgemeinen Studienwerte.

Das Wichtigste in Kürze:

• Die Theorie: Über alle Themen hinweg dominieren Drittquellen. Bei ChatGPT stellt Wikipedia 47,9 Prozent der Top-Quellen, bei Perplexity und Google AI Overviews führt Reddit (Profound, 30 Mio. Zitationen).

• In engen B2B-Kategorien sieht die Praxis anders aus. Dort liefern Wettbewerber, Affiliate-Portale und YouTube-Kanäle den Großteil der Belege. Die Meinungsbildung der KI übernimmt damit die Partei mit dem größten Eigeninteresse.

• Die Qualität dieser Quellen ist teilweise dünn. Vergleiche ohne Methodik, in denen das eigene Produkt erwartbar gewinnt, werden trotzdem zitiert. Neutralität ist kein Auswahlkriterium der Engines, Verfügbarkeit schon.

• Daraus folgt eine unbequeme Priorität. Bevor Content produziert wird, gehört geklärt, welche Quellen in der eigenen Kategorie überhaupt zitiert werden und auf welchen davon die Marke fehlt.

Auf die Frage, wie man in KI-Antworten kommt, gibt es eine Standardantwort: Off-Site-Signale schlagen eigene Inhalte. Im Durchschnitt und über alle Themen hinweg stimmt sie. In einzelnen B2B-Kategorien führt sie in die Irre, weil dort die neutralen Dritten fehlen, auf die sie sich stützt.

Was sagen die Studien über die Quellenwahl von KI-Systemen?

Dass die eigene Website selten das Rückgrat der Beleglage ist. Zwischen August 2024 und Juni 2025 hat Profound rund 30 Millionen Zitationen über ChatGPT, Google AI Overviews und Perplexity ausgewertet. Bei ChatGPT dominiert Wikipedia mit 47,9 Prozent der Top-Quellen, bei Perplexity und Google AI Overviews steht Reddit vorn.

Bei identischen Fragen überschneiden sich die zitierten Quellen von ChatGPT und Perplexity nur zu rund 11 Prozent. Die Engines lesen also weitgehend verschiedene Ecken des Webs. Was daraus für die einzelnen Plattformen folgt, steht in Wie komme ich in ChatGPT- und Perplexity-Antworten.

Beide Zahlen sind belastbar und werden zu Recht überall zitiert, auch von uns. Nur sind es Durchschnittswerte über alle Themen. Für Fragen zu Geschichte, Gesundheit oder Verbraucherprodukten passt dieses Bild. Sucht jemand die beste Fuhrparksoftware für Kommunen mit gemischter Flotte, findet sich weder ein Wikipedia-Artikel noch ein brauchbarer Reddit-Thread.

Was zitiert die KI, wenn es keine neutralen Quellen gibt?

Die Wettbewerber. Das Ausmaß hat uns beim ersten Durchgang durch die Daten selbst überrascht.

Für einen Anbieter im Segment Flottenmanagement-Software haben wir 50 Prompts über vier Engines laufen lassen und 953 nicht markenbezogene Antworten ausgewertet. Die mit Abstand meistzitierte Einzelquelle der gesamten Kategorie war die Vergleichsseite eines Marktteilnehmers, mit 276 Zitationen. Auf den weiteren Plätzen standen die Websites direkter Wettbewerber, ein Affiliate-nahes Vergleichsportal, YouTube-Kanäle und Branchenverzeichnisse. Unabhängiger Fachjournalismus tauchte nur vereinzelt auf, und wenn, dann teilweise mit Artikeln aus dem vorletzten Jahrzehnt.

Der Befund widerspricht dem, was man über die Funktionsweise dieser Systeme annimmt. Eine Engine soll zwar Quellen gewichten und Interessenkonflikte erkennen, nimmt in der Praxis aber, was strukturell passt und verfügbar ist. Für ein Sprachmodell ist eine sauber gebaute Vergleichstabelle auf der Seite eines Anbieters leichter zu verwerten als ein essayistischer Fachartikel, und ob der Anbieter darin zufällig selbst gewinnt, prüft niemand.

Die Konsequenz ist unangenehm. In solchen Kategorien liegt die Meinungsbildung der KI bei der Partei mit dem größten Eigeninteresse. Unterschiede gibt es nur noch darin, wie ehrlich ein Anbieter diesen Content anlegt. Wir haben Vergleichsseiten gesehen, die echte Grenzen des eigenen Produkts benennen und Wettbewerber fair einordnen. Andere kamen ohne jede Methodik zum erwartbaren Ergebnis. Zitiert wurden beide.

Welche Quellen fehlen typischerweise, und warum ist das teuer?

Am wertvollsten sind in der Auswertung die Domains, auf denen mehrere Wettbewerber genannt werden und die eigene Marke nicht. Weil dort schlicht ein Eintrag fehlt und niemand überzeugt werden muss, lassen sich solche Lücken sofort schließen.

Review-Plattformen verdienen dabei eine eigene Einordnung. Anders als ein Ranking-Faktor, den man schrittweise verbessert, wirken sie als Zugangsschranke. Wer in der Kategorie eines Portals kein Profil hat, kann in den Antworten, die sich auf dieses Portal stützen, nicht vorkommen. In der untersuchten Kategorie hatten mehrere Wettbewerber Profile auf den relevanten deutschen und internationalen Portalen, der Anbieter selbst nicht. Seine gesamte Bewertungsbasis bestand aus einer einzelnen Bewertung aus dem Jahr 2021.

Verglichen mit Content-Produktion ist der Aufwand dafür lächerlich gering. In schmal besetzten Kategorien reichen manchmal zehn aktuelle Bewertungen, um an die Spitze eines Portal-Rankings zu kommen, das anschließend von den Engines zitiert wird. Wie sich das in eine Review-Strategie übersetzt, steht in Schritt 2 des 6-Schritte-Playbooks.

Wie findest du heraus, welche Quellen deine Kategorie bestimmen?

Über die Zitationsdaten deiner eigenen Prompts, nicht über allgemeine Studien.

1. Fragen sammeln, die deine Käufer wirklich stellen. Gemeint sind ausformulierte Fragen aus der Lösungssuche, dem Anbietervergleich und den typischen Einwänden, keine Keywords. Woher diese Fragen stammen sollten, steht in Warum GEO ohne Audit verbranntes Budget ist.

2. Antworten über mehrere Engines protokollieren. Manuell für einen ersten Eindruck, per Tool für belastbare Vergleiche. Entscheidend ist die Breite, denn ChatGPT allein zeigt nur einen Ausschnitt. Welche Werkzeuge das leisten, steht in Reicht ein GEO-Tool.

3. Quellen auszählen und nach Typ sortieren. Wettbewerber, Portale, Verzeichnisse, Video, Fachmedien, Communities. Danach die Frage stellen, welche Formate innerhalb dieser Typen zitiert werden. In unserer Analyse waren das Vergleichsseiten und Seiten, die eine konkrete Zielgruppe adressieren.

4. Die Lücken markieren. Jede Domain, auf der zwei oder mehr Wettbewerber auftauchen und du nicht, ist ein Eintrag auf deiner Off-Site-Roadmap, sortiert nach Abrufhäufigkeit.

Dieser Schritt kostet Zeit und produziert keine sichtbaren Ergebnisse. Übersprungen wird er deshalb regelmäßig, besonders wenn eine klassische SEO-Agentur beteiligt ist, deren Playbook naturgemäß auf der eigenen Domain stattfindet. Aus unserer Sicht hat er den höchsten Hebel im gesamten Prozess.

Was folgt daraus für die eigene Content-Strategie?

Dass eigene Inhalte in solchen Kategorien schwerer wiegen, als die Durchschnittsdaten nahelegen. Damit widerspricht die Analyse dem, was wir selbst an anderer Stelle schreiben.

Wenn die Engines mangels neutraler Quellen ohnehin Anbieterseiten zitieren, ist die eigene Vergleichsseite das direkteste verfügbare Instrument. Am stärksten zahlt der ehrliche Kategorie-Vergleich mit offengelegter Methodik ein. Daneben tragen Seiten zu einzelnen Wettbewerbern für Alternativen-Fragen und dedizierte Seiten pro Zielgruppe, weil die Engines fast jede kommerzielle Frage mit einem Zielgruppen-Zusatz weiterverarbeiten.

Die Betonung liegt auf ehrlich. Schon in der ursprünglichen GEO-Studie von 2024 gehörte werbliche Sprache zu den Taktiken ohne messbaren Effekt, während Quellen, konkrete Zahlen und Zitate die Sichtbarkeit um bis zu 30 bis 40 Prozent hoben. Wer die eigenen Grenzen benennt und Wettbewerber verlinkt, handelt damit anständiger und wirksamer zugleich.

Der beschriebene Befund stammt allerdings aus einer Kategorie ohne starke unabhängige Fachpresse. In Märkten mit aktiven Fachmedien, lebendigen Communities und etablierten Testinstanzen verschiebt sich das Bild deutlich in Richtung der allgemeinen Studienlage. Welche Situation vorliegt, lässt sich nicht raten. Man muss es messen.

Häufige Fragen

Welche Quellen zitiert ChatGPT am häufigsten?
Über alle Themen hinweg dominiert Wikipedia mit 47,9 Prozent der Top-Quellen (Profound, Analyse von 30 Mio. Zitationen). In engen B2B-Kategorien werden dagegen überwiegend Anbieter-Websites, Vergleichsportale und Branchenverzeichnisse herangezogen, weil neutrale Quellen fehlen.

Warum zitiert KI die Seiten meiner Wettbewerber?
Weil sie strukturell gut verwertbar und in vielen Nischen die einzige verfügbare Vergleichsgrundlage sind. Engines prüfen keine Interessenkonflikte, und eine saubere Vergleichstabelle auf einer Anbieterseite lässt sich leichter verwerten als ein unstrukturierter Fachartikel, unabhängig davon, wer darin gewinnt.

Sind Review-Plattformen wichtig für KI-Sichtbarkeit?
Ja, aber anders als oft angenommen. Sie wirken wie eine Zugangsschranke. Ohne Profil in der relevanten Kategorie kann eine Marke in Antworten, die sich auf das Portal stützen, gar nicht vorkommen. In schmal besetzten Kategorien reichen dafür oft wenige aktuelle Bewertungen.

Wie finde ich heraus, welche Quellen in meiner Branche zitiert werden?
Indem du deine echten Käuferfragen über mehrere Engines laufen lässt und die Zitationen auszählst, sortiert nach Domain und URL-Typ. Allgemeine Studienwerte helfen dabei nicht, weil sie Durchschnitte über alle Themen abbilden.

Zitieren alle KI-Systeme dieselben Quellen?
Nein. Bei identischen Prompts überschneiden sich die Zitationen von ChatGPT und Perplexity nur zu rund 11 Prozent (Profound). Präsenz in einer Engine bedeutet daher nicht Präsenz in allen, und die Arbeit unterscheidet sich je nach Engine.

Lohnt sich eine eigene Vergleichsseite?
In Kategorien ohne unabhängige Testinstanzen ist sie eines der wirksamsten Formate überhaupt, weil die Engines mangels Alternativen genau solche Seiten heranziehen. Voraussetzung ist Ehrlichkeit: offengelegte Methodik, echte Grenzen der eigenen Lösung, verlinkte Wettbewerber.

Was ist wichtiger, eigener Content oder Off-Site-Signale?
Das hängt von der Quellenlage der Kategorie ab. Im Durchschnitt über alle Themen sind Drittquellen der größere Hebel. In B2B-Nischen ohne starke Fachpresse tragen eigene Vergleichs- und Zielgruppenseiten überraschend viel. Deshalb steht die Quellenanalyse vor der Content-Entscheidung.

Weiterlesen

• Warum GEO ohne Audit und Prompt-Set verbranntes Budget ist Welche fünf Datenquellen die Grundlage bilden und wie daraus ein Prompt-Set entsteht, das nicht die Innensicht des Unternehmens misst.

• GEO für B2B-SaaS in 6 Schritten Von der Review-Strategie über Vergleichsseiten bis zu Off-Site-Signalen, sortiert nach Wirkung und Aufwand.

• Wie komme ich in ChatGPT- und Perplexity-Antworten? Die belegten Taktiken aus der GEO-Studie und die technischen Voraussetzungen, ohne die nichts davon greift.

• Reicht ein GEO-Tool? Wie man Zitationsquellen überhaupt auswertet, welche Tools das liefern und was sie kosten.

• Wie B2B-SaaS-Käufer mit KI recherchieren Alle aktuellen Zahlen zum KI-Kaufverhalten 2026, jeweils mit Quelle, Jahr und Stichprobe.

• Was kostet GEO wirklich? Woraus sich ein Retainer zusammensetzt und warum die Preisangaben im Netz sich gegenseitig widersprechen.

• GEO-Agentur, Inhouse oder Freelancer? Kosten, Auswahlkriterien und rote Flaggen, plus die Frage, wer die Arbeit tatsächlich macht.

• Was ist GEO? Definition, Abgrenzung zu SEO, AEO und LLMO sowie das Zielbild bis 2030.

Quellen

• Profound (2025). AI Platform Citation Patterns. Analyse von 30 Mio. Zitationen, August 2024 bis Juni 2025, sowie 100.000 identische Prompts über ChatGPT und Perplexity

• Aggarwal, P. et al. (2024). GEO: Generative Engine Optimization. KDD 2024. arXiv: 2311.09735

• G2 (2026). The Answer Economy: 2026 AI Search Insight Report. Befragung März 2026, n = 1.076 B2B-Software-Käufer

• First Principle Impact (2026). Quellenanalyse im Segment Flottenmanagement-Software, DACH. 50 Prompts, 4 Engines, 953 nicht markenbezogene KI-Antworten, Analysezeitraum Juli 2026. Anbieterdaten anonymisiert