„Die Zitationen steigen doch” — und trotzdem passiert nichts
Auf dem einen Bildschirm liegt der Monatsreport, auf dem anderen deine wichtigste Produktseite.
Im Report geht die Zitationskurve nach oben. Daneben sehen die Anfragen aus wie im Vormonat, und die Markensuche eben auch.
Ich hab in solchen Momenten früher einfach den Zeitraum ausgeweitet. Also ungefähr das, was man halt macht, wenn man die Batterie der Waage wechselt, weil das Gewicht nicht runtergeht.
Das Problem lag an der Einheit. Ist das, was du zählst, zu grob, kommt bei einem längeren Zeitraum eben nur dieselbe Grobheit über mehr Wochen heraus.
Irgendwann hat jemand diese Einheit einmal geteilt und neu gezählt.
„Zitiert werden, benutzt werden: wo ist da der Unterschied?”
Als Quelle ausgewählt zu werden und im Inhalt der Antwort zu landen, sind zwei Stufen. Über 602 kontrollierte Prompts und 21.143 Zitationen hinweg zitierte ChatGPT weniger Quellen als die anderen, und trotzdem fiel der Einfluss pro abgerufener Seite deutlich höher aus (die Arbeit). Perplexity und Google zitierten im Schnitt mehr Quellen.
Geschrieben haben das Zhang Kai, He Xinyue und Yao Jingan; auf arXiv steht es seit dem 28. April 2026.
Zitationsauswahl (citation selection) ist die erste Stufe: Das Modell entscheidet, ob es überhaupt sucht, und danach, welche Seiten es als Quelle nennt. Genau bis hierhin zählen die meisten KI-Sichtbarkeits-Tools heute. Zitationsaufnahme (citation absorption) ist die zweite: wie viel von dieser Seite in den Inhalt der Antwort wandert. Heißt, sie trennt die Seite, die bloß in der Quellenliste steht, von der Seite, die das Gerüst der Antwort liefert.
Gearbeitet wurde mit dem offenen Datensatz geo-citation-lab, über drei Systemfamilien: ChatGPT, Googles AI Overview und Gemini, Perplexity. Aus 21.143 gültigen Zitationen und 18.151 erfolgreich abgerufenen Seiten haben sie 72 Merkmale gezogen — Länge, Struktur und so weiter — und mal nebeneinandergelegt.
Was ein Balkendiagramm nach Stückzahl verschluckt
Und was kam raus? Breite und Tiefe der Zitationen trennen sich sauber.
- Perplexity und Google zitieren im Schnitt mehr Quellen (breit)
- ChatGPT zitiert weniger, aber der Einfluss pro Seite ist deutlich höher (tief)
Eine Zitation bei ChatGPT und eine bei Perplexity wiegen in der Antwort unterschiedlich schwer.
Und genau da tut es im Alltag weh. Stellst du die Sichtbarkeit je KI als Balken nach Stückzahl nebeneinander, ist dieser Gewichtsunterschied komplett weg.
Stell dir den Report vor: Perplexity-Balken hoch, ChatGPT-Balken niedrig. Ein Teil davon kann schlicht daran liegen, wie Perplexity Quellen ausgibt — von Haus aus eben viele.
Ein KI-Balkendiagramm sagt mir inzwischen erst dann etwas, wenn ich weiß, was die senkrechte Achse überhaupt zählt.
Vier Dinge, die die benutzten Seiten dicht gemacht haben
Die Autoren fassen die Gemeinsamkeiten der einflussreichen Seiten in vier Punkten zusammen:
- sie sind lang
- sie sind strukturiert
- sie passen semantisch zur Absicht des Prompts
- sie stecken voller extrahierbarer Belege: Definitionen, Zahlen, Vergleiche, Abläufe
Warum ausgerechnet diese vier? Wohl deshalb, weil die Arbeitsweise des Modells weniger nach „lesen, verstehen, zusammenfassen” aussieht und mehr nach „brauchbare Bruchstücke herausziehen”. Denn je mehr herauslösbare Stücke auf einer Seite liegen, desto leichter baut man daraus das Gerüst einer Antwort. Bei gleicher Länge trägt eine Reihe aus Definitionen und Zahlen weiter als eine Reihe aus Meinungen. Andersherum wird es unangenehm: Eine Seite, die sich prima liest, aber wenig herausschneidbaren Beleg hat, kann zitiert werden und trotzdem draußen bleiben.
Über den vierten Punkt war ich ehrlich froh, denn den prüfst du, indem du deine eigene Seite mal aufmachst.
Steht der Begriff irgendwo definiert? Liegt eine konkrete Zahl da? Gibt es einen Vergleich mit den Alternativen? Stehen die Schritte der Reihe nach?
Wie weit trägt das Ganze eigentlich?
Erstens: Das ist ein Preprint, also vor jeder Begutachtung online gestellt. Eine Institution der Autoren ist nicht angegeben, zu Interessenkonflikten gibt es also schon gar keine Grundlage. Nach Anbieter-Studie sieht es nicht aus, nur verifizieren lässt sich die Unabhängigkeit eben auch nicht.
Und das zentrale Ergebnis ist beschreibende Statistik — die Autoren selbst nennen es einen „deskriptiven Befund”. Sprich: Sie haben fotografiert, wie bereits zitierte Seiten aussehen, ohne eine einzige davon umzubauen und zu schauen, was dann passiert. Sagen lässt sich also: Die Seiten, die benutzt wurden, waren strukturell dicht bestückt. Die Kausalaussage „strukturier deine Seite, dann wirst du aufgenommen” steht da nirgends.
Die Grundlage sind 602 kontrollierte Prompts, also eine begrenzte Menge, und die Prompts waren nicht deutschsprachig. Abgedeckt sind ChatGPT, Googles Systeme und Perplexity; Claude und Copilot fehlen.
Die vier taugen als Blickwinkel für die Durchsicht der eigenen Seiten — mit der Vorsicht, die ein deskriptiver Befund verdient.
Lies jede Zitation in zwei Stufen, ausgewählt und benutzt
Zähl die Zitationen ruhig weiter. Wie oft du ausgewählt wirst, ist ja ein echter Erstindikator dafür, dass die Modelle dich finden. Steht daneben aber eine zweite Spalte, ändert sich die Bedeutung derselben Zahl: Sie zeigt dann, ob die Zitation im Inhalt der Antwort angekommen ist.
Wenn du heute etwas anfassen willst, mach eine einzige wichtige Seite auf. Von Definition, Zahl, Vergleich und Ablauf ergänzt du das, was am dünnsten ist. Für heute reicht das schon; alle vier auf einmal verlangt niemand von dir.
Und lass den KI-Vergleich per Stückzahl-Balken. ChatGPT und Perplexity vergeben Zitationen nach unterschiedlicher Bauart, und auf demselben Maßstab liest du das zwangsläufig falsch. Trenn nach KI und vergleich dich mit deinem eigenen Vormonat.
Aus „wie oft ist unser Name gefallen” wird gerade „wie weit sind wir in die Antwort gekommen”. Dass jemand aufgehört hat, eine Zitation als eine Zitation zu zählen, macht die Sache ziemlich spannend.
