„Kennt die KI meine Marke – oder würfelt die jedes Mal neu?”
Du tippst deiner Lieblings-KI die Frage ein, die dich als Marketer wirklich umtreibt: „Welche Anbieter in unserer Kategorie sind eigentlich bekannt?” Und du machst es zweimal. Zweimal kommt eine andere Liste.
Ging mir genauso. Beim ersten Mal steht ihr auf Platz drei, beim zweiten taucht ihr gar nicht auf – und im Kopf setzt sofort die Frage ein: Merkt sich das Ding meine Marke überhaupt, oder hat es ein Gedächtnis wie der sprichwörtliche Goldfisch?
Das Ding ist: „Die Liste wackelt” und „die KI hat kein Gedächtnis für deine Marke” sind zwei völlig verschiedene Aussagen. Wer die verwechselt, wirft eine Zahl weg, die sehr wohl stabil ist.
Genau da hat mal jemand richtig nachgemessen – 2.961 Mal. Schauen wir uns an, was von „erinnert sich die KI an mich” übrig bleibt, wenn man es nicht einmal, sondern hundertfach fragt.
Das verlässliche Signal: wie oft du auftauchst, nicht auf welchem Platz
SparkToro und Gumshoe, rund um Rand Fishkin, haben das im großen Stil durchgezogen: 600 Freiwillige ließen Prompts auf ChatGPT, Claude und Google AI laufen. 12 Prompt-Typen quer über B2C und B2B, macht 2.961 Durchläufe insgesamt.
Und das Ergebnis ist eindeutig: Die exakt gleiche Empfehlungsliste wiederholte sich in unter 1 % der Fälle, die Reihenfolge stimmte nur in rund 0,1 %. Heißt, ein einzelner Antwort-Screen ist so gut wie Rauschen.
Aber – und das ist der Punkt – die Auftauchrate blieb statistisch stabil. Die ist einfach: nicht auf welchem Platz du stehst, sondern wie oft du über viele Abfragen hinweg überhaupt genannt wirst. Eine gut sichtbare Marke erschien in 97 % von 71 Durchläufen, SaaS-Marken lagen bei Auftauchraten von 55 bis 77 %.
Sprich: Nicht der Platz von heute erzählt dir, ob die KI dich „erinnert” – sondern wie oft du über viele gleiche Fragen hinweg auftauchst.
Das ist wie Wetter und Klima: Der einzelne Tag springt, der Durchschnitt trägt. Und auf dem Durchschnitt kannst du einen Monatsvergleich aufbauen, auf dem Tageswert nicht.
Warum die Auftauchrate hält, während die Liste jedes Mal neu würfelt
Bleibt die Frage, die sich sofort aufdrängt: Wie kann dieselbe Messung gleichzeitig zappelig (die Liste) und stabil (die Rate) sein? Die Antwort liegt darin, worauf das Modell eigentlich reagiert.
In denselben SparkToro-Daten steckt ein hübscher Beleg. 142 bewusst gestaltete Prompts hatten untereinander kaum Ähnlichkeit – ein Wert von 0,081, also fast keine Überschneidung in der Formulierung. Und trotzdem liefen die Antworten auf eine ähnliche Menge an Marken hinaus.
Heißt: Nicht die Worte ziehen die Marken herbei, sondern die Kategorie-Absicht dahinter.
Das deckt sich sauber mit einer Studie von Errica und Kollegen (NAACL 2025). Sie messen mit zwei Größen, wie ein Modell auf Umformulierung reagiert: Sensitivität heißt, wie stark die Antwort zuckt, wenn du dieselbe Frage anders formulierst – Konsistenz, wie stabil sie über solche Umformulierungen bleibt.
Und der Ausschlag durch reines Umformulieren? Er blieb zwischen 3,2 und 10 %. Nicht null, aber weit weg von „ein anderes Wort, eine andere Welt”.
Die Oberfläche der Frage zählt ein bisschen. Die Bedeutungs- und Kategoriestruktur dahinter zählt mehr.
Für dich heißt das: Solange die Absicht gleich ist – „gute Anbieter in Kategorie X” –, zieht das Modell wieder aus demselben Fundus, auch wenn es die Reihenfolge neu mischt. Miss also über die gleiche Absicht, nicht über zufällig gleiche Worte.
Erinnerbar wirst du über konsistenten Kontext, nicht über ein Stichwort
Jetzt die Frage, die dich als Marketer wirklich interessiert: Wenn die KI aus so einem Fundus zieht – wie komme ich da rein und bleibe drin?
Ein Seitenblick auf eine ganz andere Studie hilft. Park und Kollegen (Stanford und Google DeepMind) haben aus 1.052 ausführlichen Interviews KI-Agenten gebaut, die wie eine bestimmte Person antworten. Diese Agenten trafen die Antworten der echten Person im zu 85 % – gemessen an dem, was dieselbe Person zwei Wochen später selbst noch mal ankreuzte.
Wohlgemerkt: Das ist ein anderer Kontext – eine menschliche Haltung nachbauen ist nicht dasselbe wie eine Marke empfehlen. Als Analogie taugt es trotzdem.
Denn was die Agenten „echt” wirken ließ, war nicht ein einzelnes Schlüsselwort, sondern der Reichtum an Kontext: die ganze Lebensgeschichte statt eines Demografie-Labels. Nimm dem Modell den dichten Kontext weg, und die Treffsicherheit fällt eben.
Für deine Marke heißt das: Nicht ein Keyword an einer Stelle macht dich erinnerbar, sondern eine konsistente Kategorierolle über all die Quellen, die die KI liest.
Also nicht auf einer Seite „führendes CRM”, auf der nächsten bloß „E-Mail-Tool”, woanders „Vertriebsplattform”. Wenn die Quellen dich immer wieder in derselben Kategorie und Rolle nennen, verdichtet sich genau das zu dem Fundus, aus dem die KI später schöpft.
Fazit: Miss die Auftauchrate, und halt deine Kategorie-Story konsistent
Wenn du wissen willst, ob die KI sich deine Marke merkt, dann starr nicht auf das Ranking von heute Nachmittag. Frag viele Male mit derselben Absicht und lies die Auftauchrate – das ist das Signal, das über 2.961 Durchläufe hinweg trägt, während die Einzelliste bloß würfelt.
Und wenn du diese Rate heben willst, arbeitest du nicht an einem magischen Satz, sondern an Konsistenz. Sorg dafür, dass die Quellen, die die KI liest, deine Marke immer wieder in derselben Kategorie und Rolle nennen. Ein Stichwort an einer Ecke reicht halt nicht – der wiederkehrende Kontext macht dich erinnerbar.
Als Messgröße also die wiederholt erhobene Auftauchrate statt des Tages-Rankings, und als Hebel die durchgängige Kategorie-Erzählung über deine Quellen hinweg. Willst du bei der Mess-Seite tiefer einsteigen, sortiert der Beitrag wie du mit der Auftauchrate belastbar misst die brauchbaren von den gefährlichen Zahlen.
Kurz: Ein einzelnes Ranking ist Rauschen – erinnert wirst du über die Auftauchrate, und die hebst du über eine konsistente Kategorie-Story.
Quellen
- Rand Fishkin (SparkToro/Gumshoe), „NEW Research: AIs are highly inconsistent when recommending brands or products; marketers should take care when tracking AI visibility”, 2026-01-27, sparktoro.com
- Federico Errica, Giuseppe Siracusano, Davide Sanvito, Roberto Bifulco, „What Did I Do Wrong? Quantifying LLMs’ Sensitivity and Consistency to Prompt Engineering”, NAACL 2025, arXiv:2406.12334
- Joon Sung Park et al. (Stanford University, Google DeepMind), „Generative Agent Simulations of 1,000 People”, arXiv:2411.10109, 2024, arXiv:2411.10109
