Internationale Medien und KI: 43 Prozent der ChatGPT Recherchen laufen über englische Quellen

1. Einführung: Warum internationale Medien für KI zählen

Eine deutsche Frage an ChatGPT bleibt selten im deutschen Netz. 43 Prozent der Recherchewege, die das System im Hintergrund startet, führen auf englische Quellen. Wer nur im Heimatmarkt stattfindet, fehlt also in fast der Hälfte der Wege. Auf ihnen kann die Antwort eines KI-Systems gebaut werden. Genau hier wird internationale Medienarbeit vom Prestige-Thema zur klaren Stellschraube.

Internationale Medien-Features sind redaktionelle Beiträge über eine Marke in Medien außerhalb des eigenen Sprachraums. Für KI-Systeme zählen sie doppelt. Sie machen den Quellenpool größer, aus dem ChatGPT, Claude, Copilot, Gemini, Perplexity und Grok ihre Antworten bauen. Und sie verankern die Marke im englischen Teil des Netzes, in dem diese Systeme bevorzugt recherchieren.

Sichtbarkeit braucht eine Sprache.

Dieser Beitrag ordnet die aktuellen Studien ein und zeigt konkret, wie KMU, Startups und Personal Brands Geo-Diversität aufbauen. Die Empfehlung dahinter ist keine graue Theorie: internationale Pressemitteilungen zahlen direkt auf den Quellenpool ein, den die Auswahllogik der KI Systeme durchsucht.

Was das für Sie heißt

Für Ihren Betrieb heißt das: Auch bei deutschen Fragen schauen die Systeme oft ins englische Netz. Wer nur auf Deutsch zu finden ist, fehlt in einem großen Teil dieser Recherchen. Für ein Unternehmen mit Export ist das ein klarer Nachteil. Eine englische Fassung der wichtigsten Seiten ist deshalb keine Kür, sondern die Pflicht, überhaupt gefunden zu werden.

2. Trainingsdaten und Recherche: Das Netz der künstlichen Intelligenz spricht Englisch

Generative KI bezieht ihr Wissen aus zwei Kanälen. Der erste sind die Trainingsdaten, mit denen das Modell gebaut wurde, der zweite die Live-Recherche, die von modernen KI-Systemen bei den meisten Fragen gestartet wird. Beide Kanäle sind englisch dominiert. Der erste Blick gilt deshalb der Sprache dieser Daten.

2.1 Der Lesestoff der Modelle: 40,6 Prozent englisch, 6 Prozent deutsch

Common Crawl (ein offenes Webarchiv, das als Basis vieler Sprachmodelle dient) weist im aktuellen Crawl-Monat 40,6 Prozent englische Dokumente aus. Deutsch kommt auf 6,0 Prozent. Das prägt jedes Modell. Der Lesestoff der Modelle ähnelt damit einem Zeitungskiosk. Vier von zehn Titeln dort sind englisch, deutsche Titel füllen nur ein halbes Regal.

Bei der Live-Recherche wird das Muster stärker. GEO steht für Generative Engine Optimization, die Optimierung auf KI-Antworten. Die GEO-Plattform Peec AI hat über 10 Millionen ChatGPT-Suchanfragen ausgewertet. Das Ergebnis: 43 Prozent der Recherche-Schritte bei nicht-englischen Fragen laufen über das englische Netz. 78 Prozent der Sitzungen enthalten mindestens eine englische Nebensuche. Deutsch allein reicht dort selten. ChatGPT arbeitet wie ein Dolmetscher, der für eine deutsche Frage im englischen Archiv sucht.

Peec-Mitgründer Tomek Rudzki zieht daraus einen unbequemen Schluss: „US-basierte KI-Modelle wie ChatGPT erzeugen eine systemische Verzerrung zulasten nicht-englischsprachiger Unternehmen.“
(Original: „US-based AI models like ChatGPT create systemic bias against non-English businesses.“)

2.2 Der Sprachraum prägt die Antwort: Belege aus der Forschung

Wie stark die Medien eines Sprachraums die Ausgaben von Sprachmodellen formen, zeigt eine Studie in der Fachzeitschrift Nature (Waight und Kollegen, Juli 2026). Das Team schreibt. „Wir zeigen in sechs Studien, dass die staatliche Kontrolle über Medien weltweit die Ausgaben von LLMs über deren Trainingsdaten bereits beeinflusst.“
(Original: „Here we show through six studies that government control of the media across the world already influences the output of LLMs via their training data.“)

Zudem zeigt sie: In Sprachen von Ländern mit wenig Medienfreiheit antworten Modelle staatsnäher als in Sprachen freier Systeme. Für Marken ist das mehr als eine Fußnote zur Desinformation. Es geht um den Kern. Es beweist den Mechanismus. Was die Medien eines Sprachraums über ein Thema schreiben, kommt in den Antworten der Modelle an. Dieselbe Logik gilt für Berichte über Ihr Unternehmen.

Der Bestand an Quellen je Sprache ist die Stellgröße.

3. Der blinde Fleck: Sprache lenkt Empfehlungen stärker als Beschreibungen

Geo-Diversität wirkt in beide Richtungen. Eine Studie hat 35.640 KI-Antworten zu 66 Marken in zwölf europäischen Sprachen ausgewertet (Żatuchin, Juni). Der Wechsel von Englisch in die Heimatsprache hebt den Empfehlungsanteil lokaler Champions um 0,80 auf der Skala von 0 bis 1. Bei globalen Konzernen sind es nur 0,15. Eine lokal starke Marke wird in englischen Kauf-Tipps also selten genannt, auf der Heimatsprache fast immer.

Der Autor formuliert die Konsequenz für das Monitoring: „Ein reines Englisch-Audit unterschätzt deshalb die KI-Sichtbarkeit eines lokalen Champions.“
(Original: „An English-only audit therefore understates a local champion’s AI visibility.“)

Was die meisten Beiträge zum Thema übersehen: Beide Befunde gehören zusammen. Wer nur deutsch schreibt, fehlt in 43 Prozent der Recherchewege. Wer seine KI-Sichtbarkeit nur auf Englisch misst, übersieht die eigene Stärke im Heimatmarkt. Geo-Diversität bedeutet deshalb, Präsenz und Messung über mehrere Sprachräume zu verteilen, statt auf einen einzigen zu wetten.

4. Schritt für Schritt: Internationale Medienpräsenz für KI Sichtbarkeit aufbauen

Geo-Diversität entsteht nicht durch ein einzelnes Feature. Sie entsteht durch einen festen Ablauf. Die folgenden vier Schritte sind so aufgebaut, dass auch ein kleines Team sie ohne eigene PR-Abteilung umsetzen kann. Ziel ist es, in jedem relevanten Sprachraum mindestens eine gute, maschinenlesbare Spur zu legen.

Schritt 1: Sichtbarkeit mehrsprachig messen

Prüfen Sie zuerst, wie ChatGPT, Gemini und Perplexity Ihre Marke auf Deutsch und auf Englisch beschreiben und ob sie Sie bei Kauf-Fragen empfehlen. Messen kommt vor Senden. Ein rein englisches Monitoring greift dabei zu kurz, wie die Sprachstudie oben zeigt. Ein GEO-Audit liefert dafür den klaren Start und deckt auf, in welchem Sprachraum die Lücke am größten ist.

Schritt 2: Website und Newsroom mehrsprachig ausliefern

Die eigene Website ist die einzige Quelle, die Sie ganz kontrollieren. Der Anbieter Weglot hat 1,3 Millionen KI-Zitate untersucht: Nach der Übersetzung erzielten Websites 327 Prozent mehr Sichtbarkeit in englischen Suchen, und nicht übersetzte Inhalte blieben in fremden Sprachräumen weitgehend unsichtbar. Wichtig sind dabei saubere hreflang-Verweise (Sprach-Angaben im HTML-Quelltext), damit KI-Systeme die Versionen einander zuordnen können.

Unsere Stichprobe im Juli zeigt den Rückstand: Von 15 geprüften Websites deutscher Scaleups waren 13 automatisiert auswertbar, und 5 von 13 lieferten keine auffindbare englische Version aus. Wachstumsfirmen mit internationalen Plänen treten im englischen KI-Netz also teils gar nicht an.

Das ist der günstigste erste Schritt.

Schritt 3: Features in Medien mehrerer Sprachräume gewinnen

Ein Feature in einem internationalen Medium arbeitet wie ein Botschafter: Es vertritt die Marke in einem Sprachraum, den sie selbst nie betritt. Solche Erwähnungen sind für generative Systeme besonders wertvoll, weil sie als echte Bestätigung gelten, ähnlich den Signalen, denen Maschinen vertrauen. Der Weg dorthin bleibt klassisches Handwerk. Dazu zählen eine Geschichte mit Neuigkeitswert und ein zitierfähiger Experte mit Name und Funktion. Ergänzend zählen Daten, die eine Redaktion prüfen kann, und im Idealfall ein Interview.

Streuen Sie bewusst über Sprachräume: ein Fachmedium im Heimatmarkt, ein englisches Fachblatt, ein Medium im wichtigsten Zielmarkt. Breite schlägt Wiederholung. Drei gute Features in drei Sprachräumen können für die Geo-Diversität mehr bewirken als zehn Beiträge im immer gleichen Markt.

Schritt 4: Marke und Belege maschinenlesbar verknüpfen

Erwähnungen wirken erst voll, wenn KI-Systeme sie eindeutig Ihrer Organisation zuordnen können. Erst diese Zuordnung macht Features zählbar. Dafür wird die Marke als Entität hinterlegt: einheitlicher Name, Organization-Auszeichnung im Quellcode und sameAs-Verweise (Schema-Angaben, die auf eindeutige Profile wie Wikidata oder LinkedIn zeigen). In unserer Stichprobe pflegten nur 6 von 13 Scaleups diese Verknüpfung. Wie Sie die Marke als eindeutige Entität aufbauen, haben wir separat beschrieben; die Knowledge-Graph-Optimierung vertieft den fachlichen Teil.

5. Häufige Fehler: Was der Umgang der Medienbranche mit KI lehrt

Die Medienbranche selbst zeigt, wie ernst das Thema genommen wird. Medienhäuser schulen ihre Teams in Workshops und Kursen. Akademien vermitteln Reportern Wissen zu KI-Tools. Kaum eine Diskussion zum Journalismus kommt ohne den KI-Einsatz aus. Es geht dabei um zwei Dinge zugleich. Das heißt: KI-Tools produktiv einsetzen und KI-generierte Inhalte kritisch prüfen, von Texten und Bildern bis zur Desinformation.

Drei Fehler können daraus abgeleitet werden:

• Masse statt Substanz: Generative KI macht die Erstellung von Inhalten billig, Redaktionen filtern deshalb strenger. KI-generierte Massen-Pitches ohne echte Neuigkeit verbrennen Kontakte, statt Vertrauen zu fördern.
• Recht ausblenden: Wer Inhalte für fremde Märkte erstellen lässt, sollte Recht und Datenschutz je Zielland prüfen; auch die Regeln zur KI-Nutzung entwickeln sich je nach Region anders. Ein ethisch sauberer Umgang mit KI ist zugleich ein Schutz für den Ruf.
• Nur senden, nie messen: Ohne mehrsprachiges Monitoring bleibt unklar, ob die KI Ihre Marke überhaupt aufgreift. Die Wirkung jeder Kampagne gehört in beiden Sprachräumen gemessen, sonst bleibt jede Empfehlung Bauchgefühl.

In unseren Tests beobachten wir dasselbe Muster wie in der Stichprobe. Die Chance liegt selten im nächsten Werkzeug, sondern in der sauberen Grundlage. Wer als Experte in einem Interview zitiert wird, dessen Website aber keine englische Version ausliefert, verschenkt die halbe Wirkung. Aktuell ist diese Lücke bei den meisten Wettbewerbern noch offen, und genau das macht sie zur Chance für Schnelle.

6. Fazit: Geo Diversität ist ein Sichtbarkeits-Signal

Die Entwicklung ist eindeutig belegt. Künstliche Intelligenz recherchiert überwiegend englisch, gewichtet Quellen je Sprachraum anders und übernimmt in ihre Antworten, was die Medien eines Sprachraums hergeben. Internationale Medien-Features sind darum kein Schmuck fürs Pressearchiv, sondern Einzahlungen in genau die Quellen, aus denen Modelle schöpfen. Rollen und Tools ändern sich schnell. Das Prinzip vermutlich nicht.

Der praktische Einstieg kostet wenig. Am besten misst man zuerst die Sichtbarkeit in zwei Sprachen und zieht die englische Website-Version samt Newsroom nach. Danach folgen gezielte Features in zwei bis drei Sprachräumen, zuletzt die maschinenlesbare Verknüpfung der Marke. Gerade für Startups und Scaleups ist das eine der wenigen Stellschrauben, an der große Wettbewerber aktuell nicht schneller sind. Das Ziel: in jedem Sprachraum, in dem Ihre Kunden fragen, mindestens eine Quelle, die für Sie antwortet.

7. Anhang: Checkliste für internationale KI Sichtbarkeit

• Beschreiben ChatGPT, Gemini und Perplexity Ihre Marke auf Deutsch und Englisch korrekt und genau?
• Liefert Ihre Website eine englische Version mit hreflang-Verweisen aus, inklusive Newsroom?
• Existiert je Zielmarkt mindestens ein Feature in einem verlässlichen Medium?
• Sind Organization-Auszeichnung und sameAs-Verweise auf allen Sprachversionen identisch gepflegt?
• Steht ein zitierfähiger Experte mit Name und Funktion für ein Interview bereit?
• Messen Sie nach jeder Kampagne die Nennungen in mindestens zwei Sprachen nach?

Dieser Beitrag gibt den Stand zum Zeitpunkt der Veröffentlichung wieder. KI-Systeme ändern ihr Recherche- und Zitierverhalten laufend; alle genannten Zahlen stammen aus den verlinkten Quellen und können sich ändern. Die eigene Stichprobe ist eine Momentaufnahme von dreizehn automatisiert auswertbaren Scaleup-Websites, keine repräsentative Erhebung. Eine der zitierten Untersuchungen stammt von einem Anbieter für Website-Übersetzung, dessen Geschäftsmodell vom Befund profitiert.