Zurück HexScope Lens

ChatGPT und Claude nennen andere Marken, sind sich beim Warum aber zu 95 Prozent einig

POINT Kernpunkte
  • Die Empfehlungen weichen zu zwei Dritteln ab, die Diagnose zu 95 Prozent nicht
  • Erst die Verlustphase diagnostizieren, dann über getrennte Pläne reden

„Bauen wir das jetzt zweimal, einmal für ChatGPT und einmal für Claude?”

Sobald jemand die Sichtbarkeitsarbeit auf den Tisch legt, kommt diese Frage. Zuverlässig.

Ich hing ein gutes halbes Jahr daran fest. Man öffnet das Messdashboard, und die Marken, die ChatGPT nennt, sind schlicht andere als die, die Claude nennt.

Bei so unterschiedlichen Ergebnissen wirkt es ehrlich, den Plan zu teilen. Es verdoppelt allerdings die Arbeit.

Genau das hat jemand nachgemessen — nicht an den Empfehlungen, sondern an den Gründen, aus denen eine Marke keine bekommt.

Braucht es getrennte KI-Sichtbarkeitsstrategien für ChatGPT und Claude?

Nicht vor der Diagnose. Welche Marken die beiden Anbieter empfehlen, weicht in rund zwei Dritteln der Fälle voneinander ab. Fällt eine Marke aber bei beiden durch, stimmt die Diagnose des Warum zu 95,1 Prozent überein (Will Jack und Kolleginnen bei Unusual.ai, Mai 2026, 215 kommerzielle Prompts, 7.763 gemeinsame Ausfälle).

Findet dich keines der beiden Modelle, trägt eine Diagnose, einmal gestellt, also über beide Anbieter. Fast die gesamten 95,1 Prozent sind Übereinstimmung genau auf dieser Stufe.

Diagnose heißt hier: dein Problem einer Stufe zuordnen. Das Modell findet dich nicht, oder es findet dich, nennt dich aber nicht in der Antwort, oder es nennt dich, empfiehlt dich aber nicht. Das Forschungsteam sortierte jeden gemeinsamen Ausfall in diese drei Modi.

215 kommerzielle Prompts, 7.763 Fälle, in denen beide dich weggelassen haben

Das Team von Unusual.ai ging an eine praktische Verzweigung: Wenn deine Kundschaft beides nutzt, lohnt sich dann eine Optimierung je Anbieter (arXiv:2606.26116)?

215 Prompts aus kommerziellen Kontexten an beide Anbieter schicken, die Empfehlungen nebeneinanderlegen, dann die 7.763 „gemeinsamen Ausfälle” herausziehen — die Durchläufe, in denen keiner der beiden die Marke empfahl — und prüfen, ob die Diagnose übereinstimmt.

Die Abweichung wird zuerst mit Zahlen festgezurrt. Die Jaccard-Ähnlichkeit zwischen den Anbietern liegt bei 0,35, während derselbe Prompt beim selben Anbieter wiederholt auf 0,50 bis 0,61 kommt. Der Unterschied zwischen den Anbietern ist größer als die Schwankung beim Nachfragen.

Je unbekannter die Marke, desto einiger sind sich die Diagnosen

Übereinstimmung insgesamt: 95,1 Prozent, Konfidenzintervall 94,3 bis 95,7. Nach Bekanntheit der Marke aufgeteilt, verschiebt sie sich so.

  • Marktführer der Kategorie: 81 Prozent
  • Long-Tail- und Regionalmarken: 99,6 Prozent

Je unbekannter die Marke, desto häufiger fällt sie bei beiden aus demselben Grund durch. Umgekehrt: Wer bereits einen Namen hat, dessen Fehlerbilder fangen an, sich je Anbieter aufzufächern.

Das sagt dir, wie lange die Abkürzung hält. Solange du noch Bekanntheit aufbaust, deckt eine Diagnose beide ab.

Zählt man nur die Fälle, in denen mindestens eines der Modelle die Marke gefunden und trotzdem fallen gelassen hat, stimmten die Diagnosen allerdings nur in 67 von 450 Fällen überein (14,9 Prozent). Bist du bekannt und verlierst auf dieser Stufe, rät die Studie selbst zu einer Diagnose je Anbieter.

Verschiedene Wege zur Empfehlung, derselbe Grund, dich nicht zu finden

Die beiden kommen auf sichtbar verschiedenen Wegen zur Empfehlung. Anthropic empfahl in 43 bis 52 Prozent der Fälle eine Marke, die in keiner seiner Suchen auftauchte; OpenAI in 8 bis 29 Prozent. Die Autoren lesen das als Antwort aus dem Trainingsgedächtnis.

Der eine greift öfter ins Gedächtnis, der andere geht öfter suchen. Die Autoren stellen die abweichenden Namen und die verschiedenen Wege als zwei Seiten desselben Bildes nebeneinander.

Der Grund fürs Stolpern ist trotzdem derselbe. Zwei Leute mit völlig verschiedenen Arbeitswegen können aus demselben Grund zu spät kommen: Keiner von beiden ist überhaupt losgegangen.

Wer nicht losgegangen ist, dem hilft die Optimierung zweier Routen nicht. Die Studie erklärt das so: Je unbekannter die Marke, desto weniger steht sie im durchsuchbaren Netz und in den Trainingsdaten, also fällt sie bei beiden Modellen auf derselben Stufe durch.

Wie weit diese Zahl trägt

Vier Einschränkungen (wer gemessen wurde, welche Märkte, woraus die 95,1 Prozent bestehen, wer sie geschrieben hat), und ich würde alle vier aussprechen, bevor das in eine Präsentation wandert.

  • Nur zwei Anbieter, OpenAI und Anthropic. Gemini und Perplexity fehlen
  • Dieselben 215 Prompts wie in der Schwesterstudie: Märkte in den USA, Großbritannien und der EU, 19 Branchen. Keine deutschsprachige Messung
  • Beide Modelle ordnen fast jeden Fall als „nicht gefunden” ein, also ergäbe schon der Zufall 93,0 Prozent Übereinstimmung. Um den Zufall bereinigt (Cohens Kappa) liegt sie bei 0,29
  • Alle vier Autorinnen und Autoren arbeiten bei Unusual.ai, einem Anbieter für Messung von Markensichtbarkeit in KI

Der letzte Punkt wirkt auf die Richtung des Ergebnisses. „Deine Diagnose ist übertragbar” ist ein bequemer Befund für ein Unternehmen, das Diagnosen verkauft.

Im Widerspruch zu dem, was wir früher über die Abweichung der Ergebnisse geschrieben haben, steht das nicht. Was auseinandergeht, ist die Ausgabe; die Einordnung der Ursachen ist der gemeinsame Teil.

Erst die Stufe diagnostizieren, dann über getrennte Pläne reden

Bevor du eine Maßnahmentabelle je Anbieter baust, schiebe einen Schritt davor. Kläre, ob du beim Auffinden verlierst — das Modell bringt dich gar nicht erst — oder bei der Auswahl, wenn es dich nennt und dann jemand anderen empfiehlt.

Verlierst du beim Auffinden, gilt diese Diagnose für OpenAI und Anthropic unverändert; bei Regionalmarken stimmten 99,6 Prozent der Diagnosen überein. Verlierst du, nachdem du gefunden wurdest, rät die Studie zu einer Diagnose je Anbieter.

Ob du den Plan teilst, ist eine berechtigte Frage. Sie gehört nur hinter die Diagnose, nicht davor.


Quellen

  • Will Jack, Noah Lehman, Keller Maloney, Sarah Xu (Unusual.ai), “Divergent Recommendations, Convergent Diagnoses: Cross-Provider Failure-Mode Convergence in AI Commercial Recommendation”, arXiv:2606.26116v1, veröffentlicht am 22. Mai 2026, arxiv.org (215 kommerzielle Prompts bei OpenAI und Anthropic; 7.763 gemeinsame Ausfälle ausgewertet. Jaccard-Ähnlichkeit zwischen den Anbietern 0,35 gegenüber einer Basislinie von 0,50 bis 0,61 bei Wiederholung desselben Prompts beim selben Anbieter. Die Diagnose des Fehlermodus stimmte zu 95,1 Prozent überein [94,3; 95,7], von 81 Prozent bei Kategorieführern bis 99,6 Prozent bei Long-Tail- und Regionalmarken. Empfehlungen ohne Spur der Marke in irgendeiner Suche: Anthropic 43 bis 52 Prozent, OpenAI 8 bis 29 Prozent. Nur zwei Anbieter; Prompts aus der Schwesterstudie (Märkte USA, Großbritannien und EU, 19 Branchen). Die Übereinstimmung wird von Fällen dominiert, die keiner der Anbieter fand: Cohens Kappa 0,29, und 14,9 Prozent Übereinstimmung bei den 450 Fällen, in denen mindestens ein Anbieter die Marke fand; alle vier Autorinnen und Autoren sind bei Unusual.ai angestellt, einem Anbieter für Messung von Markensichtbarkeit in KI.)
Diesen Artikel teilen
Bluesky X
Zurück zur Übersicht