Wie finden und zitieren KI-Antworten ihre Quellen?

In diesem Artikel

KI-Antworten entstehen meist nicht aus einer einzigen Rangliste. Ein System kann mit Informationen aus dem Modellwissen antworten, aktuelle Quellen abrufen oder beides verbinden. Bei einer Suche umfasst der Weg häufig die Umformulierung der Frage, Retrieval, Passagenauswahl, Antwortgenerierung und sichtbare Zitationen.

Deshalb kann eine Seite in der Suche gut ranken und trotzdem in einer KI-Antwort fehlen. Umgekehrt ist eine zitierte Seite nicht automatisch die wichtigste Quelle der Antwort.

Die Kurzfassung

Ein suchgestütztes KI-System durchläuft häufig fünf Schritte:

1. Es interpretiert den Prompt und kann daraus mehrere Suchanfragen bilden.
2. Es ruft Seiten, Dokumente oder strukturierte Daten ab.
3. Es wählt Passagen aus, die zur Frage passen.
4. Es verbindet Aussagen aus dem ausgewählten Material zu einer Antwort.
5. Es zeigt einen Teil der unterstützenden Quellen als Zitationen an.

Die Anbieter veröffentlichen kein gemeinsames Verfahren. Auch die Details ändern sich. Google, ChatGPT, Copilot und Perplexity können für dieselbe Frage unterschiedliche Quellen nutzen. Land, Sprache, Datum, Account-Kontext und der bisherige Chatverlauf können das Ergebnis ebenfalls verändern.

Modellwissen oder aktuelles Retrieval

Zuerst muss geklärt werden, ob die Antwort überhaupt aktuelle Quellen verwendet.

Ein Sprachmodell kann eine Antwort aus Mustern formulieren, die es im Training gelernt hat. Dann sieht die Person möglicherweise keine Quellenliste und kann einen Satz nicht auf eine aktuelle Webseite zurückführen. Die Information kann trotzdem auf Trainingsmaterial zurückgehen. Das ist jedoch etwas anderes, als eine Seite für diese konkrete Antwort abzurufen und zu zitieren.

Suchgestützte Produkte können aktuelle Informationen einbeziehen. OpenAI beschreibt ChatGPT Search als Produkt, das Suchanbieter und Inhalte von Partnern nutzt. Google erklärt zu AI Overviews und AI Mode, dass diese Funktionen auf den zentralen Search-Systemen beruhen. Eine einzelne Antwort kann abgerufene Inhalte mit vorhandenem Modellwissen verbinden.

Für die Messung ist diese Trennung wichtig. Eine sichtbare Zitation belegt, dass das Produkt eine Quelle mit dieser Antwort angezeigt hat. Eine Antwort ohne Zitation beweist dagegen nicht, dass ein Thema oder eine Marke das Modell nicht beeinflusst hat.

Schritt 1: Prompt-Interpretation und Query Fan-out

Der Prompt der Person ist nicht immer die Suchanfrage des Systems.

Bei einer breiten Frage kann das System Unterthemen erkennen und mehrere verwandte Suchen starten. Google nennt dieses Verfahren Query Fan-out. Laut der Dokumentation können die KI-Funktionen mehrere Suchanfragen zu Unterthemen und verschiedenen Datenquellen ausführen.

Eine Person könnte zum Beispiel fragen: "Welche PR-Analytics-Tools eignen sich für ein internationales Kommunikationsteam?"

Das System könnte getrennt nach Produktfunktionen, unterstützten Ländern, Reporting, Preisen, Bewertungen oder aktuellen Vergleichen suchen. Dadurch können Seiten in die Antwort gelangen, die für den exakten Wortlaut des Prompts nicht ranken.

Query Fan-out ist ein dokumentierter Begriff von Google, nicht die allgemeingültige Bezeichnung für jeden Anbieter. Microsoft beschrieb den Orchestrator von Bing als System, das interne Suchanfragen erzeugt und verfeinert. OpenAI erklärt, dass ChatGPT Search Prompts in gezielte Suchen umformulieren kann. Eine universelle Formel für diese Suchanfragen veröffentlicht das Unternehmen nicht.

Bing gibt verifizierten Website-Betreibern einen begrenzten Einblick in diesen Prozess. Der AI Performance Report enthält stichprobenartige Grounding Queries zu zitierten Seiten. Diese Formulierungen sind nützliche First-Party-Evidenz für das Retrieval-Verhalten. Sie bilden kein vollständiges Query-Log oder Ranking ab.

Schritt 2: Retrieval und Grounding

Beim Retrieval sammelt das System aktuelle Seiten, Passagen oder Daten, die zur Antwort beitragen könnten. Grounding verbindet die generierte Antwort mit diesem Material.

Suchqualität bleibt in dieser Phase wichtig. Eine Seite muss für den zuständigen Crawler oder das Suchsystem erreichbar, auffindbar und relevant genug sein, um in die Auswahl zu gelangen. Crawler-Zugriff schafft nur die Voraussetzung. Er garantiert weder Retrieval noch Zitation.

Google erklärt, dass für generative Suchfunktionen dieselben technischen Anforderungen und Search-Richtlinien gelten. Es gibt kein spezielles KI-Schema, das eine Aufnahme garantiert. OpenAI trennt die Steuerung des OAI-SearchBot für ChatGPT Search von den Einstellungen für Modelltraining.

Grounding verringert die Abhängigkeit vom gespeicherten Modellwissen. Fehlerfrei wird die Antwort dadurch nicht. Das System kann eine alte Seite auswählen, eine Passage missverstehen, unvereinbare Aussagen verbinden oder eine unvollständige Zitation anzeigen.

Schritt 3: Auswahl von Quellen und Passagen

Das Retrieval kann viele mögliche Quellen liefern. Anschließend entscheidet das System, welches Material es verwendet.

Oft ist eine Passage die relevante Einheit, nicht die ganze Seite. Ein Absatz kann eine Produktfunktion belegen, eine andere Quelle einen Preis und eine dritte einen Marktvergleich. Eine Seite kann einen einzigen Satz beitragen, ohne die Hauptquelle der Antwort zu sein.

Bei der Auswahl können Relevanz, Aktualität, Sprache, Standort, Quellenqualität und die direkte Unterstützung einer Aussage eine Rolle spielen. Die Anbieter legen keine vollständige und stabile Gewichtungsformel offen. Behauptungen über eine feste Liste von "LLM-Rankingfaktoren" gehen deshalb über die verfügbare Evidenz hinaus.

Klares Ausgangsmaterial hilft trotzdem. Konkrete Fakten, benannte Methoden, aktuelle Daten, Primärbelege und konsistente Angaben zu Unternehmen oder Produkten lassen sich leichter abrufen und einordnen als vage Werbeaussagen. Unabhängige Berichterstattung, Bewertungen, öffentliche Dokumente und Fachquellen können neben den eigenen Seiten eines Unternehmens wichtig sein.

Schritt 4: Formulierung der Antwort

Das Modell erstellt aus dem ausgewählten Material eine neue Antwort. Es kann zusammenfassen, vergleichen, kurz zitieren oder mehrere Quellen in einem Absatz verbinden.

Hier wird der Unterschied zu einem klassischen Suchergebnis besonders sichtbar. Statt zehn Links erhält die Person eine formulierte Antwort. Marken können darin:

• genannt oder ausgelassen werden;
• empfohlen, verglichen oder kritisiert werden;
• korrekt oder falsch beschrieben werden;
• durch eigene oder unabhängige Quellen belegt werden;
• sichtbar sein, ohne einen Klick zu erhalten.

Auch bei gleichbleibendem Prompt kann sich die Antwort zwischen Messläufen ändern. Generierte Formulierungen variieren. Gleichzeitig verändern sich Suchindizes und die Inhalte der Quellen.

Schritt 5: Zitationen

Eine Zitation ist ein Quellenlink, den der Anbieter mit einer Antwort anzeigt. So kann die Person das unterstützende Material prüfen.

Eine Zitation beweist nicht, dass:

• die Seite einen universellen KI-Rang besitzt;
• sie den größten Einfluss auf die Antwort hatte;
• jede Aussage des Satzes von dieser Seite stammt;
• die Antwort korrekt ist;
• die Quelle beim nächsten Lauf erneut erscheint.

Auch die Reihenfolge der Zitationen entspricht keiner Suchposition. Eine Quelle kann nur ein kleines Detail belegen, während eine andere den Großteil eines Vergleichs prägt. Manche Produkte gruppieren mehrere Zitationen hinter einem Absatz. Dann lässt sich die Zuordnung zu einzelnen Aussagen schwerer prüfen.

Microsoft macht diesen Unterschied in seinem AI Performance Reporting ausdrücklich. Die Anzahl der Zitationen und die zitierten Seiten beschreiben Sichtbarkeit in Grounding-basierten Antworten. Sie legen weder einen Authority Score noch die genaue Rolle einer Seite bei der Formulierung offen.

Warum es kein einzelnes LLM-Ranking gibt

"Wo ranken wir in ChatGPT?" klingt nach einer SEO-Frage, vermischt aber mehrere Messgrößen.

Ein brauchbarer Report trennt sie:

Keine dieser Größen ist ein dauerhafter Rang. Jede beschreibt eine Stichprobe von Antworten unter festgelegten Bedingungen.

So lässt sich Quellensichtbarkeit seriös messen

Beginnt mit einem kontrollierten Prompt-Set, das echte Fragen von Kundschaft, Medien, Bewerbenden oder anderen Stakeholdern abbildet. Speichert Anbieter, Modell oder Produkt, Prompt, Land, Sprache, Datum und relevante Einstellungen. Wiederholt wichtige Prompts, weil ein einzelner Lauf ein Ausreißer sein kann.

Erfasst für jede Antwort:

• genannte Marken und ihre Position;
• zitierte URLs und Domains;
• die Aussage, die eine Zitation vermutlich belegt;
• Richtigkeit zentraler Fakten und Botschaften;
• das Framing der Antwort;
• Referrals oder Conversions, wenn ein Klick stattfindet.

Nach dem dokumentierten Stand von August 2026 liefern Google, Bing und OpenAI unterschiedliche First-Party-Daten. Google meldet bei geeigneten Properties Impressionen aus generativen Suchfunktionen in der Search Console. Bing zeigt Zitationen und zitierte Seiten in den Webmaster Tools. OpenAI kennzeichnet Referrals aus ChatGPT Search mit utm_source=chatgpt.com. Daraus entsteht kein exakter, plattformübergreifender Rang.

Die AMEC GEO Principles empfehlen transparente Prompt-Stichproben, wiederholte Messungen und klar benannte Grenzen. Sie warnen auch davor, ein einzelnes Tool oder einen Score als vollständige KI-Sichtbarkeit darzustellen.

Was Herausgeber beeinflussen können

Die fertige Antwort lässt sich nicht kontrollieren. Unternehmen können jedoch die verfügbaren Informationen verbessern:

1. Wichtige Seiten crawlbar und indexierbar halten.
2. Konkrete, aktuelle und überprüfbare Fakten veröffentlichen.
3. Methoden, Definitionen und Grenzen klar benennen.
4. Namen und Aussagen über verlässliche Quellen hinweg konsistent halten.
5. Unabhängige Berichterstattung und Fachquellen gewinnen, wenn sie echte Belege beitragen.
6. Wiederkehrende Prompts messen, statt einem einzelnen Screenshot hinterherzulaufen.

Diese Arbeit gehört zur Generative Engine Optimization. Die Abgrenzung zur klassischen Suche erklärt GEO vs. SEO. Für das Messsystem geht es weiter mit Was ist AI Visibility?. Die genauen aclipp-Definitionen stehen unter AI-Visibility-Metriken und Quellenklassifizierungen.