So sehen Sie, welche KI-Engine welche Quelle in AmICited zitiert

Nicht jede KI-Engine vertraut denselben Quellen. Die Cited by provider-Heatmap zeigt genau, wie oft jede Engine jede Ihrer wichtigsten Quellen zitiert hat – so können Sie sehen, welche Websites die Antworten welchen Modells prägen.

Was ist ein KI-Zitat, und warum unterscheidet es sich je nach Engine?

Ein KI-Zitat ist jeder Moment, in dem ein generatives KI-System – ChatGPT, Perplexity, Gemini oder Google AI Overview – bei der Beantwortung einer Nutzerfrage eine bestimmte Webseite nennt, darauf verlinkt oder sich direkt darauf stützt. Zitate sind der Rohstoff der KI-Sichtbarkeit: Wird eine Seite nie zitiert, beeinflusst sie nie, was ein Modell den Menschen über eine Marke, eine Produktkategorie oder einen Wettbewerber erzählt. Das unterscheidet Zitatdaten grundlegend von klassischen SEO-Rankings, bei denen ein einziger Algorithmus eine einzige geordnete Liste festlegt. Hier bauen vier weitgehend unabhängige Systeme jeweils ihre eigene Antwort auf, und jedes kann dabei auf einen anderen Satz von Quellen zurückgreifen.

Diese Divergenz entsteht, weil jede Engine Informationen unterschiedlich beschafft. ChatGPT kombiniert Browsing-Ergebnisse mit Mustern, die während des Trainings gelernt wurden, und stützt sich auf eine Mischung aus hochautoritativen Publishern, strukturierten Daten und Drittanbieter-Erwähnungen. Perplexity basiert auf Live-Web-Retrieval und bevorzugt tendenziell aktuelle, gut zitierte Seiten mit klaren Faktenaussagen. Google AI Overview greift stark auf den bestehenden Google-Index zurück und zeigt oft dieselben Domains, die bereits organisch gut ranken. Gemini bezieht Informationen aus Googles Knowledge Graph und Web-Korpus, gewichtet Autorität und thematische Tiefe jedoch wiederum anders. Das Ergebnis: Eine Quelle kann für eine Engine eine bevorzugte Referenz sein und für eine andere völlig unsichtbar bleiben – selbst bei nahezu identischen Prompts.

Dies ist die praktische Grundlage von Generative Engine Optimization – der Disziplin, die Inhalte einer Marke so zu gestalten, dass sie mit höherer Wahrscheinlichkeit von diesen Systemen abgerufen und zitiert werden. Sie können nicht für „KI-Suche" als ein einziges Ziel optimieren, so wie Sie früher für „Google" optimiert haben. Sie brauchen Einblick, welche Engine welche Quelle zitiert, denn die Lösung für eine ChatGPT-Lücke (etwa mehr Drittanbieter-Erwähnungen und strukturierte Daten) unterscheidet sich oft von der Lösung für eine Perplexity-Lücke (frischere, besser zitierfähige Faktinhalte). Ohne Daten auf Engine-Ebene enden Teams beim Raten, an welchem Hebel sie ansetzen sollen, oder ziehen alle Hebel gleichzeitig und verschwenden Aufwand auf Kanälen, in denen die Marke ohnehin schon gut abschnitt.

Quellenbezogene Daten auf Engine-Ebene decken zudem eine Wettbewerbsstruktur auf, die aggregierte Kennzahlen verbergen. Zwei Quellen können dieselbe Gesamtzahl an Zitaten aufweisen, während die eine ausschließlich eine ChatGPT-Referenz ist und die andere Perplexitys Standardquelle. Diesen Unterschied zu kennen, sagt Ihnen nicht nur, ob eine Wettbewerber- oder Partnerseite zitiert wird, sondern welche Nutzer welchen Modells sie tatsächlich sehen – was bestimmt, wo Sie als Nächstes Content, PR oder technische Maßnahmen fokussieren sollten.

Wo Sie es finden

Es ist die Cited by provider-Tabelle auf der Seite Sources, mit dem Untertitel „How many times each AI engine cited your top domains across all tracked prompts." Die Tabelle basiert auf denselben zugrunde liegenden Daten wie der Rest der Quellenanalyse von AmICited: Jedes Zitat, das Ihre verfolgten Prompts über Gemini, Perplexity, Google AI Overview und ChatGPT hinweg erzeugen, wird exakt der Quelle zugeordnet, die es hervorgebracht hat, und anschließend pro Domain (oder pro URL) und pro Engine aggregiert.

Was es misst

Die Tabelle beantwortet eine engere, umsetzbarere Frage als eine einzelne Zitatzahl: Wie sehr verlässt sich jede einzelne KI-Engine auf diese Quelle? Statt einer einzigen zusammengefassten Zahl erhalten Sie eine Zeile engine-spezifischer Werte, sodass sowohl der Gesamteinfluss einer Quelle als auch ihr Einfluss pro Engine gleichzeitig sichtbar sind.

• Jede Zeile ist eine Quelle – eine Domain oder eine Seite in der By-URL-Ansicht –, wobei Ihre eigene Domain mit you gekennzeichnet ist, damit Sie Ihre eigene Performance finden, ohne die gesamte Liste zu durchsuchen.
• Jede Engine hat eine Spalte – Gemini, Perplexity, Google AI Overview, ChatGPT – mit einer schattierten Zelle, die die Zitatanzahl dieser Quelle bei dieser Engine anzeigt.
• Die Zellendunkelheit kodiert das Volumen über eine „weniger → mehr"-Verlaufslegende, sodass Muster auf einen Blick erkennbar sind, ohne jede Zahl lesen zu müssen.
• Total summiert die Zitate einer Quelle über alle vier Engines hinweg und liefert so ein Gesamtranking der Quellenbedeutung.
• Eine Spalte Web Vitals und eine 14-Tage-Sparkline stehen neben den Zitatzahlen und liefern Kontext zu Seitengesundheit und aktuellem Trend – eine Quelle, die bei den Zitaten steigt, aber bei den Core Web Vitals durchfällt, ist ein fragiler Spitzenreiter, den es zu beobachten gilt.

Da die Tabelle zuerst nach Quelle und dann nach Engine gegliedert ist, ist sie speziell darauf ausgelegt, die Frage „welche Engine vertraut dieser Quelle" zu beantworten – eine andere (und oft nützlichere) Frage als „wie viele Zitate habe ich diesen Monat erhalten".

Wie Sie es lesen

Scannen Sie die Tabelle so, wie Sie jede Heatmap scannen würden: Achten Sie auf Farbe, nicht nur auf Zahlen. Eine Zeile, die über alle vier Engine-Spalten hinweg gleichmäßig dunkel ist, gehört zu einer Quelle mit breiter, engine-übergreifender Autorität – der Art von Referenz, auf die scheinbar jedes Modell zurückgreift. Eine Zeile, die in einer Spalte dunkel und in den übrigen leer ist, gehört zu einer Quelle mit engem, engine-spezifischem Einfluss, was meist auf etwas Strukturelles hindeutet: Die Quelle ist möglicherweise gut von Google indexiert, wird aber von Perplexity selten live abgerufen – oder umgekehrt. Ihre eigene you-Zeile sollten Sie zuerst und am häufigsten prüfen, da sie die direkte Ablesung der KI-Suchsichtbarkeit Ihrer Marke aufgeschlüsselt nach Engine ist.

Wie Sie es nutzen

1. Finden Sie die Favoriten jeder Engine. Scannen Sie eine Spalte von oben nach unten, um zu sehen, auf welche Quellen sich dieses Modell für Ihre verfolgten Prompts am meisten stützt. Das sind die Seiten, die es sich lohnt zurückzuentwickeln – ihre Struktur, Aktualität und Autoritätssignale funktionieren offenkundig für diese bestimmte Engine.
2. Sehen Sie, wo Sie stehen. Finden Sie Ihre you-Zeile und lesen Sie sie quer: Welche Engines zitieren Sie, und welche zitieren Sie gar nicht? Das ist der schnellste Weg, einen engine-spezifischen blinden Fleck zu erkennen, statt anzunehmen, Ihre Gesamtsichtbarkeit sei durchgängig schwach oder stark.
3. Fokussieren Sie Ihre schwache Engine. Eine leere Zelle in Ihrer Zeile unter einer Engine ist eine konkrete, adressierbare Lücke – keine vage Aufgabe „KI-Sichtbarkeit verbessern", sondern eine spezifische: Finden Sie heraus, warum Perplexity (zum Beispiel) Sie nie abruft, während ChatGPT es tut, und passen Sie Content-Aktualität, Zitierfähigkeit oder Crawlbarkeit entsprechend an.
4. Studieren Sie die Spitzenreiter. Die dunkelsten Zeilen außerhalb Ihrer eigenen sind die Quellen, die Ihr Thema engine-übergreifend dominieren – die Seiten, von denen Sie lernen, mit denen Sie sich vergleichen oder die Sie überholen sollten. Zeigt die Domain eines Wettbewerbers unter jeder Spalte dunkel, ist das ein starkes Signal für Domain-Autorität , das eine genauere Untersuchung wert ist – einschließlich des Content-Formats und der Struktur, die diese Domain verwendet.

Nutzen Sie den Umschalter By domain / By URL, um zwischen ganzen Domains und einzelnen Seiten zu wechseln – so können Sie von „welche Seiten gewinnen bei welchen Engines" bis hinunter zu „welche genaue Seite ist für den Gewinn verantwortlich" vordringen (Thema einer eigenen Anleitung).

Warum quellenbezogene Daten auf Engine-Ebene für Ihre Strategie wichtig sind

Alle KI-Zitate als einen undifferenzierten Pool zu behandeln, führt zu zwei verbreiteten Fehlern. Der erste ist die Annahme, dass eine Verbesserung der Sichtbarkeit bei einer Engine die Sichtbarkeit überall verbessert – Teams sehen nach einem Content-Push manchmal einen Zitatanstieg und gehen davon aus, die Strategie wirke breit, obwohl in Wirklichkeit nur eine Engine reagiert hat und die anderen weiterhin leer sind. Der zweite Fehler ist die Fehlinterpretation von Wettbewerbsbedrohungen: Ein Wettbewerber mit einer hohen Gesamtzahl an Zitaten könnte diese tatsächlich vollständig auf eine Engine konzentriert haben, während drei andere völlig offen bleiben. Die Cited by provider-Tabelle existiert genau dazu, beide Fehler zu verhindern, indem sie die Engine-Dimension jederzeit sichtbar hält, statt sie zu einem einzigen Wert zusammenzufassen.

Diese Detailtiefe auf Quellenebene ist auch das, was einen echten AI Rank Tracker von einem einfachen Erwähnungszähler unterscheidet. Zu zählen, wie oft eine Marke genannt wird, ist ein Anfang – aber zu wissen, welche Quellen jede Engine stattdessen zitiert, und das mit dem eigenen Share-of-Voice -Trend vergleichen zu können, macht aus den Daten eine priorisierte Handlungsliste statt einer Vanity-Metrik. Wenn Sie eine umfassendere Content-Gap-Analyse aufbauen, ist diese Tabelle der natürliche Ausgangspunkt: Sie zeigt Ihnen genau, welche Engine Sie zuerst testen sollten und welche konkurrierenden oder Drittanbieter-Quellen bereits die Position halten, die Sie sich erarbeiten möchten. Teams, die KI-Sichtbarkeitsarbeit im Agenturmaßstab betreiben oder sie neben klassischem SEO -Rank-Tracking verwalten, prüfen diese Ansicht tendenziell wöchentlich – es ist der schnellste Weg zu sehen, ob die Content- oder technischen Änderungen des letzten Monats bei der spezifischen Engine, auf die abgezielt wurde, tatsächlich etwas bewegt haben.