Beobachtetes Signal · 23. Juli 2026 · Research Study · Quelle: https://martech.org/feed/ · Relevanz: 3/5 · Sentiment: Neutral
Semrush-Studie: ChatGPT zeigt selten dominante Brand Leader in Kategorien
Eine Analyse von Semrush über 1.094 US-Themenkategorien zeigt, dass ChatGPT-Antworten in den seltensten Fällen einen eindeutigen, konsistenten Brand Leader nennen. Lediglich 15,2 Prozent der Kategorien erfüllten die Kriterien für einen klaren Marktführer – definiert als Präsenz in vier von fünf Prompts bei einem Vorsprung von mindestens fünf Prozentpunkten. In 31,2 Prozent der Fälle gab es einen aufstrebenden Leader, während 53,7 Prozent keinen konsistenten Spitzenreiter aufwiesen. Die Sichtbarkeit variierte je nach Fragestellung und war besonders in nachfragerstarken Segmenten fragmentiert: Obwohl diese 98 Prozent des AI-Suchvolumens ausmachten, brachten sie nur 11,3 Prozent klare Markenbesitzer hervor. Zudem korrelierten traditionelle SEO-Metriken nur bedingt mit der AI-Sichtbarkeit; während branded search volume eine Rolle spielte, zeigten organic traffic, Authority Score und Zitationen oft keinen direkten Zusammenhang.
Die Untersuchung eines führenden SEO-Anbieters verdeutlicht, wie LLM-basierte Antworten die Markensichtbarkeit fragmentieren und herkömmliche SEO-Metriken als Prognoseinstrument für AI-Sichtbarkeit limitieren. Dies liefert wertvolle Einblicke für Marketer, auch wenn es sich nicht um eine plattformpolitische oder technische Richtungsänderung handelt.
Marktsignale zu SEMrush in Echtzeit verfolgen
Polaris7 erfasst behördliche Registrierungen, Primärquellen, Führungswechsel und Deal-Aktivitäten rund um die Uhr. Erstellen Sie Ihren kostenlosen Explorer-Workspace, um automatisierte Executive Briefings zu erhalten.
Wichtigste Kernpunkte & Evidenz
- Semrush analysierte 1.094 US-Themenkategorien anhand von fünf Käufer-Prompts (Definitionen, Vergleiche, Alternativen, Use Cases, Kaufentscheidungen).
- Nur 15,2 Prozent der Kategorien (166 Kategorien) erfüllten die Kriterien für einen klaren Brand Leader.
- 31,2 Prozent der Kategorien wiesen einen aufstrebenden Leader auf, während 53,7 Prozent keinen konsistenten Spitzenreiter zeigten.
- In der Hälfte der Kategorien mit dem höchsten AI-Suchvolumen, die 98 Prozent des gesamten Suchvolumens repräsentierten, hatten nur 11,3 Prozent einen klaren Markenbesitzer.
- Branded search volume korrelierte mit der Kategorieführerschaft, während organic traffic, Authority Score und Zitationszahlen oft keinen klaren Bezug aufwiesen.
Verknüpfte Unternehmen
2 verknüpfte Unternehmen“A Semrush analysis found that only 15.2% of topic categories had a clear brand leader across a series of related buyer questions, suggesting...”
“OpenAI is testing multi-advertiser placements in ChatGPT while adding new targeting and campaign tools that expand its ad platform....”
Ontologie & Marktkonzepte
Verwandte Marktsignale & Trends
Aktuelle verifizierte Unternehmensentwicklungen und Deal-Aktivitäten in diesem Marktsegment.
SEMAI-Studie: B2B-Marken in KI-Suchmaschinen oft unsichtbar
Eine Untersuchung von SEMAI über einen Zeitraum von 60 Tagen mit 25.540 von ChatGPT, Google Gemini und Perplexity zitierten URLs zeigt, dass jede KI-Plattform signifikant unterschiedliche Content-Typen bevorzugt. Während Blogs (41–55 %) und Webseiten (38–47 %) zusammen über 90 % aller KI-Zitationen ausmachen, differieren die Plattformen bei Nischenquellen stark: ChatGPT greift häufiger auf LinkedIn, Wikipedia und akademische Inhalte zurück; Perplexity fokussiert sich auf Vergleichs- und Lösungsseiten; Gemini bevorzugt eigene Blog-Inhalte von Marken und meidet Community-Quellen. SEMAI warnt, dass eine einseitige Optimierung auf traditionelle Suchmaschinen B2B-Marken bei der KI-basierten Entdeckung durch Käufer unsichtbar machen kann. Die Visibility-Plattform von SEMAI trackt die Markensichtbarkeit über ChatGPT, Perplexity, Gemini und Claude hinweg und liefert LLM-Suchvolumenmetriken, Cluster-Klassifizierungen sowie KI-generierte Content-Kalender.
KI-Engines weichen bei Markenempfehlungen um das Zweifache voneinander ab
Eine Analyse der AI-Visibility-Intelligence-Plattform Treyci zeigt, dass führende KI-Engines wie ChatGPT, Perplexity, Gemini und Grok bei kaufbezogenen Suchanfragen drastisch unterschiedliche Markenempfehlungen abgeben. In einer B2B-Softwarekategorie erwähnte eine Engine getrackte Marken in 81 Prozent der Antworten, während eine andere nur auf 43 Prozent kam – ein nahezu doppelt so großer Sichtbarkeitsunterschied. Die Untersuchung bewertete über 1.200 KI-Antworten anhand von 100 Kaufabsichtsfragen pro Kategorie, die monatlich dreimal je Engine wiederholt wurden. Zu den zentralen Erkenntnissen gehört, dass KI-Antworten probabilistisch sind, da derselbe Prompt in verschiedenen Sitzungen unterschiedliche Anbieterlisten liefert. Zudem zitieren die Engines primär Drittanbieterquellen wie Bewertungsplattformen statt der Hersteller-Websites. Gründer Keith Schilling betont, dass Marken die Antwortverteilung über verschiedene Engines hinweg messen müssen, anstatt sich auf einzelne Screenshots zu verlassen, zumal erst 41 Prozent der untersuchten B2B-SaaS-Unternehmen llms.txt-Dateien bereitstellen.
Studie: KI-Sichtbarkeit weicht häufig von klassischen SEO-Rankings ab
Fractl hat analysiert, wie drei große Sprachmodelle (GPT-4o, Gemini 2.5 Flash und Claude Sonnet 4.6) Marken in acht Branchen referenzieren, und diese Ergebnisse mit traditionellen SEO-Metriken von Ahrefs verglichen. Während bei über 90 % der Marken eine Übereinstimmung zwischen Search Authority und KI-Sichtbarkeit bestand, gab es signifikante Ausreißer: Etwa 5 % der Marken waren in den Modellantworten unterrepräsentiert, während rund 4 % im Vergleich zu ihrem SEO-Footprint überperformten. Lediglich 11 % der Marken wurden von allen drei Modellen referenziert. Modellspezifische Recall-Muster – etwa Claude mit Fokus auf SaaS oder Gemini auf Travel und Healthcare – stellen Unternehmen vor neue Herausforderungen bei Messung und Strategie. Die Studie empfiehlt, den AI Recall separat zu erfassen, die Third-Party-Korroboration zu stärken und Kategorisierungssignale zu optimieren, um die Präsenz in Large Language Models zu verbessern.
Marktsignale & Strategische Shifts in Echtzeit verfolgen
Erstellen Sie benutzerdefinierte Watchlists, um automatisierte, evidenzbasierte Executive Briefings zu erhalten, sobald wesentliche Signale oder Marktverschiebungen auftreten.