Laut der Minuttia-Studie werden Brands mit Google-Top-10-Ranking bei US-Suchen nach Software-Alternativen in fünf KI-Systemen 6,9- bis 11,6-mal so oft genannt wie Brands ohne, doch über 90 % der Nennungen gehen an Brands ohne. Die AI Search Visibility Data Study von Minuttia und Convex Works hat dafür 24.067 Software-Prompts ausgewertet. Ein eigenes Top-10-Ranking ist selten: Es liegt nur bei 9.083 von 913.504 Kombinationen aus Prompt und Brand vor, rund 1 % (eigene Rechnung). Zudem taucht in 11.265 Alternative-Suchen mehr als die Hälfte der empfohlenen Brands (53,7 %) nur in einem der fünf Systeme auf. Die Daten sprechen damit für eigene Rankings und für eine getrennte Messung der AI Visibility, also der KI-Sichtbarkeit einer Brand, je System.
Wie haben Minuttia und Convex Works die AI Visibility gemessen?
Die Studie hat 24.067 Prompts aus Software-Kategorien in der Google-Suche samt AI Overviews sowie in ChatGPT, Gemini, Claude und Perplexity gestellt. AI Overviews sind die KI-Antworten über den organischen Ergebnissen. Das Prompt-Set besteht aus vier Typen:
- Alternative-Prompts (11.525) nach dem Muster „best alternatives to X“, die Basis der meisten Befunde,
- Brand-Prompts (5.983), nur der Brand-Name, etwa „Slack“,
- Category-Prompts (196) wie „best accounting software“,
- Comparison-Prompts (6.363), die zwei Brands einer Kategorie vergleichen.
Die erste Erhebungswelle mit 17.704 Brand-, Alternative- und Category-Prompts lief am 24. August 2026. Das Datum der Comparison-Welle nennt die Studie nicht, Analyse-Stand ist der 26. August 2026.
Gezählt werden nur Nennungen aus einem festen Korpus von 5.983 Brands. Google wurde in den USA auf Englisch am Desktop abgefragt, ein Lauf je Prompt. ChatGPT und Gemini liefen über die Nutzeroberfläche, Claude (Haiku 4.5) und Perplexity (Sonar) über die API. Wie oft Google eine AI Overview zeigt, hängt stark vom Prompt-Typ ab:
Die 97,7 % gelten nur für US-Suchen nach Software-Alternativen. Comparison-Prompts fehlen in der Grafik, weil die Studie für sie zwei Werte ausweist: AI Overview ausgelöst (95,5 % von 6.363 Suchen) und AI Overview mit Inhalt (60,4 %).
Werden Brands mit Google-Top-10-Ranking in KI-Antworten häufiger genannt?
Ja, in allen fünf Systemen. Die Nennungsrate ist der Anteil der Gelegenheiten, in denen eine Brand in der Antwort vorkommt. Als Gelegenheit zählt jede Kombination aus einem Prompt und einer Brand aus dessen Kategorie, ohne die Brand, zu der Alternativen gesucht werden. Steht die eigene Domain einer Brand zum selben Alternative-Prompt in den organischen Google-Top-10, ist ihre Nennungsrate 6,9- bis 11,6-mal so hoch wie ohne dieses Ranking. Den höchsten Faktor zeigen die AI Overviews, den niedrigsten ChatGPT:
Strich im Balken = 1×, die Nennungsrate der Brands ohne eigenes Top-10-Ranking.
Als Top-10-Treffer zählt nur die offizielle Domain der Brand samt Subdomains in den organischen Ergebnissen der SERP. Rankt stattdessen eine Vergleichsseite, das Profil der Brand auf der Software-Bewertungsplattform G2 oder ein Reddit-Thread, zählt das nicht.
Der Zusammenhang gilt auch außerhalb der Google-Suche, von 6,9-fach in ChatGPT bis 10,5-fach in Gemini. Woher diese vier Systeme ihre Quellen beziehen, misst die Studie nicht. Wie ChatGPT sucht, erklärt der Artikel zu ChatGPTs eigenem Suchindex. Bei Category-Prompts zeigt sich derselbe Zusammenhang (6,8- bis 8,7-fach), allerdings auf kleiner Basis von 250 bis 279 Gelegenheiten mit Ranking je System. Über beide Prompt-Typen nennt die Studie deshalb 6,8- bis 11,6-fach.
Wie oft werden Brands mit Top-10-Ranking tatsächlich genannt?
Bei Alternative-Prompts in 28,7 bis 43,5 % der Gelegenheiten, je nach System. Ohne Ranking sind es 2,7 bis 4,6 %:
Selbst mit Ranking bleibt die Nennungsrate bei Alternative-Prompts damit in jedem System unter 50 %. Nur bei den 196 Category-Prompts kommt Perplexity auf 50,5 % (141 von 279 Gelegenheiten).
Werden Brands ohne Top-10-Ranking in KI-Antworten genannt?
Ja. Bei Alternative-Prompts gehen über 90 % der Nennungen an Brands ohne eigenes Top-10-Ranking. Die Studie misst das mit allen erkannten Nennungen als Basis: Bei wie vielen steht die eigene Domain in den Top 10 derselben Suche? Je nach System nur bei 6,4 bis 9,7 %:
Graue Fläche: Nennungen ohne eigenes Top-10-Ranking, 90,3 bis 93,6 % (eigene Rechnung).
Dahinter steckt, wie selten das Ranking ist: Nur 9.083 der 913.504 Gelegenheiten, rund 1 %, haben eines (eigene Rechnung). Je Alternative-Prompt rankt im Schnitt weniger als eine Anbieter-Domain der Kategorie in den Top 10 (0,79, eigene Rechnung), die Systeme nennen aber 5,5 bis 8,9 Brands je Antwort. Dass die meisten Nennungen an Brands ohne eigenes Ranking gehen, folgt deshalb schon aus der Zusammensetzung der SERPs. Bei Category-Prompts gehen 85,2 bis 90,0 % der Nennungen an Brands ohne (eigene Rechnung).
Nennen ChatGPT, Gemini, Claude, Perplexity und AI Overviews dieselben Brands?
Überwiegend nicht. In den 11.265 Alternative-Suchen mit AI Overview, die also von allen fünf Systemen beantwortet wurden, taucht mehr als die Hälfte der je Prompt empfohlenen Brands nur in einem System auf:
Die Überschneidung ist asymmetrisch: ChatGPT nennt 66,2 % der Brands aus den AI Overviews, umgekehrt stehen nur 40,9 % der ChatGPT-Brands dort. Das folgt auch aus der Antwortlänge: ChatGPT nennt je Alternative-Antwort im Schnitt 8,9 Brands, die AI Overviews 5,5. Wie einig die Systeme sind, hängt zudem stark von der Kategorie ab. Alle fünf nennen in Risk & Compliance nur 1,7 % der Brands, in Data Labeling 18,2 % (33 Prompts), im Median über 154 Kategorien 8,0 % (eigene Rechnung).
Welche Quellen zitieren KI-Systeme bei Software-Empfehlungen?
Bei Software-Recherchen ist g2.com in vier von fünf Systemen die meistzitierte Domain. Nur in Perplexity liegt reddit.com knapp vorn:
Wie stark Reddit zählt, hängt vom System ab: In Perplexity zitieren 71,2 % der Antworten mit Quellenangabe reddit.com, in Gemini 2,3 %. Bei Claude steht reddit.com nicht unter den 15 meistzitierten Domains, die der Datensatz der Studie je System ausweist. Wie ein System Seiten abruft und zitiert, beschreibt der Artikel zu Retrieval Augmented Generation.
Wer genannt wird, wird selten mit der eigenen Website zitiert: Bei Alternative-Prompts zitieren die Systeme die offizielle Domain einer genannten Brand nur bei 3,2 % (Gemini) bis 28,6 % (ChatGPT) der Nennungen.
Ob die Präsenz auf G2 selbst eine Rolle spielt, hat die Studie nur für die AI Overviews geprüft. Dort hängt die Zahl der G2-Reviews mit der Nennungsrate zusammen. Für die Sternebewertung findet die Studie keinen vergleichbaren Zusammenhang:
Wie belastbar sind die Zahlen?
Die Studie ist groß und offen dokumentiert, deckt aber nur einen engen Ausschnitt ab:
ChatGPT und Gemini liefen über die Nutzeroberfläche, Claude und Perplexity über die API. Ein Lauf je Prompt ist ausdrücklich nur für Google dokumentiert.
Vier weitere Punkte schränken die Aussagekraft ein:
- Brand-Stärke nicht herausgerechnet. Ob bekannte Brands einfach beides erreichen, Rankings und Nennungen, lässt die Studie offen.
- Ungleiche Messwege. Die Studie selbst nennt die Messwege über Nutzeroberfläche und API „not perfectly equivalent“. Claude Haiku 4.5 hat bei 46,4 % der 5.983 Brand-Prompts nachgefragt, statt zu antworten.
- Geschlossener Korpus. Wie die 5.983 Brands und die Kategorien ausgewählt wurden, ist nicht dokumentiert, ebenso der genaue Prompt-Wortlaut.
- Zwei Dienstleister als Herausgeber. Kein Peer-Review, nur Aggregatdaten, ein kommerzielles Eigeninteresse ist auf der Studienseite nicht offengelegt. Der Begleittext von Minuttia liest den Top-10-Befund als Beleg, dass organische Sichtbarkeit die AI Visibility speist, nennt aber selbst den Vorbehalt „descriptive association, not causation“.
Methodik und alle Chart-Datensätze sind öffentlich, die Nenner der verwendeten Charts lassen sich nachrechnen. Für alle 17.704 Prompts der ersten Welle liegt aus jedem der fünf Systeme ein Ergebnis vor, bei Google die SERP.
Was heißt das für deine AI Visibility?
Miss deine AI Visibility je System und arbeite neben den eigenen Rankings an der Präsenz in den Quellen, die die Systeme zitieren. Die Studie zeigt Zusammenhänge, keine Ursachen, und rechnet die Brand-Stärke nicht heraus. Sechs Arbeitsschritte folgen aus den Befunden:
Welche Kennzahlen sich für diese Messung eignen, steht im Artikel zu den SEO-KPIs im KI-Zeitalter.
Reicht gutes SEO für AI Visibility, oder braucht es GEO?
Aus meiner Sicht stützt die Studie beide Seiten der Debatte SEO vs. GEO: ob SEO für KI-Antworten reicht oder es zusätzlich GEO braucht (Generative Engine Optimization, die Optimierung für KI-Antworten). Für gutes SEO als Grundlage spricht, dass Brands mit eigenem Top-10-Ranking in jedem der fünf Systeme um ein Vielfaches häufiger genannt werden.
Als alleinige Strategie reicht SEO aber nicht. Auch mit Top-10-Ranking liegt die Nennungsrate bei Alternative-Prompts bei höchstens 43,5 %. Weil nur rund 1 % der Gelegenheiten ein eigenes Ranking haben, gehen zudem über 90 % der Nennungen an Brands ohne. Für uns Search-Marketer heißt das: AI Visibility je System getrennt messen und dort präsent sein, wo die Systeme in der eigenen Branche zitieren.
Ob die Befunde für Finanz- und Versicherungsthemen im deutschen Markt gelten, zeigt nur eine eigene Messung. Wir bei KKP messen die AI Visibility von Banken und Versicherern, etwa im Industry Report zur AI Visibility in der Bankenbranche.
Häufige Fragen zu AI Visibility und Google-Rankings
Werden Brands mit Google-Top-10-Ranking häufiger in ChatGPT genannt?
Ja. Laut der AI Search Visibility Data Study von Minuttia und Convex Works (08/2026, 11.525 US-Software-Prompts nach dem Muster „best alternatives to X“) nennt ChatGPT Brands mit eigenem Google-Top-10-Ranking in 31,8 % der möglichen Fälle, Brands ohne dieses Ranking in 4,6 %, also 6,9-mal so oft. In Google AI Overviews liegt der Faktor bei 11,6. Die Studie beschreibt einen Zusammenhang, keine Ursache.
Reicht gutes SEO für AI Visibility?
Die Daten der Minuttia-Studie sprechen dagegen, dass ein Ranking allein genügt. Bei 11.525 Alternative-Prompts aus Software-Kategorien liegt die Nennungsrate auch mit eigenem Top-10-Ranking je System nur bei 28,7 bis 43,5 %. 90,3 bis 93,6 % der Brand-Nennungen gehen an Brands ohne eigenes Top-10-Ranking, auch weil ein solches Ranking nur bei rund 1 % der Kombinationen aus Prompt und Brand vorliegt (beides eigene Rechnung).
Wie lässt sich die KI-Sichtbarkeit einer Brand richtig messen?
Je System getrennt. In der Minuttia-Studie (08/2026) tauchen bei 11.265 US-Suchen nach Software-Alternativen 53,7 % der empfohlenen Brands nur in einem von fünf Systemen auf, nur 8,0 % in allen fünf. Ein Durchschnitt über alle Systeme verdeckt deshalb, wo eine Brand fehlt. Nennungen und Zitate gehören in getrennte Kennzahlen, denn die offizielle Domain wird nur bei 3,2 bis 28,6 % der Nennungen zitiert.
Welche Quellen nutzt ChatGPT bei Software-Empfehlungen?
Laut der Minuttia-Studie zitiert ChatGPT bei Software-Recherchen am häufigsten g2.com, in 29,9 % der 11.718 Antworten mit Quellenangabe, gefolgt von reddit.com mit 23,6 %. Andere Systeme gewichten anders: In Perplexity führt reddit.com mit 71,2 %, in Gemini kommt reddit.com nur auf 2,3 %. Die Werte gelten nur für Software, andere Branchen hat die Studie nicht gemessen.
Gelten die Ergebnisse auch für Banken und Versicherer in Deutschland?
Nicht ohne eigene Messung. Die Minuttia-Studie hat nur Software-Kategorien ausgewertet und Google nur in den USA auf Englisch am Desktop abgefragt. Auch Kategorien wie Payments oder Digital Banking sind dort Software, keine Finanzprodukte. Für Finanz- und Versicherungsthemen im deutschen Markt muss die AI Visibility selbst gemessen werden.
