ChatGPT-SEO-Agentur: Wie Ihre Marke in ChatGPT zitiert wird

ChatGPT-Search kombiniert drei Datenebenen: einen Bing-basierten Web-Index, einen eigenen Re-Crawl über OAI-SearchBot und einen Retrieval-Layer, der pro Anfrage 4–12 Quellen synthetisiert. Welche Quelle in der Antwort landet, entscheidet sich anhand von drei Signal-Familien: thematische Autorität (Entity-Konsistenz über Wikidata, sameAs, Org-Schema), Format-Eignung (Definition-Lead, FAQ-Strukturen, Tabellen) und Frische (`dateModified`, Last-Modified-Header, sichtbares Update-Datum).

Ohne Browsing greift nur die Trainings-Schicht. Deren Cutoff verschiebt sich derzeit pro Major-Release alle 4–7 Monate; Inhalte, die nach dem Cutoff online gingen, sind dort schlicht unsichtbar. Wer also nur auf das Trainings-Modell setzt, verliert pro Quartal einen substanziellen Teil seiner möglichen Erwähnungen — der Browsing-Pfad ist Pflicht, nicht Kür.

Praktische Konsequenz: Wir behandeln jede Leitseite als doppelten Eintrag — einmal browsing-optimiert (Schema, llms.txt, dateModified, Definition-Lead in den ersten 60 Wörtern), einmal trainings-optimiert (Wikidata-Backlink, Press-Mention, zitierwürdige Eigenstudie).

Initial-Audit (Woche 1–2): robots.txt-Scan auf GPTBot, OAI-SearchBot und ChatGPT-User; llms.txt-Audit oder Neuanlage mit priorisierten URLs; Schema-Validierung aller Top-50-URLs via Google Rich Results Test; Baseline-Tracking von 40–120 Prompts in ChatGPT mit und ohne Search-Toggle.

Content-Sprint (Woche 3–8): Refactor der Top-25-Seiten auf Definition-Lead, Einbau von FAQPage- und Article-Schema mit `author` und `dateModified`, Aufbau von HowTo- und Comparison-Modulen. Parallel dazu Aufbau von 4–6 zitierwürdigen Datenpunkten pro Quartal — eigene Mini-Studien, Branchen-Benchmarks oder Tool-Vergleiche, die ChatGPT als Primärquelle einstufen kann.

Authority-Layer (Woche 9–16): Wikidata-Item-Anlage oder -Pflege, sameAs-Verkettung zu LinkedIn, Crunchbase und ORCID der Autoren, gezieltes Press-Outreach zu 3–5 zitierfähigen Trade-Press-Titeln. Diese Phase wirkt im Browsing-Pfad nach 4–6 Wochen, im Trainings-Pfad erst nach dem nächsten Modell-Release.

Mit ChatGPT-Search (Browsing aktiv) wirken Hebel schnell. Eine saubere Definition-Lead-Überarbeitung kann binnen 2–4 Wochen die Mention-Rate verdoppeln, weil OAI-SearchBot Re-Crawls oft binnen Tagen durchführt. Schema-Updates, FAQ-Schemas und llms.txt-Pflege landen in derselben Zeitspanne im Live-Index.

Ohne Browsing greift nur die Trainingsdaten-Schicht — und diese wird 1–2 Mal pro Jahr aktualisiert. Hier gewinnen langfristige Hebel: Wikidata-Item, Wikipedia-Mention, Press-Mentions in zitierwürdigen Drittquellen, eigene Studien-Assets mit Headline-Zahlen, die andere Quellen referenzieren.

Praxis-Empfehlung: Beide Pfade parallel, aber Browsing-optimiert zuerst. Wer 12 Wochen Vorlauf investiert, sieht messbare Effekte; wer nur auf Trainingsdaten setzt, wartet 8–18 Monate. In unseren Mandaten ist das Verhältnis 70/30 zugunsten Browsing — bis das Trainings-Fundament nach 9–12 Monaten greift.

GPTBot crawlt für Trainings-Snapshots. Sperren bedeutet: keine Inklusion in zukünftigen Modell-Versionen. OAI-SearchBot bedient ChatGPT-Search-Anfragen in Echtzeit; sperren heißt: keine Live-Antworten. ChatGPT-User ist der User-Agent, der bei aktivem Browsing pro Anfrage einzelne URLs abruft — sperren heißt: ChatGPT kann Ihre verlinkte Seite nicht laden, selbst wenn sie als Quelle erscheint.

Empfehlung: alle drei zulassen, dafür sensible Pfade (Login-Bereiche, interne Tools, Staging) gezielt per Disallow ausschließen. Pauschal sperren kostet Sichtbarkeit auf allen Pfaden gleichzeitig — wir sehen in Q2/2026 noch immer 22 % der DACH-Top-1.000-Sites mit pauschalem GPTBot-Block. Das ist die häufigste, gleichzeitig billigste Fehlerquelle in jedem Initial-Audit.

Sonderfall Custom GPTs: Sie nutzen einen eigenen Retrieval-Pfad. Wer in relevanten Custom-GPTs (z. B. Branchen-GPTs, Tool-GPTs) als Wissensquelle hinterlegt ist, kann pro Antwort priorisiert zitiert werden. Wir prüfen pro Mandat 10–25 relevante Custom GPTs und positionieren dort gezielt.

Was ChatGPT bevorzugt zitiert: Inhalte mit klarer Antwort-Struktur (Definition-Lead, Zusammenfassung, nummerierte Schritte, Tabellen), verifizierten Quellenangaben (Autor, Datum, Studie), Frische-Signalen (dateModified, Last-Updated im Sichtbereich) und sauberer Schema-Auszeichnung (Article, FAQPage, HowTo).

Was selten zitiert wird: Marketing-Texte ohne Substanz, KI-generierte Massenartikel ohne Quellen, Listicles ohne strukturierten Aufbau, Seiten ohne author-Information. Wir sehen in Logs: Seiten mit author-Schema werden 2,3-mal häufiger als Quelle ausgewählt als anonyme Inhalte.

Konkretes Format-Rezept pro Leitseite: 50-Wort-Definition, 4–6 Zusammenfassungs-Bullets, 6–8 H2-Sektionen mit je 2–4 Absätzen, mindestens eine Vergleichstabelle, 5–8 FAQ-Einträge, am Ende drei Crosslinks in tiefere Spokes. Diese Struktur trifft alle drei großen LLM-Familien — und ChatGPT bevorzugt sie nachweislich.

Wir tracken pro Mandat 40–120 Brand- und Recherche-Prompts in ChatGPT (mit und ohne Search-Toggle) wöchentlich. Erfasst werden: Mention-Frequenz, Position in der Antwort (frühe vs. späte Nennung), Antwort-Sentiment, verlinkte Quellen-Domains und Halluzinations-Indikatoren.

Zusätzlich loggen wir GPTBot- und OAI-SearchBot-Hits aus den Server-Logs und korrelieren mit Content-Updates. Diese Korrelation zeigt, welche Optimierungen tatsächlich indexrelevant waren und welche im Lärm untergingen. Wer ohne Log-Korrelation arbeitet, optimiert ins Blaue — und merkt erst nach Monaten, dass die Hälfte der Maßnahmen folgenlos blieb.

Reporting: Monatsbericht mit Citation-Rate je Cluster, Share-of-Answer gegen die Top-5-Wettbewerber, Sentiment-Verlauf, Halluzinations-Liste mit Korrektur-Plan. Dazu drei priorisierte Content-Empfehlungen für den Folgemonat — keine generische Maßnahmenliste, sondern direkt auf Lücken in den Prompt-Clustern bezogen.

B2B-Software: ChatGPT ist hier längst Recherche-Standard. Wer in Vergleichs- und Vendor-Shortlist-Prompts auftaucht, gewinnt überproportional. Erste Lifts in 6–10 Wochen, Pipeline-Effekte in 4–7 Monaten realistisch.

Industrie-Mittelstand: Einkäufer und Fachredakteure nutzen ChatGPT zunehmend für Produkt-Vergleiche und Technologie-Briefings. Wer hier mit Datenblättern, Whitepapers und Studien-Assets sichtbar ist, ersetzt klassische Messe-Lead-Quellen — bei deutlich besseren Stückkosten.

Regulierte Branchen (Finanzen, Recht, Medizin): Hier zitiert ChatGPT besonders konservativ und bevorzugt Quellen mit author-Schema, regulatorisch verifizierten Inhalten und klarer E-E-A-T-Signatur. Aufbau-Phase länger (4–6 Monate bis erste Effekte), Sichtbarkeit dann aber sehr stabil.

Fehler 1: Robots.txt aus CMS-Default-Konfiguration. Sperrt oft GPTBot pauschal mit. Audit-Aufwand 15 Minuten, Wirkung 6–10 Wochen Verzögerung bei der Indexaufnahme.

Fehler 2: Schema einmal eingebaut, nie validiert. Ein einzelner Type-Fehler (Article ohne author, FAQPage mit leerem acceptedAnswer) macht das Schema für ChatGPT wertlos. Wöchentliche Validierung ist Pflicht.

Fehler 3: Definition-Lead nach unten geschoben. Marketing-Teams beginnen Leitartikel-Texte gern mit Storytelling — ChatGPT synthetisiert aber aus den ersten 100–200 Wörtern. Wer dort Floskeln statt Antwort hat, wird seltener zitiert, auch bei objektiv besserer Tiefe weiter unten.

Fehler 4: Kein Drift-Monitoring. Modell-Updates verschieben Rankings über Nacht. Teams ohne wöchentliches Prompt-Tracking sehen Einbrüche erst, wenn Pipeline-Effekte spürbar werden — drei bis fünf Monate zu spät.

Lesen Sie den Leitartikel ChatGPT-SEO, die Spokes Ranking-in-ChatGPT-Faktoren, Sichtbarkeit-in-ChatGPT-messen, Brand-Mentions-Tracking-LLM und Wie-erscheint-meine-Marke-in-ChatGPT. Für strategische Einbettung in B2B-Buyer-Journeys lohnt der Leitartikel KI-in-B2B-Buyer-Journey und der Spoke Consideration-Shortlist-in-ChatGPT.