Du siehst jeden Tag, wie KI-Systeme Antworten ausspucken – schnell, selbstbewusst und oft erstaunlich treffend. Leicht entsteht der Eindruck: Wenn ich nur die richtigen Hebel kenne, kann ich meine Website gezielt in diese Antworten „hineinoptimieren“. In der Praxis funktioniert das aber anders. Aktuelle Forschung zeigt: Große Sprachmodelle reagieren selbst bei gleichen Fragen nicht zuverlässig gleich – weder bei den Inhalten noch bei den Quellen.
In diesem Beitrag erfährst du, was das für deine Sichtbarkeit in ChatGPT & Co. bedeutet, warum es keine klassischen „Platz‑1‑Rankings“ gibt und weshalb seriöse Beratung keine garantierten KI‑Positionen verspricht, sondern an deinen Grundlagen arbeitet.
Der Labor-Test: Wenn die KI sich selbst widerspricht
Forscher haben in einer umfangreichen Versuchsreihe fünf große Sprachmodelle (LLMs) untersucht. Sie stellten den Systemen über zehn Durchläufe hinweg exakt dieselben Aufgaben in acht verschiedenen Test-Kategorien. Dabei wählten sie die Einstellungen so streng wie möglich. Die Temperatur (siehe Infobox 1) wurde auf Null gestellt. Das bedeutet: Die KI hatte eigentlich keinen Spielraum für Kreativität. Sie sollte strikt und sachlich antworten.
Das Ergebnis: Obwohl die Bedingungen im Labor identisch waren, schwankten die Antworten stark. Die Accuracy (siehe Infobox 2) – also die Treffsicherheit der Antworten – wich in den Testläufen teils um 15 Prozentpunkte ab. In extremen Einzelfällen lag die Spanne zwischen der besten und der schlechtesten Antwort sogar bei 70 Punkten. Dabei zeigt die Studie ein problematisches Muster. Die Streuung der Ergebnisse ist nicht „schön gleichmäßig“ verteilt, sondern erfolgt völlig unregelmäßig. Das macht es fast unmöglich, die Verlässlichkeit einer KI-Antwort im Voraus einzuschätzen.
Das bedeutet, die KI berechnet bei jeder Antwort Wahrscheinlichkeiten neu. Sie zieht sozusagen jedes Mal neu an einem „Daten-Glücksrad“. Auffällig dabei ist: Je länger die Antwort der KI ausfällt, desto stärker weichen die Texte voneinander ab. Es ist also extrem selten, dass eine KI zehnmal hintereinander exakt denselben Wortlaut produziert.
Die Fachleute nennen dieses Phänomen in der Studie Model Variability Problem (MVP, siehe Infobox 3). Es handelt sich dabei nicht um einen zufälligen Fehler, sondern um eine systematische Variabilität. In verschiedenen Studien zeigt sich – etwa bei Wissensfragen oder bei der gezielten Einschätzung von Textstimmungen in Bewertungen –, dass große Sprachmodelle bei identischen Eingaben unterschiedliche oder sogar widersprüchliche Ergebnisse liefern.
Infobox 1: Temperatur
Ein technischer Wert bei KI-Modellen. Er steuert, wie „kreativ“ oder „zufällig“ ein Modell antwortet. Wert 0 bedeutet: Die KI soll immer das wahrscheinlichste nächste Wort wählen.Infobox 2: Accuracy
Dieser Begriff beschreibt die Messgenauigkeit oder Treffsicherheit. Er gibt an, wie oft eine KI eine Aufgabe korrekt gelöst hat.Infobox 3: Model Variability Problem (MVP)
Das Problem der Modell-Variabilität. Es beschreibt, dass eine KI bei identischen Eingaben unterschiedliche oder widersprüchliche Ergebnisse liefert.Das Ende der Rangliste: Warum es keine stabilen KI-Rankings gibt
Klassische SEO ermöglicht es dir, Keywords und Positionen präzise zu verfolgen. Du kannst beobachten, wie sich Rankings über Monate hinweg entwickeln. In KI‑Systemen funktioniert das anders: Es gibt keine feste Struktur und keine beständige Ergebnisliste – jede Antwort wird in Echtzeit individuell generiert.
Wie die Studie zeigte, Sprachmodelle liefern bei identischen Eingaben unterschiedliche Ergebnisse – weder Texte noch Quellenangaben bleiben konstant. Da KI‑Antworten probabilistisch (auf Wahrscheinlichkeiten beruhend) arbeiten, ist jede Messung nur eine Momentaufnahme. Versprechen zu exakten „KI‑Platzierungen“ blenden diese technische Realität aus. Aktuelle Analyse‑Tools für „AI Visibility“ arbeiten deshalb mit Stichproben. Auch professionelle Software stößt hier derzeit an Grenzen: Sie erfasst meist nur Momentaufnahmen und kann die dynamische Natur der Modelle noch nicht vollständig abbilden.
So kannst du deine KI-Sichtbarkeit trotzdem grob messen
Wenn es keine Rankings und keine verlässlichen Reports gibt, bleibt die Frage: „Woher weiß ich dann überhaupt, ob ich in KI‑Antworten vorkomme?“ Die ehrliche Antwort: Nur mit einer groben Stichprobe. Quasi eine KI‑Erwähnungsquote – kein Ranking, sondern ein Stimmungsbild, das dir zeigt, ob du für KI‑Systeme überhaupt eine Rolle spielst.
- Schritt 1: Typische Fragen sammeln
Überlege dir 5 bis 10 Fragen, die deine Wunschkund:innen wirklich stellen würden – ohne deinen Namen. Zum Beispiel: „Ernährungsberatung zum Abnehmen in Dresden“, „Ernährungsberatung für Frauen ab 40 hormonbedingt zunehmen“, „Hilfe bei Ernährungsumstellung“.
- Schritt 2: Einmal im Monat testen
Stelle diese Fragen einmal im Monat in 2 bis 3 wichtigen Systemen (z. B. ChatGPT, Perplexity, Gemini). Schau dir in Ruhe an: aucht dein Name auf? Taucht deine Domain auf? Oder kommst du gar nicht vor?
- Schritt 3: Eine einfache Quote bilden
Für jedes System kannst du dir eine einfache Zahl merken:
Diese KI‑Erwähnungsquote ist keine wissenschaftliche Kennzahl, sondern eine bewusst einfache, an aktuellen AI‑Visibility‑Metriken angelehnte Stichprobe. Sie hilft dir, ein Gefühl für deinen Fußabdruck in KI‑Antworten zu bekommen – nicht, um exakte Rankings zu ersetzen. Damit siehst du: Wirst du bei 0 von 10 Fragen genannt, bei 3 von 10 oder bei 7 von 10?
Schritt 4: Nicht nur „ob“, sondern „wie“
Notiere zusätzlich, in welcher Rolle du vorkommst:
- 0: Du wirst gar nicht erwähnt.
- 1: Du wirst nur über andere genannt (z. B. Branchenverzeichnis, Blogartikel).
- 2: Die KI nennt direkt deine Website als Quelle oder Empfehlung.
Ganz wichtig: Diese Quote ist kein Steuerungsinstrument, sondern ein Reality‑Check. Sie hilft dir nur, die komplett intransparente KI‑Welt ein bisschen greifbarer zu machen.
Wie Forschung und Unternehmen mit der Unsicherheit umgehen
Forschende analysieren heute sehr genau, warum KI‑Modelle so sprunghaft reagieren. In einer Übersichtsstudie wurden zwölf Hauptursachen für diese Schwankungen beschrieben – darunter stochastische Inferenzverfahren, Prompt‑Sensitivität, Verzerrungen in den Trainingsdaten (Bias) und die reine Modellskalierung. Auf dieser Basis entwickeln sie Methoden, um die Sprunghaftigkeit besser zu messen und zu managen.
Um das Vertrauen in KI‑Systeme zu stärken, setzt die Forschung auf vier zentrale Stellschrauben:
- Explainability (XAI): Methoden der „Erklärbarkeit“, die die Blackbox der KI öffnen und Entscheidungen nachvollziehbar machen.
- Ensemble-Ansätze: Die Kombination mehrerer Modelle, um ein stabileres Gesamtergebnis zu erhalten.
- Unsicherheitsquantifizierung: Verfahren, die messen, wie „sicher“ sich eine KI bei einer Antwort ist.
- Neue Benchmarks: Standards, die nicht nur die Qualität, sondern auch die Stabilität der Antworten bewerten.
Die eigentliche Umsetzung dieser Methoden liegt jedoch bei den Unternehmen, die KI‑Modelle bauen und betreiben (wie OpenAI oder Google). Sie entscheiden, ob und wie stark sie solche Verfahren in ihre Systeme einbauen – und wie transparent sie mit Restunsicherheit umgehen.
Das bedeutet für dich: Ja, die Forschung arbeitet an Werkzeugen gegen das Chaos. Aber solange die Modellanbieter diese nicht konsequent nutzen, bleibt die Unsicherheit für dein Unternehmen real und spürbar.
So stärkst du deine Basis trotzdem (seriös)
Erfolg in der digitalen Sichtbarkeit ist kein Zaubertrick, sondern Handwerk – in der klassischen SEO genauso wie in der KI‑Welt. Statt einer vermeintlichen „Platz‑1‑Abkürzung“ brauchst du eine stabile Grundlage, auf die Suchmaschinen und KI‑Systeme vertrauen können. Ich empfehle dir drei wesentliche Bausteine:
Strukturierte Daten nutzen
Mach es Maschinen so einfach wie möglich: Mit strukturierten Daten gibst du der KI und Google eine klare Landkarte deiner Informationen. Je klarer diese Struktur, desto weniger müssen Systeme raten. In meinen Beratungen ist das oft der erste Hebel, den wir umlegen.
Wissens‑Netzwerk aufbauen
Sorge dafür, dass dein Name und deine Inhalte an mehreren seriösen Stellen im Netz auftauchen – Fachartikel, Branchenverzeichnis, Interviews, Partnerseiten. Suchmaschinen und KI‑Modelle vertrauen Quellen, die immer wieder als kompetent auftauchen.
Kontinuierlich anpassen
Algorithmen und KI‑Modelle verändern sich, deshalb darf dein Content nicht stehen bleiben. Prüfe regelmäßig, ob deine wichtigsten Seiten noch aktuell, verständlich und fachlich sauber sind – und passe sie an neue Fragen, Begriffe und Technologien an.
Fazit: Warum Dranbleiben die einzige Abkürzung ist
Wir müssen akzeptieren, dass die KI‑Welt aktuell keine festen Fahrpläne kennt. Wer dir heute exakte Rankings in ChatGPT verspricht, ignoriert den aktuellen Stand der Forschung. Sichtbarkeit in dieser neuen Ära ist ein Marathon, der auf wissenschaftlich fundierten Inhalten und klarer Struktur mit sauberer Technik basiert.
Die Wahrscheinlichkeiten für dein Unternehmen steigen nicht durch Zauberformeln, sondern durch eine saubere digitale Basis. Nur wer jetzt beginnt, seine Struktur zu festigen, hat eine realistische Chance, im „Daten‑Glücksrad“ der KI immer wieder aufzutauchen.
