Ranking in ChatGPT: Warum es keinen Platz 3 gibt

„Auf welchem Platz stehen wir in ChatGPT?“ Die Frage ist verständlich und trotzdem falsch gestellt. Ein Ranking in ChatGPT ist keine Eigenschaft Ihrer Marke. Es ist eine Eigenschaft einer einzelnen Antwort, und die nächste Antwort auf dieselbe Frage hat in der Regel ein anderes. Beantworten lässt sich eine andere Frage: Wie oft nennt der Assistent Sie, gezählt über viele Antworten?

Das ist keine Wortklauberei. Auf solchen Plätzen werden Entscheidungen gebaut. „Platz 3 in ChatGPT für Industriepumpen“ landet in der Vorstandspräsentation, wird gelesen wie früher ein Google-Ranking, also wie ein Platz, den man hält, bis ihn jemand wegnimmt, und im Folgemonat fragt jemand, warum es jetzt Platz 5 ist. Dieser Beitrag nimmt die Zahl auseinander und zeigt, was stattdessen gemessen werden sollte.

Ranking in ChatGPT: Es gibt keine feste Liste

Ein Google-Ranking ist eine gespeicherte Reihenfolge, berechnet auf einem Index, der schon vor Ihrer Suchanfrage existiert. Zwei Personen, die im Abstand einer Minute dasselbe suchen, sehen weitgehend dieselbe Seite. Hinter einer generierten Antwort steht nichts Vergleichbares. Das Modell schreibt Wort für Wort und wählt bei jedem Schritt zwischen plausiblen Fortsetzungen, und eine Liste von Marken besteht ebenfalls nur aus Wörtern. Warum das zu unterschiedlichen Antworten auf identische Fragen führt, erklärt der Beitrag Warum KI-Antworten sich jedes Mal ändern.

Am 28. Januar 2026 hat SparkToro genau das getestet. Rund 600 Freiwillige stellten 12 Fragen nach Markenempfehlungen an ChatGPT, Claude und die KI von Google (AI Overviews oder AI Mode), insgesamt 2.961 Durchläufe. Die Autoren schätzen die Wahrscheinlichkeit, dass ChatGPT oder die Google-KI bei 100 Anfragen in zwei Antworten dieselbe Markenliste liefern, auf weniger als 1 zu 100. Für dieselbe Liste in derselben Reihenfolge rechnen sie eher mit 1 zu 1.000. Claude wiederholte sich etwas häufiger, ohne dass sich das Bild ändert.

Gerade die Reihenfolge war das Instabilste an den Antworten. Sie ist auch kein Urteil: Ein Assistent, der Lieferanten aufzählt, sortiert keine Tabelle nach Punktzahl. Er beginnt vielleicht mit dem Namen, der ihm am häufigsten begegnet ist, gruppiert den Rest nach Produkttyp oder setzt den lokalen Anbieter ans Ende, weil die Frage ein Land erwähnte. Und wer an dritter Stelle mit einem Absatz genannt wird, der erklärt, warum er zum Bedarf des Einkäufers passt, steht besser da als ein Name ganz vorn in einer beiläufigen Aufzählung. Die Platzzahl bildet genau diesen Unterschied nicht ab.

Eine einzelne Antwort steht für nichts

Am 14. Juli 2026 hat Dmitrij Żatuchin auf arXiv einen Preprint (2607.13304) veröffentlicht, der fragt, woher das Rauschen in Antworten über Marken kommt. Grundlage sind 12.933 Antworten zu 20 Marken aus Mittel- und Osteuropa, in 8 Sprachen, von drei Modellen: GPT-5.2, Gemini 3 Flash und Perplexity. Gemessen wird die Tonalität, mit der über die Marke gesprochen wird, nicht ob sie genannt wird. Es ist also kein direkter Test von Nennungen, aber die Struktur des Rauschens lässt sich übertragen.

Auf einer Skala, auf der 1 vollständige Zuverlässigkeit bedeutet, kommt eine einzelne Antwort beim Vergleich von Marken untereinander auf etwa 0,01. Das vollständige Design, das Fragen, Sprachen und Modelle kreuzt, erreicht etwa 0,36. Die größte systematische Quelle der Schwankung ist die Sprache der Anfrage, größer als die Identität der Marke selbst.

Für exportierende Unternehmen heißt das: Eine Messung auf Deutsch sagt wenig darüber, was ein Einkäufer in Frankreich oder Italien zu lesen bekommt. Dieselbe Marke kann in zwei Sprachen wie zwei verschiedene Marken aussehen.

Was der Sichtbarkeitsindex schon richtig machte

Im deutschsprachigen SEO ist seit Jahren eine Kennzahl allgegenwärtig: der Sichtbarkeitsindex. Er fasst die Positionen einer Domain über eine große, feste Menge von Suchbegriffen zu einem Wert zusammen. Kaum jemand würde aus dem Ranking für ein einzelnes Keyword auf die Lage einer Website schließen. Man schaut auf das Aggregat und auf seinen Verlauf.

Dieser Reflex ist für KI-Antworten genau richtig, er muss nur einen Schritt weiter gehen. Bei Google war die Position für ein Keyword wenigstens für ein paar Tage stabil, und der Index summierte stabile Werte. In ChatGPT ist schon die einzelne Position nicht stabil. Die Grundeinheit kann also keine Position mehr sein, sondern nur die Frage, ob die Marke in einer Antwort vorkommt, gezählt über viele Durchläufe, Fragen, Sprachen und Assistenten.

Nennungsrate statt Platzierung

Die Nennungsrate ist der Anteil der Antworten, bezogen auf eine angegebene Zahl von Durchläufen, in denen der Assistent Ihre Marke nennt. „In 7 von 10 Antworten genannt“ ist eine Nennungsrate. „Platz 3“ ist keine.

Eine Rate fängt die Schwankung auf, statt sich von ihr täuschen zu lassen. Nennt der Assistent Sie in manchen Durchläufen und in anderen nicht, hält die Rate genau das fest, und sie bleibt vergleichbar, solange Fragen, Sprache und Assistent gleich bleiben. Auch SparkToro zieht aus den eigenen Daten diesen Schluss: Brauchbar ist, wie oft eine Marke über viele Durchläufe erscheint, nicht an welcher Stelle.

Zu jeder Nennungsrate gehören drei Angaben: die Zahl der Durchläufe, die Sprache der Fragen und der Assistent. Eine Rate ohne Zahl der Durchläufe ist eine verkleidete Platzierung.

Wie viele Durchläufe eine Messung braucht

Die Rechnung lässt sich mit jedem Binomialrechner nachprüfen. Zehn Durchläufe, Ihre Marke in 5 Antworten: Beim üblichen Konfidenzniveau liegt die wahre Rate irgendwo zwischen etwa 2 von 10 und 8 von 10. Zehn Durchläufe unterscheiden also nicht zwischen einer Marke, die fast immer genannt wird, und einer, die selten vorkommt. Ein Sprung von 4 von 10 auf 6 von 10 ist keine Veränderung, sondern dieselbe Unsicherheit, zweimal betrachtet.

Um eine Rate um die Mitte auf etwa 10 Punkte genau einzugrenzen, braucht es rund 100 unabhängige Antworten, für 5 Punkte rund 385. Deshalb erzeugt eine Stichprobe am Dienstagmorgen keinen Trend, und deshalb gilt: Häufiger messen heißt nicht besser messen.

Der Preprint von Żatuchin sagt auch, woher diese Antworten kommen sollten. Üblich ist, jede Frage etwa fünfmal zu wiederholen, und ab der fünften Wiederholung senkte jeder weitere Durchlauf den Fehler kaum noch. Bei gleichem Budget senkten zusätzliche Sprachen und Modelle ihn deutlich stärker. Hundert Antworten auf dieselbe, hundertmal wiederholte Frage messen diese Frage sehr genau und Ihren Markt kaum. Hundert Antworten aus zwanzig Fragen mit je fünf Durchläufen, über die Assistenten und Sprachen Ihrer Kunden verteilt, kommen dem Bild näher, das der Markt von Ihnen hat.

Nach dieser Logik ist PSentry aufgebaut: Es stellt die Fragen Ihres Marktes an ChatGPT, Claude, Gemini und Perplexity, in jeder Sprache, in der Sie verkaufen, zweimal im Monat, und bildet aus diesen Antworten einen Sichtbarkeitswert je Sprache. Auch ein einzelner Scan ist eine Stichprobe und kein Urteil. Die Information steckt im Verlauf. Wir verändern nicht, was die Assistenten sagen. Wir zählen es.

Wenn in der nächsten Besprechung jemand einen Platz in ChatGPT verkündet, genügt eine Rückfrage: Aus wie vielen Antworten stammt er? Lautet die Antwort „aus einem Screenshot“, dann gilt der Platz für diesen Screenshot und für nichts sonst.

Was im Marketing danach meist gefragt wird

Gibt es für ChatGPT so etwas wie einen Sichtbarkeitsindex?

Der Gedanke dahinter lässt sich übertragen: nicht auf einzelne Positionen schauen, sondern auf ein Aggregat und seinen Verlauf. Die Grundeinheit ist bei KI-Antworten aber keine Position, sondern die Frage, ob die Marke genannt wird, gezählt über viele Durchläufe, Fragen, Sprachen und Assistenten.

Warum stehen wir in ChatGPT mal auf Platz 3 und mal auf Platz 5?

Weil jede Antwort neu formuliert wird und sich Markenliste und Reihenfolge fast bei jedem Durchlauf ändern. Ein Wechsel von Platz 3 auf Platz 5 zeigt deshalb meist keine Veränderung an, sondern nur, dass zwei verschiedene Antworten gelesen wurden.

Wie viele Durchläufe braucht eine belastbare Nennungsrate?

Zehn Durchläufe reichen nicht, um eine fast immer genannte Marke von einer selten genannten zu unterscheiden. Für eine Genauigkeit von etwa 10 Punkten braucht es rund 100 unabhängige Antworten, die besser aus vielen Fragen, Sprachen und Assistenten stammen als aus einer einzigen, oft wiederholten Frage.

Reicht eine Messung auf Deutsch, wenn wir vor allem exportieren?

Nein. Die Sprache der Anfrage beeinflusst die Antworten stärker als die Marke selbst, deshalb sagt eine deutsche Messung wenig darüber, was ein Einkäufer in Frankreich oder Italien zu lesen bekommt. Jede Sprache, in der Sie verkaufen, braucht eine eigene Messung.