Sichtbarkeit in ChatGPT

ChatGPT-Sichtbarkeit hängt an Extrahierbarkeit und klaren Primärfakten. Die AI-Readiness-Studie misst den Agent-Layer auf 6.675 DE-Dienstleister-Webseiten (Agent-Ready Ø 25/100). Dieser Beitrag trennt, was steuerbar ist, von dem, was OpenAI-Session-intern bleibt.

Wie werde ich in ChatGPT sichtbar oder zitiert?

Antwort zuerst: Du wirst genannt oder als Beleg genutzt, wenn ChatGPT im Such-/Browsing-Modus eine prüfbare Passage auf deiner Domain als Antwortbaustein übernehmen kann.

1. OAI-SearchBot und Crawl freigeben (nicht nur GPTBot-Diskussion)
2. Kernfragen als Direct Answer oben auf Leistungsseiten
3. Fakten, Zahlen, Quellen statt Superlative
4. NAP und Markenname überall gleich
5. Externe Erwähnungen und interne Entity-Links
6. KI-Sichtbarkeits-Check + Fehlende Antworten

Branche Steuerberatung: AI-Sichtbarkeit für Steuerberater. Empirie: GEO/ChatGPT Empirie.

Warum werde ich in ChatGPT oft nicht gefunden?

Antwort zuerst: Meist fehlt Zugang oder Extrahierbarkeit — selten „zu wenig SEO-Keywords“.

• Crawler/WAF blockiert KI-Bots
• Wesentlicher Text nur clientseitig gerendert
• Marketingtexte ohne zitierfähige Fakten
• Widersprüchliche Firmendaten zwischen Impressum, Google und Social
• Nur Startseite; Intent-Prompts brauchen Fach-URLs
• Brand-Prompt ok, Discovery-Prompt leer (Bad-Schönborn: Brand 91,7 % vs. Discovery 25 %)

AI-Visibility (Nennung) ist nicht identisch mit AI-Readiness (Audit-Score) — beides kann Ziel sein, solltest du aber trennen. Kein Anbieter garantiert dauerhafte Nennung.

Was ChatGPT-Sichtbarkeit bedeutet — und was nicht

Antwort zuerst: Du wirst genannt oder zitiert, wenn ChatGPT (Browsing, Plugins oder Training-Korpus) deine Primärquelle als verlässliche Antwort nutzen kann — nicht durch ein geheimes Meta-Tag.

Modi wechseln: reines Modellwissen, Live-Suche, Custom GPT mit Upload. Deshalb schwankt Sichtbarkeit zwischen Prompts. Sinnvoll ist: Webseite so bauen, dass jede Kernfrage eine zitierfähige Passage auf deiner Domain hat. Aggarwal et al. (GEO, arXiv:2311.09735) berichten Visibility-Lifts durch Quellen und Statistiken — ohne Garantie pro Marke.

Welche Quellen ChatGPT nutzt — und was wir nicht wissen

Antwort zuerst: Steuerbar sind crawlbare Primärquellen und klare Markenfakten; sessiongenaue URL-Wahl durch OpenAI ist nicht messbar und wird nicht als Garantie verkauft.

Was wir wissen (belegt oder beobachtbar):

• Je nach Produktmodus kann ChatGPT auf Trainingswissen, Websuche oder angebundene Dateien zugreifen — deshalb erscheint dieselbe Marke bei einer Frage und fehlt bei einer ähnlichen.
• Wenn Websuche aktiv ist, brauchen Systeme crawlbare Primärquellen mit eindeutigen Marken- und Leistungsangaben auf deiner Domain.
• In Bad Schönborn lag die Discovery-Mention-Rate im Einmal-Census bei 25 % (n=120, 14.10.2026); Brand-Prompts erreichten 91,7 %. Details: lokale Studie.

Was wir nicht wissen — und deshalb nicht behaupten:

• Wir sehen nicht, welche konkrete URL OpenAI in deiner Prompt-Session auswählt.
• Wir können keine dauerhafte Listenplatzierung oder „Platz 1 in ChatGPT“ verkaufen.
• Ein hoher Agent-Ready-Score, ein llms.txt oder eine lokale Landingseite allein ist kein Nachweis, dass ChatGPT dich zitiert.

Praktische Konsequenz: Zitierfähige Antworten und konsistente NAP/Entities bauen; Readiness und Sichtbarkeit getrennt messen. Unsicherheit bleibt Teil des Systems — Transparenz schlägt Pseudo-Garantie. Rahmen: GEO & AI-Sichtbarkeit, Grounding.

Crawlbare Primärquellen

Antwort zuerst: Schnelles, indexierbares HTML schlägt PDF-Broschüren und reine Social-Profile — technische Lesbarkeit ist Voraussetzung, wenn ChatGPT Websuche nutzt.

Checkliste:

• Kein Noindex auf Leistungsseiten
• Kein wesentlicher Content nur in Bildern oder hinter Cookie-Walls
• robots.txt erlaubt Crawl (72,5 % in Studie — Minimum)
• Sitemap vollständig (73,5 %)
• AI-Bots nicht unbeabsichtigt blocken

Legacy-CMS (69,4 %) liefert oft verzögertes, lautes HTML. Modernisierung auf SSR/SSG ist der technische Hebel — vor Content-Hacks. Agent-Ready-Durchschnitt 25/100 zeigt, wie weit der Branchenschnitt davon entfernt ist.

Beispiel robots-Allowlist (Prinzip):

# Prinzip: AI-Suche erlauben (Produktregeln können wechseln — prüfen)
User-agent: OAI-SearchBot
Allow: /

User-agent: GPTBot
Allow: /

NAP, Entities und externe Bestätigung

Antwort zuerst: Gleicher Firmenname, Adresse, Leistung überall — Webseite, Google Business, LinkedIn, Impressum.

Organization-Schema und konsistentes NAP helfen Modellen, dich von Namensgleichen zu trennen. Intern verlinkst du Leistungen, Regionen und Glossar (Kanzlei, Steuerberater-GEO).

Externe Erwähnungen (Referenzen, Studien, Presse) stützen Grounding — ohne Linkspam. Referenz Mallorca Expats zeigt live strukturierte Expats-Inhalte.

Studien-Hebel: llms.txt, JSON-LD, GEO-Taktiken

Antwort zuerst: llms.txt (15,6 %) und Markdown-Negotiation (0,3 %) sind selten — nice to have, nicht Pflicht. JSON-LD (41,9 %) und Answer-first-Text sind wichtiger.

Princeton GEO: Statistiken, Zitate, Quellen können Visibility in generativen Antworten erhöhen. Modern Stack nutzt eigene Studienzahlen transparent — nicht erfunden.

Optional llms.txt auf modern-stack.de als Vorbild; Fehlen von llms.txt ist kein belegter Sichtbarkeitsverlust, nur fehlender Komfort für Agenten.

Markenhalluzinationen reduzieren

Antwort zuerst: Widersprüchliche Adressen und vage Leistungstexte füttern falsche ChatGPT-Antworten — Klarheit auf der Webseite ist Korrektur gegen Modell-Raten.

Wenn Impressum, Footer und Google-Profil unterschiedliche Telefonnummern zeigen, „gewinnt“ oft die Quelle, die zuletzt gecrawlt wurde — nicht deine bevorzugte NAP. Halte Preise, Region und Leistungsbezeichnungen synchron; verlinke Studien und Referenzen mit echten URLs. Das ist keine Garantie, dass ChatGPT dich immer richtig wiedergibt, aber es senkt das Risiko, dass ein Konkurrent oder Aggregator als Default-Quelle dient.

Check, Module und Preise

Antwort zuerst: Score messen, Lücken schließen, dann Module buchen — Technik zuerst.

1. KI-Sichtbarkeits-Check — technischer Score wie in der Census
2. Fehlende Antworten
3. Migration ab 500 €, Redesign 1.000 €, Knowledge Graph 500 €, Conversion ab 500 €
4. Webseiten-Abo alternativ 49 €/Monat (12 Monate) — siehe Preise & Pakete

Parallel: Perplexity, Google AI Mode, AI Overviews — gleiche Infrastruktur, andere Oberflächen. ChatGPT profitiert von derselben Pipeline wie Google; ohne 25/100-typische Agent-Basis verschenkst du selbst starke Texte.

Wie läuft ChatGPT-Sichtbarkeit phasenweise?

Antwort zuerst: Zugang → HTML → Capsules → Entities → getrennte Messung — in dieser Reihenfolge.

Phase 1 — Crawl und Modus-Klarheit

Prüfe, ob OAI-SearchBot/GPTBot nicht unbeabsichtigt blockiert sind. Dokumentiere, dass Sichtbarkeit zwischen Training-, Such- und Upload-Modi schwankt — sonst entstehen falsche „wir sind weg“-Panikschleifen.

Phase 2 — Primärquellen auf der Domain

Leistungsseiten indexierbar, SSR/SSG, keine Cookie-Wall vor Kernfakten. Census-Floor: robots 72,5 %, Sitemap 73,5 %, Legacy-CMS 69,4 %, Agent-Ready Ø 25/100.

Phase 3 — Answer-first und Prompt-Familien

Schreibe Capsules für Brand-, Discovery- und Intent-Fragen. Bad-Schönborn-Empirie: Brand 91,7 % vs. Discovery 25 % (n=120, 14.10.2026) — wer nur Brand testet, überschätzt Sichtbarkeit.

Phase 4 — NAP, Schema, externe Bestätigung

Organization aligned, Impressum = Google = LinkedIn. Externe Erwähnungen ohne Linkspam. Optional llms.txt (15,6 % im Census) als Pointer — kein Sichtbarkeitsautomatismus.

Phase 5 — Module und Monitoring

Migration ab 500 €, Graph 500 €, Redesign 1.000 €, Conversion ab 500 €. Readiness und Visibility getrennt reporten. Keine sessiongenaue OpenAI-URL-Garantie.

Prompt-Familien: was du messen solltest

Antwort zuerst: Eine Brand-Frage reicht nicht — Discovery und Intent zeigen den echten Gap.

Details lokal: Studie Bad Schönborn. Methodische Vertiefung: GEO/ChatGPT Empirie.

Wann sich der Aufwand lohnt

Antwort zuerst: Wenn du crawlbare Fakten liefern kannst und Kundenfragen bekannt sind — nicht als Ersatz für unklare Angebote.

Sinnvoll: Dienstleister mit lokalen und fachlichen Intents, Legacy-Stack, Entity-Drift.

Zu wenig allein: wenn Formulare tot sind oder niemand Primärzahlen freigibt. Dann Conversion und Redaktionsfreigabe parallel. Referenz: Mallorca Expats.

Anti-Patterns bei ChatGPT-Optimierung

Antwort zuerst: Die teuersten Fehler sind Meta-Tag-Mythen, Brand-only-KPIs und verkaufte Garantien trotz bekannter Quellen-Unsicherheit.

Ebenso schädlich: llms.txt ohne HTML-Boden, widersprüchliche Preise zwischen Seiten und JS-only Kerntexte. ChatGPT-Modi wechseln — deshalb dokumentierst du Prompt-Familien (Brand/Discovery/Intent) statt einer einzelnen Screenshot-Session. Bad-Schönborn zeigt den Gap: Brand 91,7 % vs. Discovery 25 % (n=120, 14.10.2026).

Operative Checkliste für Teams

Antwort zuerst: Technik, Redaktion und Messung laufen parallel — aber nie Visibility als Readiness verkaufen.

Technik: Bot-Allowlist, SSR/SSG, Sitemap/robots, Core Web Vitals. Redaktion: Capsules, NAP, Primärzahlen, Entity-Links. Messung: Agent-Ready-Score, Search Console, Prompt-Familien getrennt. Budget: Migration ab 500 €, Graph 500 €, Redesign 1.000 €, Conversion ab 500 €, Abo 49 €/Monat — Preise & Pakete.

ChatGPT vs. andere Oberflächen — gemeinsame Infrastruktur

Antwort zuerst: Dieselbe Webseite bedient ChatGPT, Perplexity, Overviews und AI Mode — du baust keine fünf Content-Stacks.

Unterschiede liegen in UI und Abrufpfad (Fußnoten bei Perplexity, SERP-Synthese bei Overviews, Modi bei ChatGPT). Gemeinsam: crawlbares HTML, Answer-first, Entities, Belege. Vertiefung: Perplexity, AIO, AI Mode, AEO.

Operative Bot- und Index-Hygiene für ChatGPT

Antwort zuerst: Wenn Suche aktiv ist, muss deine Primärquelle crawlbar sein — sonst bleibt selbst starke Copy unsichtbar.

Prüfe robots, CDN/WAF-Regeln und Noindex auf Leistungsseiten. Diskutiere nicht nur GPTBot, sondern auch OAI-SearchBot und aktuelle Produktregeln. Sitemap (73,5 %-Benchmark) und robots (72,5 %) sind Minimum. Cookie-Walls vor Kernfakten und Text-in-Bildern sind Fail. Legacy-CMS (69,4 %) erhöhen Latenz und HTML-Rauschen — Migration ab 500 € adressiert den Boden.

Optional llms.txt (15,6 %) listet Agenten deine wichtigen URLs — ohne die Capsules auf diesen URLs bleibt der Pointer leer. Markdown-Negotiation (0,3 %) ist selten; HTML bleibt der verlässliche Pfad.

Redaktion: Capsules für Brand, Discovery und Intent

Antwort zuerst: Drei Prompt-Familien brauchen drei Arten von Passagen — eine Startseite reicht nicht.

Brand-Capsules definieren wer du bist. Discovery-Capsules beantworten „Anbieter + Ort/Leistung“. Intent-Capsules klären Preis, Ablauf, Risiko, Vergleich. Bad-Schönborn-Empirie zeigt, warum die Trennung zählt: Brand 91,7 % vs. Discovery 25 % (n=120, 14.10.2026). Wer nur Brand misst, steuert blind. Details: lokale Studie und Visibility-Seite.

Schreibe Du, Webseite, echte Preise (500 / 1.000 / 500 / 500 / 49). Vermeide interne Ops-Begriffe. Verlinke Studien statt Superlative. Princeton GEO stützt Statistiken und Quellen als Inhaltshebel — ohne Nennungsgarantie (arXiv:2311.09735).

Governance: was du nicht verkaufen oder behaupten solltest

Antwort zuerst: Sessiongenaue OpenAI-URL-Wahl ist nicht beobachtbar — deshalb keine Listenplatz-Garantie.

Ehrlich kommunizieren: steuerbar sind Primärquellen, Entities, Extrahierbarkeit und Messung. Nicht steuerbar ist die konkrete Quellenwahl in einer Prompt-Session. Agent-Ready-Score und llms.txt sind keine Zitationsnachweise. Diese Transparenz ist Teil der Markenautorität — und schützt vor falschen Erwartungen im Angebot.

Zusammenspiel mit Conversion und Graph

Antwort zuerst: Sichtbarkeit ohne Anfrageweg ist unvollständig; Graph ohne Stack ist verfrüht.

Nach HTML-Boden: Knowledge Graph (500 €) für fehlende Intent-URLs, Conversion ab 500 € für Formulare/Lead-Strecke, Redesign 1.000 € wenn UX blockiert. Abo 49 €/Monat als Alternative mit Code-Export. Pipeline: Preise & Pakete. Referenz: Mallorca Expats.

Interne Verlinkung als Grounding-Hilfe

Antwort zuerst: Entity-Links zwischen Leistung, Region und Studie helfen Modellen, dich korrekt zuzuordnen.

Isolierte Landingpages ohne Querverweise sind schwerer zu disambiguieren. Verlinke Webseite-Modernisierung, Preise und Primärstudien transparent. Halte Firmierung identisch. Das reduziert Halluzinationsrisiko und stützt Grounding, ohne Linkspam. Nach Graph-Ausbau (500 €) steigt die Dichte bewusst — nicht als Keyword-Netz.

Content-Ops: wer aktualisiert Claims?

Antwort zuerst: Veraltete Preise und widersprüchliche NAP erzeugen falsche ChatGPT-Antworten — Owner und Rhythmus müssen klar sein.

Lege fest, wer Preise, Regionen und Leistungsnamen freigibt. Nach Änderungen: Capsule, Schema und ggf. llms.txt-Kartenpfad aktualisieren. Quartalsreview reicht oft; bei Preiswechseln sofort. Das ist Governance, kein Extra-Produkt. Module bleiben Migration/Graph/Conversion zu echten Preisen.

Abschluss: Steuerbar vs. unsteuerbar

Antwort zuerst: Steuerbar sind Primärquellen, Entities und Extraktion — unsteuerbar ist die sessiongenaue Quellenwahl.

Kommuniziere das intern und im Angebot. Dann bleiben Erwartungen ehrlich und die Arbeit fokussiert. Bad-Schönborn-Zahlen und Census-Floor bleiben Belege für Lage und Methodik, keine Garantie-Folie. Weiter mit Check, Capsules und optionalen Modulen.

Klarstellung zu Garantien

Antwort zuerst: ChatGPT-Nennungen sind nicht sessiongenau steuerbar — Angebote ohne diese Klarheit sind unredlich.

Deshalb verkauft Modern Stack Primärquellen, Stack und Module, nicht Listenplätze. Vorhandene Metriken (Census, Bad Schönborn) bleiben als Lagebild, nicht als Prognose pro Domain.

Praktisch startest du mit Check, Bot-Hygiene und fünf Capsules; Stack und Graph folgen nach Befund — immer mit echten Preisen und ohne Nennungsgarantie.

So bleibt ChatGPT-Arbeit nachvollziehbar für GF und umsetzbar für Redaktion und Entwicklung.

Die Umsetzung bleibt modular: Stack und Capsules zuerst, Knowledge Graph und Conversion nur bei nachgewiesenem Bedarf, Preise unverändert bei 500 € / 1.000 € / 500 € / 500 € / 49 € pro Monat — ohne Mockup-Beträge und ohne Visibility-Garantien.

Kurz: Primärquellen bauen, Modi verstehen, keine Garantie verkaufen. Anfrage stellen