Zitiert heißt nicht empfohlen: Was drei Experimente über Self-Promotional Content in der KI-Suche zeigen

Eine der beliebtesten GEO-Taktiken der letzten zwei Jahre ist schnell erklärt: Man veröffentlicht auf der eigenen Domain eine „Best of“-Liste für die eigene Branche, setzt sich selbst möglichst weit oben rein – und hofft, dass ChatGPT, Gemini, Perplexity und Copilot die eigene Marke daraus als Empfehlung übernehmen. Die Taktik hat lange funktioniert, weil sie eine echte Content-Lücke ausgenutzt hat: Vor dem GEO-Boom hat kaum jemand Seiten produziert, die frontal auf „Was ist die beste Marke für X?“ zielen, weil solche offen tendenziösen Inhalte vor menschlichen Lesern schlicht unangenehm sind.

Inzwischen liegen dazu mehrere empirische Untersuchungen vor, und sie zeichnen ein deutlich differenzierteres Bild als das schlichte „Liste rankt, Marke gewinnt“. Ich habe mir die drei relevantesten angesehen: zwei ältere Studien und ein neues Langzeit-Experiment, das die beiden zusammenführt und über mehrere KI-Assistenten hinweg fortschreibt.

Was die drei Untersuchungen gefunden haben

Glen Allsopp (Ahrefs, Dezember 2025): Die Taktik bringt Zitate. Allsopp hat 750 Top-of-Funnel-Prompts in den Kategorien Software, Produkte und Agenturen manuell ausgewertet und dabei 26 283 Quell-URLs kategorisiert.

Zusätzlich zeigte sich eine Korrelation zwischen einer hohen Position in solchen Listen und der Wahrscheinlichkeit, empfohlen zu werden. In der Software-Kategorie tauchte die eigene Liste in gut einem Drittel der Antworten auf, wenn der Publisher empfohlen wurde.

Allsopps Fazit war eindeutig: SaaS-Unternehmen und Agenturen sollten solche Listen veröffentlichen, weil aus Ranking- und Zitationssicht kein Nachteil erkennbar war.

Lily Ray (Juni 2026): Zitiert ist nicht empfohlen. Ray hat 100 B2B-„Best [Kategorie]“-Queries in Googles AI Overviews zu drei Zeitpunkten (15. April, 15. Mai, 8. Juni 2026) erhoben und dabei sauber zwischen zwei Dingen getrennt, die in der Branche gern verwechselt werden: zitiert werden (die eigene Seite erscheint als Quelle) und empfohlen werden (die Marke wird im Antworttext tatsächlich genannt).

Empfohlen wurden stattdessen die etablierten Marktführer – häufig ausgerechnet die Wettbewerber, die der Publisher in seiner eigenen Liste aufgeführt hatte.

Rays These: Google hat begonnen, das, was es zitiert, von dem zu entkoppeln, wen es empfiehlt – und diese zweite Entscheidung hängt an der bestehenden Autorität einer Marke, nicht daran, wie oft sie sich selbst zur besten erklärt.

Flankiert wird das von zwei weiteren Beobachtungen: einer organischen Abwertung stark selbstpromotender Sites seit Januar 2026 und neuen Disclaimern in AI Overviews, die bei Experten-Queries vor „selbsternannten“ Anbietern warnen.

Mateusz Makosiewicz (Ahrefs, Juli 2026): Über alle Engines, über vier Monate. Das jüngste und methodisch interessanteste Stück ist ein quasi-experimenteller Aufbau: 34 selbstpromotende Seiten auf fünf Domains für zwei Marken – das etablierte Tool Ahrefs Brand Radar und die neue Konferenz Ahrefs Evolve. Ausgewertet wurden 9 886 Antworten aus ChatGPT, Gemini, Perplexity und Copilot zwischen dem 7. Februar und dem 31. Mai 2026.

Die Befunde:

Für die neue Marke wirkte der Content. Evolve rückte in 72 zuvor leere Slots, und 82 % dieser neuen Erwähnungen standen in Antworten, die eine der eigenen Seiten zitierten. Der Content war hier die Brücke zwischen „nicht erwähnt“ und „erwähnt“.

Für die etablierte Marke bewegte er fast nichts. Bei Brand Radar kamen nur 6 % der neuen Erwähnungen aus den eigenen Seiten, 94 % aus Drittinhalten. Wer schon bekannt ist, wird ohnehin genannt.

Der Bumerang ist real.

Unter den Antworten, die eine Evolve-Seite zitierten, fehlte Evolve in 43 % der Fälle – die Konferenz lieferte die Quelle, ein Wettbewerber bekam die Empfehlung. Bei Seiten, die nur „gefunden“, aber nicht zitiert wurden, stieg diese Quote auf 74 %. Bei der etablierten Marke lag sie mit 11 % (zitiert) bzw. 15 % (gefunden) deutlich niedriger.

Zitate sind flüchtig. Rund ein Viertel der Seiten wurde für eine Query einmal zitiert und danach nie wieder; wiederkehrende Zitate erschienen im Schnitt nur an etwa jedem dritten möglichen Tag. Selbst starke Domains lösten das nicht.

Passung schlägt Reichweite.

Evolve erschien in 66,4 % der Antworten auf „best SEO conferences 2026“, aber nur in 15,8 % auf „best marketing conferences 2026“ – mehr als das Vierfache für die enger passende Query.

Daraus formuliert Makosiewicz eine Hypothese, die ich für den Kern des Ganzen halte: Self-Promotional Content wirkt am ehesten dort, wo sich Awareness-Gap × Query-Fit × Trust überlagern – wenn die Marke sachlich in eine enge Kategorie gehört, die KI diesen Zusammenhang aber noch nicht kennt, und die Marke plausibel genug ist, um in den bestehenden Konsens zu passen.

Wie das wissenschaftlich einzuordnen ist

Zunächst das Offensichtliche: Das sind Praxisstudien und Feldbeobachtungen, keine peer-reviewten Experimente. Das mindert ihren Wert nicht – aber es setzt den epistemischen Rahmen. Konkret:

Design: Allsopp und Ray sind rein beobachtend bzw. korrelativ. Ray zeigt einen Zusammenhang zwischen Markenautorität (Referring Domains, KI-Erwähnungen) und Empfehlung, kann daraus aber keine Kausalität ableiten. Makosiewicz’ Evolve-Arm ist der einzige Aufbau mit echter Intervention und Vorher-nachher-Baseline und kommt einer kausalen Aussage am nächsten. Allerdings: n = 1 Marke, ein einzelner Experimentator, keine Kontrollgruppe – und ein gewichtiger Confounder, weil Evolve eine real neu gestartete, PR-aktive Konferenz ist. Erwähnungen können also auch aus Gründen steigen, die nichts mit den Seiten zu tun haben.

Konstruktvalidität: Der stärkste methodische Beitrag ist die Dreiteilung zitiert / gefunden / empfohlen. Sie zerlegt die vage Sammelgröße „AI-Visibility“ in messbare, ökonomisch unterschiedliche Ereignisse – und entzaubert damit die Zitat-Kennzahl als Erfolgsmaß.

Reliabilität: Genau hier liegt die tiefe Krux jeder GEO-Forschung: LLM-Ausgaben sind nicht-deterministisch und zeitlich instabil. Makosiewicz’ Flicker-Befund ist im Grunde ein Reliabilitätsergebnis; eine begleitende Ahrefs-Auswertung fand, dass zwischen zwei Messungen nur rund 54 % der zitierten URLs erhalten blieben. Das heißt: Jede Momentaufnahme – auch diese drei – misst ein rauschendes Signal, und Effektstärken sind entsprechend unsicher.

Interessenlage und Instrument: Alle drei Untersuchungen laufen über Ahrefs Brand Radar; zwei erscheinen direkt im Ahrefs-Blog. Das disqualifiziert nichts, aber das Messinstrument ist zugleich das verkaufte Produkt, und dessen Prompt- und Engine-Sampling bleibt eine Blackbox. Bemerkenswert ist immerhin, dass die Schlussfolgerungen der Taktik eher schaden als nützen – ein Ergebnis gegen das naheliegende kommerzielle Interesse.

Externe Validität: Starker Bias Richtung B2B-SaaS und SEO-Branche, ausschließlich englischsprachig, spezifische Engines, ein enges Zeitfenster in 2026. Angesichts der Google-Updates im Januar und Mai 2026 ist der Boden in Bewegung – manche Befunde könnten schon jetzt veraltet sein.

Was fehlt: Keine echte Kontrolle (vergleichbare Marken ohne solche Seiten), keine Manipulation einzelner Variablen unter sonst gleichen Bedingungen, keine Konfidenzintervalle, keine Signifikanztests – nur rohe Prozentwerte.

Das eigentlich Überzeugende ist deshalb nicht die einzelne Zahl, sondern die Triangulation: Drei unabhängige Aufbauten, unterschiedliche Engines, unterschiedliche Methoden – und alle zeigen in dieselbe Richtung (zitiert ≠ empfohlen; die Empfehlung ist autoritätsgebunden). Konvergente Evidenz über unabhängige Messungen wiegt in diesem Feld mehr als jeder p-Wert aus einer einzelnen Erhebung.

Meine Einordnung für SEOs und GEOs

Für mich ergeben sich daraus fünf Konsequenzen.

1. Erstens: Das Zitat ist eine Vanity-Metrik. Wer „AI-Citations“ als Erfolgskennzahl trackt, misst das Falsche. Relevant ist die Empfehlung bzw. die Markennennung im Antworttext – und die kann trotz Zitat komplett ausbleiben. Trennt diese beiden Ereignisse in jedem Reporting, sonst verkauft ihr euren Stakeholdern eine Zahl, die sich in der Empfehlung nicht materialisiert.
2. Zweitens: Die Taktik ist situativ, kein Wachstumshebel. Sie kann eine Brücke sein, wenn eine legitime, aber unsichtbare Entität in einer engen, sachlich passenden Kategorie fehlt. Für etablierte Marken ist sie im besten Fall Rauschen, im schlechteren ein Reputationsrisiko – bis hin zu den „inauthentic mentions“, gegen die Google bereits algorithmisch vorgeht.
3. Drittens: Der Bumerang ist die eigentliche Pointe. Wenn das Modell eure Liste als neutrale Quelle behandelt und daraus die Konsens-Namen zieht, die ihr aufgeführt habt, dann habt ihr die Empfehlung eurer Wettbewerber mitfinanziert. Bei schwachen Marken ist die selbstpromotende Liste im Zweifel kostenloses Marketing für die Konkurrenz.
4. Viertens: Der wahre Hebel liegt off-domain. Was empfohlen wird, entscheidet der Konsens des restlichen Webs – Erwähnungen, Links, das Gerede über eure Marke anderswo. Das ist der nicht hackbare Teil, und es heißt schlicht Brand-Building und digitale PR. GEO konvergiert damit zurück zu den Grundlagen: Man kann Autorität nicht per On-Domain-Trick abkürzen.
5. Fünftens: Flüchtigkeit ändert die Messpraxis. Vertraut keiner Momentaufnahme. Trackt Verteilungen über Zeit, rechnet mit Schwankungen, berichtet Bandbreiten statt Punktwerte – und akzeptiert, dass das System, für das ihr optimiert, ein bewegliches Ziel ist.

Wenn ihr die Taktik trotzdem einsetzt, dann sauber: Füllt echte Lücken, statt euch selbst zu krönen. Verzichtet auf das Schlechtreden von Wettbewerbern. Haltet die Inhalte aktuell – die „Documentation Tax“ ist real, und veraltete Seiten füttern die Modelle irgendwann mit falschen Informationen über euch und eure Konkurrenz. Und verlinkt Alternativen ehrlich.

Unterm Strich ist das für mich ein weiterer Fall, in dem ein vermeintlicher Hack eine kurze Halbwertszeit hatte und die belastbare Antwort die unspektakuläre bleibt: echte Substanz, echte Autorität, aktuelle Informationen. Gute Prompts und clevere Listen-Tricks allein reichen eben nicht.