Comscore: ChatGPT verliert an Boden, was AI Share of Voice für CMOs wirklich bedeutet

Worum es hier geht, ist AI Share of VoiceShare of VoiceDer Anteil Ihrer Marke am gesamten Werbe- oder Gesprächsvolumen Ihrer Kategorie, gemessen im Vergleich zu Wettbewerbern über einen definierten Zeitraum.Vollständige Definition ansehen →: Welche Marken werden von KI-Systemen zitiert, wenn Nutzer Fragen stellen, und wie verschiebt sich diese Citation-Landschaft, während mehrere konkurrierende KI-Plattformen reifen. Die meisten Marketingteams behandeln das noch als SEOSEOSearch Engine Optimization: die Arbeit daran, die natürlichen (unbezahlten) Rankings Ihrer Seiten in den Suchergebnissen zu verbessern, um mehr organischen Traffic zu gewinnen.Vollständige Definition ansehen →-Fußnote. Das ist es nicht. Es wird schnell zu einem primären Distributionskanal für Brand Discovery, und die Daten zeigen inzwischen: Es ist kein einzelner Kanal mit einem dominanten Player.

Comscore-Daten, über die Digiday 2026 berichtete, zeigen, dass ChatGPT spürbar Boden an Gemini und Claude verliert, während die drei Plattformen auseinanderdriften in der Art, wie sie Marken- und Publisher-Content auswählen, zitieren und darstellen. Diese Zersplitterung ist das Kernproblem für CMOs: Strategien, die auf einer einzigen KI als Gatekeeper der Discovery aufbauten, waren immer fragil, und die Fragilität ist jetzt in den Zahlen sichtbar.

AI Share of Voice ersetzt gerankte Listen durch generierte Antworten

Klassischer Share of Voice lebte in Suchrankings und Media-ImpressionImpressionDie Gesamtzahl der Ausspielungen einer Anzeige oder eines Inhalts, unabhängig von Klicks. Jede Ausspielung zählt als eine Impression, auch bei derselben Person.Vollständige Definition ansehen →-Daten. Eine Marke konnte einen monatlichen Semrush-Report ziehen, ihre Visibility-Scores gegen den Wettbewerb prüfen und den Content-Kalender entsprechend aufsetzen. KI-Citations funktionieren anders: Sie sind generierte Antworten, keine gerankten Listen. Ein Nutzer, der Claude fragt „Welches CRMCRMCustomer Relationship Management: Software und Strategie, um Kundeninteraktionen über den gesamten Lifecycle zu steuern und zu analysieren.Vollständige Definition ansehen → sollte ein SaaS-Unternehmen im Mid-Market einsetzen?“, bekommt keine Seite mit zehn blauen Links. ErErDas Verhältnis von Interaktionen (Likes, Kommentare, Shares) zur Reichweite eines Inhalts. Zeigt, wie stark die Zielgruppe reagiert, gemessen an der Zahl der Personen, die den Inhalt gesehen haben.Vollständige Definition ansehen → bekommt eine synthetisierte Antwort, und entweder steht Ihre Marke darin oder nicht.

Der Einsatz steigt, weil KI-referrierter Traffic sich anders verhält als organischer Suchtraffic. Nutzer, die über eine KI-Citation kommen, stehen weiter im Entscheidungsprozess. Sie haben bereits eine qualifizierende Frage gestellt. Das macht citation-getriebene Besucher überproportional wertvoll, auch wenn die reinen Traffic-Volumina im Vergleich zur klassischen Suche bescheiden bleiben.

Der Comscore-Befund fügt eine operative Komplexitätsebene hinzu, mit der die meisten Marketingfunktionen nicht geplant haben. Auf ChatGPTs Citation-Logik zu optimieren ist eine andere Aufgabe als auf die von Gemini, das anders trainiert ist, Content anders abruft und innerhalb von Googles eigener Produktoberfläche operiert, wo Brand-Authority-Signale aus dem breiteren Google-Index stärker wiegen. Claude, von Anthropic gebaut, legt wiederum andere Kriterien zur Quellenbewertung an. Ein CMO, der Anfang 2025 das SEO-Team angewiesen hat, „uns von der KI zitieren zu lassen“, hatte vermutlich ein einziges Ziel vor Augen. Mitte 2026 sind es mindestens drei mit deutlich unterschiedlicher Mechanik, und der Abstand zwischen ihnen wächst.

Warum zitieren ChatGPT, Gemini und Claude unterschiedliche Quellen?

Jedes große KI-System erzeugt Antworten aus einer Kombination von Trainingsdaten, Echtzeit-Retrieval (wo aktiviert) und interner Ranking-Logik, die Quellenglaubwürdigkeit gewichtet. Die Divergenz zwischen ChatGPT, Gemini und Claude hat mehrere Ursachen.

Gemini profitiert von Googles etabliertem Authority-Index. Eine Marke, die in der organischen Suche gut rankt und starke E-E-A-T-Signale trägt (Experience, Expertise, Authoritativeness, Trustworthiness), hat bei Gemini-Citations einen strukturellen Vorteil, weil das System auf dieselben Signale zugreifen kann, die Google Search bereits nutzt. Deshalb schneiden Publisher, die in namentlich gezeichneten Expertencontent, strukturierte Daten und konsistente Topical Authority investiert haben, bei Gemini tendenziell besser ab als bei den anderen beiden.

ChatGPT stützt sich, besonders im Standardmodus ohne Retrieval, stärker auf Muster aus den Trainingsdaten. Marken, die vor dem Training-Cutoff häufig und positiv in hochwertigem Web-Content auftauchten, haben einen eingebetteten Vorteil, der sich nur langsam verschiebt. Neue oder neu positionierte Marken stehen vor einem Lag-Problem: Selbst guter aktueller Content bewegt oft wenig, weil das Wissen des zugrundeliegenden Modells bis zu einem neuen Trainingszyklus eingefroren ist.

Claude, entwickelt von Anthropic, zeigt eine Tendenz, Primärquellen und direkte Citations stärker zu gewichten. HubSpot (ein Anbieter von CRM und Marketing-Automation, die Ergebnisse also mit angemessener Skepsis lesen) hat 2026 Experimente durchgeführt, die nahelegen, dass strukturierter LinkedIn-Content von glaubwürdigen Einzelstimmen Claudes Citation-Raten verbessert. Der Mechanismus ist allerdings nicht vollständig transparent, und die Daten kommen von einem Anbieter mit klarem Interesse daran, Content-Aktivität auf professionellen Plattformen zu fördern.

Ein konkretes Beispiel: Ein B2B-Logistiksoftwareanbieter, der in ein detailliertes, von Experten verfasstes White Paper zur Risikomodellierung in der Supply Chain investiert und es sauber mit strukturiertem Markup indexieren lässt, taucht mit höherer Wahrscheinlichkeit in Gemini-Citations auf als ein Wettbewerber, der fünfzehn kurze Blogposts zum selben Thema veröffentlicht. Bei ChatGPT kann Markenbekanntheit, über Jahre konsistenten Publizierens aufgebaut, beides überwiegen. Bei Claude kann die klare Zuordnung von Expertise zu namentlich genannten Personen im Content mehr zählen als beides.

Zu verstehen, wie KI-Systeme Marken-Content auswählen und ausspielen, heißt, jede Plattform als eigenes Publikum mit eigenen Bewertungskriterien zu denken, nicht als einen einzigen monolithischen „AI Search“-Kanal.

Lohnt jetzt ein Budget-Schwenk zur AI-Citation-Optimierung?

Die Comscore-Daten rechtfertigen Aufmerksamkeit. Sie rechtfertigen keinen sofortigen, umfassenden Schwenk von Budget und Ressourcen hin zur Citation-Optimierung für KI, aus mehreren Gründen.

AttributionAttributionEin Framework, das den Touchpoints, die zu einer Conversion beigetragen haben, Credit zuweist, damit Sie messen können, welche Kanäle und Interaktionen tatsächlich Ergebnisse bringen.Vollständige Definition ansehen → bleibt wirklich schwierig. Wenn ein Nutzer eine Claude-Antwort liest, in der Ihre Marke vorkommt, und drei Tage später über Direct Traffic oder eine Brand-Suche auf Ihre Website kommt, verbinden die meisten Analytics-Stacks diese Ereignisse nicht. Serverseitiges Tracking hilft bei dem, was nach dem Klick passiert, aber die Citation selbst hinterlässt keine standardisierte UTM-Spur. Sie optimieren auf ein Ergebnis, das Sie in den meisten Organisationen noch nicht sauber messen kkDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →önnen.

Die Plattformen sind nicht stabil. Googles Kartellverfahren (Regulierer eröffneten 2025 und 2026 formale Verfahren gegen Googles programmatische Ad-Infrastruktur, wie Digiday berichtete) schaffen strukturelle Unsicherheit über Distribution und Geschäftsmodell von Gemini. ChatGPTs Retrieval-Fähigkeiten und Citation-Logik haben sich über mehrere Produktupdates hinweg deutlich verändert. Schwere Infrastruktur rund um das aktuelle Citation-Verhalten einer einzelnen Plattform zu bauen, ist eine Wette auf etwas, das sich innerhalb eines Produktzyklus verschieben kann.

Was über alle drei Plattformen hinweg Bestand hat, sind Content-Qualität und strukturelle Klarheit. Von Experten verfasster Content, sauber ausgezeichnet, glaubwürdigen Stimmen zugeordnet, in thematischer Tiefe statt oberflächlicher Breite organisiert, performt in KI-Citations über alle drei Systeme hinweg besser als dünne Content-Produktion in hoher Frequenz. Genau das hat auch ein rigoroser Ansatz in der Content-Strategie immer empfohlen, die Investition ist also nicht verloren, wenn sich das Citation-Modell der KI erneut ändert.

Die kurzfristige Aufgabe des CMO ist, KI-Sichtbarkeit systematisch zu messen, getrennt nach Plattform, und intern den Case dafür zu bauen, Citations als getrackte Kennzahl zu behandeln statt als Nebenprodukt. Semrush (verkauft SEO- und AI-Visibility-Tooling, die Methodik entsprechend prüfen) hat 2026 ein Framework für AI-Visibility-Audits veröffentlicht, das einen operativen Startpunkt bietet. Eine unabhängige Validierung der Methodik lohnt sich, bevor daraus ein KPIKPIKey Performance Indicator, ein messbarer Wert, der zeigt, wie wirksam Sie ein bestimmtes Ziel erreichen, über die Zeit verfolgt und gegen einen Zielwert gemessen.Vollständige Definition ansehen → auf Board-Ebene wird.

Die Fragmentierung, die Comscore dokumentiert hat, ist keine vorübergehende Phase, bevor eine Plattform gewinnt. Mehrere KI-Discovery-Kanäle werden koexistieren, mit unterschiedlicher Citation-Logik und unterschiedlichen Nutzerbasen. Eine Marke, die Authority-Signale breit genug aufbaut, um über alle drei hinweg zu performen, ist besser aufgestellt als eine, die das als Optimierungsaufgabe für eine einzelne Plattform behandelt. Fangen Sie dort an.