Überblick
Dieselbe Frage an ChatGPT, dasselbe Unternehmen, ein paar Wochen dazwischen: In der einen Erhebung rät die KI von einem Glas-Shop eher ab, in einer späteren empfiehlt sie ihn klar. Sigrid Holzner dokumentiert diese Kehrtwende in der laufenden Glasbau-Studie 2026 über vier Erhebungen mit der identischen Frage „Empfiehlst du diesen Shop?“. Am Shop selbst hatte sich in dieser Zeit nichts geändert.
Die naheliegende Erklärung, andere Quellen führen zu anderem Urteil, hält der Nachrechnung nicht stand. Was der Befund für das Monitoring der eigenen Marke bedeutet, zeigt dieser Artikel.
Sigrid Holzners Befund aus der Glasbau-Studie 2026: Das ChatGPT-Urteil über einen Glas-Shop kippte bei identischer Frage innerhalb von vier Wochen von Abraten über neutral zu einer klaren Empfehlung. Die zitierten Quellen wechseln dabei stark, im Schnitt ist gut die Hälfte der Domains beim nächsten Mal anders, nur ein Kern von rund 11 % bleibt konstant. Über 39 Vergleiche zeigt sich aber kein positiver Zusammenhang zwischen Quellen-Wechsel und Urteils-Änderung. Das Urteil einer KI über eine Marke entsteht pro Anfrage neu.
Das Urteil der KI über einen Shop steht nicht ein für alle Mal fest. Es entsteht pro Anfrage neu.
Was zeigt der Pendel-Fall aus der Glasbau-Studie 2026?
Vier Erhebungen zwischen dem 22. April und dem 20. Mai 2026, jedes Mal dieselbe Frage an ChatGPT: „Empfiehlst du diesen Shop?“. Der Verlauf bei einem der 19 untersuchten Glas-Shops: In den ersten beiden Erhebungen rät ChatGPT eher ab, in der dritten fällt die Antwort neutral aus, in der vierten wird der Shop klar empfohlen. Der Post und der Artikel nennen den Shop bewusst nicht, weil „ChatGPT riet ab“ ein reales Unternehmen treffen würde.
Der Fall ist kein Einzelfall: Ein zweiter Shop aus der Studie schwankte bei derselben Frage mehrfach hin und her, von positiv über neutral zu kritisch und zurück zu positiv. Beide Verläufe stammen aus denselben vier Erhebungen, codiert auf einer Skala von ablehnend über neutral bis klar empfehlend.
Wie stark wechseln die Quellen zwischen zwei ChatGPT-Antworten?
ChatGPT stellt die zitierten Quellen für jede Anfrage neu zusammen. In der Glasbau-Studie 2026 wechselt zwischen zwei aufeinanderfolgenden Erhebungen im Schnitt gut die Hälfte der zitierten Domains eines Shops (Turnover 0,54 über 131 Erhebungs-Paare). Nur rund 11 % der Quellen eines Shops tauchen in jeder Erhebung auf, meist die eigene Domain und ein bis zwei Bewertungsprofile. Der Rest rotiert.
Erklärt der Quellen-Wechsel die Kehrtwende im Urteil?
Naheliegend wäre: andere Quellen, deshalb anderes Urteil. Die Nachrechnung über 39 Vergleiche von je zwei Erhebungen spricht dagegen. Verglichen wurde pro Paar, wie stark sich die Quellen-Mengen unterscheiden (Fan-out-Distanz) und wie stark sich das codierte Urteil unterscheidet (Ton-Distanz).
Wie stark die Quellen zwischen zwei ChatGPT-Antworten wechseln, sagt nicht voraus, wie stark das Urteil kippt. Die Rangkorrelation über 39 Vergleiche der Glasbau-Studie 2026 liegt bei minus 0,33.
Wenn sich überhaupt etwas andeutet, dann das Gegenteil: Antworten mit dem größten Quellen-Wechsel blieben im Urteil eher stabil. Bei 39 Vergleichen ist das ein Hinweis, kein Beweis.
In Sigrid Holzners GEO-Audit-Methodik werden Ton und Quellen deshalb getrennt erhoben und über mehrere Erhebungen verglichen, statt aus einer einzelnen Antwort auf die KI-Reputation zu schließen.
Woran das Pendeln genau hängt, bleibt damit offen. Sicher ist nach den Daten nur: Die Erzählung „andere Quellen, deshalb anderes Urteil“ ist nicht belegt, und ein einzelner Abruf sagt wenig darüber, wie die KI eine Marke nächste Woche bewertet.
Wie prüfen Shop-Betreiber das ChatGPT-Urteil über die eigene Marke?
Wer wissen will, wie ChatGPT über die eigene Marke spricht, sollte die Frage über mehrere Tage wiederholen und nicht einer einzelnen Momentaufnahme vertrauen, denn das Urteil kann zwischen zwei Anfragen kippen. Am besten uneingeloggt oder in einem frischen Account prüfen, damit sich die Antwort nicht an frühere Chats anpasst.
Für die Bewertung zählt der Verlauf, nicht der Einzelwert: Pendelt das Urteil um neutral, ist das ein anderes Signal als eine stabile Empfehlung oder ein stabiles Abraten. Und wer an einem Tag eine kritische Antwort sieht, muss nicht in Panik verfallen, der nächste Abruf kann anders ausfallen. Genau diese Schwankung ist ein Argument dafür, KI-Sichtbarkeit als laufendes Monitoring aufzusetzen statt als einmaligen Check.
Caveats und offene Fragen
Ein paar Shops aus einer Branche, eine Beobachtung über mehrere Wochen, keine allgemeingültige Studie. Die Ton-Codierung ist grob (vier Stufen), die Quellen-Auswertung deckt nur ChatGPT ab, und 39 Vergleiche sind eine kleine Fallzahl. Die gegenläufige Tendenz (mehr Quellen-Wechsel, stabileres Urteil) ist deshalb bewusst als Hinweis formuliert. Ob Google AI Overviews und Google AI Mode im Urteil ähnlich pendeln, ist eine offene Frage für die nächsten Erhebungsphasen.
Die vollständige Glasbau-Studie 2026 erscheint im September. Wer die gesamten Studiendaten vorab sehen will, kann sich über die Studien-Seite vormerken.
Methodik im Kurzformat
- Erhebungszeitraum Ton-Verlauf: 22.04.2026 bis 20.05.2026, vier Erhebungen mit identischer Frage
- Engine: ChatGPT mit aktiver Web-Suche über das Frontend, uneingeloggt, manuell erhoben
- Codierung: jede Antwort von ablehnend über neutral bis klar empfehlend, dazu die zitierten Quellen je Antwort erfasst
- Quellen-Turnover: 131 aufeinanderfolgende Erhebungs-Paare über 19 Shops, Vergleich der Domain-Mengen
- Zusammenhangs-Prüfung: 39 Vergleiche von je zwei Erhebungen, Quellen-Überschneidung gegen Ton-Differenz, Rangkorrelation
- Shops im Studien-Sample: 19 deutsche Glas-Shops, im Artikel anonymisiert
FAQ zu pendelnden KI-Urteilen
Warum gibt ChatGPT auf dieselbe Frage unterschiedliche Antworten?
ChatGPT baut jede Antwort neu auf: Die Web-Suche stellt pro Anfrage einen neuen Quellen-Mix zusammen, und aus diesem Mix entsteht die Einschätzung. In der Glasbau-Studie 2026 kippte das Urteil über einen Glas-Shop bei der identischen Frage „Empfiehlst du diesen Shop?“ innerhalb von vier Wochen von Abraten über neutral zu einer klaren Empfehlung, ohne dass sich am Shop selbst etwas geändert hätte. Das Urteil einer KI über eine Marke steht damit nicht ein für alle Mal fest, es entsteht pro Anfrage neu.
Wie stark wechseln die Quellen zwischen zwei ChatGPT-Antworten?
In der Glasbau-Studie 2026 wechselt zwischen zwei aufeinanderfolgenden Erhebungen im Schnitt gut die Hälfte der zitierten Domains (Turnover 0,54 über 131 Erhebungs-Paare). Nur rund 11 % der Quellen eines Shops tauchen in jeder Erhebung auf, dieser stabile Kern besteht meist aus der eigenen Domain und ein bis zwei Bewertungsprofilen. Der Rest rotiert von Anfrage zu Anfrage.
Erklärt der Quellen-Wechsel, warum das KI-Urteil kippt?
Nein, nach den Daten der Glasbau-Studie 2026 nicht. Über 39 Vergleiche von je zwei Erhebungen zeigt sich kein positiver Zusammenhang zwischen der Stärke des Quellen-Wechsels und der Stärke der Urteils-Änderung (Rangkorrelation minus 0,33). Wenn sich überhaupt etwas andeutet, dann das Gegenteil: Antworten mit dem größten Quellen-Wechsel blieben im Urteil eher stabil. Bei 39 Vergleichen ist das ein Hinweis, kein Beweis.
Wie prüfe ich zuverlässig, wie ChatGPT über meinen Shop spricht?
Die Frage über mehrere Tage wiederholen und nicht einer einzelnen Momentaufnahme vertrauen, denn das Urteil kann zwischen zwei Anfragen kippen. Am besten uneingeloggt oder in einem frischen Account prüfen, damit sich die Antwort nicht an frühere Chats anpasst. Wer nur einmal fragt, erwischt womöglich genau den Ausreißer.
Quellen und Belege
- Eigene Glasbau-Studie 2026: vier ChatGPT-Frontend-Erhebungen mit identischer Empfehlungs-Frage zwischen 22.04. und 20.05.2026, Ton je Antwort codiert, Quellen je Antwort erfasst
- Quellen-Turnover und stabiler Kern: 131 aufeinanderfolgende Erhebungs-Paare über 19 Shops, gerechnet 07.07.2026
- Zusammenhangs-Prüfung Quellen-Wechsel gegen Urteils-Änderung: 39 Vergleiche, Rangkorrelation, gerechnet 08.07.2026
