Überblick
Ein Hersteller eines hochwertigen Holzspiels wird von ChatGPT vollständig und korrekt beschrieben, sobald jemand den Markennamen nennt. Fragt dieselbe Person stattdessen nach einer Geschenkempfehlung in dieser Produktkategorie, nennt ChatGPT sechs andere Marken und den Hersteller nicht. Google Gemini führt denselben Hersteller bei genau dieser Kauffrage auf Platz 1.
Der Unterschied zwischen beiden Systemen ließ sich in dieser Messung auf einen einzigen Punkt zurückführen: Google Gemini zieht einen redaktionellen Wirtschaftsartikel über den Hersteller als Quelle heran. ChatGPT führt diesen Artikel nicht unter seinen Quellen und stützt sich für die Produktkategorie auf Shops, Marktplätze und Fachhändler, bei denen der Hersteller nicht gelistet ist.
Sigrid Holzners Messung vom 12. August 2026: Wer bei einer Marken-Anfrage gut dasteht, steht bei einer Kauf-Anfrage nicht automatisch gut da. Bei der Marken-Anfrage genügt die eigene Website als Quelle, bei der Kauf-Anfrage entscheidet, was außerhalb der eigenen Domain über das Produkt belegt ist. Für kleine Hersteller mit starkem Produkt und schwacher Presselage ist genau dieser Unterschied der Grund, warum sie in KI-Antworten zur Kaufberatung nicht vorkommen.
Wie war die Messung aufgebaut?
Geprüft wurde ein Hersteller eines hochwertigen, modular aufgebauten Holzspiels aus dem deutschsprachigen Raum. Das Produkt wird über einen eigenen Shop verkauft, ist mehrfach ausgezeichnet und nach Beschreibung des Herstellers nachhaltig produziert. Es ist ein typisches Geschenkprodukt: hochpreisig, erklärungsbedürftig, ohne etablierten Suchbegriff.
Zwei Fragetypen wurden gegeneinander gestellt, beide am selben Tag, beide in ChatGPT mit Websuche und in Google Gemini mit Websuche. Die Marken-Anfrage lautete sinngemäß: Kennst du diese Marke, was ist das für ein Produkt, wo kann man es kaufen. Die Kauf-Anfrage lautete: Ich suche ein hochwertiges Spiel dieser Art als Geschenk, welche Marken empfiehlst du und wo kann ich bestellen.
Der Unterschied zwischen beiden Fragetypen ist der Kern der Messung. Eine Marken-Anfrage stellt nur, wer die Marke bereits kennt. Eine Kauf-Anfrage stellt jeder andere. Im Geschenkgeschäft ist die zweite Gruppe der gesamte adressierbare Markt, weil niemand nach einer Marke sucht, die er noch nie gehört hat.
Was war das Ergebnis der beiden Abfragen?
Bei der Marken-Anfrage lieferte ChatGPT eine ausführliche, sachlich zutreffende Beschreibung: Material, Aufbauprinzip, Zielgruppe, Hersteller, Bezugsquelle. Als Quelle diente die eigene Website des Herstellers. Aus Sicht des Anbieters funktioniert an dieser Stelle alles.
Bei der Kauf-Anfrage nannte ChatGPT sechs Marken mit Namen, dazu die jeweiligen Bezugsquellen, und fasste am Ende eine Empfehlungsliste zusammen. Der geprüfte Hersteller kam weder in der Liste noch in der Empfehlung vor. Die genannten Anbieter waren teilweise deutlich einfachere Produkte aus dem Spielwarenhandel.
Google Gemini beantwortete dieselbe Kauf-Anfrage gegenteilig und führte den geprüften Hersteller auf Platz 1, ausdrücklich als beste Wahl für Design und Qualität. Als Quellen nannte Google Gemini die Website des Herstellers und einen redaktionellen Artikel aus einem Wirtschaftsmedium, der über das Unternehmen berichtet hatte.
| Abfrage | ChatGPT mit Websuche | Google Gemini mit Websuche |
|---|---|---|
| Marken-Anfrage: Kennst du diese Marke? | Vollständige, korrekte Beschreibung. Quelle: eigene Website | Marke bekannt, Produkt korrekt beschrieben |
| Kauf-Anfrage: Welches Produkt dieser Art empfiehlst du als Geschenk? | Sechs andere Marken genannt, geprüfter Hersteller nicht erwähnt | Platz 1, als beste Wahl für Design und Qualität benannt |
| Herangezogene Quellen zur Kauf-Anfrage | Shops, Marktplätze, Fachhändler ohne Listung des Herstellers | Wirtschaftsmedium mit Unternehmensbericht plus eigene Website |
Messung von Sigrid Holzner, 12. August 2026. Zwei Live-Abfragen je System, jeweils mit aktivierter Websuche.
Der Unterschied zwischen einer Marken-Anfrage und einer Kauf-Anfrage entscheidet darüber, ob ein Hersteller im KI-Ergebnis überhaupt zur Auswahl gehört.
Bei der Marken-Anfrage reicht die eigene Website als Quelle, weil der Name die Suche bereits eindeutig macht. Bei der Kauf-Anfrage stellt das System eigene Suchanfragen und stellt daraus eine Kandidatenliste zusammen. Wer außerhalb der eigenen Domain nicht belegt ist, taucht in dieser Liste nicht auf.
In Sigrid Holzners GEO-Audit-Methodik werden Marken-Anfragen und Kauf-Anfragen deshalb immer getrennt erhoben und getrennt ausgewertet. Ein gutes Ergebnis bei der Marken-Anfrage sagt nichts über die Kaufphase aus.
Warum reicht die eigene Website für Kaufempfehlungen nicht aus?
Bei einer Kauf-Anfrage sucht das System nicht nach einem Anbieter, sondern nach einer Auswahl. Dafür stellt es im Hintergrund mehrere eigene Suchanfragen, sammelt Kandidaten und ordnet sie. In dieser Sammelphase zählt, an wie vielen voneinander unabhängigen Stellen ein Produkt vorkommt, nicht wie gut es auf der eigenen Seite beschrieben ist.
Eine Herstellerseite ist in dieser Logik eine Selbstauskunft. Sie beweist, dass es das Produkt gibt, aber nicht, dass es zu den empfehlenswerten gehört. Ein Fachartikel, eine Händlerlistung, ein Testbericht oder eine Bewertungsplattform liefern dagegen eine Fremdaussage, und genau die wird in der Auswahlphase gebraucht.
Im beobachteten Fall genügte eine einzige solche Fremdaussage, damit ein System das Produkt nicht nur kannte, sondern an die erste Stelle setzte. Dass ein einzelner Artikel diesen Effekt hat, ist die für kleine Hersteller ermutigende Seite des Befunds: Es braucht keine große Kampagne, sondern die richtigen wenigen Belege.
Welche Rolle spielen zwei Länderdomains für dasselbe Produkt?
Ein Nebenbefund aus derselben Messung: Der Hersteller betreibt das Produkt unter zwei Länderdomains. Google Gemini verlinkte die eine, ChatGPT beschrieb die andere. Beide Systeme kennen also jeweils nur eine Hälfte der Signale.
Zwei Domains für dasselbe Produkt teilen die eingehenden Signale auf, sodass keine der beiden das volle Gewicht erhält. Eine klare Hauptdomain mit sauberer Weiterleitung und einheitlicher Nennung in allen externen Quellen bündelt die Signale wieder.
Was folgt daraus für Shops mit Geschenk- und Manufakturprodukten?
Für Anbieter im Geschenksegment ist der Befund unbequemer als für andere Branchen. Wer Werkzeug, Ersatzteile oder Software verkauft, hat oft Fachmedien, Vergleichsportale und Foren, die ohnehin über ihn schreiben. Ein Manufakturprodukt für den Geschenktisch hat diese Umgebung nicht automatisch.
Der praktische Weg beginnt deshalb außerhalb des eigenen Shops. Sinnvolle erste Belege sind ein redaktioneller Beitrag in einem Fach- oder Wirtschaftsmedium, eine Listung bei mindestens einem unabhängigen Händler, Bewertungen auf einer Plattform außerhalb der eigenen Seite und ein sauber gepflegter Eintrag in Branchen- und Unternehmensverzeichnissen.
Wer prüfen will, wo er selbst steht, braucht dafür kein Tool. Es genügt, beide Fragetypen einmal in ChatGPT und einmal in Google Gemini zu stellen, jeweils mit aktivierter Websuche, und die genannten Quellen zu notieren. Die Liste der Quellen, die das System für die Kauffrage heranzieht, ist gleichzeitig die Liste der Orte, an denen die eigene Marke fehlt.
Fazit. Ein starkes Produkt und eine gute Website sorgen dafür, dass die KI eine Marke korrekt beschreiben kann. Damit sie die Marke auch empfiehlt, braucht es Belege außerhalb der eigenen Domain. Diese Belege sind für kleine Hersteller erreichbar, weil in der Kaufphase nicht die Menge zählt, sondern ob überhaupt eine unabhängige Quelle vorhanden ist.
Häufige Fragen
Warum empfiehlt ChatGPT eine Marke nicht, obwohl es sie kennt?
Warum unterscheiden sich ChatGPT und Google Gemini bei derselben Frage?
Wie viele externe Quellen braucht ein kleiner Shop für KI-Sichtbarkeit?
Schadet es, ein Produkt auf zwei Länderdomains zu betreiben?
Quellen und Belege
Grundlage sind zwei Live-Abfragen in ChatGPT mit Websuche und zwei Live-Abfragen in Google Gemini mit Websuche, durchgeführt am 12. August 2026. Der geprüfte Hersteller ist auf Wunsch anonymisiert, die Produktkategorie ist bewusst nur allgemein benannt. Es handelt sich um eine Momentaufnahme von zwei Systemen an einem Tag, nicht um eine Studie mit mehreren Erhebungswellen.
Weiterlesen aus den Insights von Sigrid Holzner
Für alle, die tiefer in GEO und KI-Sichtbarkeit einsteigen wollen.
- Zitiert ist nicht empfohlen Warum eine Citation in einer KI-Antwort noch kein Geschäft bringt.
- Was Server-Logfiles über KI-Sichtbarkeit verraten Welche KI-Crawler eine Seite wirklich abrufen und wie sich das prüfen lässt.
- Teure Konfigurator-UX, null KI-Sichtbarkeit Warum Konfiguratoren die Beratung liefern, aber keine Produktdaten für KI-Systeme.
Konkrete Standortbestimmung gesucht? Der ECHO Audit für 590 EUR prüft, wie die eigene Marke und drei Wettbewerber in ChatGPT, Google AI Overview und Google AI Mode erscheinen. Sigrid Holzner liefert Ergebnis und Massnahmenplan innerhalb von zehn Werktagen.
Sie möchten wissen, ob Ihre Marke bei Kauf-Anfragen in ChatGPT und Google überhaupt zur Auswahl gehört?