Warum KI-Suchmaschinen andere Quellen zitieren als Google

Zitieren KI-Suchmaschinen wirklich andere Quellen als Google?

Ja, in den bisher veröffentlichten Messungen deutlich. Ein Team der University of Toronto hat 1.000 Rang-Fragen wie „die besten Produkte in Kategorie X“ an Google und an vier KI-Systeme gestellt und verglichen, welche Domains jeweils auftauchen. Im Schnitt überschnitten sich die von den KI-Systemen zitierten Domains nur zu 4,0 Prozent (GPT-4o), 11,1 Prozent (Gemini 2.5 Flash), 12,6 Prozent (Claude 4.5 Sonnet) und 15,2 Prozent (Perplexity Sonar Pro) mit Googles Top 10.^[1]

Die Studie ist in den Proceedings eines Workshops der Datenbank-Konferenz EDBT/ICDT 2026 erschienen.^[1] Sie baut auf einer früheren, breiteren Untersuchung derselben Autoren auf, die im September 2025 als Preprint erschien und ebenfalls geringe Überschneidungen mit Google fand.^[2] Zur Einordnung: Mitautor Nick Koudas berät laut seiner Universitätsseite das Unternehmen ktau, das eine kommerzielle GEO-Plattform anbietet, und die Autoren danken in der Studie von 2025 dem ktau-Team für die Unterstützung.^[2][3]

Welche Quellen bevorzugen KI-Suchmaschinen?

Vor allem sogenannte Earned Media: unabhängige Drittquellen wie Fachartikel, Testberichte, Vergleichsseiten und Presse. Bei Google machten diese Quellen in der Toronto-Studie 41 Prozent aus, daneben 34 Prozent Social Media und Foren und 26 Prozent Herstellerseiten. Claude 4.5 Sonnet kam auf 65 Prozent Drittquellen und 1 Prozent Social Media, GPT-4o auf 57 und 8 Prozent.^[1]

Nicht alle KI-Systeme verhalten sich gleich. Perplexity Sonar Pro (50 Prozent Drittquellen, 39 Prozent Herstellerseiten) und Gemini 2.5 Flash (je 46 Prozent) waren deutlich ausgewogener.^[1] Und die Art der Frage spielt eine Rolle: Bei kaufnahen Anfragen stieg der Anteil der Herstellerseiten bei allen KI-Systemen auf 52 bis 68 Prozent.^[1] Wer kurz vor der Entscheidung steht, bekommt also häufiger die Seiten der Anbieter selbst zu sehen.

Auch die Aktualität unterscheidet sich. Bei Unterhaltungselektronik waren die von den KI-Systemen zitierten Artikel im Median 62 bis 90 Tage alt, bei Google 130 Tage. Bei Autos lag der Median der KI-Systeme bei 148 bis 217 Tagen, bei Google bei 493 Tagen.^[1] Gezählt wurden dabei nur Seiten, bei denen sich ein Datum auslesen ließ.

Sind Googles eigene AI Overviews auch so anders?

Nein, deutlich weniger. Eine Studie der University of Illinois Urbana-Champaign mit 11.000 echten Suchanfragen fand, dass Googles AI Overviews und die normale Google-Suche 68 Prozent ihrer 100 meistzitierten Domains teilen. Bei einem GPT-Modell mit Websuche waren es nur 24 bzw. 25 Prozent.^[4]

Auffällig ist der Umgang mit Foren: Reddit tauchte in den normalen Google-Ergebnissen bei 42 Prozent der Anfragen auf, in den AI Overviews bei 7 Prozent. Social Media und Foren machten bei dem GPT-Modell mit Websuche nur 0,1 Prozent der zitierten Domains aus.^[4] Die Studie liegt bisher als Preprint vor, also ohne abgeschlossenes Peer-Review. Warum Reddit trotzdem ein Thema für die KI-Suche ist, steht in Reddit als GEO-Kanal.

Das passt zu dem, was Google selbst beschreibt: AI Overviews und AI Mode bauen auf der normalen Google-Suche auf. Eine Seite muss indexiert sein und mit Snippet in der Suche erscheinen können, um als Link aufzutauchen. Über eine Technik namens „Query Fan-out“ stellen die Systeme dabei mehrere verwandte Suchanfragen zu Unterthemen und können so laut Google eine breitere Auswahl an Links zeigen als die klassische Suche.^[5] Mehr dazu in Google AI Overviews: Was sich für deine Website ändert.

Warum wählen KI-Systeme andere Quellen?

Genau weiß das niemand außerhalb der Anbieter. Die Toronto-Autoren schreiben selbst, dass sie keinen Zugriff auf interne Daten, Ranking-Modelle oder Trainingsdaten hatten und das „Warum“ deshalb nur ableiten können.^[2] Plausibel, aber nicht belegt ist: KI-Systeme suchen Quellen, die eine Aussage stützen, und wählen dafür eher Seiten, die neutral vergleichen, als Seiten, die etwas verkaufen.

Belegt ist, dass die Systeme technisch unterschiedlich arbeiten. Google beschreibt den Query Fan-out für die eigenen KI-Funktionen.^[5] Die Toronto-Studie fand zudem, dass sich die KI-Systeme auch untereinander stark unterscheiden, etwa in der Vielfalt der Domains und darin, wie stabil die Ergebnisse über verschiedene Sprachen sind.^[2] Es gibt also nicht „die“ KI-Suche, sondern mehrere Systeme mit eigenen Mustern. Einen Überblick gibt Welche KI-Systeme zählen für GEO?.

Wie belastbar sind diese Studien?

Als Richtung belastbar, als genaue Zahl für dein Unternehmen nicht. Es gibt mehrere Einschränkungen, die man kennen sollte:

• Konsumthemen in Nordamerika. Untersucht wurden vor allem Produktkategorien wie Elektronik, Autos und Software, teils in den USA und Kanada.^[1][2] Die Illinois-Studie nutzte allgemeine Suchanfragen von einem festen Standort in den USA.^[4] Eine vergleichbare Messung für deutsche B2B-Dienstleister haben wir nicht gefunden.
• Modellversionen ändern sich. Die Daten der Studie von 2025 stammen aus dem August 2025, und die Autoren weisen selbst darauf hin, dass sich die Systeme laufend ändern.^[2] Getestet wurden Modelle wie GPT-4o und Gemini 2.5 Flash, die heute nicht mehr die neuesten sind.
• Programmierschnittstelle statt App. Die Systeme wurden über ihre Schnittstellen abgefragt, nicht über die Apps, die Kunden im Alltag nutzen.^[1][4] Die Ergebnisse können dort abweichen.
• Einteilung teils automatisiert. Ob eine Quelle als Drittquelle, Herstellerseite oder Social Media zählt, hat in der Toronto-Studie teilweise ein KI-Modell entschieden, mit stichprobenartiger Prüfung von Hand.^[1] Die Autoren der Studie von 2025 nennen die Einteilung selbst subjektiv und empfehlen, die Werte als relative Trends zu lesen.^[2]
• Nähe zu einem GEO-Anbieter. Die Verbindung der Toronto-Autoren zu ktau ist oben offengelegt. Die Studie der University of Illinois hat keine solche Verbindung und kommt bei der Grundaussage zum gleichen Ergebnis: KI-Systeme mit Websuche greifen auf andere Quellen zurück als Google.^[4]

Was heißt das konkret für B2B-Unternehmen?

Vor allem, dass Sichtbarkeit in der KI-Suche nicht nur auf der eigenen Website entsteht. Wer nur Google-Rankings optimiert, deckt einen Teil ab. Erwähnungen in unabhängigen Quellen werden wichtiger. Im Einzelnen:

1. Fachmedien und Drittquellen ernst nehmen. Fachbeiträge, Interviews, Branchenvergleiche, Verbandsseiten und Kundenreferenzen auf fremden Seiten sind genau die Art Quelle, die KI-Systeme in den Studien häufig zitieren. Für B2B-Anbieter heißt das oft: PR in der eigenen Nische statt breiter Werbung. Wie das zur Positionierung passt, steht in Positionierung für die KI-Suche.
2. Jedes System einzeln prüfen. Weil sich die Systeme untereinander stark unterscheiden, reicht ein Test in einem einzigen System nicht. Stell die Fragen deiner Kunden in ChatGPT, Claude und Gemini und schau, welche Quellen jeweils genannt werden.
3. Die eigene Website nicht vernachlässigen. Bei kaufnahen Fragen zitierten alle KI-Systeme in der Toronto-Studie deutlich mehr Herstellerseiten.^[1] Und für Googles KI-Funktionen muss eine Seite indexiert sein.^[5] Klare Angebotsseiten mit konkreten Fakten bleiben die Grundlage. Wie man sie aufbaut, zeigt Die perfekte GEO-Content-Struktur.
4. Inhalte aktuell halten. Die KI-Systeme zitierten im Median jüngere Artikel als Google.^[1] Ein sichtbares Aktualisierungsdatum und regelmäßig überarbeitete Kernseiten schaden also nicht.
5. Keine gekauften Erwähnungen. Bezahlte Artikel ohne Kennzeichnung oder Fake-Bewertungen sind keine Earned Media und können rechtlich und für den Ruf teuer werden. Warum solche Abkürzungen auch in der KI-Suche selten lohnen, steht in Kann man GEO „gamen“?.

Quellen

• [1] Mahe Chen, Xiaoxuan Wang, Kaiwen Chen, Nick Koudas (University of Toronto): „Navigating the Shift: A Comparative Analysis of Web Search and Generative AI Response Generation“, arXiv:2601.16858, Proceedings of the Workshops of the EDBT/ICDT 2026 Joint Conference (März 2026; arXiv-Version 2 vom 16. Mai 2026)
• [2] Mahe Chen, Xiaoxuan Wang, Kaiwen Chen, Nick Koudas (University of Toronto): „Generative Engine Optimization: How to Dominate AI Search“, arXiv:2509.08919 (September 2025), inkl. Danksagung an ktau.ai
• [3] Nick Koudas: Universitätsseite, University of Toronto (abgerufen 26. Oktober 2026), Beratungstätigkeit für ktau
• [4] Michelle Huang, Agam Goyal, Koustuv Saha, Eshwar Chandrasekharan (University of Illinois Urbana-Champaign): „Answer Bubbles: Information Exposure in AI-Mediated Search“, arXiv:2603.16138 (Preprint, Version 2 vom 28. August 2026)
• [5] Google Search Central: „AI features and your website“, developers.google.com (abgerufen 26. Oktober 2026)

Häufige Fragen