Wer in ChatGPT nicht zitiert wird, fehlt in einem wachsenden Teil der informationalen Suche. ChatGPT hatte laut OpenAI im Februar 2026 mehr als 900 Millionen wöchentliche Nutzer. Schon im Juli 2025 nannte Sam Altman über 2,5 Milliarden Prompts pro Tag (TechCrunch). Wie viele davon eine Websuche auslösen, veröffentlicht OpenAI nicht. Dennoch behandeln viele Marken ChatGPT als Randphänomen, und SEO-Teams haben für diesen Kanal oft kein eigenes Playbook.

Der Leitfaden schließt diese Lücke. Er beschreibt, wie ChatGPT technisch Antworten konstruiert, welche Signale die Citation-Wahrscheinlichkeit steuern und welche acht Maßnahmen in der Beratungspraxis die Citation-Rate innerhalb von drei bis sechs Monaten messbar heben.

Wie wählt ChatGPT die Quellen für seine Antworten aus?

ChatGPT wählt Quellen für Web-Antworten über eigene Suchinfrastruktur und Suchpartner: Laut OpenAI nutzt ChatGPT Search seit dem Start am 31. Oktober 2024 Drittanbieter-Suchdienste und Partnerinhalte; seit dem 16. Dezember 2024 steht die Websuche allen angemeldeten Nutzern offen. Das OpenAI Help Center nennt Bing als Suchmaschine, an die anonymisierte Suchanfragen gehen. Zusätzlich erfasst der Crawler OAI-SearchBot Websites für die Suchfunktion; Seiten, die ihn per robots.txt ausschließen, zeigt ChatGPT laut OpenAI-Crawler-Dokumentation nicht in Suchantworten. Welchen Anteil Bing an den zitierten URLs hat und wie das Re-Ranking gewichtet, legt OpenAI nicht offen. Bei über 900 Millionen wöchentlichen Nutzern ist das trotzdem kein Randkanal mehr. Für Marken folgen daraus drei belegbare Pflichten: Bing-Indexierung sicherstellen, OAI-SearchBot zulassen und Kernaussagen so formulieren, dass ein einzelner Absatz ohne Kontext als Beleg taugt. Alles Weitere, etwa die Gewichtung einzelner Passagen, ist Beobachtung aus Tests und keine OpenAI-Angabe.

Unser Arbeitsmodell der ChatGPT-Retrieval-Pipeline (aus Verhaltenstests rekonstruiert, von OpenAI nicht bestätigt, Evidenzstufe D) umfasst vier Schritte. (1) Query-Interpretation durch das Sprachmodell mit Erzeugung eines oder mehrerer Sub-Queries. (2) Retrieval über Suchpartner wie Bing, ergänzt durch OpenAIs eigenen Such-Crawler OAI-SearchBot. (3) Re-Ranking der Top-N-Ergebnisse auf semantische Relevanz zur vollständigen Query. (4) Antwort-Synthese mit expliziter oder impliziter Zitation der am stärksten gewichteten Chunks.

Für SEO bedeutet das eine strukturelle Verschiebung: Nicht das Dokument-Ranking entscheidet, sondern die Chunk-Qualität. Eine Seite auf Position 1 wird nicht zwingend zitiert, eine strukturell sauber geschriebene Passage aus Position 8 dagegen schon. Die Optimierungsebene wandert von der Seite zum Absatz.

Bing

dominiert das ChatGPT-Retrieval: In unseren Citation-Stichproben stammt der Großteil der Quellen aus Bing-indexierten URLs (eigene Beobachtung, Evidenzstufe C; OpenAI veröffentlicht keine Anteile)

200-400

Tokens pro Chunk: unsere Arbeitshypothese für gut zitierbare Passagen (keine Herstellerangabe)

6 Schichten

Signal-Ebenen in unserem Arbeitsmodell der Quellenwahl (eigenes Framework)

Die sechs Sichtbarkeitsschichten für ChatGPT

Schicht 1: Bing-Indexierung. Pflicht, nicht optional. Ohne Bing-Indexierung kein Retrieval. Bing Webmaster Tools einrichten, XML-Sitemap einreichen, IndexNow-Protokoll aktivieren. Viele Marken, die auf Google exzellent indexiert sind, haben in Bing erhebliche Lücken: In unseren Audits fehlten häufig 15-40 % der URLs (eigene Beobachtung, Evidenzstufe C, siehe Benchmarks).

Schicht 2: OpenAI-Crawler-Zugriff. In robots.txt explizit deklarieren. Laut OpenAI sind drei Bots relevant: GPTBot (Training von Foundation-Modellen), OAI-SearchBot (Aufnahme in die ChatGPT-Suche) und ChatGPT-User (Abruf bei Nutzeraktionen, für den robots.txt-Regeln möglicherweise nicht gelten). Die Standard-Empfehlung für B2B-Marken: alle erlauben. Für Premium-Content-Publisher: GPTBot selektiv blockieren, OAI-SearchBot erlauben.

Schicht 3: Passage-Level Citability. Chunks von 200-400 Tokens mit Claim-Evidence-Struktur im ersten Satz. Keine anaphorischen Pronomen, die auf vorherige Absätze verweisen. Explizite Entity-Nennung statt impliziter Referenzen. Konkrete Zahlen mit Quellen statt vager Formulierungen. Diese Chunk-Eigenschaften korrelieren in unseren Benchmarks am stärksten mit tatsächlichen Zitationen (eigene Daten, Evidenzstufe C). Die Forschung stützt die Richtung: Im GEO-Paper von Aggarwal et al. (KDD 2024) steigerten ergänzte Quellenangaben, Zitate und Statistiken die Sichtbarkeit in generativen Antworten relativ um 30 bis 40 %.

Schicht 4: Entity-Resolution. ChatGPT muss die Marke als eindeutige Entity interpretieren können, nicht als Name-Collision-Kandidat. Das erfordert Wikidata-Item mit referenzierten Properties, Schema.org-Graph mit @id-Kohärenz, sameAs-Cluster über autoritative Drittprofile und konsistente Attribute (Rolle, Branche, Standort, Gründungsjahr). Ohne diese Resolution wird die Marke entweder nicht zitiert oder mit einer fremden Entität verwechselt.

Schicht 5: Schema.org JSON-LD. Strukturierte Daten sind für ChatGPT kein Rich-Result-Signal, sondern ein semantisches Substrat. Article-Schema mit author-@id auf Person-Schema, Product-Schema mit brand-@id auf Organization, FAQPage mit expliziter Claim-Answer-Struktur. Schema-Implementation liefert das Fundament.

Schicht 6: llms.txt und Brand-Cohesion. Ergänzend eine llms.txt-Datei mit strukturierter Markdown-Zusammenfassung der wichtigsten Seiten. Von keinem großen Anbieter offiziell als Signal bestätigt; Google Search ignoriert llms.txt laut Google-Leitfaden zur Optimierung für generative KI (Stand 10. Juli 2026). Implementations-Kosten niedrig, ein messbarer Effekt für ChatGPT ist bislang nicht belegt. Dazu konsistente Brand-Pflege auf LinkedIn, Crunchbase, GitHub, YouTube, alles Quellen, die in unseren Tests häufig als Kontext auftauchen.

ChatGPT-Bot-Matrix: robots.txt-Strategie im Überblick (Funktionen laut OpenAI-Doku, Stand September 2026)
BotFunktionEmpfehlungKonsequenz bei Blockade
GPTBotOpenAI Training-CrawlerErlauben (Publisher: abwägen)Inhalte fließen nicht ins Training künftiger Modelle
ChatGPT-UserAbruf bei Nutzeraktionen in ChatGPT und Custom GPTsErlaubenrobots.txt greift laut OpenAI möglicherweise nicht; kein Einfluss auf die Suchaufnahme
OAI-SearchBotCrawler für die ChatGPT-SucheErlaubenSeite erscheint nicht in ChatGPT-Suchantworten
BingbotMicrosoft-Index (laut OpenAI Suchpartner)Pflicht erlaubenVermutlich deutlich weniger Web-Retrieval in ChatGPT (Hypothese, Evidenzstufe D)
Mid-Read · Strategiegespräch

Ist Ihre Bot-Konfiguration korrekt?

30 Minuten Live-Check Ihrer robots.txt plus Bing-Indexierung gegen die vier kritischen Crawler - klare Go/No-Go-Liste statt Vermutungen.

Check anfragen →

Passage-Engineering: Ein konkretes Beispiel

Schwach zitierfähiger Text (typisch für B2B-Content): „Unsere Plattform bietet eine umfassende Lösung für den Kundendienst. Sie kombiniert verschiedene Funktionen, die Teams unterstützen, ihre Kunden besser zu betreuen. Viele Unternehmen setzen sie ein, um ihre Prozesse zu optimieren."

Stark zitierfähig gemacht (fiktives Muster, Platzhalter in eckigen Klammern durch belegte Werte ersetzen): „[Marke] ist eine Kundendienst-Plattform, die Ticket-Management, Chat, KI-Agenten und Analytics in einer einzigen Oberfläche integriert. Laut [Geschäftsbericht, Jahr] setzen [Zahl] Unternehmen in [Zahl] Ländern die Plattform ein, darunter [Referenzkunde A] und [Referenzkunde B]. [Analystenhaus, Studie, Datum] ordnet sie im Segment [Kategorie] als [Einstufung] ein."

Der Unterschied ist strukturell: Der zweite Text ist self-contained (funktioniert ohne Kontext aus anderen Absätzen), nennt die Entity explizit, liefert konkrete Zahlen mit Quellen und hat eine Claim-Evidence-Paarung in den ersten beiden Sätzen. In unseren Citation-Tests werden diese Muster am häufigsten zitiert (eigene Beobachtung). Entscheidend ist, dass jede Zahl im fertigen Text aus einer nachprüfbaren Primärquelle stammt.

Das 90-Tage-Protokoll für ChatGPT-Sichtbarkeit

Monat 1 - Audit und Fundament. Bing-Indexierungs-Check über alle relevanten URLs, GPTBot-Zugriffs-Audit in robots.txt, Entity-Reife-Check (Wikidata-Status, Schema-Graph-Kohärenz), Baseline-Messung der aktuellen ChatGPT-Zitation über 1.500 Prompts (Brand, Kategorie, Longtail).

Monat 2 - Passage-Rewrites und Schema. Top-30-URLs mit höchstem Citation-Potenzial durchgehen, Chunks auf 200-400 Tokens refaktorisieren, Claim-Evidence-Struktur einziehen, self-contained machen. Parallel Schema.org-Graph mit @id-Kohärenz ausrollen, Markup validieren, optional llms.txt deployen.

Monat 3 - Corroboration und Entity-Verdichtung. Wikidata-Item pflegen (Referenzen aus unabhängigen Sekundärquellen), 3 bis 5 Fachmedien-Features mit konsistenten Fakten-Fingerabdrücken, Author-Entity-Setup für Autoren. Parallel zweite Messung der Citation-Rate. In unseren Projekten lag der Uplift in Woche 10 bis 12 meist bei 30 bis 80 Prozent gegenüber Baseline (eigene Daten, Evidenzstufe C, keine Ergebniszusage; Methodik im LLM Citation Benchmark).

Was klassisches SEO nicht mehr leistet

Drei Missverständnisse, die in der Praxis hartnäckig bleiben. Erstens: „Wir ranken auf Position 1 bei Google, also werden wir auch in ChatGPT zitiert." Riskant: OpenAI nennt Bing als Suchpartner der ChatGPT-Websuche, nicht Google. Ein Google-Ranking überträgt sich nicht automatisch. Zweitens: „Wir haben gute Backlinks, das reicht auch für LLMs." Backlinks sind Entity-Signale, aber ohne strukturierte Daten und Passage-Qualität bleiben sie unverwertet. Drittens: „Es reicht, ein gutes FAQ einzubauen." FAQs sind ein Signal, aber ohne Schema und ohne Passage-Engineering auf Hauptinhalten isoliert.

ChatGPT SEO ist eine eigenständige Disziplin im GEO-Stack. Klassisches SEO bleibt Grundlage - aber nicht mehr hinreichend. Wer den Kanal ignoriert, verliert informationale Nachfrage; wer ihn systematisch adressiert, gewinnt einen Kanal, den Wettbewerber noch nicht bespielen.

Wie Messung aussieht: KPIs für ChatGPT SEO

Vier primäre Kennzahlen aus der LLM-Citation-Monitoring-Praxis. (1) Citation-Rate: Anteil der Prompts in der Tracking-Matrix, in denen die Marke zitiert wird. (2) Position in Answer: Platz der Zitation innerhalb der ChatGPT-Antwort (ganz oben, mittig, am Ende). (3) Source-Origin-Breakdown: Welche URL wurde zitiert - eigene Domain, Drittquelle, Wikipedia. (4) Competitor Share-of-Voice: Anteil der Citations an Wettbewerbern für dieselben Prompts.

Sekundäre KPIs: Entity-Resolution-Rate (wird die Marke korrekt als eindeutige Entität erkannt?), Halluzinations-Rate (werden falsche Attribute zugeschrieben?), Source-Freshness (wie aktuell sind die zitierten Quellen?). Diese Sekundärmetriken erklären die Primär-Bewegungen - wenn Citation-Rate fällt, liegt es meist an Entity-Resolution-Brüchen oder Content-Aging.

Fazit: ChatGPT SEO ist kein Add-On

Wer ChatGPT-Sichtbarkeit als Seitenaufgabe des SEO-Teams behandelt, unterschätzt den Kanal systematisch. Die Retrieval-Mechanik ist anders, die KPIs sind anders, der Trainings- und Inferenz-Zyklus ist anders. Wer es richtig macht, baut einen Kanal auf, den klassisches SEO nicht abdeckt und in dem die Wettbewerbsdichte nach unserer Einschätzung derzeit noch niedriger ist als in der klassischen Google-SERP.

Der strukturelle Hebel liegt nicht in mehr Content, sondern in besser strukturiertem Content - plus sauberer Entity-Architektur plus Bing-Indexierungs-Hygiene. Das 90-Tage-Protokoll oben liefert die Sequenz. Die Messung über kontinuierliches Citation-Monitoring macht den Effekt sichtbar.

Quellen