ChatGPT: Nur 25 % Quellen-Overlap der Modi

Viele AI-Visibility-Strategien behandeln ChatGPT noch als ein einheitliches System. Eine aktuelle Studie widerlegt das: Zwischen dem Thinking-Modus und dem Instant-Modus überlappen nur rund 25 Prozent der zitierten Quellen. Dieselbe Nutzerfrage kann damit unterschiedliche Webseiten, Inhalte und Markenempfehlungen auslösen – abhängig davon, welcher Reasoning-Pfad im Hintergrund aktiv ist.

Für SEO-, Content- und GEO-Teams ist das ein strategischer Wendepunkt. Wer Sichtbarkeit in generativen Suchoberflächen messen und steuern will, kann nicht länger von einem einzigen ChatGPT-Verhalten ausgehen. Stattdessen müssen Fan-out-Queries, Zitationsmuster und Quellentypen pro Modus getrennt analysiert werden. Die Erkenntnis betrifft nicht nur ChatGPT, sondern liefert ein Muster für den Umgang mit KI-Suche insgesamt.

Warum Thinking und Instant unterschiedlich zitieren

ChatGPT bietet Nutzern verschiedene Antwortmodi mit unterschiedlicher Latenz und Tiefe. Der Instant-Modus priorisiert schnelle Antworten und greift häufig auf breite Websuchen zurück. Editorial Content, Review-Portale, Medienmarken und Aggregatoren dominieren dort oft die Zitationsliste. Der Thinking-Modus arbeitet dagegen mit mehrstufiger Aufgabenzerlegung: Prompts werden in mehrere Teilfragen zerlegt, gezielt recherchiert und mit domain-spezifischen Suchmustern angereichert.

Diese unterschiedlichen Retrieval-Strategien erklären, warum die Quellenüberlappung so gering ausfällt. Wenn ein Modus vor allem Drittquellen aus allgemeinen Suchergebnissen nutzt und ein anderes Modell gezielt Marken-Homepages, Produktseiten oder Preisinformationen abfragt, entstehen faktisch parallele Zitationsökosysteme. Marken, die in einem Modus stark vertreten sind, können im anderen nahezu unsichtbar bleiben – selbst bei identischen Suchintents.

Kernbefund der Studie: 25 Prozent Overlap

Die Untersuchung vergleicht identische Prompts über beide Reasoning-Modi hinweg und extrahiert die vollständigen Zitationsdaten aus den Antworten. Im Mittel teilen sich Thinking und Instant nur etwa ein Viertel der referenzierten Domains. Auf vielen Prompts fällt die Überlappung noch niedriger aus – bis hin zu null gemeinsamen Quellen bei direkten Vergleichsfragen zwischen Wettbewerbern.

Neben der reinen Domain-Überschneidung zeigt die Analyse weitere Divergenzen: Instant bevorzugt häufig erklärende Blogartikel und redaktionelle Rankings, während Thinking stärker auf Primärquellen der genannten Marken setzt. Auch die empfohlenen Brands können variieren, obwohl Nutzer exakt dieselbe Frage stellen. Für Marketer bedeutet das: Eine positive Sichtbarkeit in einem Modus ist keine Garantie für die andere Variante.

Unterschiedliche Inhalte, unterschiedliche Empfehlungen

Die Studie zeigt nicht nur divergierende URLs, sondern auch unterschiedliche Content-Formate in den Antworten. Instant-Antworten stützen sich häufig auf zusammenfassende Listicles, Vergleichsartikel und Drittmeinungen. Thinking-Antworten integrieren dagegen öfter strukturierte Fakten von offiziellen Markenseiten, Feature-Listen und Preisdetails. Dadurch verändern sich nicht nur die Quellen, sondern auch die Argumentationslogik der Empfehlung.

Besonders bei Kaufentscheidungen mit hohem Research-Aufwand – SaaS-Vergleiche, Reisebuchungen, Finanzprodukte oder Software-Tools – können Nutzer je nach aktivem Modus völlig unterschiedliche Shortlists erhalten. Das erschwert klassisches Brand-Monitoring, das bisher oft nur auf Erwähnungen und Sentiment achtet, ohne die zugrunde liegende Quellenstruktur zu prüfen.

Auswirkungen auf GEO und Marken-Sichtbarkeit

Generative Engine Optimization (GEO) zielt darauf ab, Inhalte so aufzubereiten, dass KI-Systeme sie finden, verstehen und zitieren. Die Studie zeigt, dass GEO nicht als monolithische Disziplin funktioniert, solange ChatGPT intern mehrere Suchlogiken parallel betreibt. Teams brauchen modusspezifische Playbooks statt einer aggregierten Kennzahl wie „ChatGPT-Citation-Rate“.

Für den Instant-Pfad sind oft klassische SEO-Signale relevanter: starke Rankings in Google und Bing, aktuelle redaktionelle Erwähnungen, strukturierte Vergleichsinhalte und Autorität auf Drittportalen. Für Thinking-Pfade gewinnen hingegen First-Party-Assets an Bedeutung – klar strukturierte Produktseiten, transparente Preisinformationen, technische Dokumentation und gut indexierbare Markeninhalte, die gezielte Domain-Abfragen bedienen.

Praktische Handlungsfelder für Marketing-Teams

Wer AI Visibility ernst nimmt, sollte Prompt-Sets entlang realer Kauf- und Recherchefragen aufbauen und beide ChatGPT-Modi separat testen. Dabei lohnt sich das Tracking von Fan-out-Queries, Zitations-URLs, Quellentypen und empfohlenen Marken pro Antwort. Nur so lässt sich erkennen, ob eine Marke eher über Editorial Coverage oder über eigene Website-Assets sichtbar wird.

• Prompt-Batterien für Instant und Thinking getrennt messen und dokumentieren.
• First-Party-Seiten für Produkt-, Pricing- und Vergleichsintents technisch und inhaltlich optimieren.
• Redaktionelle Präsenz auf stark zitierten Drittportalen für Instant-Sichtbarkeit ausbauen.
• Zitations-Overlap als KPI ergänzen, nicht nur absolute Mention-Raten.
• Bei Modell-Updates Messreihen neu aufsetzen, da Retrieval-Verhalten sich schnell ändert.

Messung und Reporting neu denken

Analytics- und SEO-Teams sollten Dashboards so erweitern, dass ChatGPT nicht als Blackbox erscheint. Sinnvoll sind getrennte Views für Instant- und Thinking-Zitationen, Kategorisierung nach First-Party versus Third-Party sowie Trendverläufe nach Prompt-Kategorie. Wer nur einen Durchschnittswert reportet, riskiert Fehlentscheidungen: Eine starke Performance im schnellen Modus kann im Reasoning-Pfad komplett fehlen – und umgekehrt.

Was Unternehmen jetzt priorisieren sollten

Die Studie macht deutlich, dass AI-Visibility-Programme beide ChatGPT-Pfade gleichwertig adressieren müssen. Marken, die ausschließlich auf klassische PR und Listicles setzen, können im Thinking-Modus unterrepräsentiert bleiben. Unternehmen, die nur ihre Website optimieren, verpassen möglicherweise die Instant-Antworten, die stark auf externe Publikationen setzen. Ein balancierter Ansatz verbindet redaktionelle Reichweite mit robusten Markeninhalten.

Zusätzlich sollten Teams Modell-Updates als Trigger für neue Messzyklen behandeln. OpenAI iteriert ChatGPT kontinuierlich; Retrieval-Logik, Fan-out-Tiefe und Zitationsverhalten können sich innerhalb weniger Wochen verschieben. Wer Sichtbarkeit in KI-Suche als strategisches Feld definiert, braucht deshalb laufendes Monitoring – nicht einmalige Audits. Die 25-Prozent-Überlappung ist kein Randbefund, sondern ein Signal, dass generative Suche fragmentierter ist, als viele Playbooks bisher annehmen.