SEO-Studien wirken auf den ersten Blick eindeutig. Eine Zahl sieht wissenschaftlich aus, ein Rankingfaktor bekommt einen Korrelationswert und schon steht die nächste allgemeingültige SEO-Regel im Raum.
So einfach ist es leider nicht. Ich habe deshalb die Originalquellen hinter den bekanntesten Ranking-, AI-Overview- und GEO-Studien geprüft. In der Übersicht unten findest du nicht nur die Ergebnisse, sondern auch Stichprobe, Methode und Grenzen jeder Veröffentlichung.
- Text-Relevanz erreichte in der Semrush-Studie mit 0,47 den höchsten veröffentlichten Korrelationswert. Das ist ein Zusammenhang, keine Gewichtung im Google-Algorithmus.
- Backlinks sind nicht bedeutungslos. Ahrefs maß 2025 schwache positive Korrelationen von 0,255 für verweisende Domains und 0,248 für Backlinks.
- Rankings, AI-Citations, Markenerwähnungen und Klickrate sind verschiedene Zielgrößen. Wer sie vermischt, zieht aus den Studien die falschen Schlüsse.
1. Rankings, Backlinks und Core Web Vitals
Die belastbarste gemeinsame Erkenntnis ist nicht „Backlinks gewinnen“ oder „Content gewinnt“. Sie lautet viel nüchterner. Relevante Inhalte, externe Signale und eine technisch brauchbare Seite hängen mit Sichtbarkeit zusammen. Wie stark, hängt von der Suchanfrage, dem Markt und der gewählten Messmethode ab.
Die Semrush-Studie von 2024 untersuchte 16.298 englische Keywords mit mehr als 100 monatlichen Suchanfragen und rund 300.000 Top-20-Positionen. Text-Relevanz erreichte mit 0,47 den höchsten veröffentlichten Korrelationswert. Das ist kein Beweis dafür, dass ein bestimmter Text-Score Rankings verursacht. Es zeigt aber, wie eng thematische Passung und gute Positionen in dieser Stichprobe zusammenlagen.
Bei Links liefert die Ahrefs-Studie von 2025 ein differenzierteres Bild. Für die eine Million volumenstärksten Keywords in der US-Datenbank erreichten verweisende Domains eine Spearman-Korrelation von 0,255, sämtliche Backlinks 0,248 und interne eingehende Links 0,117. Ahrefs selbst ordnet diese Werte als schwach beziehungsweise sehr schwach ein. Links sind damit weder bedeutungslos noch eine Garantie für Rankings.
Veröffentlichte Korrelationswerte ausgewählter Merkmale
Die Balken machen Größenordnungen sichtbar. Sie bilden aber keine gemeinsame Rangliste. Semrush und Ahrefs arbeiteten mit verschiedenen Keyword-Sets, Märkten und Berechnungen. Ein Wert von 0,47 bedeutet auch nicht, dass Text-Relevanz zu 47 % in Googles Bewertung eingeht.
Bei den Core Web Vitals ist die offizielle Aussage von Google genauer als das Etikett „Rankingfaktor“. Google empfiehlt gute Werte, weil sie zusammen mit anderen Aspekten der Seitenerfahrung dem entsprechen, was die zentralen Ranking-Systeme belohnen sollen. SISTRIX beobachtete 2021 während des Page-Experience-Updates bei Domains mit vollständig erfüllten Core Web Vitals einen Anstieg des Sichtbarkeitsindex um 3,7 %. Der Durchschnitt aller untersuchten Domains lag bei 2,7 %. Die Beobachtung isoliert den Einfluss der Core Web Vitals jedoch nicht von anderen Veränderungen.
Veränderung des SISTRIX-Sichtbarkeitsindex im Beobachtungszeitraum
2. AI Overviews verändern die Messung
Klassische Rankingstudien messen Positionen in organischen Suchergebnissen. Untersuchungen zu AI Overviews messen dagegen häufig, ob eine URL zitiert wird, wie sichtbar eine Quelle ist oder wie sich die Klickrate verändert. Das sind andere Zielgrößen.
Ahrefs analysierte 2026 rund 863.000 SERPs und 4 Millionen in AI Overviews zitierte URLs. Im ersten Test zählte Ahrefs alle Ergebnisblöcke, darunter Anzeigen, Featured Snippets, Videos und People Also Ask. 37,9 % der zitierten URLs erschienen in den ersten 10 Blöcken, 31,2 % in den Blöcken 11-100 und 31,0 % außerhalb der ersten 100. Nur auf organische Standardlinks bezogen lautete die Verteilung 37,1 %, 26,2 % und 36,7 %. Gute klassische Rankings erklären AI-Citations damit nur teilweise.
Eine zweite Ahrefs-Auswertung verglich 1.885 Seiten, die JSON-LD ergänzt hatten, mit 4.000 passenden Kontrollseiten. Die relativen Zuwächse von 2,4 % bei AI Mode und 2,2 % bei ChatGPT waren statistisch nicht von null zu unterscheiden. Bei AI Overviews sank die Citation-Häufigkeit relativ zur Kontrollgruppe signifikant um 4,6 %. Alle untersuchten Seiten hatten vor der Behandlung bereits mindestens 100 AI-Overview-Citations. Für zuvor nicht zitierte Seiten erlaubt die Studie deshalb keine Aussage. Die Zuweisung war zudem nicht randomisiert. Ahrefs konnte nicht klären, ob Schema-Markup oder andere Unterschiede den Rückgang verursachten.
Das steht nicht im Widerspruch zu einer Semrush-Auswertung von 5 Millionen zitierten URLs. Dort trugen 25 % der ChatGPT-Citations und 34 % der AI-Mode-Citations Organization-Schema. Semrush untersuchte jedoch hauptsächlich bereits zitierte URLs und stellte ihnen keine passende Gruppe nicht zitierter Seiten gegenüber. Die Häufigkeit zeigt deshalb nicht, ob Schema die Citation-Chance erhöht.
Die Seer-Auswertung vom April 2026 umfasst 53 Marken, 5,47 Millionen Suchanfragen und 2,43 Milliarden organische Impressionen. Bei Suchanfragen mit AI Overview stieg die organische CTR von 1,3 % im Dezember 2025 auf 2,4 % im Februar 2026. Das ist eine Trendwende im untersuchten Datensatz, aber kein allgemeiner Beleg für eine Erholung. Seer übertrug den jeweils jüngsten AIO-Status rückwirkend auf frühere Monate. Außerdem verteilten sich die Daten nicht gleichmäßig auf alle Accounts.
Für Markensichtbarkeit in KI-Antworten ist eine Ahrefs-Studie mit 75.000 Marken relevant. YouTube-Erwähnungen korrelierten über ChatGPT, AI Mode und AI Overviews hinweg im Mittel mit etwa 0,737 mit Markenerwähnungen in KI-Antworten. Markenerwähnungen im Web lagen je nach Oberfläche zwischen 0,656 und 0,709. Die Stichprobe enthielt allerdings nur Domains mit einem Domain Rating über 40 und mindestens 800 monatlichen Suchanfragen für das volumenstärkste Marken-Keyword. Gemessen wurden Markenerwähnungen, nicht Klicks, Citations oder Rankings.
Zwei neuere Untersuchungen zeigen, warum selbst diese Metriken getrennt betrachtet werden müssen. Ahrefs untersuchte 1,4 Millionen ChatGPT-Prompts und rund 46,8 Millionen abgerufene URLs. ChatGPT zitierte davon ungefähr die Hälfte. Im allgemeinen Suchindex erreichten natürlich lesbare URL-Slugs eine Citation-Rate von 89,78 %, andere Slugs 81,11 %. Das ist eine Beobachtung innerhalb des abgerufenen Pools und kein Beleg dafür, dass eine Slug-Änderung die Citation verursacht.
Die SISTRIX-Studie zur Citation-Drift verfolgte 82.619 Prompts mit 1.548.213 wöchentlichen Snapshots über 17 Wochen. Google AI Mode ersetzte pro Woche 56 % der zitierten Domains, ChatGPT Search 74 %. Google AI Overviews waren deutlich stabiler. Bei 53 % der Prompts änderte sich während des gesamten Zeitraums keine zitierte Domain. Eine einzelne Citation ist deshalb je nach Plattform ein sehr unterschiedlich stabiles Signal.
Die aktuellste aufgenommene Untersuchung erschien am 6. Juli 2026. Ahrefs veröffentlichte 34 selbstwerbende Seiten auf fünf Domains und wertete 9.886 Antworten von ChatGPT, Gemini, Perplexity und Copilot aus. Bei der neuen Konferenzmarke Evolve bezogen sich 82 % der neu entstandenen Erwähnungen auf eine der Experimentseiten. Trotzdem erwähnten 43 % der Antworten mit einer solchen Citation die Konferenz nicht. Das Experiment war klein, nicht randomisiert und ohne parallele Kontrollgruppe. Es zeigt eine interessante Möglichkeit, aber keinen allgemeingültigen Effekt.
3. Vier Fragen entscheiden über die Aussagekraft
Eine große Zahl von URLs macht eine Studie nicht automatisch belastbar. Prüfe vor jeder Schlussfolgerung diese vier Punkte.
- Welche Zielgröße wurde gemessen? Eine Rankingposition, eine Citation, eine Markenerwähnung und ein Klick sind nicht austauschbar.
- Wie wurde die Stichprobe ausgewählt? Daten aus den USA, starke Marken oder bereits zitierte URLs können Ergebnisse erzeugen, die für eine kleine deutsche Website nicht gelten.
- Gab es eine Vergleichsgruppe? Ohne passende Kontrollgruppe bleibt oft offen, ob das untersuchte Merkmal oder eine dritte Variable den Unterschied erklärt.
- Sind Einheit und Berechnung gleich? Spearman-Werte, Prozent, Prozentpunkte, Sichtbarkeitsindizes und Citation-Raten dürfen nicht direkt gegeneinander gerankt werden.
4. Alle 17 SEO-Studien im Überblick
Das Verzeichnis trennt die Quellen bewusst von den Diagrammen. Du kannst nach Anbieter, Thema oder Ergebnis suchen und die Auswahl nach Jahr eingrenzen. Jeder Eintrag zeigt Stichprobe, Methode, Kernaussagen, Aussagegrenzen und die Originalquelle.
Studienverzeichnis
Suche nach Anbieter, Thema oder Ergebnis. Öffne einen Eintrag für Stichprobe, Methode, Kernaussagen, Grenzen und Originalquelle.
17 Veröffentlichungen gefunden
Backlinko · 2020Suchmaschinen-Ranking-Faktoren-Studie11,8 Mio. Google-Suchergebnisse
- Gemessene Zielgröße
- Zusammenhang zwischen Seiteneigenschaften und Positionen auf Googles erster Ergebnisseite
- Kernaussagen
- Platz 1 hat 3,8-mal mehr Backlinks als die Positionen 2-10
- Die durchschnittliche Seite auf Googles erster Seite lud in 1,65 Sekunden, die Ladezeit korrelierte aber nicht mit der Position
- Schema-Markup korrelierte nicht mit der Rankingposition
- Die durchschnittliche Verweildauer eines Ergebnisses auf Seite 1 lag bei 2,5 Minuten
- Aussagegrenzen
- Korrelation zeigt keine Kausalität
- Nur englischsprachige Ergebnisse (Google.com)
- Stichtag-Analyse ohne zeitlichen Verlauf
- Keine expliziten Korrelationskoeffizienten - nur deskriptive Statistiken
- Die Ladezeit wurde mit Alexa auf Domain-Ebene und nicht für jede einzelne Seite gemessen
Ahrefs · 2025Wie stark Links noch mit Rankings zusammenhängen1 Mio. Keywords
- Gemessene Zielgröße
- Spearman-Korrelation zwischen SEO-Metriken und den Top-20-Positionen in den USA
- Kernaussagen
- Verweisende Domains zeigten mit 0,255 die stärkste gemessene Link-Korrelation
- Backlinks korrelierten mit 0,248, Follow-Backlinks mit 0,242
- Interne eingehende Links zeigten mit 0,117 einen deutlich schwächeren Zusammenhang
- Aussagegrenzen
- Nur US-Ergebnisse
- Untersucht wurden die eine Million volumenstärksten US-Keywords in der Ahrefs-Datenbank
- Limitationen der Korrelationsmethode gelten
Semrush · 2024Ranking-Faktoren-Studie 2024300.000 SERP-Positionen
- Gemessene Zielgröße
- Korrelationswerte zwischen untersuchten Merkmalen und den Top-20-Positionen
- Kernaussagen
- Text-Relevanz erreichte mit 0,47 den höchsten veröffentlichten Korrelationswert
- Die Studie umfasste 16.298 englische Keywords und rund 300.000 Top-20-Positionen
- Aussagegrenzen
- Ergebnisse können je nach Branche variieren
- 60+ Faktoren analysiert, aber nicht alle veröffentlicht
- Inhärente Limitationen der Korrelationsmethode
Stone Temple / Perficient · 2020Links als Ranking-Faktor-Studie32.000 Suchanfragen
- Gemessene Zielgröße
- Zusammenhang zwischen Linkmetriken und Rankingpositionen über mehrere Erhebungsjahre
- Kernaussagen
- Die rohe Linkzahl erreichte einen Spearman-Wert mit quadratischem Mittel von 0,26
- Moz Domain Authority erreichte 0,33 und Page Authority 0,31
- Der Zusammenhang war schwächer als in früheren Ausgaben der Studie
- Aussagegrenzen
- Die ursprüngliche Perficient-Seite ist nicht mehr live. Der Quellenlink führt deshalb zu einem archivierten Snapshot
- Das quadratische Mittel einzelner Spearman-Werte ist nicht direkt mit einem einzigen gepoolten Spearman-Koeffizienten vergleichbar
- Moz Domain Authority und Page Authority sind Drittanbieter-Metriken und keine Google-Ranking-Signale
- Der neueste Datensatz wurde im Dezember 2019 erhoben
SISTRIX · 2021Core Web Vitals als Ranking-Faktor-StudieDomains mit VI ≥0,1
- Gemessene Zielgröße
- Veränderung des SISTRIX-Sichtbarkeitsindex während des Page-Experience-Updates
- Kernaussagen
- Der durchschnittliche Sichtbarkeitsindex stieg um 2,7 %
- Domains mit vollständig erfüllten Core Web Vitals legten um 3,7 % zu, also einen Prozentpunkt mehr als der Durchschnitt
- Domains mit mindestens einem nicht erfüllten Wert lagen 3,7 Prozentpunkte hinter den schnellen Domains
- Die Autoren interpretierten die Sichtbarkeitsunterschiede als messbaren Rankingeffekt
- Aussagegrenzen
- Europäischer/deutscher Fokus
- Spezifisch nur für Core Web Vitals
- Exakte Stichprobengröße nicht veröffentlicht
- Eine Veränderung des Sichtbarkeitsindex ist keine direkte Ranking-Korrelation
Authoritas · 2025AI Overviews Nutzerintentions-Studie10.000 Keywords (US Desktop)
- Gemessene Zielgröße
- Häufigkeit von AI Overviews nach Suchintention, Branche und Suchvolumen
- Kernaussagen
- AI Overviews erscheinen bei 29,9 % der Keywords (11,5 % Suchvolumen)
- Bei Suchanfragen zur Problemlösung erschienen in 74 % der Fälle AI Overviews
- Bei Themenrecherchen erschienen nur in 3,37 % der Fälle AI Overviews
- Bei konkreten Fragen erschienen AI Overviews in 69 % der Fälle
- Aussagegrenzen
- Fokus speziell auf AI Overviews - nicht traditionelle Rankings
- Nur US Desktop
- Das Erscheinen eines AI Overviews ist keine Ranking-Korrelation
- Misst AIO-Erscheinungsraten, nicht Ranking-Faktoren
Saeed et al. (Springer) · 2024SEO-Ranking-Faktoren für Voice Queries (ML)2.960 Webseiten
- Gemessene Zielgröße
- Klassifikation von Top-10- und Position-91-100-Seiten sowie Rankingverlauf eines einzelnen Blogs
- Kernaussagen
- Das FF-Feature-Set erreichte eine durchschnittliche Klassifikationsgenauigkeit von 77,98 %
- Die bestehenden Basis-Feature-Sets erreichten 68 % und 69 %
- Die Langzeit-Fallstudie lief vier Monate auf einem einzelnen Blog
- Aussagegrenzen
- Fokus auf Voice Queries - evtl. nicht auf Textsuche übertragbar
- Der Datensatz umfasste Voice Queries aus 16 Themengebieten
- Akademische Methodik unterscheidet sich von Industrie-Korrelationsstudien
- Nutzt SVM, Random Forest etc. - anders als Spearman-Korrelation
Ahrefs · 2025Korrelationsstudie zu Markensichtbarkeit in KI-Suchen75.000 Marken und Millionen KI-Antworten
- Gemessene Zielgröße
- Spearman-Korrelation zwischen Markenmerkmalen und Erwähnungen in ChatGPT, AI Mode und AI Overviews
- Kernaussagen
- YouTube-Erwähnungen zeigten mit durchschnittlich etwa 0,737 die stärkste Korrelation mit KI-Sichtbarkeit
- Markenerwähnungen im Web korrelierten je nach KI-Oberfläche mit 0,66 bis 0,71
- Bei ChatGPT lagen die Werte für markenbezogenes Suchvolumen bei 0,352 und für Domain Rating bei 0,266
- Die Zahl der indexierten Seiten zeigte mit etwa 0,194 einen deutlich schwächeren Zusammenhang
- Aussagegrenzen
- Nur Domains mit Domain Rating über 40 und einem Marken-Keyword mit mindestens 800 monatlichen Suchanfragen
- ChatGPT und Googles KI-Oberflächen basierten auf unterschiedlichen Fragepools
- Markenerwähnungen sind nicht dasselbe wie Citations, Rankings oder Klicks
- Korrelation zeigt keine Kausalität
Ahrefs · 2026AI-Overview-Citations und der eingebrochene Top-10-Anteil863.000 SERPs und 4 Mio. AI-Overview-URLs
- Gemessene Zielgröße
- Überschneidung zitierter AI-Overview-URLs mit Positionen und Ergebnisblöcken derselben Suchanfrage
- Kernaussagen
- Im Test mit allen Ergebnisblöcken erschienen 37,9 % der zitierten URLs in den ersten 10 Blöcken, 31,2 % in den Blöcken 11-100 und 31,0 % außerhalb der ersten 100
- Nur organische Standardlinks betrachtet, lagen 37,1 % in den Top 10, 26,2 % auf den Positionen 11-100 und 36,7 % außerhalb der Top 100
- Ergebnisblöcke umfassten im ersten Test auch Anzeigen, Featured Snippets, People Also Ask und weitere SERP-Elemente
- Aussagegrenzen
- Methodische Details nur teilweise im Blog-Format offengelegt
- AIO-Landschaft ändert sich schnell, Ergebnisse mit kurzer Halbwertszeit
- Citation-Tracking hängt von AIO-Sampling-Coverage ab
- Die Analyse maß Überschneidungen und keinen Ursache-Wirkungs-Effekt
Ahrefs · 2026Schema-Markup hat nahezu keinen Effekt auf AI-Citations1.885 behandelte Seiten plus 4.000 Kontrollseiten
- Gemessene Zielgröße
- Veränderung der Citation-Häufigkeit 30 Tage vor und nach dem erstmalig erkannten JSON-LD
- Kernaussagen
- 1.885 Seiten mit neuem JSON-LD wurden 4.000 passenden Kontrollseiten gegenübergestellt
- AI-Overview-Citations sanken relativ zur Kontrollgruppe um 4,6 %. Der Unterschied war statistisch signifikant, seine Ursache blieb aber offen
- AI Mode stieg um 2,4 %, ChatGPT um 2,2 %. Beide Effekte waren statistisch nicht von null zu unterscheiden
- Aussagegrenzen
- Alle untersuchten Seiten hatten vor der Behandlung bereits mindestens 100 AI-Overview-Citations. Für zuvor nicht zitierte Seiten erlaubt die Studie keine Aussage
- Verschiedene JSON-LD-Schema-Typen wurden gemeinsam ausgewertet
- Gemessen wurde ein Zeitraum von 30 Tagen nach der Implementierung
- Die Schema-Einführung war nicht zufällig zugewiesen und der genaue Zeitpunkt lag zwischen zwei Crawls
- Andere Ursachen für den relativen Rückgang bei AI Overviews ließen sich nicht ausschließen
Seer Interactive · 2025Organische CTR bei AIO-anfälligen Suchanfragen sank um 61 %25,1 Mio. Impressions (3.119 Queries)
- Gemessene Zielgröße
- Entwicklung der organischen und bezahlten Klickrate bei später als AIO-anfällig klassifizierten Suchanfragen
- Kernaussagen
- Organische CTR bei AI-Overview-Queries um 61 % gesunken
- Zitierte Marken zeigten im dritten Quartal 2025 eine 35 % höhere organische und eine 91 % höhere bezahlte Klickrate
- Der Datensatz umfasste 3.119 Suchanfragen von 42 Kundenwebsites
- Der Beobachtungszeitraum reichte von Juni 2024 bis September 2025
- Aussagegrenzen
- Daten einer einzelnen Agentur, Branchenmix kann Ergebnisse verzerren
- Der AIO-Status vom September 2025 wurde rückwirkend auf die gesamte Zeitreihe angewendet
- Das retrospektive Kohortendesign trennt AIOs nicht von anderen zeitlichen Veränderungen
- Paid-Click-Uplift hängt von der Gebotsstrategie ab
Seer Interactive · 2026AI-Overview-Einfluss auf die Google-CTR im Update 20265,47 Mio. Suchanfragen, 2,43 Mrd. organische Impressionen und 53 Marken
- Gemessene Zielgröße
- Entwicklung der organischen und bezahlten Klickrate von Januar 2025 bis Februar 2026
- Kernaussagen
- Die organische CTR bei Suchanfragen mit AI Overview stieg von 1,3 % im Dezember 2025 auf 2,4 % im Februar 2026
- Die organische CTR bei Suchanfragen ohne AI Overview stieg von 2,8 % im Januar 2025 auf 3,8 % im Februar 2026
- AI Overviews erschienen bei 36 % der informationalen, 8 % der kommerziellen und 5 % der transaktionalen Suchanfragen
- Bei transaktionalen Suchanfragen mit AI Overview und Markenzitat stieg die CTR von 0,7 % im Januar auf 1,65 % im Dezember 2025
- Aussagegrenzen
- Der AIO-Status stammte aus dem neuesten SERP-Snapshot und wurde rückwirkend auf alle Monate angewendet
- Die Suchintention wurde aus SERP-Features statt aus der Bedeutung der Suchanfrage abgeleitet
- Das Prognosemodell berücksichtigte keine Saisonalität
- Einige große Accounts beeinflussten einzelne Segmente überproportional
Semrush / Botpresso · 2026Technische SEO-Muster bei AI-Citations5 Mio. zitierte URLs aus ChatGPT Search und Google AI Mode
- Gemessene Zielgröße
- Verteilung technischer Merkmale und Engagement-Metriken unter zitierten URLs und Citation-Positionen
- Kernaussagen
- Organization-Schema erschien bei 25 % der ChatGPT-Citations und 34 % der AI-Mode-Citations
- Article-Schema lag bei 20 % und 26 %, Breadcrumb-Schema bei 15 % und 20 %
- In der Teilstichprobe mit 378.000 URLs entfielen die meisten rohen Citations auf Slugs mit 21-25 Zeichen
- Höher platzierte Citations stammten tendenziell von Seiten mit besseren Engagement-Metriken nach dem Klick
- Aussagegrenzen
- Die Hauptstichprobe enthält zitierte URLs und keine passende Kontrollgruppe aus nicht zitierten URLs
- Engagement wird erst nach einem Klick gemessen und kann eine vorher erfolgte Citation nicht direkt erklären
- Rohe Citation-Zahlen nach Slug-Länge hängen auch davon ab, wie häufig die jeweilige Länge in der Grundgesamtheit vorkommt
- Die Ergebnisse decken nur ChatGPT Search und Google AI Mode ab
Ahrefs · 2026Warum ChatGPT eine abgerufene Seite zitiert1,4 Mio. Prompts und rund 46,8 Mio. abgerufene URLs
- Gemessene Zielgröße
- Citation-Rate abgerufener URLs nach Quellentyp, semantischer Ähnlichkeit und URL-Muster
- Kernaussagen
- ChatGPT zitierte rund 49,98 % aller im Datensatz abgerufenen URLs
- Der allgemeine Suchindex erreichte eine Citation-Rate von 88,46 %, der separate Reddit-Feed 1,93 %
- Die Ähnlichkeit zwischen Prompt und Seitentitel lag bei zitierten URLs im Mittel bei 0,602 und bei nicht zitierten URLs bei 0,484
- Natürlich lesbare URL-Slugs erreichten im Suchindex 89,78 % Citation-Rate, andere Slugs 81,11 %
- Aussagegrenzen
- Open-Source-Embeddings nähern ChatGPTs verborgenes Relevanz-Scoring nur an und messen es nicht direkt
- Abgerufene URLs wurden nicht zwingend geöffnet oder vollständig gelesen
- Der nicht zitierte Pool wurde vom separaten Reddit-Feed dominiert, weshalb aggregierte Vergleiche stark von der Zusammensetzung abhängen
- Der Artikel nennt gleichzeitig Februar 2025 und ChatGPT 5.2. Die genaue Kombination aus Zeitraum und Modell bleibt damit unklar
SISTRIX · 2026Stabilität von Quellen in KI-Antworten82.619 Prompts und 1.548.213 wöchentliche Snapshots
- Gemessene Zielgröße
- Wöchentlicher Austausch und Erhalt zitierter Domains über 17 Wochen
- Kernaussagen
- Google AI Mode ersetzte pro Woche 56 % der zitierten Domains, ChatGPT Search 74 %
- Bei 53 % der AI-Overview-Prompts änderte sich über alle 17 Wochen keine zitierte Domain
- Die wöchentliche AI-Mode-Drift lag in sechs Ländern zwischen 54 % und 59 %
- Auf URL-Ebene erreichte die ChatGPT-Drift 85 %, auf Domain-Ebene 74 %
- Aussagegrenzen
- Der Beobachtungszeitraum umfasste 17 Wochen vom 17. Dezember 2025 bis 8. April 2026
- Die ChatGPT-Daten enthielten nur Prompts mit konsistenter Quellenzuordnung
- Die ausgewiesene Drift basiert auf Domains und liegt deshalb unter der Drift einzelner URLs
- Die Daten stammen aus dem SISTRIX AI Research Index
Ahrefs · 2026Experiment mit selbstwerbenden Inhalten in KI-Antworten34 Seiten auf 5 Domains und 9.886 KI-Antworten
- Gemessene Zielgröße
- Neue Marken-Erwähnungen und Citations vor und nach der Veröffentlichung selbstwerbender Seiten
- Kernaussagen
- Bei der neuen Marke Evolve verwiesen 82 % der neuen Erwähnungen in zuvor leeren Prompt-Assistent-Kombinationen auf eine Experimentseite
- Von den Antworten mit Citation einer Evolve-Seite erwähnten 43 % die Konferenz trotzdem nicht
- Zwischen erster und letzter Citation erschien eine Seite nur an etwa jedem dritten möglichen Tag
- Der Datensatz umfasste ChatGPT, Gemini, Perplexity und Copilot vom 7. Februar bis 31. Mai 2026
- Aussagegrenzen
- Das Experiment untersuchte zwei Ahrefs-Marken und nur 34 Seiten auf fünf ausgewählten Domains
- Die Seiten wurden nicht zufällig zugewiesen und es gab keine parallele unbehandelte Kontrollgruppe
- Antworten und Citations der KI-Assistenten schwankten im Beobachtungszeitraum deutlich
- Die Studie wurde von der beworbenen Marke selbst durchgeführt und veröffentlicht
Aggarwal, Murahari et al. (Princeton, IIT Delhi, Allen AI) · 2024GEO für generative Suchmaschinen10.000 Queries (GEO-bench)
- Gemessene Zielgröße
- Relative Veränderung zweier benchmark-spezifischer Sichtbarkeitsmetriken in generativen Antworten
- Kernaussagen
- GEO-Methoden erhöhten die Sichtbarkeit von Quellen im Benchmark um bis zu 40 %
- Die Wirksamkeit unterschied sich deutlich je nach Themengebiet
- Der Benchmark enthält 10.000 unterschiedliche Suchanfragen mit zugehörigem Quellenmaterial
- Aussagegrenzen
- Der Hauptbenchmark nutzte eine simulierte generative Suche auf Basis von Google-Ergebnissen und GPT-3.5
- Die zusätzliche Perplexity-Auswertung umfasste nur 200 zufällig ausgewählte Suchanfragen
- Die Eingriffe wurden im Benchmark und nicht als Live-Rankingtest auf Publisher-Websites geprüft
- Die Sichtbarkeitsmetriken sind benchmark-spezifisch
5. So nutzt du die Ergebnisse sinnvoll
Beginne nicht beim höchsten Korrelationswert, sondern bei deiner Frage. Willst du wissen, ob Links in klassischen Google-Ergebnissen noch eine Rolle spielen, ist die Ahrefs-Linkstudie relevant. Geht es um AI-Overview-Klickraten, passt die CTR-Auswertung von Seer Interactive. Für Sichtbarkeit in generativen Antworten ist das GEO-Paper die passendere Quelle. Mein Überblick zu GEO-Rankingfaktoren ordnet diese neue Zielgröße ausführlicher ein.
Prüfe danach die Stichprobe. Eine Million US-Keywords sagen viel über diese Auswahl, aber nicht automatisch über jede deutsche Nische. Dass eine Studie sehr groß ist, macht ihre Aussage präziser. Es macht die Aussage nicht universell.
Und zuletzt solltest du die Erkenntnisse auf deiner eigenen Website testen. Search Console, Logfiles und saubere Vorher-Nachher-Vergleiche sind für deine konkrete Situation oft wertvoller als der nächste allgemeine Rankingfaktor. Die größere Einordnung findest du in meinem Überblick zu Google-Rankingfaktoren.
6. Fazit
SEO-Studien sind nützlich, wenn du sie als Orientierung liest. Sie sind gefährlich, wenn du aus Korrelationen feste Regeln machst. Die aktuellen Daten sprechen für relevante Inhalte, belastbare externe Signale und eine gute technische Basis. Sie sprechen nicht für eine universelle Formel, mit der jede Seite automatisch rankt.






