Veröffentlicht: 2026-07-12
Autor: Berndt Schwanenmeisterja | Seoholics
Lesezeit: 3 min
KI-Sichtbarkeit: Rankings sind instabil – statistischer Rauschen-Effekt
Neue Forschungsergebnisse zeigen, dass KI-Sichtbarkeitsrankings zwischen den Messungen schwanken. Eine einzelne Messung ist größtenteils statistisches Rauschen, und es ist wichtig zu wissen, wie viele Stichproben tatsächlich benötigt werden, um aussagekräftige Daten zu erhalten.
Die Fakten
- Variabilität der Antworten: Generative KI-Modelle wie SearchGPT, Gemini und Perplexity liefern bei wiederholten Anfragen mit derselben Frage unterschiedliche Ergebnisse. Dies führt zu Schwankungen in den Zitationsanteilen und Rankings.
- Signifikanz der Unterschiede: Eine Studie ergab, dass die Zitationsanteile von Tom’s Guide (9,5%) und Runner’s World (6,0%) bei der Abfrage nach Laufschuhen zwar unterschiedlich waren, die Differenz von 3,5 Prozentpunkten jedoch innerhalb des statistischen Fehlers lag.
- Benötigte Stichproben: In 30 Plattform-Themen-Tests benötigte man zwischen 33 und 94 Antworten mit Zitationen, um eine zuverlässige Rangfolge zu erhalten. In drei von 30 Fällen konnte dieser Punkt auch nach 125 Fragen nicht erreicht werden.
- Plattform-spezifische Anforderungen: Die Anzahl der benötigten Datenpunkte variiert stark je nach Plattform und Thema. Was für eine Plattform funktioniert, ist nicht unbedingt auf eine andere übertragbar.
- Gemini vs. SearchGPT: Gemini tendiert dazu, viele Zitationen auf die gleichen wenigen Websites zu konzentrieren, während SearchGPT Zitationen breiter verteilt. Dies bedeutet, dass die gleiche Anzahl von Anfragen auf beiden Plattformen unterschiedliche Konfidenzniveaus liefert.
Was bedeutet das für Dich?
- Mehrfache Messungen: Vertraue niemals einer einzelnen Messung. Führe vor und nach Änderungen an Inhalten mehrere Messungen durch, um sicherzustellen, dass Veränderungen tatsächlich auf deine Optimierungen zurückzuführen sind und nicht auf zufällige Schwankungen.
- Analyse des Fehlers: Achte darauf, dass dein Tracking-Tool den Fehlerbereich angibt. Ein Tool, das nur eine einzelne Zahl anzeigt, kann irreführend sein.
- Datenmenge anpassen: Passe die Anzahl der Anfragen an die jeweilige Plattform an. Für Plattformen wie SearchGPT, bei denen jede Antwort unabhängiger ist, benötigst du mehr Daten als für Gemini.
- Priorisierung der Top-Rankings: Konzentriere dich auf die Top-Rankings, da diese am zuverlässigsten sind. Rankings im Mittelfeld und am Ende der Liste sind mit größerer Wahrscheinlichkeit ungenau.
- Vorsicht bei Veröffentlichungen: Veröffentliche keine Rankings, wenn die Daten nicht ausreichend sind, um eine klare Unterscheidung zwischen den Top-Positionen zu ermöglichen. Es ist besser, abzuwarten, als ungenaue Informationen zu verbreiten.
Experten-Meinung
„Bevor du Geld für die Verfolgung der KI-Sichtbarkeit ausgibst, solltest du sicherstellen, dass dein Anbieter seine Berechnungen offenlegt. Das IQRush-Paper bietet eine einfache Stoppregel, damit du dich nicht nur auf dein Bauchgefühl verlassen musst, wie viele Durchläufe ausreichend sind.“ – Rand Fishkin
Daten und Zahlen
Die Studie untersuchte 30 Plattform-Themen-Kombinationen. In 30% der Fälle (9 von 30) waren selbst nach 125 Anfragen keine stabilen Rankings zu erreichen. Der typische Fehlerbereich für ein Ranking in den Top 10 beträgt etwa fünf Positionen, bei einem von fünf Fällen sogar mehr als 10 Positionen.
Ausblick
Zukünftige Forschung wird sich darauf konzentrieren, eine Methode zu entwickeln, um den optimalen Stichprobenumfang vor Beginn der Datenerfassung zu bestimmen. Der aktuelle Ansatz zeigt jedoch deutlich, dass die KI-Sichtbarkeit nicht statisch ist und eine sorgfältige Analyse sowie eine ausreichende Datenmenge erfordert, um fundierte Entscheidungen treffen zu können. Der Fokus sollte nun verstärkt auf der Qualität und Repräsentativität der Daten liegen, um aussagekräftige Einblicke in die Performance der eigenen Inhalte in der KI-Landschaft zu gewinnen. Die Ergebnisse unterstreichen die Bedeutung von Strategien für bessere KI-Sichtbarkeit.