„Video müssten wir eigentlich auch mal machen.”
Sagt jemand im Marketing-Meeting, alle nicken, und dann passiert wieder ein Quartal lang nichts. Widerspricht keiner, terminiert auch keiner.
Der Blog ist längst für KI aufgeräumt. Quellen drin, Zahlen drin.
Der Kanal hat dreistellige Abo-Zahlen, die Videos laufen nicht. Video fühlt sich halt an wie etwas, das man sich erst verdienen muss.
Video war für mich eine Sache der Abrufzahlen. Ein Video ohne Aufrufe ist wie ein Stapel Prospekte auf einem Stuhl, auf den sich keiner setzt.
Dann sind hundert Millionen KI-Zitate aufgemacht worden, um zu sehen, aus welchen Videos die Modelle tatsächlich zitieren. Ziemlich viele davon waren genau diese liegengebliebenen.
Welche YouTube-Videos zitiert die KI eigentlich?
Die lesbaren, nicht die beliebten. 40,83 % der in KI-Antworten zitierten YouTube-Videos hatten unter 1.000 Aufrufe. Aufrufe, Likes und Abonnentenzahl lagen in ihrem Zusammenhang mit der Zitierhäufigkeit alle innerhalb von ±0,03 — also bei nichts.
Heißt: Publikum und KI landen bei verschiedenen Videos. Die KI nimmt das, was sie lesen kann — denn mehr als den Text rund ums Video hat sie nicht.
Die Daten stammen aus einer Untersuchung, die OtterlyAI am 2. März 2026 veröffentlicht hat — eine Firma, die Monitoring dafür verkauft, wie Marken in KI-Suchen auftauchen.
Grundlage sind 30 Tage beobachteter KI-Zitate, über 100 Millionen Stück. Daraus wurden die YouTube-Zitate herausgezogen und ausgezählt, was diese Videos gemeinsam haben. Sechs KIs waren dabei: ChatGPT, Google AI Overviews, Google AI Mode, Perplexity, Microsoft Copilot und Gemini.
Und was kam raus? Zwei Zahlen blieben stehen
Erst mal die Beliebtheitsseite:
- Aufrufe: −0,03. Likes: −0,02. Abonnenten: −0,03
- Videolänge und Titellänge: je 0,02
Das sind — je näher der Wert an null liegt, desto weniger hat die Kennzahl mit dem Zitiertwerden zu tun. Erst um 0,3 herum redet man überhaupt von einem schwachen Zusammenhang.
Genau zwei Werte kamen dort an: die Länge der Beschreibung mit 0,31 und die Aktualität des Videos mit 0,3.
Alle Beliebtheits-Kennzahlen fallen flach, übrig bleiben maschinenlesbarer Inhalt und Frische. Diese Reihenfolge ist der eigentliche Fund.
Kapitel sind Zwischenüberschriften — und nur Google liest sie
Kurz zur Form: 94 % der zitierten Videos waren Langformate, Shorts nur 5,7 %. Aber die Hälfte der zitierten Videos lief unter acht Minuten. Lang allein bringt es also auch nicht.
Die Beschreibung hatte im Schnitt 334 Wörter, der Titel 19.
Und dann die Zahl, an der ich hängengeblieben bin: die Zeitmarken.
Zeitmarken, das sind die „00:00 Einleitung”-Zeilen in der Beschreibung, die das Video in Kapitel zerlegen.
Nur 31 % der zitierten Videos hatten sie. Von denen wurden aber 78 % mehrfach zitiert.
Und die Zitate auf Kapitelebene — wo die Antwort auf ein einzelnes Kapitel im Video zeigt — tauchten ausschließlich bei Google auf: 73 % in AI Overviews, 27 % im AI Mode. Sonst nirgends, kein einziges Mal.
Sprich: Eine Kapitelliste ist für ein Video das, was H2-Überschriften für eine Webseite sind. Ein langer Text ohne Zwischenüberschriften ist für Menschen schwer zu überfliegen und für Maschinen schwer zu erschließen. Dasselbe Problem, zweimal.
Für welche KI lohnt sich der Aufwand überhaupt?
Für zwei, im Wesentlichen. So verteilen sich die Video-Zitate:
- Perplexity: 38,7 %
- Google AI Overviews: 36,6 %, Google AI Mode: 19,6 %
- ChatGPT: 4,4 % (Microsoft Copilot 0,5 %, Gemini 0,2 %)
Google und Perplexity machen zusammen rund 95 % aus. ChatGPT zitiert Video praktisch gar nicht.
Video-Arbeit und ChatGPT-Arbeit sind also nicht derselbe Budgetposten.
Zur Einordnung: Social- und Video-Plattformen zusammen sind nur 5,54 % aller KI-Zitate. Innerhalb dieses Stücks holt Reddit 46,4 % und YouTube 31,8 % — Platz zwei unter den sozialen Quellen.
Was diese Daten nicht hergeben
Bevor jemand die 40,83 % ins Planungsmeeting trägt, die Vorbehalte:
- OtterlyAI verkauft Sichtbarkeits-Messung für KI-Suche. „Miss deine KI-Zitate” ist also ein Fazit mit Geschäftsinteresse dahinter
- Es ist Korrelation, keine Ursache. Niemand hat testweise Beschreibungen verlängert und geschaut, was passiert
- Untersucht wurden nur bereits zitierte Videos. Ohne Vergleichsgruppe nicht zitierter Videos beschreibt das die Zusammensetzung der Gewinner, nicht die Chance zu gewinnen
- Eine einzige 30-Tage-Momentaufnahme, Saisonalität und Algorithmus-Updates sind nicht herausgerechnet
- Eine Aufschlüsselung nach Sprache wurde nicht veröffentlicht — also eher englischsprachige Evidenz
Ich hab das zuerst als „dann schreiben wir die Beschreibungen halt länger” gelesen. Gibt der Datensatz nicht her. Er gibt her: Die zitierten Videos haben dicke Beschreibungen und eine Kapitelstruktur.
Vielleicht ist das am Ende doch nur Selektion. Videos, die sowieso zitiert worden wären, sind womöglich einfach die, bei denen sich jemand mit der Beschreibung Mühe gegeben hat. Aber das Muster ist stabil genug, dass ich nicht auf die Kontrollgruppen-Version warten würde.
Erst die Beschreibung reparieren, dann übers Neudrehen reden
KI-Sichtbarkeit im Video ist kein Beliebtheitswettbewerb, auf dessen Ausgang man wartet. Sie ist Formatarbeit an Material, das längst online steht — und ein Kanal mit dreistelligen Aufrufen ist dabei durchaus zitierfähig.
Setz in die Beschreibung deiner wichtigen Videos mindestens drei Kapitel, beginnend bei 00:00 und in aufsteigender Reihenfolge. Und schreib die Beschreibung ordentlich aus: eine echte Zusammenfassung, die relevanten Eigennamen, die passenden Links. Mehr braucht es erst mal nicht.
Für beides brauchst du keine Kamera.
Danach schau dir Video getrennt von den Blog-Zahlen an. Wenn fast alles bei Google und Perplexity landet, zeigt dir ein Report, der auf ChatGPT gebaut ist, eine flache Linie — während sich woanders etwas bewegt.
Beim nächsten Blick auf den Kanal also: an der Aufrufzahl vorbeiscrollen und das Feld unter dem Video lesen.
