KI-Zitierfaktoren 2026: 23 Signale für ChatGPT und Gemini

Auf dieser Seite

• Cyrus Shepard: Methode und Einordnung
• Die 23 Faktoren nach Evidenzstärke
• Technische Zugänglichkeit: Die Basis ohne Alternative
• Relevanz: Semantische Passung als Zitiergrund
• Strukturelle Extrahierbarkeit: Wie KI Inhalte verarbeitet
• Content-Qualität: Spezifizität schlägt Generik
• Autorität und Vertrauen
• Weitere Signale
• Modellspezifische Zitierpräferenzen
• Klassische SEO-Logik
• KI-Zitier-Logik 2026
• Was KI-Suchmaschinen wirklich zitieren
• Ein Widerspruch, der Strategie verändert
• Die fünf Persona-Artikel: KI-Sichtbarkeit in Ihrer Sprache

Wer in einer KI-Antwort zitiert wird, bekommt 120% mehr organische Klicks pro Impression als ohne Zitierung. Das zeigt eine Seer-Interactive-Studie aus 2026. Gleichzeitig ist die Position-1-CTR in Google laut SISTRIX von 27% auf 11% kollabiert. Das Rechenmodell ist eindeutig: Zitiert zu werden kompensiert den strukturellen Klick-Verlust durch AI Overviews. Nicht zitiert zu werden bedeutet doppelten Verlust.

Cyrus Shepard, ehemaliger Head of Global SEO bei Moz, hat am 7. Mai 2026 die bisher umfassendste Auswertung zu diesem Thema veröffentlicht. Er analysierte 54 Experimente, Studien und Patente zu KI-Zitierungen und destillierte daraus 23 Faktoren, gewichtet nach Replizierbarkeit, Evidenzstärke und offiziellem Support. Sein Fazit: "Most of the critical factors align with traditional SEO practices: win SEO, win AI citations (most of the time, with extra steps)."

Parallel dazu analysierte Yext 17,2 Millionen Zitate aus Q4 2025 und stellte fest, dass Gemini, Claude, Perplexity und SearchGPT fundamental unterschiedliche Quellpräferenzen haben. Nur 2% der zitierten URLs erscheinen plattformübergreifend. Wer nur auf eine KI-Engine optimiert, verliert 89% des potenziellen Sichtbarkeitsraums.

Cyrus Shepard: Methode und Einordnung

Shepard ist kein Spekulant, der KI-Hype verkauft. Er ist ein klassischer SEO-Praktiker mit institutionellem Hintergrund: Jahre als SEO-Leiter bei Moz, Beratungsprojekte für Amazon. Seine Forschungsmethode ist transparent: Für jeden Faktor bewertet er Replizierbarkeit (wie viele Studien zeigen dasselbe Ergebnis), Evidenzstärke (eine 50-Millionen-Query-Studie wiegt mehr als ein 10-Query-Fallbeispiel) und offiziellen Support durch Dokumentation oder Patente.

Shepard trennt sauber zwischen Korrelation und Kausalität. Er schreibt explizit: "Relevance, Trust, Topical Authority, and Extractability, all signals that should align with current SEO thinking." Diese Präzision fehlt den meisten GEO-Guides, die zirkulieren.

Eine Einschränkung verdient Erwähnung: Das Sample stammt überwiegend aus englischsprachigen Märkten, vorwiegend USA. Ob Faktoren wie Brand Trust oder Structured Data im deutschsprachigen DACH-Raum identisch wirken, beantwortet Shepard nicht. Deutsche Websites stehen vor zusätzlichen Fragen: DSGVO-konforme Schema-Implementierung, sprachliche Autorität bei DE-Queries, regionale Vertrauenssignale.

Zur Faktorzahl: Das Substack-Original nennt "22 Ranking Factors", während ppc.land und aeoengine.ai von 23 berichten. Die Zahl 23 entspricht der Signalaufzählung in der Primärquelle signal.zyppy.com, die 23 einzelne Faktoren listet. Möglicherweise wurde nach Erstpublikation ein Faktor ergänzt.

Die 23 Faktoren nach Evidenzstärke

Shepard vergibt Scores von 2 bis 9,5. Je höher, desto mehr Studien zeigen denselben Effekt mit hoher Evidenzstärke.

Technische Zugänglichkeit: Die Basis ohne Alternative

URL-Zugänglichkeit (Score 9,5): Die Seite muss während Training oder Grounding crawlbar sein. GPTBot, OAI-SearchBot, Google-Extended: alle brauchen Zugang. Wer Cloudflare AI-Scraper-Blocking aktiviert, schließt sich selbst aus KI-Systemen aus.

Suchrang (Score 9,4): 38% aller Google AI Overview-Zitate stammen aus den Top-10-Ergebnissen (Ahrefs). KI-Systeme nutzen klassische Suchergebnisse als primäres Grounding-Signal. Sichtbarkeit bei Google ist der direkteste Weg zu KI-Sichtbarkeit.

Fan-out-Rang (Score 9,3): KI-Systeme führen bei komplexen Fragen mehrere Fan-out-Suchen durch, also Suchen nach verwandten Unterthemen. AirOps zeigte eine klare Korrelation zwischen Ranking für verwandte Queries und KI-Zitaten. Wer für das Hauptkeyword und für die thematischen Unterfragen rankt, hat deutlich mehr Zitierchancen.

Preview-Kontrolle (Score 9,2): Directives wie nosnippet oder data-nosnippet können verhindern, dass KI-Systeme Textpassagen extrahieren. Wer diese Directives unbedacht einsetzt, reduziert seine KI-Sichtbarkeit.

Relevanz: Semantische Passung als Zitiergrund

Query-Antwort-Match (Score 9,2): Der Seiteninhalt muss semantisch eng mit der gestellten Frage übereinstimmen. Seitentitel, Überschriften und Textpassagen sollen die Suchanfrage direkt widerspiegeln.

Intent-Format-Match (Score 9,0): KI-Systeme bevorzugen das Format, das zur Frageintention passt. "Best"-Anfragen werden eher durch Vergleichslisten beantwortet. "How-to"-Fragen durch Schritt-für-Schritt-Anleitungen. Wer das falsche Format wählt, wird seltener zitiert, selbst bei gleicher inhaltlicher Qualität. Aleyda Solis formuliert es präzise: "SEO optimizes pages for rankings and clicks. GEO optimizes content sections for retrieval and citation in AI answers."

Themencluster-Rang (Score 8,9): Je mehr verwandte Fragen eine Domain beantwortet und dafür rankt, desto höher die Wahrscheinlichkeit, bei mindestens einer dieser Fragen zitiert zu werden. Tiefe, thematisch konsistente Cluster statt vereinzelter Seiten.

Strukturelle Extrahierbarkeit: Wie KI Inhalte verarbeitet

Antwort nahe am Seitenanfang (Score 8,8): Dan Petrovic zeigte: Gemini hat ein striktes Retrieval-Cap pro URL. Inhalte, die nach dem Retrieval-Limit kommen, werden schlicht ignoriert. Eine Growth-Memo-Auswertung aus Februar 2026 bestätigt: 44,2% aller LLM-Zitate stammen aus den ersten 30% des Textes, 31,1% aus dem Mittelteil, 24,7% aus dem Schluss. Die wichtigste Aussage gehört in die ersten 300 Wörter.

KI-gerechte Struktur (Score 8,6): KI-Systeme zerlegen Seiten in Abschnitte vor der Verarbeitung. Klare H2/H3-Hierarchie, Tabellen, strukturierte Listen erleichtern diese Zerlegung. Seiten ohne erkennbare Struktur werden seltener vollständig verarbeitet. FAQ-Abschnitte mit direkter Antwort in den ersten drei Sätzen werden laut rosenheim-digital.de 3× häufiger zitiert als klassische Einleitungen.

Inhaltliche Sichtbarkeit (Score 7,6): Text in ausgeblendeten Divs, hinter JavaScript-Tabs oder im off-screen-Bereich wird von KI-Systemen schwächer bewertet, ähnlich wie bei klassischen Suchmaschinen.

Content-Qualität: Spezifizität schlägt Generik

Faktische Spezifität (Score 8,3): "Erwachsene brauchen viel Protein" ist nicht zitierbar. "Experten empfehlen 0,8 Gramm Protein pro Kilogramm Körpergewicht" ist es. KI-Systeme zitieren, um spezifische Behauptungen zu belegen. Wer vage schreibt, gibt KI-Systemen nichts Zitierbares.

Explizite Formulierung (Score 8,1): Hedging reduziert Zitierwahrscheinlichkeit. "Manche bevorzugen Magnesiumglycinat, andere Citrat" ist schwach. "Magnesiumglycinat ist die besser belegte Wahl für Schlafverbesserung" ist zitierfähig. Das bedeutet nicht, unbegründete Behauptungen aufzustellen, sondern begründete Positionen klar zu formulieren.

Quellen belegen (Score 8,0): Aussagen, die mit Quellen belegt werden, werden häufiger von KI-Systemen zitiert. Das Muster korrespondiert mit KI-Systemen, die Antworten rechtfertigen müssen. Wer die eigene Arbeit zeigt, gibt KI-Systemen den Beweis, den sie suchen.

Selbstständige Passagen (Score 8,0): Schlüsselaussagen sollen ohne umgebenden Kontext verständlich sein. "Magnesiumglycinat ist durch 137 wissenschaftliche Studien für kardiovaskuläre Gesundheit belegt" ist zitierfähig. "Diese Zutat hat stärkere Evidenz" ist es nicht.

Autorität und Vertrauen

Frische (Score 7,0): Aktuellere Inhalte werden für zeitkritische Anfragen bevorzugt. Wer Seiten nicht aktualisiert, riskiert bei Fragen zu aktuellen Entwicklungen übersehen zu werden. KI-Zitate verschieben sich dabei in Wochen, nicht Jahren: ChatGPT-Zitate eines Monats werden im nächsten durch frischere Quellen ersetzt, anders als Google-Rankings, die Jahre halten können.

Marken- und Entity-Vertrauen (Score 6,8): KI-Systeme bevorzugen Quellen, die sie bereits kennen und als vertrauenswürdig eingestuft haben. Für eine Gesundheitsfrage zitiert die KI die Mayo Clinic, nicht einen anonymen Health-Blog. Sichtbarkeit in Branchen-Medien, Fachportalen und Wikipedia-Einträgen baut Entity-Trust auf. Laut einer Fullintel/UConn-Studie (IPRRC, Februar 2026) stammen 89% der von KI-Engines zitierten Links aus Earned Media; 95% waren unbezahlt.

Inhaltstiefe (Score 6,7): Längere Inhalte ranken tendenziell besser, aber die Evidenz ist inkonsistent. Mehrere Forscher weisen darauf hin, dass zu lange Seiten die Retrievalquote reduzieren. Ziel ist nicht maximale Wortanzahl, sondern optimale Dichte: alles Relevante, nichts Redundantes. Eine Ahrefs-Studie mit 75.000 Marken zeigt zudem fast keine Korrelation zwischen Anzahl indexierter Seiten und KI-Antwort-Sichtbarkeit.

Sprachübereinstimmung (Score 6,3): Auf Deutsch gestellte Anfragen bevorzugen deutsche Quellen. KI-Systeme haben eine klare Sprachbias. Kerninhalte in der Sprache der Zielgruppe zu publizieren ist für DACH-Unternehmen kein optionaler Schritt.

Weitere Signale

Entity-Konsistenz (Score 5,8): Inkonsistente Namensverwendung erschwert KI-Systemen die Zuordnung. "Wise Relations" in einem Absatz, "die Agentur" im nächsten, "wir" im dritten: Das fragmentiert die Entity-Erkennung. Konsequente Verwendung eines definierten Markennamens schärft das Signal.

Strukturierte Daten (Score 5,6): Shepard bewertet Schema-Markup mit 5,6 und beschreibt eine "consistent positive relationship, though debate exists." Eine Ahrefs-Gegenstudie vom Mai 2026 findet keinen messbaren Uplift in AI Overviews, AI Mode und ChatGPT. Beide Quellen sind Practitioner mit eigenen Daten. Schema-Markup schadet nicht, ist aber kein verlässlicher Zitierhebel, bis weitere Studien den Widerspruch klären.

Bekannte Quelle (Score 5,4): URLs, die KI-Systemen aus ihren Trainingsdaten bekannt sind, werden manchmal direkt zitiert, ohne aktuellen Suchprozess. Für neue Domains: Qualitätscontent, der von bekannten Quellen verlinkt wird, baut Bekanntheit auf.

Domain Authority (Score 5,0): Links-basierte Domainpopularität zeigt eine positive, aber schwache Korrelation mit KI-Zitierungen. Kein dominierender Faktor, aber ein Hintergrundsignal.

LLMs.txt (Score 2,0): Shepards Fazit ist eindeutig: Keine belastbare Evidenz, dass LLMs.txt-Dateien KI-Zitierungen beeinflussen. Der Hype übersteigt die Wirkung massiv.

Modellspezifische Zitierpräferenzen

Shepards Analyse behandelt KI-Systeme weitgehend als einheitliche Gruppe. Die Yext-Studie mit 17,2 Millionen Zitaten aus Q4 2025 zeigt, dass das eine Vereinfachung ist.

Gemini bevorzugt markeneigene Inhalte: Full Control liegt je nach Branche bei 22,4 bis 54,0%, direkt beeinflusst durch die Integration mit Google Search Rankings. Claude zitiert Nutzerbewertungen 2 bis 4× häufiger als alle Mitbewerber; 81% der Zitate stammen von Owned Sites, 15% von Review-Plattformen. Perplexity zeigt brand-eigene Zitate von 37 bis 50% über alle Branchen, getrieben durch seine Search-first-RAG-Architektur. SearchGPT weist die stärkste Divergenz im Hospitality-Sektor auf: 38,1% Full Control gegenüber 16,7 bis 22,4% bei Mitbewerbern.

Die strategische Konsequenz: Eine einheitliche GEO-Strategie existiert nicht. Wer nur auf eine KI-Engine optimiert, verliert 89% des potenziellen Sichtbarkeitsraums. Breite Quellenstruktur, eigene Website, Fachmedien, YouTube, Branchenverzeichnisse, ist stabiler als Single-Channel-Optimierung.

Was KI-Suchmaschinen wirklich zitieren

Die 5WPR-Auswertung von 680 Millionen Zitaten zwischen August 2024 und April 2026 zeigt die Quellstruktur hinter den Faktoren. Reddit ist die meistzitierte Einzeldomain über alle KI-Engines, mit rund 40% Frequenz. Wikipedia macht 26 bis 48% von ChatGPTs Top-10-Zitieranteil aus. Die Top-15-Domains vereinen 68% des gesamten konsolidierten Zitieranteils. YouTube hat einen 200-fachen Zitiervorteil gegenüber anderen Videoquellen.

Journalismus macht 27% aller KI-Zitate aus, steigt aber auf 49% bei zeitkritischen Anfragen. Claude zitiert dabei NYT, Atlantic, New Yorker und Economist; nur 36% der Journalismus-Zitate stammen aus den letzten 12 Monaten, verglichen mit 56% bei ChatGPT.

Ronn Torossian, Gründer von 5WPR, fasst die Verschiebung zusammen: "For 25 years, the most consequential algorithm in communications was Google PageRank. That era is over." Und weiter: "The new question is what ChatGPT, Claude, and Perplexity actually cite when they assemble an answer, and the answer is neither open, neutral, nor stable."

85% aller KI-Zitate stammen aus Earned Media. Pressemitteilungen machen trotz 5-fachem Wachstum der Distribution nur 1% aus (Muck Rack Generative Pulse, Dezember 2025). Marken werden 6,5× häufiger über Drittquellen als über eigene Domains zitiert (Airops, Oktober 2025). Eine breite Distribution auf ein Publikationsspektrum erzeugt laut Stacker bis zu 325% mehr KI-Zitate im Vergleich zur Eigenveröffentlichung.

Kostenlose Positionsanalyse. Wir prüfen, welche der 23 Zitierfaktoren Ihre Website bereits erfüllt und wo KI-Systeme Sie aktuell übergehen. Jetzt Analyse anfordern

Ein Widerspruch, der Strategie verändert

Backlinko berichtet unter Verweis auf eine Semrush-Studie: Fast 90% der ChatGPT-Zitate kommen von Positionen 21 oder niedriger in Google-Ergebnissen. Das widerspricht Shepards Befund (Search Rank 9,4, Top-10-Korrelation) teilweise. Die wahrscheinlichste Erklärung: Shepard bezieht sich auf Google AI Overviews, Semrush auf ChatGPT Search. Unterschiedliche Systeme, unterschiedliche Retrieval-Architektur.

Microsoft formalisierte am 12. Februar 2026 vergleichbare Prinzipien als "Generative Engine Optimization" über Bing Webmaster Tools, offiziell plattformseitig bestätigt. Die Princeton-Studie von 2023 zeigte bereits, dass GEO-Techniken kombiniert die KI-Sichtbarkeit um 30 bis 40% erhöhen.

Für B2B-Entscheider ergibt sich daraus eine klare Prioritätenfolge: Technische Zugänglichkeit und klassisches SEO-Ranking sind nicht verhandelbar. Extraktionsfähigkeit, also selbstständige Passagen, klare Struktur, spezifische Fakten, ist der zweite Hebel. Earned-Media-Präsenz und Entity-Trust sind der dritte. LLMs.txt und Schema-Markup sind nachrangig und in ihrer Wirkung umstritten.

Die fünf Persona-Artikel: KI-Sichtbarkeit in Ihrer Sprache

Jeder der folgenden Artikel übersetzt die 23 Faktoren in die Praxis einer spezifischen Berufsgruppe: mit konkreten Negativbeispielen, die typische Fehler zeigen, und Positivbeispielen, die sofort umsetzbar sind.

• KI-Zitierfaktoren für Versicherungsmakler
• KI-Zitierfaktoren für Rechtsanwälte
• KI-Zitierfaktoren für Steuerberater
• KI-Zitierfaktoren für Finanzberater
• KI-Zitierfaktoren für Unternehmensberater

Die methodische Grundlage dieses Clusters: SEO vs. GEO: Was klassische Suche und KI-Systeme unterscheidet