Wie entscheidet ChatGPT, welche Unternehmen empfohlen werden? Vier Filter vor der Nennung

1. Wer fragt, entscheidet mit

Wie entscheidet ChatGPT, welche Unternehmen empfohlen werden? Die Frage wird praktisch, sobald ein Kunde nicht mehr Ihren Firmennamen tippt. Er beschreibt seine Aufgabe. Das System sucht dann keine Seite, sondern einen Anbieter. Wer in dieser Auswahl fehlt, bleibt für die Anfrage unsichtbar, auch bei guten Rankings. Stand September 2026 lässt sich das Verfahren erstmals in Zahlen fassen.

Die größte bisher veröffentlichte Untersuchung dazu stammt von OppAlerts: mehr als 105.000 ChatGPT-Anfragen über 145 Branchen und 1.595 Käufertypen, dazu 29.562 bewertete Domains und 13 gemessene Außensignale. Das stärkste dieser Signale, das bloße Auftauchen in Suchmaschinen, erklärte nur 5,8 Prozent der Streuung der Empfehlungswerte (The Digital Bloom, Mai 2026). Die übrigen 80 bis 85 Prozent liegen im Modell selbst.

Das Verfahren läuft wie ein Einkaufsgespräch ab: Zuerst wird die Aufgabe beschrieben, dann fällt eine kurze Liste von Namen, und erst danach schaut jemand genauer hin. Dieser Beitrag beschreibt diese Empfehlungslogik: welche vier Filter vor der Nennung liegen, was davon messbar wirkt, was kaum, und welche vier Schritte ein mittelständischer Betrieb selbst gehen kann. Wie dieselben Systeme ihre Belege wählen, steht im Beitrag über die Bewertung der Fundstellen.

Auf einen Blick

Die Empfehlungslogik von ChatGPT ist ein zweistufiges Verfahren. Zuerst grenzt das System aus der Anfrage ein, wer fragt, wofür und wo. Dann bildet es eine kurze Kandidatenliste aus Betrieben, über die es übereinstimmende Angaben gefunden hat. Geprüft wird nicht die Leistung eines Anbieters, sondern wie gut seine Angaben zur beschriebenen Aufgabe passen.

Was das für Sie heißt

Betrifft Sie das? Ja, sobald Kunden ihre Aufgabe beschreiben, statt ihren Namen zu tippen. Was kostet Nichtstun? Ihr Betrieb bleibt über die Suche erreichbar und taucht in der Empfehlung trotzdem nicht auf. In unserer Stichprobe stand bei 36 von 72 Betrieben der eigene Standort gut sichtbar im Text, aber nirgends in maschinenlesbarer Form. Das ist eine knappe Stunde Arbeit, die niemand macht, und sie kostet jede Anfrage mit Ortsbezug.

Was könnte Ihr erster Schritt sein: Stellen Sie einem KI-Chatbot genau die Frage, mit der Ihre Kunden suchen.

2. Was unterscheidet eine Empfehlung von einer Quellenangabe?

Eine Quellenangabe belegt eine Aussage, eine Empfehlung nennt einen Anbieter. Beides passiert in derselben Antwort, beruht aber auf verschiedenen Vorgängen. Ob ChatGPT Ihr Unternehmen als Beleg verlinkt und ob am Ende ein Unternehmen genannt und für eine Aufgabe empfohlen wird, sind zwei Ergebnisse, die getrennt gemessen gehören.

Der Unterschied ist folgenreich. Eine Domain kann in KI-Antworten ständig als relevante Quelle verlinkt sein, ohne dass der dahinterstehende Betrieb je empfohlen wird. Umgekehrt werden Anbieter genannt, deren Website in derselben Antwort gar nicht auftaucht; wie Systeme ihre Belege ausweisen, zeigt der Beitrag über Quellenangaben in KI-Assistenten. In der OppAlerts-Analyse erschienen nur 37 Prozent der empfohlenen Adressen auch in den parallel erfassten Google-Ergebnissen (The Digital Bloom, Mai 2026).

Die Anfrage wirkt dabei wie ein Filter am Eingang: Sie bestimmt, welche Betriebe überhaupt in die engere Wahl kommen, bevor irgendein Merkmal Ihrer Website geprüft wird.

Wie stark dieser Eingangsfilter wirkt, zeigt die nächste Sektion.

3. Wonach filtert ChatGPT, bevor ein Name fällt?

Vier Filter liegen zwischen der Frage eines Kunden und der Nennung eines Anbieters: die Anfrage selbst, die Region, die Branche und die Quellenlage. Sie greifen in dieser Reihenfolge.

Die ersten beiden liegen nicht in Ihrer Hand, und genau das wird gern übersehen.

Häufig heißt es, ein gepflegtes Unternehmensprofil und saubere strukturierte Daten entscheiden darüber, welche Unternehmen in ChatGPT genannt werden. Das trifft so nicht zu. In der OppAlerts-Studie erklärten alle 13 gemessenen Außensignale zusammen deutlich unter 20 Prozent der Streuung; Backlinks kamen auf 4,2 Prozent, Wikipedia-Zitate auf 0,6 Prozent. Solche externen Signale sind Eintrittskarten, keine Rangordnung.

Wie unterschiedlich diese Filter je nach Branche wirken, zeigt dieselbe Erhebung. Bei Hotels erklärte ein Eintrag in Wikidata (die offene Faktendatenbank hinter Wikipedia) 42,3 Prozent der Streuung, im Möbelhandel sogar 49,9 Prozent. Bei Unternehmens-KI-Plattformen war stattdessen Reddit der beste Anhaltspunkt mit 27,9 Prozent. Ein Rezept, das über alle Branchen hinweg gilt, gibt es nach dieser Datenlage nicht.

Der vierte Filter ist der einzige, den Sie vollständig steuern. Er prüft, ob genug konsistente Angaben über Ihren Betrieb vorliegen, um Sie als eigenständige Sache zu behandeln, im Fachjargon als Entität. Diese Übereinstimmung entsteht nicht auf der eigenen Website allein, sondern aus der Summe: Verzeichnis, Unternehmensprofil, Bewertungsportal, Fachpresse. Darauf zielt die Arbeit an einer eindeutig zuzuordnenden Marke.

4. Warum empfiehlt ChatGPT bei derselben Frage mal Sie und mal Ihren Wettbewerber?

Der Zuschnitt der Frage verändert die Antwort stärker als jedes Merkmal Ihrer Website. Ein Audit von Jack und Kollegen über 2.000 Läufe mit zehn Käufertypen, acht Fragen und drei Modellkonfigurationen hat das gemessen. Ergebnis: Kategorieführer bleiben über die Käufertypen hinweg zu rund 80 Prozent dieselben. Marken im Mittelfeld tauschen bis zu 75 Prozent der Empfehlungsliste aus, sobald ein anderer Käufertyp fragt (arXiv-Preprint, Mai 2026).

Für einen mittelständischen Anbieter ist die eigene ChatGPT-Sichtbarkeit keine feste Größe, sondern eine Wahrscheinlichkeit über viele Fragevarianten hinweg. Wer nur eine Frage testet, misst Zufall.

Die Studienautoren formulieren es so: „Der Kontext des Käufers ist kein Zusatzfaktor. Er ist das Produkt.“ (Original: „Persona context is not a modifier. It is the product.“) Praktisch heißt das: Eine einzelne Gesamtnote für die Sichtbarkeit bei ChatGPT ist eine schwache Messgröße. Brauchbar wird sie erst als feste Liste von Fragen, gestellt aus der Sicht verschiedener Kunden.

Ähnlich wie bei einer Ausschreibung gewinnt nicht der beste Anbieter, sondern der, dessen Unterlagen zur Aufgabenbeschreibung passen. Diese Unsicherheit gehört zum Verfahren und lässt sich nicht wegoptimieren. Auch die Auswerter halten das fest. Die „Antworten der Assistenten ändern sich mit Formulierung, Standort und Sitzung“ (Original: „assistant answers change with phrasing, location, and session“), heißt es dazu bei Search Engine Journal (August 2026).

Messbar ist damit eine Richtung, keine Rangliste.

5. Wie machen Sie Ihren Betrieb empfehlbar?

Vier Schritte decken das ab, was Sie selbst in der Hand haben, und sie zielen nicht auf eine Platzierung, sondern darauf, überhaupt in die Kandidatenliste zu kommen. Reihenfolge und Aufwand sind bewusst so gewählt, dass ein Betrieb ohne eigene Marketingabteilung damit anfangen kann.

Schritt 1: Den Ausgangswert messen

Messung kommt vor Optimierung. Notieren Sie zehn bis fünfzehn Fragen, mit denen Ihre Kunden tatsächlich suchen, formuliert aus deren Sicht und mit Ortsbezug. Stellen Sie diese Fragen direkt in ChatGPT, Claude, Copilot, Gemini, Perplexity und Grok, jeweils zweimal an verschiedenen Tagen. Halten Sie getrennt fest, ob Ihr Firmenname fällt, ob Ihre Seite als Quelle verlinkt ist und ob eine Empfehlung ausgesprochen wird. Eine erste dokumentierte Messung liefert genau diesen Ausgangswert.

Schritt 2: Leistung, Region und Zielgruppe ausschreiben

Klartext schlägt Schlagwort. Auf der Startseite und auf jeder Leistungsseite stehen in ganzen Sätzen: was Sie tun, für wen, in welcher Region und ab welcher Auftragsgröße. Dieser Text muss ohne JavaScript im ausgelieferten Quelltext lesbar sein, sonst existiert er für die Systeme nicht. In unserer Stichprobe lieferten 63 von 72 Startseiten mindestens 300 Wörter ohne JavaScript aus, aber nur 22 führten von dort auf eigene Leistungsseiten.

Schritt 3: Die Angaben maschinenlesbar wiederholen

Strukturierte Daten wiederholen für Systeme, was im Text schon steht: Firmenname, Anschrift, Ort, Leistungen, Ansprechpartner. Wichtig ist die identische Schreibweise überall, auf der eigenen Website, im Verzeichnis, im Unternehmensprofil, bei Bing Places und auf LinkedIn. Weichen die Angaben voneinander ab, bleibt die Zuordnung unsicher. Unsichere Kandidaten werden dann eher weggelassen als falsch genannt.

Schritt 4: Belege außerhalb der eigenen Seite aufbauen

Fremdbelege tragen die Prüfung, die Ihre eigene Website nicht leisten kann. Dazu zählen Fachbeiträge, Branchenverzeichnisse, Bewertungsportale und redaktionelle Erwähnungen mit Ihrem vollständigen Firmennamen. Genau dafür lassen sich Belege aus der Fachpresse aufbauen, wenn sie inhaltlich tragen und nicht nur den Namen streuen. Technische Voraussetzung bleibt der Zugang. Ein Crawler (ein Programm, das Seiten selbstständig abruft) namens OAI-SearchBot erfasst die Inhalte für ChatGPT Search, und OpenAI dokumentiert, dass ausgesperrte Seiten dort nicht erscheinen.

6. Was bringt nachweislich wenig?

Drei verbreitete Empfehlungen halten der Datenlage nicht stand. Erstens die Annahme, Seiten, die gut ranken, zögen die Nennung nach sich: Nur 37 Prozent der empfohlenen Adressen tauchten in den parallel erfassten Suchergebnissen auf. Zweitens der Reflex, Backlinks aufzubauen, weil sie in der klassischen Suchmaschinenoptimierung wirken; in der Messung erklärten sie 4,2 Prozent. Drittens die Hoffnung auf einen einzelnen Eintrag als Schalter.

Dass Wikidata bei Hotels stark wirkte und in anderen Branchen kaum, heißt nicht, dass ein Eintrag schadet. Es heißt, dass die Wirkung branchenabhängig ist und vorher geprüft gehört. Die Nachfrage ist dabei real: 64 Prozent der befragten Deutschen wollen KI bei Kaufentscheidungen nutzen, 63 Prozent nennen ChatGPT als hilfreichstes Werkzeug für die Produktsuche (Criteo, 6.800 Konsumenten, viertes Quartal 2025). In den USA erschien zudem bei 92 Prozent der informationalen lokalen Suchanfragen eine KI-Antwort über der Trefferliste, bei direkten Anbieteranfragen dagegen nur bei 15 Prozent (Search Engine Journal, August 2026).

7. Fazit

Die Empfehlungslogik der KI-Systeme belohnt Übereinstimmung, nicht Lautstärke. Wer seine Leistung, seine Region und seine Zielgruppe überall gleich benennt und diese Angaben maschinenlesbar wiederholt, kommt in die Kandidatenliste. Wer dort ist, wird je nach Frage mal genannt und mal nicht. Das bleibt so.

Eine Empfehlungsgarantie gibt es nicht, und wer eine verspricht, verspricht etwas, das das Verfahren nicht hergibt.

Das Ziel ist deshalb kein Platz, sondern eine Quote: in wie vielen von zehn realistischen Kundenfragen Ihr Name fällt. Diese Quote lässt sich messen, wiederholen und verbessern. Wer in ChatGPT gefunden werden will, findet den vollständigen Aufbau im Beitrag über den Weg in die Antworten.

8. Anhang: Checkliste für den ersten Durchgang

Die folgende Liste deckt einen Nachmittag ab. Sie ersetzt keine Strategie. Sie schließt aber die Lücken, die in unserer Stichprobe am häufigsten offen standen. Abhaken lässt sie sich ohne Entwickler, bis auf den letzten Punkt.

Wer danach weitergehen will, findet den Rahmen dafür in der laufenden Arbeit an der Nennungsquote. Gemessen wird mit demselben Fragenset. Sonst ist der Vergleich wertlos. Gerade für inhabergeführte Betriebe lohnt der zweite Durchgang erst nach drei Monaten.

9. Häufige Fragen zur Sichtbarkeit in ChatGPT

Autor: Simon Hubert ist Gründer von Hubert Strategies in Göttingen und arbeitet an generativer Suchmaschinenoptimierung, Knowledge-Graph-Strukturen und KI-Sichtbarkeit in ChatGPT und Co. Seine erste Digitalagentur gründete er 2011. Er hält einen Master in Business Informatics der Universität Mannheim und ist seit über 20 Jahren in Digitalisierung und IT unterwegs, mehrere Jahre davon in Großkonzernen.

Stand September 2026. Der Beitrag gibt den Stand zum Zeitpunkt der Veröffentlichung wieder. Die Antworten der genannten KI-Systeme, ihre Dokumentation und die zitierten Erhebungen ändern sich laufend; alle Werte stammen aus den verlinkten Quellen. Die eigene Stichprobe ist eine Momentaufnahme und nicht repräsentativ.