Drittquellen sind mehr als LinkedIn, YouTube und Reddit
In vielen GEO-Diskussionen entsteht der Eindruck, KI-Sichtbarkeit im B2B laufe vor allem über LinkedIn, YouTube und Reddit. Unsere Messung zeigt etwas anderes. Social-Plattformen machen im Schnitt nur etwa 16 % der Drittquellen aus, aus denen KI-Systeme ihre Antworten ziehen.1 Davon entfallen rund 10 % auf YouTube, knapp 4 % auf LinkedIn und gerade einmal 2 % auf Reddit. Die übrigen 84 % liegen woanders: auf Fach- und Unternehmensseiten, in Verzeichnissen, in redaktionellen Medien und in Nachschlagewerken.
Dazu kommt die Breite. Über alle Marken hinweg liefern mehr als 1.100 verschiedene Webseiten die Inhalte, aus denen KI-Antworten generiert werden.1 Ein gemeinsamer, überschaubarer Kanon steckt nicht dahinter.
Am deutlichsten zeigt sich das an der Verteilung: Rund 84 % dieser Webseiten tauchen jeweils nur bei einer einzigen Marke auf.1 Welche Drittquellen für eine Marke zählen, lässt sich also nicht aus einer allgemeinen Liste ableiten. Man muss es für die eigene Marke bestimmen. Genau hier setzt die GEO-Arbeit an, also an der Optimierung der Sichtbarkeit für generative KI-Systeme.
Zur Datenbasis
Über 30 B2B-Marken aus dem DACH-Raum (Industrie, IT-Services, Software, FinTech, Professional Services, Logistik, Healthcare, Public Sector), ausgewertet über drei Monate auf Basis von rund 160.000 KI-Antworten. Gemessen über ChatGPT, Google AI Overviews, Google AI Mode, Gemini, Microsoft Copilot und Perplexity, je nach Marke in unterschiedlicher Kombination.
Hinter Drittquellen steckt eine erkennbare Struktur
Die Drittquellen verteilen sich nicht beliebig. Sortiert man sie nach Art der Quelle, ergibt sich ein Muster, das sich über die Marken hinweg wiederholt.
Drittquellen nach Art der Quelle
|
Anteil |
Unternehmens- und Ratgeberseiten (Dritte)
|
55,7 % |
| Nutzergenerierte Inhalte (Social Media, Foren, Communities) |
19,2 % |
| Institutionen und Verbände |
8,2 % |
Nachschlagewerke
|
7,9 % |
| Redaktionelle Medien |
5,3 % |
| Sonstige |
3,8 % |
Den größten Anteil haben Unternehmens- und Ratgeberseiten mit rund 56 %. Gemeint sind hier Seiten Dritter, also nicht die eigene Marken-Webseite, sondern etwa Blogs, Ratgeber, Branchenportale und Anbieterseiten aus dem Umfeld. Dass solche Seiten häufig herangezogen werden, ist wenig überraschend: Sie bieten oft die inhaltlich passendste Antwort. Interessanter ist, wie breit sich der Rest verteilt.
Unter dieser Verteilung liegt eine zweite Beobachtung. Manche Quellen tauchen bei vielen Marken zugleich auf, quer über Branchen. Dazu gehören große Nachschlagewerke wie Wikipedia sowie einzelne übergreifende Fachportale und die Seiten großer Anbieter. Sie bilden die Basisschicht.
Daneben steht der markenspezifische Teil aus dem vorigen Abschnitt: Quellen, die nur bei einer Marke vorkommen. Beide gehören zusammen. Die gemeinsame Basisschicht ist das Fundament, auf dem jede Marke einer Kategorie vertreten sein sollte. Der markenspezifische Teil ist der, über den sich die Sichtbarkeit einzelner Marken unterscheidet.
Tiefe Inhaltsseiten zählen mehr als Startseiten
Noch aufschlussreicher als die Art der Quelle ist die Art der Seite, die KI-Systeme heranziehen.
| Seitentyp |
Anteil |
Redaktionelle Beiträge (Blogartikel, Ratgeber)
|
28,0 % |
| Verzeichnisse, Profile und Kategorieseiten |
23,5 % |
Produkt- und Leistungsseiten Dritter
|
19,4 % |
Vergleiche und Listen
|
16,4 % |
Startseiten (eigene und fremde)
|
4,8 % |
Redaktionelle Beiträge, Verzeichnisse und Profile, Produkt- und Leistungsseiten sowie Vergleiche tragen den größten Teil. Startseiten, eigene wie fremde, kommen zusammen auf knapp 5 %.3
Für die eigene Webseite ist das eine nützliche Präzisierung. Nicht die Startseite ist in erster Linie die Seite, über die Sichtbarkeit in KI-Systemen entsteht, sondern die einzelnen, thematisch tiefergehenden Inhaltsseiten. Bei fünf der gemessenen Marken taucht die Startseite in den KI-Antworten gar nicht auf, bei keiner ist sie die wichtigste Seite.3 Die Arbeit an der eigenen Webseite zahlt also vor allem dann ein, wenn sie in die Tiefe einzelner Themen geht.
Der am häufigsten herangezogene Seitentyp ist zudem je Marke verschieden: mal redaktionelle Beiträge Dritter, mal deren Produktseiten, mal Profile oder Vergleiche.3 Das bestätigt noch einmal, dass sich das Bild aus einer breiten Mischung speist. Wer nur die eigene Webseite optimiert, deckt damit einen kleinen Teil dessen ab, woraus KI-Systeme ihre Antworten bauen.
Nicht jede Nennung zählt als Beleg
Eine Quelle kann häufig auftauchen und trotzdem selten als Beleg herangezogen werden. Präsenz und Belegkraft sind zwei verschiedene Dinge.
Ein Beispiel aus der Messung: Beiträge aus Communities wie Reddit werden je Fundstelle deutlich häufiger als Beleg genannt als Beiträge aus Business-Netzwerken wie LinkedIn.4 Reddit erreicht damit ein Niveau, das sonst eher etablierte Nachschlagewerke und Fachportale haben. LinkedIn ist zwar präsent, wird aber seltener als eigentliche Quelle genutzt.
Für die Praxis heißt das: Es reicht nicht, möglichst oft aufzutauchen. Wichtig ist, in Quellen vorzukommen, die von KI-Systemen auch als Beleg genutzt werden. Welche das sind, hängt wiederum von der Kategorie und vom KI-System ab.
Jede Marke hat ihr eigenes Quellenbild
Wie unterschiedlich die Quellen sind, zeigt sich besonders bei den Social-Anteilen. Je nach Marke reicht der Anteil von unter 4 % bis über 30 %, im Mittel liegt er bei rund 17 %.5 Social ist nur bei etwa der Hälfte der Marken die stärkste Quelle. Was bei der einen Marke einen großen Teil des Bildes trägt, spielt bei der nächsten kaum eine Rolle.
Auch die KI-Systeme unterscheiden sich: Google AI Overviews stützen sich stärker auf Video und Social-Profile. ChatGPT zieht häufiger Foren und Bewertungsplattformen heran und nutzt sie auch öfter als Beleg. Microsoft Copilot greift eher auf professionelle Netzwerke und Bewertungsseiten zurück.5 Dieselbe Marke hat also je nach System ein etwas anderes Quellenbild.
Diese Unterschiede sind Richtungen, keine genauen Prozentwerte; eine belastbare Quote je System lässt unsere Messung nicht zu. Die Schlussfolgerung bleibt aber dieselbe: Wer wissen will, woraus KI-Systeme das Bild der eigenen Marke bauen, muss die eigenen Quellen messen, nicht die einer anderen Marke übernehmen.
Von der Messung zur Optimierung
Wenn jede Marke ihr eigenes Quellenbild hat, hilft kein universelles Vorgehen. Der erste Schritt ist deshalb immer eine Bestandsaufnahme. Unsere Messung liefert dafür einen konkreten Ansatzpunkt: die Quellen-Lücke, also Drittquellen, in denen eine Marke fehlt, obwohl sie dort vorkommen sollte.
Bei gut zwei Dritteln der gemessenen Marken ist diese Lückenliste gut gefüllt. Nur eine einzige Marke hat praktisch keine Lücke.6 Fehlende Präsenz in relevanten Drittquellen ist also der Normalfall.
Wo diese Lücken liegen, ähnelt sich über die Marken hinweg. Neutral erreichbar, also ohne Wettbewerberseiten, verteilen sie sich vor allem auf Unternehmens- und Ratgeberseiten Dritter, dazu auf Institutionen, Communities, Fachmedien und Nachschlagewerke.6 Wiederkehrend fehlen Marken zum Beispiel in großen Nachschlagewerken, in einschlägigen Communities und auf Video-Plattformen.
Bevor daraus Maßnahmen werden, steht die Verortung. Drei Fragen helfen, das eigene Quellenbild zu lesen.
Drei Fragen zum eigenen Quellenbild
- Welche Drittquellen prägen im eigenen Markt das Bild der Kategorie, und kommt die eigene Marke darin vor?
- In welchen Quellen ist die Marke zwar präsent, wird aber selten als Beleg genutzt?
- Welche Quellen teilen sich fast alle Anbieter der Kategorie, und welche sind für die eigene Marke spezifisch?
Diese Analyse ist bei andweekly im Rahmen von Generative Engine Optimization Teil unseres Frameworks The Signal System™. Aus ihr lassen sich Strategien für die Sichtbarkeit in den relevanten Drittquellen ableiten. Wie sich die Präsenz in unabhängigen Quellen systematisch aufbauen lässt, beschreiben wir ausführlich im Beitrag über Earned Visibility.
Wie wir gemessen haben
Die Zahlen stammen aus einer eigenen Auswertung und bilden einen Zeitraum von rund drei Monaten im Frühjahr und Sommer 2026 ab. Grundlage sind die am häufigsten herangezogenen Domains und URLs je Marke, gemessen über ein festes Set an Fragen, wie sie in der jeweiligen Kategorie typisch sind. Welche KI-Systeme je Marke abgedeckt sind, variiert.
Drei Einschränkungen gehören dazu. Der Startseiten-Anteil ist über die am häufigsten herangezogenen Seiten gemessen, nicht über jede einzelne URL. Die Unterschiede zwischen den KI-Systemen sind Muster, keine exakten Anteile. Und die Auswertung ist kein repräsentatives Studien-Sample, sondern ein Ausschnitt aus der Praxis.
Gemessen haben wir mit Peec AI, dem von uns dafür eingesetzten Werkzeug für die Präsenz und Nennung von Marken in KI-Systemen. Wie sich diese Sichtbarkeit in Kennzahlen fassen und dauerhaft messen lässt, ist ein eigenes Thema, das wir gesondert behandeln: wie sich KI-Sichtbarkeit messen lässt.
Häufig gestellte Fragen
Woraus beziehen KI-Systeme ihre Informationen über ein B2B-Unternehmen?
Aus vielen verschiedenen Drittquellen: aus Fachmedien, Verzeichnissen, Vergleichsseiten, Communities und Nachschlagewerken, dazu aus der eigenen Webseite. Unternehmens- und Ratgeberseiten Dritter haben dabei den größten Anteil.
Zählt für KI-Systeme jede Erwähnung gleich viel?
Nein. Eine Quelle kann häufig auftauchen und trotzdem selten als Beleg genutzt werden. Präsenz und Belegkraft unterscheiden sich, je nach Art der Quelle, deutlich.
Wie entsteht die Sichtbarkeit eines B2B-Unternehmens in ChatGPT, Google AI Overviews und ähnlichen Systemen?
Dadurch, dass Drittquellen ein Unternehmen erwähnen und das KI-System sie als Beleg nutzt. Welche Quellen das sind, hängt von der Kategorie und vom KI-System ab. Eine allgemeingültige Liste gibt es nicht.
Unterscheiden sich die KI-Systeme darin, welche Quellen sie nutzen?
Ja. Google AI Overviews stützen sich stärker auf Video und Profile, ChatGPT häufiger auf Foren und Bewertungsplattformen. Exakte Anteile je System lassen sich aus der Messung aber nicht ableiten.
Reicht es, die eigene Webseite für KI-Sichtbarkeit zu optimieren?
Die eigene Webseite ist wichtig, vor allem in Form inhaltlich tiefer Themenseiten. Ein großer Teil der Sichtbarkeit entsteht aber über Drittquellen. Beides zusammen ergibt das Bild, das KI-Systeme von einer Marke zeichnen.
Fazit
KI-Systeme zeichnen das Bild einer B2B-Marke aus vielen Quellen zugleich. Die eigene Webseite gehört dazu, ein großer Teil entsteht aber über Drittquellen: über Fachmedien, Verzeichnisse, Communities und Nachschlagewerke. Und welche davon zählen, ist von Marke zu Marke verschieden.
Deshalb beginnt Sichtbarkeit in KI-Systemen mit einer Analyse des eigenen Quellenbildes, nicht mit einer einzelnen Maßnahme. Bei andweekly ist das Teil unserer Arbeit an Generative Engine Optimization und unseres Frameworks The Signal System™. Wer die Ergebnisse dieser Messung und weitere Insights zur Sichtbarkeit im digitalen Raum verfolgen möchte, sollte unseren Perspektiven-Newsletter abonnieren.
Quellen
andweekly-Auswertung (Primärdaten) über 30 B2B-Marken aus dem DACH-Raum, Zeitraum 16.04. bis 16.07.2026, rund 160.000 KI-Antworten, gemessen über sechs KI-Systeme (ChatGPT, Google AI Overviews, Google AI Mode, Gemini, Microsoft Copilot, Perplexity). Werkzeug: Peec AI. Stand: Juli 2026.
1 andweekly-Auswertung: Anteil der Social-Plattformen, Zahl der Drittquellen-Websites, Verteilung über die Marken
2 andweekly-Auswertung: Verteilung nach Art der Quelle und übergreifend genutzte Quellen
3 andweekly-Auswertung: Verteilung nach Seitentyp und Startseiten-Anteil
4 andweekly-Auswertung: Häufigkeit der Nennung als Beleg je Quelle
5 andweekly-Auswertung: Social-Anteile je Marke und Muster je KI-System
6 andweekly-Auswertung: Analyse der Quellen-Lücken
