Von einer KI zitiert werden: die vier Signale, auf die ChatGPT, Perplexity und die AI Overviews wirklich achten

Eine von ChatGPT, Perplexity oder den AI Overviews von Google erzeugte Antwort zitiert meist drei bis acht Quellen. Dabei behandelten Dutzende Seiten dasselbe Thema. Die Frage lautet also nicht mehr „Bin ich indexiert?“, sondern „Warum diese Seite und nicht meine?“. Die Auswahlmodelle kennt niemand im Detail, aber für das Nachdenken darüber gibt es vier verlässliche Bezugspunkte: die offizielle Dokumentation von Google zu seinen KI-Funktionen, die von OpenAI und Perplexity zu ihren Bots und die akademischen Arbeiten, die gemessen haben, wovon die Sichtbarkeit einer Seite in einer erzeugten Antwort abhängt. Diese Quellen laufen auf vier Signale zusammen.

Signal 1: Die Seite ist für den richtigen Bot erreichbar, nicht nur für Googlebot

Das ist die Voraussetzung, an der viele Websites scheitern, ohne es zu merken. Generative Engines nutzen nicht alle denselben Bot wie die klassische Suchmaschine, und ein und derselbe Anbieter schickt mehrere davon los. OpenAI dokumentiert drei getrennte Agenten: GPTBot für das Training, OAI-SearchBot für den Suchindex von ChatGPT und ChatGPT-User, um eine Seite auf Anfrage eines Nutzers abzurufen. Jeder davon lässt sich in der robots.txt separat steuern, wie die Dokumentation der OpenAI-Bots erklärt. Anthropic hält es genauso mit ClaudeBot, Claude-SearchBot und Claude-User, Perplexity mit PerplexityBot und Perplexity-User.

Praktisch heißt das: Eine Website, die 2024 vorsorglich „alle KI-Bots“ gesperrt hat, hat damit oft auch die gesperrt, die Nutzerfragen beantworten. Sie kann nicht mehr zitiert werden, wie gut ihre Inhalte auch sein mögen. Nur das Lesen der Server-Logs zeigt, wer tatsächlich vorbeikommt; dem widmen wir einen eigenen Artikel zur Erkennung von KI-Bots.

Signal 2: Die Engine wählt Passagen aus, und jeder Abschnitt muss eine sein

Google äußert sich dazu deutlich in seiner Dokumentation der KI-Funktionen in der Suche: Die AI Overviews und der KI-Modus stützen sich auf dieselben Systeme wie die klassische Suche, und es gibt „nichts Besonderes zu tun“ über die gewohnten Empfehlungen hinaus. Geändert hat sich die Art, wie diese Systeme eine Seite lesen. Google beschreibt eine Technik namens query fan-out: Die Frage des Nutzers wird in mehrere Teilanfragen zerlegt, die parallel gestartet werden, und die Antwort wird aus den Passagen zusammengesetzt, die zu jeder Teilfrage am besten passen, wie die Ankündigung des KI-Modus erläutert.

Die Auswahleinheit ist damit nicht mehr die Seite, sondern die Passage. Ein Absatz, der eine präzise Teilfrage klar beantwortet, wird eher aufgegriffen als eine lange Seite, auf der die Antwort verdünnt ist. Das spricht für eine Schreibweise, bei der jeder Abschnitt eine erkennbare Frage trägt, mit der Antwort beginnt und danach die Einschränkung entfaltet. Darum geht es in unserem Artikel „Erst die Antwort, dann die Einschränkung“.

Signal 3: Der Inhalt trägt zitierfähige Elemente

Dieses Signal hat die Forschung besser gemessen als die übrigen. 2023 veröffentlichte ein Team aus Princeton, Georgia Tech und dem Allen Institute GEO: Generative Engine Optimization, eine Studie, die neun Verfahren zur Umformulierung ein und derselben Seite testet und ihre Wirkung auf die Sichtbarkeit dieser Seite in erzeugten Antworten misst. Drei Verfahren heben sich deutlich ab: Quellenangaben ergänzen, Statistiken ergänzen und zugeschriebene wörtliche Zitate ergänzen. Die Autoren messen je nach angewandtem Verfahren bis zu 40 % mehr Sichtbarkeit. Umgekehrt bringt Keyword-Stuffing, die historische Technik des SEO, nichts und verschlechtert das Ergebnis mitunter.

Der Grund liegt nahe: Ein Modell, das eine belastbare Antwort liefern soll, stützt sich lieber auf eine Passage, die etwas Präzises, Datiertes, Beziffertes und Zugeschriebenes behauptet, als auf eine Allgemeinheit. Eine Zahl mit ihrer Quelle ist ein Fragment, das die KI unverändert übernehmen und mit Herkunftsangabe versehen kann. Ein Satz wie „der Markt wächst stark“ ist das nicht.

Signal 4: Die Quelle ist identifizierbar und in sich stimmig

Die Systeme von Google bewerten seit Jahren das, was die Richtlinien für Qualitätsbewerter Erfahrung, Fachwissen, Autorität und Vertrauenswürdigkeit nennen, zusammengefasst im englischen Akronym E-E-A-T (experience, expertise, authoritativeness, trustworthiness). Ein Ranking-Faktor im strengen Sinn ist das nicht, aber es ist der Rahmen, in dem Google seine Systeme trainiert und überprüft. Und diese Kriterien betreffen die Quelle ebenso wie die Seite: wer schreibt, mit welcher Berechtigung, und ob die Website von Seite zu Seite dieselbe Aussage hält.

Für eine generative Engine zählt diese Stimmigkeit doppelt. Eine Website, die auf drei Seiten drei verschiedene Zahlen für denselben Wert nennt, ist eine riskante Quelle. Eine Website, deren Artikel jeweils von einer identifizierten Person gezeichnet sind, mit Autorenseite und stabilem Fachgebiet, ist eine Quelle, die das System zuordnen kann. Die Dokumentation der strukturierten Daten für Article von Google beschreibt im Übrigen die Felder, die diese Zuordnung für eine Maschine lesbar machen: Autor, Veröffentlichungsdatum, Änderungsdatum.

Was diese vier Signale an der Produktion ändern

Aneinandergereiht ergeben diese Signale eine Methode, die mit dem Massen-SEO wenig gemein hat:

• Den Zugang prüfen, bevor geschrieben wird: Die robots.txt wird an der Wurzel der Domain gelesen, und jeder KI-Bot hat sein eigenes Token. Wer das Training sperrt, muss die Zitierung nicht mitsperren.
• In Passagen schreiben: eine Frage pro Abschnitt, die Antwort zuerst, die Einschränkung danach.
• Jede Aussage belegen, die zählt: eine Zahl, ein Datum, eine Herkunft. Das ist das stärkste von der Forschung gemessene Signal, und es schützt den Herausgeber zugleich vor Fehlern.
• Zeichnen und eine Linie halten: ein identifizierter Autor, ein stabiles Vokabular, Daten, die sich von Seite zu Seite nicht widersprechen.

Keiner dieser Punkte ist ein technischer Kniff. Es sind redaktionelle Anforderungen, und sie halten im großen Maßstab nur, wenn sie im Produktionswerkzeug verankert sind statt hinterher von Hand geprüft zu werden. Konkret: Inhalte in stimmigen Clustern, eine Quelle je Aussage, eine Signatur je Artikel.

Was man nicht weiß und sagen muss

Diese Signale sind dokumentiert, aber sie ergeben keine Formel. Generative Engines ändern sich schnell, ihre Indizes decken sich nicht, und dieselbe Frage kann zweimal gestellt zwei verschiedene Quellenlisten erzeugen. Die einzige ehrliche Art, die eigene Präsenz zu steuern, ist sie über die Zeit zu messen: regelmäßig dieselben Fragen an dieselben Engines stellen, notieren, wer zitiert wird, und die bloß abgerufenen Seiten von denen unterscheiden, die tatsächlich zugeschrieben werden. Diese Messmethode beschreiben wir in einem Artikel über den Share of Voice in den KI-Antworten.