Wie KI-Suchmaschinen Quellen auswählen: vom Training bis zur Zitierung

KI-Suchmaschinen wählen ihre Quellen in zwei Schritten aus: Zuerst suchen sie live nach Seiten, die zur Frage passen, danach wählt das Sprachmodell aus diesen Seiten die Passagen aus, die die Antwort stützen. Nur Seiten, die im ersten Schritt gefunden werden, können im zweiten Schritt eine Zitierung bekommen. Was das Modell im Training gelesen hat, zählt für das, was es „weiß“, bringt aber keinen Link.

Dieser Artikel erklärt, was zwischen deiner Frage und der Antwort mit Quellenangabe passiert. Er vertieft den vollständigen Leitfaden zu GEO. Du liest den Unterschied zwischen Training und Live-Suche, wie eine Frage aufgeteilt wird, welcher Bot pro Plattform deine Seite abruft und was eine Passage zitierfähig macht.

Eins vorweg: Die genauen Rankingfaktoren von ChatGPT, Perplexity, Gemini und Google AI Overviews sind nicht öffentlich. Was unten steht, stammt aus der Dokumentation der Plattformen selbst. Wo diese Dokumentation schweigt, sagen wir das.

#Wissen aus dem Training oder Live-Suche

Ein KI-Assistent bezieht seine Antwort aus zwei Quellen: dem Wissen, das im Training im Modell festgelegt wurde, und Seiten, die er im Moment der Frage live abruft. Die beiden funktionieren sehr unterschiedlich, und nur die zweite bringt deiner Website eine sichtbare Quellenangabe.

Training. Ein LLM (Large Language Model) lernt Sprache und Fakten aus einer großen Menge Text, darunter Webseiten. Danach ist dieses Wissen bis zur nächsten Modellversion fixiert. Das Modell weiß nicht mehr, welche Seite einen Fakt geliefert hat, und kann deshalb auch nicht darauf verlinken. Crawler wie GPTBot sammeln Inhalte für dieses Training. OpenAI schreibt in seiner Dokumentation zu Bots, dass GPTBot Inhalte sammelt, die zum Training der generativen Modelle verwendet werden können.

Live-Suche. Bei Fragen zu aktuellen oder speziellen Themen sucht das System im Web und fügt den gefundenen Text der Frage hinzu. Das heißt RAG (Retrieval-Augmented Generation) oder Grounding: Die Antwort wird in abgerufenen Quellen „verankert“. Google beschreibt Grounding in seiner Übersicht der Crawler als das Bereitstellen von Inhalten aus dem Google-Suchindex an das Modell zum Zeitpunkt des Prompts.

Ob ein Modell sucht, entscheidet es meist selbst. Anthropic beschreibt in der Dokumentation des Websuche-Tools, dass Claude bei Informationen sucht, die aktuell sind, sich ändern oder außerhalb der Trainingsdaten liegen, etwa Preise, Nachrichten oder Angaben zu bestimmten Organisationen und Produkten. Bei feststehendem Wissen wie Rechenaufgaben oder allgemeinen Begriffen antwortet Claude, ohne zu suchen. OpenAI schreibt in der Dokumentation zur Websuche, dass das Modell anhand des Prompts entscheidet, ob es sucht.

Für dich als Website-Betreiber heißt das: Fragen zu deinem Unternehmen, zu Preisen, Produkten und aktuellen Themen sind genau die Fragen, bei denen ein KI-System sucht. Dort gewinnst du Zitierungen.

#Wie eine Frage in Teilfragen aufgeteilt wird

KI-Suchsysteme suchen nicht nur nach der wörtlichen Frage, sondern teilen eine Frage oft in mehrere Teilfragen auf, die sie gleichzeitig ausführen. Google nennt das Query Fan-out.

In der Ankündigung von AI Mode beschreibt Google, dass AI Mode deine Frage in Unterthemen aufteilt und in deinem Namen eine große Zahl von Suchanfragen gleichzeitig ausführt. Deep Search nutzt laut derselben Ankündigung dieselbe Technik, nur noch umfassender. In der Dokumentation zu KI-Funktionen in der Suche schreibt Google, dass sowohl AI Overviews als auch AI Mode Query Fan-out nutzen können: mehrere verwandte Suchanfragen über Unterthemen und Datenquellen hinweg. Dadurch können sie laut Google eine breitere und vielfältigere Auswahl an Links zeigen als eine klassische Suche.

Auch andere Systeme suchen in mehreren Runden. Anthropic schreibt, dass die Suche innerhalb einer Anfrage mehrmals wiederholt werden kann. OpenAI beschreibt für Reasoning-Modelle, dass das Modell sucht, die Ergebnisse analysiert und dann entscheidet, ob es weitersucht.

Ein Beispiel, wie das aussieht. Angenommen, jemand fragt: „Welche Buchhaltungssoftware passt zu einem Soloselbstständigen im Handwerk?“ Ein System, das Fan-out anwendet, kann daraus einzelne Suchanfragen machen, etwa zu Preisen, zur Anbindung an die Bank und zu Erfahrungen von Soloselbstständigen. Das ist eine Illustration: Welche Teilfragen ein System genau wählt, machen die Plattformen nicht öffentlich.

Die praktische Folge ist groß. Deine Seite muss nicht für die ursprüngliche Frage ranken. Sie kann über eine der Teilfragen hereinkommen. Eine Seite, die eine Teilfrage klar und vollständig beantwortet, hat also eine eigene Chance, als Quelle ausgewählt zu werden.

#Welcher Crawler pro Plattform deine Seite abruft

Jede KI-Plattform nutzt eigene Bots, und nur der Bot für die Suche oder für Nutzeranfragen bestimmt, ob deine Seite live als Quelle dienen kann. Ein KI-Crawler für das Training ist ein anderer Bot als der für Suchergebnisse. Blockierst du den falschen in der robots.txt, verschwindest du aus den Antworten, ohne es zu merken.

• ChatGPT. OAI-SearchBot wird laut OpenAI verwendet, um Websites in den Suchfunktionen von ChatGPT anzuzeigen. Websites, die OAI-SearchBot ausschließen, werden in den Suchantworten von ChatGPT nicht angezeigt. ChatGPT-User besucht Seiten bei Aktionen, die ein Nutzer startet, etwa wenn jemand eine Frage stellt. OpenAI schreibt, dass robots.txt-Regeln dabei möglicherweise nicht gelten, weil der Nutzer die Aktion startet.
• Perplexity. PerplexityBot dient laut der Dokumentation von Perplexity dazu, Websites in den Suchergebnissen von Perplexity anzuzeigen und zu verlinken, und wird nicht für das Training von Modellen verwendet. Perplexity-User ruft Seiten bei einer Nutzerfrage ab und ignoriert die robots.txt laut Perplexity im Allgemeinen.
• Google AI Overviews und AI Mode. Diese Funktionen sind Teil der Google-Suche. Google nennt robots.txt-Regeln für Googlebot als Mittel, um den Zugang zu regeln. Google-Extended ist ein separates robots.txt-Token ohne eigenen User-Agent. Es legt fest, ob Inhalte für das Training von Gemini-Modellen und für das Grounding in Gemini Apps und Vertex AI verwendet werden dürfen. Laut Google hat es keinen Einfluss auf die Aufnahme in die Google-Suche.
• Claude. Anthropic beschreibt in seinem Hilfeartikel zu Crawlern drei Bots: ClaudeBot für Inhalte, die zum Training beitragen können, Claude-User für Seiten, die abgerufen werden, wenn ein Nutzer Claude eine Frage stellt, und Claude-SearchBot zur Verbesserung der Qualität von Suchergebnissen.

Wie du diese Bots einzeln zulässt oder blockierst, liest du im Artikel über KI-Crawler in der robots.txt.

#Unterschiede je Plattform im Überblick

Die Plattformen unterscheiden sich darin, woher ihre Live-Ergebnisse kommen, welcher Bot deine Seite liest und wie sie Quellen anzeigen. Die Tabelle enthält nur, was die Plattformen selbst dokumentieren. Ein Strich bedeutet, dass wir es nicht in Primärdokumentation bestätigen konnten.

Beachte: Die Form der Zitierung bei ChatGPT und Claude stammt aus der API-Dokumentation für Entwickler. Die Apps für Endnutzer können Quellen anders darstellen.

#Was Google über AI Overviews sagt

Google stellt klar, dass keine zusätzlichen technischen Anforderungen oder speziellen Optimierungen nötig sind, um in AI Overviews oder AI Mode zu erscheinen. Das steht wörtlich in der Dokumentation zu KI-Funktionen. Eine Seite muss indexiert sein und dafür infrage kommen, mit einem Snippet in der Google-Suche zu erscheinen. Laut Google ist das keine Garantie, dass die Seite auch verwendet wird.

Google nennt auch die Stellschrauben, um das einzuschränken: nosnippet, data-nosnippet, max-snippet und noindex. Nutzt du eine dieser Anweisungen, schränkst du auch ein, was KI-Funktionen von deiner Seite zeigen dürfen. Prüfe also, ob du sie nicht versehentlich auf wichtigen Seiten gesetzt hast.

#Was eine Passage zitierfähig macht

Eine Passage wird leichter zitiert, wenn sie losgelöst vom Rest der Seite eine Frage vollständig beantwortet. Beim Grounding verarbeitet das Modell Textstücke, keine ganzen Websites. Es heftet eine Quelle an eine konkrete Aussage in der Antwort.

Anthropic zeigt das gut: Jede Zitierung enthält laut Dokumentation die URL, den Titel und bis zu 150 Zeichen des zitierten Texts. Das System zitiert also auf Satzebene. Daraus ergeben sich ein paar praktische Eigenschaften, die keine Garantie sind, aber dazu passen, wie diese Systeme arbeiten:

1. Ein eigenständiger Einstiegssatz. Beginne jeden Abschnitt mit einem Satz, der die Frage beantwortet, ohne dass der Leser den Absatz davor kennt. Vermeide „dies“, „wie oben“ und andere Verweise auf andere Stellen.
2. Konkrete, überprüfbare Fakten. Ein Satz mit einem Namen, Preis, Datum oder einer Definition taugt besser als Beleg als eine allgemeine Behauptung.
3. Überschriften, die die Frage benennen. Eine Überschrift als Frage oder klare These hilft, die Passage einer der Teilfragen aus dem Query Fan-out zuzuordnen.
4. Text im rohen HTML. Ein Bot, der deine Seite abruft, muss den Text lesen können. Mit Server-Side Rendering steht der Inhalt direkt im HTML, ohne dass zuerst JavaScript laufen muss.
5. Klare Entitäten. Mach mit Schema-Markup für KI explizit, wer du bist, was du anbietest und welche Profile zu dir gehören.
6. Signale der Vertrauenswürdigkeit. Ein Autor, ein Datum, Quellenangaben und eine Kontaktseite sind die Basis von E-E-A-T.

Wie du das in Texten umsetzt, liest du im Artikel über Inhalte, die KI zitiert.

#Was nicht öffentlich ist

Die Rankingfaktoren, die bestimmen, welche der gefundenen Seiten ein KI-System am Ende zitiert, hat keine der großen Plattformen veröffentlicht. Google, OpenAI, Perplexity und Anthropic beschreiben zwar, welche Bots sie nutzen und wie Zitierungen aussehen, aber nicht, wie sie Quellen gegeneinander abwägen.

Sei deshalb vorsichtig mit Listen, die „die 10 Rankingfaktoren von ChatGPT“ versprechen. Sie beruhen auf Beobachtungen von außen, nicht auf Dokumentation. Was feststeht, ist die Reihenfolge: Eine Seite, die nicht gecrawlt, nicht indexiert oder nicht lesbar ist, kann nie als Quelle ausgewählt werden. Dort fängst du also an.

#So prüfst du das auf deiner eigenen Website

Die technische Basis für Live-Zitierungen kannst du in ein paar Schritten selbst durchgehen.

1. Öffne deine robots.txt unter deinefirma.de/robots.txt und prüfe, ob OAI-SearchBot, PerplexityBot, Claude-SearchBot und Googlebot nicht blockiert werden. Eine Sperre von GPTBot oder Google-Extended betrifft das Training und das Grounding in Gemini Apps, nicht deine Aufnahme in die Google-Suche.
2. Teste deine Firewall. Manche Firewalls und CDNs blockieren KI-Bots anhand des User-Agents, auch wenn die robots.txt sie zulässt. Frag deinen Hoster oder Administrator, ob das bei dir so eingestellt ist.
3. Sieh dir das rohe HTML einer wichtigen Seite über „Seitenquelltext anzeigen“ an. Steht dein Haupttext darin, oder erscheint er erst nach JavaScript?
4. Such nach nosnippet und noindex im Quellcode von Seiten, die du in AI Overviews sehen willst.
5. Lies deine Überschriften und Einstiegssätze losgelöst vom Rest. Beantwortet jeder erste Satz unter einer H2 die Frage eigenständig?
6. Stell deine eigenen Fragen an ChatGPT mit Suche, Perplexity und Google AI Mode und notiere, welche Quellen sie anzeigen.

Der kostenlose Scan von Flowproof prüft die Schritte 1 bis 3 automatisch, einschließlich eines Firewall-Tests mit dem GPTBot-User-Agent, und zeigt dir für jeden Bereich, was du verbessern kannst. Du startest ihn über die kostenlose Registrierung.