Conversion-Rate von KI- und LLM-Traffic: Die Daten 2026

LLM-Referral-Traffic sind die Besuche, die über Links in Antworten von ChatGPT, Perplexity, Gemini, Claude und Copilot auf Ihre Website gelangen. Er ist klein, in den Publisher-Daten von Microsoft Clarity unter 1 % des Traffics ^[2], konvertiert aber meist besser als organischer Traffic: Über 78 GA4-Websites hinweg fand Siege Media im Median das 1,26-Fache der organischen Conversion-Rate, vom 1,01-Fachen im E-Commerce bis zum 1,67-Fachen im Finanzbereich ^[16]. Einzelfallstudien zeigen deutlich größere Abstände dort, wo Käufer abwägen, etwa 15,9 % für ChatGPT-Verweise gegenüber 1,76 % für Google organisch in der Fallstudie von Seer Interactive ^[1]. Entscheidend ist deshalb die Zahl, die Sie auf Ihrer eigenen Website messen, mit LLM-Referral-Traffic in einem eigenen GA4-Channel (die Schritte folgen weiter unten).

Dieser Artikel liest die veröffentlichten Conversion-Daten genau: zuerst die Benchmarks über viele Websites, dann die Einzelfallstudien hinter den Schlagzeilen-Multiplikatoren, dann das Gegenargument aus dem E-Commerce. Jede Zahl verweist unten auf ihre Quelle, mit dem Datum meiner letzten Prüfung; was ich an der Originalquelle nicht verifizieren konnte, habe ich gestrichen.

---

Woher die Zahlen kommen und was sie tatsächlich messen

Bevor Sie eine Strategie auf eine Conversion-Zahl stützen, müssen Sie verstehen, was die jeweilige Studie tatsächlich gemessen hat.

Benchmarks über viele Websites: der typische Vorsprung

Der breiteste öffentliche Benchmark stammt von Siege Media. Verglichen wurden die Conversion-Raten von KI und organisch in First-Party-GA4-Daten von 78 Websites zwischen dem 1. Januar und dem 31. Mai 2026; als Conversion-Rate diente die Schlüsselereignisrate der Sitzungen (session key event rate) in GA4, und berücksichtigt wurden nur Websites mit mindestens 250 KI-Sitzungen und 1.000 organischen Sitzungen. Das mediane Verhältnis von KI zu organisch lag beim 1,26-Fachen, und auf 72 % der Websites zog KI mit organisch gleich oder lag vorn. Auf den meisten Websites machte KI trotzdem nur etwa 0,2 % bis 3 % aller Sitzungen aus, und unter den Websites mit verlässlichem Umsatz-Tracking erwirtschaftete sie auf weniger als der Hälfte mehr als der traditionelle Traffic ^[16].

Quelle: Siege Media, First-Party-GA4-Daten von 78 Websites, 1. Januar bis 31. Mai 2026; 1,0x bedeutet, dass KI und organisch gleich gut konvertieren [16]

HockeyStack Labs hat dieselbe Frage von der Pipeline-Seite aus betrachtet. Über 118 Accounts auf der Plattform lag die mediane Rate, mit der LLM-Besuche zu Interessenten mit Kaufsignal wurden (Demo-Anfragen, Kontaktformulare und andere vertriebsrelevante Aktionen, wie jeder Account sie definiert), bei 5,24 %; die durchschnittliche Absprungrate der LLM-Besuche betrug 26,3 %, und ChatGPT lieferte 82 % dieses LLM-Traffics ^[17]. Der Bericht enthält keinen Vergleich mit organisch, lesen Sie die 5,24 % also als Niveau, nicht als Vorsprung.

Einzelfallstudien: woher die großen Multiplikatoren kommen

Der meistzitierte Datenpunkt dieser Analyse, ChatGPT mit einer Conversion-Rate von 15,9 %, stammt aus einer Fallstudie von Seer Interactive, veröffentlicht im Juni 2025. Die Daten betreffen einen einzigen Seer-Kunden, erfasst in GA4 zwischen dem 1. Oktober 2024 und dem 30. April 2025. Google organisch kam im selben Zeitraum auf 1,76 %, Perplexity auf 10,5 %, Claude auf 5 % und Gemini auf 3 % ^[1].

Quelle: Seer Interactive, Fallstudie zu einem einzelnen Kunden, GA4-Daten vom 1. Oktober 2024 bis 30. April 2025 [1]

Ein separater, in der Richtung übereinstimmender Datenpunkt kommt aus der Studie von Microsoft Clarity zu Publisher- und Nachrichten-Websites. Die Conversion-Analyse nutzte einen Monat Daten über 1.277 Domains (die acht Monate der Studie beziehen sich nur auf die Daten zum Traffic-Wachstum): Besucher aus LLMs konvertierten zu 1,66 % zu Registrierungen, gegenüber 0,15 % aus der Suche, 0,13 % aus Direktzugriffen und 0,46 % aus Social Media ^[2]. Die absoluten Werte unterscheiden sich, weil sich das Conversion-Ereignis unterscheidet, eine Newsletter- oder Konto-Registrierung auf einer Publisher-Website ist keine Demo-Anfrage. Der relative Vorsprung ist aber strukturell ähnlich: LLM-Traffic schneidet besser ab als jeder andere Kanal.

Quelle: Microsoft Clarity, ein Monat Conversion-Daten über 1.277 Publisher- und Nachrichtendomains, veröffentlicht am 6. November 2025 [2]

Ahrefs hat einen dritten Datenpunkt veröffentlicht, den es sich genau anzusehen lohnt. Auf der eigenen Website kamen in den 30 Tagen vor der Veröffentlichung im Juni 2025 0,5 % der Besucher aus der KI-Suche und brachten 12,1 % aller Anmeldungen. Ahrefs gibt das als Conversion-Rate an, die 23-mal so hoch ist wie die traditioneller organischer Besucher ^[3]. Auch hier unterscheiden sich die absoluten Raten je nach Website, Angebot und Zielkonfiguration. Das Verhältnis, also KI-Traffic, der weit über seinem Anteil an den Sitzungen liegt, ist das durchgängige Signal.

Nun zum Gegenargument, denn ohne es wäre diese Analyse nicht ehrlich.

Eine Studie von Maximilian Kaiser (Universität Hamburg) und Christian Schulze (Frankfurt School of Finance & Management) über 973 E-Commerce-Websites mit zusammen 20 Milliarden US-Dollar Jahresumsatz, für den Zeitraum August 2024 bis Juli 2025, ergab: Organischer Referral-Traffic aus ChatGPT schnitt bei Conversion-Rate, durchschnittlichem Bestellwert und Umsatz pro Sitzung schlechter ab als jeder traditionelle Kanal außer Paid Social ^[4]. Die Daten 2026 von Siege Media setzen den E-Commerce auf einen Median vom 1,01-Fachen des organischen Werts, praktisch Gleichstand ^[16].

Der Einzelhandel ist zugleich das Segment, in dem sich das Bild am schnellsten verändert hat. In Adobe-Analytics-Daten zu US-Einzelhandels-Websites konvertierten KI-vermittelte Besuche im März 2025 um 38 % schlechter als anderer Traffic und im März 2026 um 42 % besser, während der KI-Traffic im ersten Quartal 2026 im Jahresvergleich um 393 % zunahm ^[18]. Im Juli 2026 konvertierten KI-vermittelte Besuche im Einzelhandel 60 % besser als Nicht-KI-Besuche, der elfte Monat in Folge mit besserer Leistung, und erzielten 53 % mehr Umsatz pro Besuch ^[5]. Adobe vergleicht alle KI-Verweise mit dem gesamten übrigen Einzelhandels-Traffic, nicht mit der organischen Suche; seine Zahlen und die von Kaiser und Schulze sind daher nicht direkt vergleichbar.

Diese Ergebnisse widersprechen den B2B-Daten nicht. Sie präzisieren sie, und sie datieren sie: Eine E-Commerce-Conversion-Zahl aus 2025 ist bereits veraltet.

Warum dieselbe Traffic-Quelle in verschiedenen Branchen so unterschiedliche Ergebnisse liefert, hängt an einem einzigen strukturellen Faktor, den der nächste Abschnitt erklärt.

---

Warum LLM-Traffic konvertiert: Die Abwägungsphase hat bereits stattgefunden

Wenn jemand eine Frage in ChatGPT eintippt, etwa „Welches Bewerbermanagementsystem sollte ein Unternehmen mit 200 Mitarbeitenden nutzen?“ oder „Welche Anbieter von Enterprise-Firewalls lohnen eine Prüfung?“, beginnt die Recherche nicht erst, wenn die Person auf Ihrer Website landet. Sie findet im Gespräch statt. Die Person stellt Rückfragen. Das Modell grenzt die Optionen ein, erklärt Vor- und Nachteile, weist auf Grenzen hin. Wenn sie auf einen ausgehenden Link klickt, ist die Abwägungsphase weitgehend abgeschlossen.

Die Vergleichsarbeit, die früher über zehn Google-Tabs verteilt war, findet im Assistenten statt. Die Website empfängt den Käufer am Ende dieses Prozesses.

Der Klick dient der Bestätigung, nicht der Erkundung.

Dieser strukturelle Unterschied erklärt alles. Wer über Google organisch kommt, steckt oft mitten in der Recherche. Die Person prüft, ob Ihre Seite relevant ist. Sie verlässt die Seite vielleicht sofort, kommt später wieder oder konvertiert nie. Einem KI-vermittelten Besucher wurde dagegen in vielen Fällen bereits gesagt, dass Ihr Produkt oder Ihre Dienstleistung zu seiner Situation passt. Er kommt mit einem fertigen Entscheidungsrahmen an, und er bleibt: Über 101.574 Websites, die SE Ranking zwischen Januar 2025 und April 2026 analysiert hat, verbrachten Besucher von KI-Plattformen 67,7 % mehr Zeit auf der Website als Besucher aus der organischen Suche ^[14].

Diese Dynamik zählt bei Käufen mit hohem Abwägungsaufwand, also Unternehmenssoftware, professionellen Dienstleistungen, Finanzprodukten und Gesundheitsentscheidungen, weit mehr als im transaktionalen Handel mit geringem Abwägungsaufwand. Wer recherchiert, welche Buchhaltungssoftware zu einer Kanzlei mit 50 Mitarbeitenden passt, führt vor dem Klick ein langes KI-Gespräch. Wer eine Handyhülle für 30 US-Dollar sucht, tut das nicht.

Deshalb weichen die E-Commerce-Daten von den B2B-Daten ab. Der Mechanismus, der den Conversion-Vorsprung erzeugt, die ausgedehnte Abwägung im Chat, ist bei Impulskäufen oder günstigen Produkten kaum vorhanden. Die Branchenaufteilung von Siege Media weist in dieselbe Richtung: Der mediane Vorsprung ist im Finanzbereich am höchsten (1,67-fach) und im E-Commerce am niedrigsten (1,01-fach) ^[16].

Praktische Konsequenz: Wenn Ihr Produkt einen Verkaufszyklus von mehreren Wochen und einen Auftragswert hat, der eine Demo rechtfertigt, greift der KI-Conversion-Vorsprung wahrscheinlich auch in Ihrem Funnel, garantiert ist er aber nicht: In der Stichprobe von Siege Media lag der Median für B2B-SaaS nur beim 1,05-Fachen, und KI lag auf 60 % der SaaS-Websites vor organisch ^[16]. Wenn Sie Standardware verkaufen, ist der Vorsprung vermutlich gering oder betrifft nur Ihre Artikel mit dem höchsten Abwägungsaufwand. Für Onlineshops beginnt die Arbeit damit, was KI auf einer Produktseite im E-Commerce liest.

---

Plattform für Plattform: ChatGPT, Perplexity und Gemini sind nicht austauschbar

Der Reflex, „LLM-Traffic“ als eine einzige Kategorie zu behandeln, ist verständlich, aber operativ falsch. Die großen Plattformen verhalten sich unterschiedlich, und das beeinflusst sowohl die Menge als auch die Qualität des Traffics, den sie senden.

ChatGPT: dominantes Volumen, strukturelle Messprobleme

ChatGPT steht für 92,4 % des messbaren LLM-Referral-Traffics in der Studie von Previsible über 166 GA4-Properties, erfasst zwischen November 2024 und Mai 2026, und seine monatlichen Sitzungen in diesem Panel wuchsen in diesen 19 Monaten auf das 12,8-Fache ^[6]. Die Clickstream-Analyse von Semrush über mehr als eine Milliarde Zeilen US-Daten kommt von außen betrachtet zu einem ähnlichen Ergebnis: Der ausgehende Referral-Traffic von ChatGPT ins übrige Web wuchs zwischen Januar 2025 und Januar 2026 um 206 % ^[7].

Die Obergrenze der Conversion-Rate, 15,9 % in den Seer-Daten, spiegelt eine Nutzerschaft mit zunehmend kommerzieller Absicht ^[1]. Forresters State of Business Buying 2026, gestützt auf eine Befragung von fast 18.000 Geschäftskunden, ergab, dass 94 % inzwischen KI im Kaufprozess nutzen ^[8]. Die Befragung von G2 vom März 2026 unter 1.076 B2B-Software-Entscheidern ergab, dass 71 % sich bei der Software-Recherche auf KI-Chatbots stützen und 51 % diese Recherche inzwischen häufiger mit einem Chatbot beginnen als mit Google ^[9]. Durch seine Größe fängt ChatGPT Käufer in jeder Phase dieses Prozesses ab, auch in tiefen Evaluierungsphasen.

Ein kritisches strukturelles Problem: ChatGPT schickt 28,8 % seines vermittelten Traffics auf Seiten der internen Suche statt auf konkrete Inhaltsseiten ^[6]. Das Modell vertraut Ihrer Domain, kann aber nicht immer die richtige Landingpage bestimmen und leitet Nutzer deshalb zur Suchfunktion Ihrer Website. Sitzungen, die auf der internen Suche landen, lösen selten die üblichen GA4-Conversion-Ziele aus. Die tatsächliche Conversion-Rate von ChatGPT, gemessen an korrekt zugeordneten Sitzungen, wird in den meisten Analytics-Setups daher wahrscheinlich zu niedrig ausgewiesen.

Wenn Sie in GA4 bei ChatGPT-Traffic niedrige Conversion-Raten sehen, prüfen Sie zuerst, ob ein überproportionaler Anteil auf /search?q=-URLs landet.

Perplexity: weniger Volumen, höhere Conversion, Zitierungen auf Seitenebene

Die Conversion-Rate von 10,5 % für Perplexity im Seer-Datensatz ist die zweithöchste unter den KI-Plattformen ^[1]. Dahinter steht eine andere Abruflogik: Perplexity arbeitet als Recherchewerkzeug mit Quellenangaben im Text, und seine Nutzer sind es gewohnt, Quellenmaterial zu lesen, statt nur nach einer schnellen Antwort zu suchen.

Perplexity und Claude kann man als Modelle der Inhaltsauswahl bezeichnen: Sie identifizieren und zitieren bestimmte Seiten innerhalb einer Domain und bevorzugen lange, gut strukturierte Inhalte mit vielen Quellenangaben. Das unterscheidet sich operativ von ChatGPT, das sich auf einen engeren Kreis von Referenzdomains stützt: In der Analyse von Profound über 680 Millionen Zitierungen (August 2024 bis Juni 2025) entfielen 47,9 % der Zitierungen auf die zehn meistzitierten Quellen von ChatGPT auf Wikipedia, während Reddit 46,7 % der Zitierungen auf die Top 10 von Perplexity erhielt. Über alle Zitierungen von ChatGPT gerechnet, lag Wikipedia bei 7,8 % ^[12]. Ein technischer Vergleichsartikel mit 3.000 Wörtern und eingebetteten Datentabellen schneidet als Quelle für Perplexity-Zitierungen überproportional gut ab, unabhängig davon, ob er in den Google-Top-10 rankt.

Auch die Anteile verschieben sich. Der AI Search Traffic Report von Goodie (Wave 2, Mai 2026) ergab, dass der Anteil von ChatGPT an den B2B-KI-Verweisen zwischen Mitte 2025 und März–April 2026 von 89 % auf 63 % fiel, während Claude von 1,4 % auf 18,5 % sprang, Gemini sich vervierfachte und Perplexity sich mehr als verdoppelte ^[10]. Das Panel von Previsible zeichnet speziell für Perplexity ein gemischteres Bild: Die monatlichen Sitzungen lagen 61 % unter dem Höchststand vom März 2025, und Claude zog im März 2026 an Perplexity vorbei ^[6]. Liest man beides zusammen: Die Traffic-Qualität von Perplexity ist hoch, sein Volumen hängt stark davon ab, welche Websites gemessen werden, und Claude ist die Plattform, die man im Auge behalten sollte.

Quelle: Goodie, AI Search Traffic Report Wave 2, über Marken gemittelte Anteile auf B2B-Websites, August 2025 bis Mai 2026 [10]

Gemini: niedrigere Conversion-Rate, andere Affinität zu Seitentypen

Gemini liegt in den Seer-Daten bei 3 %, unter ChatGPT, Perplexity und Claude, aber immer noch deutlich über dem Ausgangswert von 1,76 % für Google organisch ^[1]. Die Studie erklärt den Abstand nicht. Eine plausible Lesart, die die Daten nicht überprüfen, lautet: Mehr Gemini-Nutzer kommen über Googles eigene Produkte und mit dem Ziel, eine Aufgabe zu erledigen, statt mitten in der Bewertung von Anbietern. Zudem handelt es sich um einen einzigen Kunden: Gemini lieferte in den Accounts von HockeyStack 4,9 % des LLM-Traffics ^[17], seine Conversion-Rate auf einer einzelnen Website beruht also auf wenigen Sitzungen.

Wertlos ist Gemini-Traffic deshalb nicht. Messen Sie ihn separat, bevor Sie entscheiden, was er Ihnen wert ist.

---

Die Messlücke ist kein kleines Problem

Die GA4-Konfiguration, mit der Sie KI-Referral-Traffic korrekt zuordnen, ist nicht kompliziert, erfordert aber eine bewusste Einrichtung. Die Standard-Channelgruppe von GA4 hat keinen Channel für KI-Assistenten, deshalb landen deren Besuche im allgemeinen Referral-Bucket neben jeder anderen Website, die auf Sie verlinkt, und durch das Problem der Landungen auf der internen Suche wird die Sitzungsqualität systematisch unterschätzt.

Zwei Schritte zählen am meisten: Erstens geben Sie KI-Assistenten mit einer benutzerdefinierten Channelgruppe einen eigenen Channel, nach der von Google dokumentierten Methode (Schritt für Schritt im nächsten Abschnitt). Zweitens schließen Sie bei der Berechnung der Conversion-Rate des KI-Channels Sitzungen aus, die auf Suchergebnisseiten der internen Suche landen, oder, besser, Sie erfassen die Nutzung der internen Suche als eigenes Ereignis, damit es die Absicht abbildet, ohne mit der Kauf-Conversion vermischt zu werden.

Sobald diese Infrastruktur steht, werden die Benchmark-Daten aussagekräftig. Ohne sie messen Sie ein unvollständiges Signal und ziehen daraus Schlüsse.

So sehen Sie KI-Referral-Traffic in GA4

Googles eigene Hilfe beschreibt, wie Sie KI-Assistenten mit einer benutzerdefinierten Channelgruppe einen eigenen Channel geben, und verwendet „AI assistants“ (KI-Assistenten) als Beispiel ^[15]. Die Schritte, wie Google sie beschreibt:

1. Öffnen Sie in GA4 die Verwaltung (Admin) und klicken Sie unter Datenanzeige (Data display) auf Channelgruppen (Channel groups). Sie benötigen für die Property mindestens die Rolle „Bearbeiter“ (Editor).
2. Klicken Sie auf „Create new channel group“ (neue Channelgruppe erstellen). GA4 startet mit einer Kopie der Standardgruppe; geben Sie ihr einen Namen und optional eine Beschreibung.
3. Klicken Sie auf „Add new channel“ (neuen Channel hinzufügen), nennen Sie ihn „KI-Assistenten“, fügen Sie eine Bedingung hinzu und wählen Sie „matches regex“ (entspricht regulärem Ausdruck), mit einem Ausdruck, der die Referral-Domains der Assistenten abdeckt, zum Beispiel chatgpt|openai|perplexity|claude|gemini|copilot. Speichern Sie den Channel.
4. Klicken Sie auf „Reorder“ (neu anordnen) und ziehen Sie „KI-Assistenten“ über den Channel „Referral“ (Verweise): GA4 ordnet jede Sitzung dem ersten Channel zu, dessen Definition sie erfüllt. Klicken Sie auf „Apply“ (übernehmen).
5. Klicken Sie auf „Save group“ (Gruppe speichern).
6. Öffnen Sie den Bericht Akquisition > Traffic-Akquisition und wählen Sie die neue Channelgruppe als primäre Dimension. Laut Google wirken benutzerdefinierte Channelgruppen rückwirkend auf Ihre Berichte, frühere KI-Sitzungen erscheinen also ebenfalls.

Zwei Einschränkungen von derselben Hilfeseite: Eine Standard-GA4-Property kann neben der Standardgruppe zwei benutzerdefinierte Channelgruppen haben, und den regulären Ausdruck müssen Sie selbst anpassen, wenn sich die Liste der Assistenten ändert ^[15].

Wenn Sie GA4 lieber nicht bearbeiten möchten, können Sie Google Analytics mit CiteProof verbinden, mit reinem Lesezugriff: CiteProof zählt die Menschen, die aus ChatGPT, Perplexity, Claude, Gemini und Copilot auf die Website kommen, und zeigt sie neben der Anzahl, wie oft die Assistenten Ihre Seiten aufgerufen haben.

---

So steigern Sie LLM-Referral-Traffic, der gut konvertiert

Um mehr LLM-Referral-Traffic zu gewinnen, der konvertiert, arbeiten Sie rückwärts von den Seiten, auf die die Assistenten bereits Menschen schicken: Ermitteln Sie die Fragen hinter diesen Besuchen, prüfen Sie, wer dafür zitiert wird, und sorgen Sie dafür, dass die Landingpage ganz oben die Frage des Käufers beantwortet und den nächsten Schritt zeigt. Kein Analytics-Tool zeigt den Prompt selbst, sondern nur den Assistenten, der den Besuch geschickt hat, und die Seite, auf der er gelandet ist. Die Prompts müssen also rekonstruiert und dann gemessen werden.

1. Listen Sie die KI-Landingpages auf. Öffnen Sie in GA4, mit dem oben eingerichteten Channel für KI-Assistenten, den Bericht zu den Landingpages und filtern Sie auf diesen Channel. Das sind die Seiten, die ein Assistent für verlinkenswert gehalten hat.
2. Schreiben Sie die Fragen hinter jeder Seite auf. Notieren Sie für jede Landingpage die drei bis fünf Käuferfragen, die sie beantwortet, in den Worten, die ein Kunde in ChatGPT eintippen würde, nicht in denen Ihrer Keyword-Liste.
3. Prüfen Sie, wer für jede Frage zitiert wird. Fragen Sie ChatGPT, Perplexity und Gemini oder geben Sie die Frage in den kostenlosen KI-Zitierungs-Checker ein. Notieren Sie, wann Sie zitiert werden, wann stattdessen ein Wettbewerber zitiert wird und auf welche Quellen sich die Antwortmaschinen stützen.
4. Verfolgen Sie die Fragen, die zählen. Die Fragen, die am nächsten am Kauf liegen (Vergleiche, „bestes X für Y“, Preise), verdienen eine monatliche Prüfung. In CiteProof können Sie sie zu den verfolgten Fragen hinzufügen und die Antwort jeder Antwortmaschine im Zeitverlauf sehen.
5. Überarbeiten Sie den oberen Teil der Landingpage. Setzen Sie die direkte Antwort, den Preis oder die Preisspanne, den Vergleich, den der Käufer braucht, und den Call-to-Action in den sichtbaren Bereich ohne Scrollen. KI-Besucher kommen mitten in der Entscheidung an, wie die Conversion-Daten oben zeigen; eine Seite, auf der sie erneut suchen müssen, verliert sie.
6. Vergleichen Sie mit organisch, nicht mit einem Benchmark. Prüfen Sie nach jeder Änderung die Conversion-Rate des KI-Channels erneut im Vergleich zu Ihrem eigenen organischen Google-Traffic, für dasselbe Ziel.

---

Das Problem der fragmentierten Zitierungen: Eine Plattform reicht nicht

Die Antwortmaschinen greifen nicht auf dieselben Quellen zurück. In der Analyse von Profound entfielen 47,9 % der Zitierungen auf die zehn meistzitierten Quellen von ChatGPT auf Wikipedia, während Reddit 46,7 % der Zitierungen auf die Top 10 von Perplexity erhielt ^[12]. Dieselbe Seite kann bei Perplexity eine Standardquelle sein und für ChatGPT unsichtbar; vor allem das Gewicht von Reddit schwankt je nach Antwortmaschine, wie die Daten zu Reddit und KI-Zitierungen zeigen. Die Aufteilung nach Antwortmaschine sehen Sie in einer echten Prüfung, welche KI eine Website zitiert und wen sie stattdessen zitiert.

Dieser Befund hat eine direkte strategische Konsequenz. Ein Team, das ausschließlich auf ChatGPT-Zitierungen optimiert, über Signale der Domain-Autorität, Aufnahme in Trainingsdaten und strukturierte Frage-Antwort-Inhalte, erscheint nicht automatisch in den Antworten von Perplexity oder Claude. Die Logik der Zitierung unterscheidet sich. Die Anforderungen an die Inhalte unterscheiden sich. Die Gewichtung der Aktualität unterscheidet sich.

Für Teams mit begrenzten Ressourcen heißt das nicht, den Aufwand gleichmäßig auf vier Plattformen zu verteilen. Es heißt anzuerkennen, dass eine AEO-Strategie (Answer Engine Optimization, Optimierung für Antwortmaschinen), die nur auf eine Plattform setzt, eine systematische Obergrenze hat, und dass sich diese Obergrenze verschiebt: Dieselben Goodie-Daten, die zeigen, wie ChatGPT von 89 % auf 63 % der B2B-KI-Verweise fällt, zeigen Claude im Anstieg von 1,4 % auf 18,5 % innerhalb von acht Monaten ^[10].

Ein praktischer Rahmen für die Priorisierung: Beginnen Sie mit der Optimierung für ChatGPT, weil das Volumen dort am höchsten ist. Ergänzen Sie Perplexity als zweite Ebene, weil die Conversion-Qualität hoch ist und sich die inhaltlichen Anforderungen, lang, datenreich, gut belegt, weitgehend mit redaktionellen Qualitätssignalen decken. Behandeln Sie Claude und Gemini als nachgelagerte Prioritäten, sobald die ersten beiden Ebenen messbare Zitierungen liefern, und überprüfen Sie die Reihenfolge jedes Quartal.

---

Was die Daten zu Google KI-Übersichten (AI Overviews) über den Zugang zu Zitierungen verraten

Ein weiterer Datenpunkt verdient Aufmerksamkeit, weil er die Wettbewerbsrechnung für die Zitierungsstrategie verändert.

Im Juli 2025 stammten etwa 76 % der Zitierungen in Googles KI-Übersichten von Seiten, die für dieselbe Suchanfrage in den Google-Top-10 rankten. Im Update von Ahrefs vom März 2026, über 863.000 Keywords und 4 Millionen URLs aus KI-Übersichten, lag dieser Wert bei 38 %; der Rest verteilte sich fast gleichmäßig auf Seiten auf den Positionen 11–100 (31,2 %) und Seiten außerhalb der Top 100 (31 %) ^[13]. Ahrefs weist darauf hin, dass sich die Auswertung zwischen den beiden Messungen verbessert hat, ein Teil des Rückgangs geht also auf die Messung zurück; an der Richtung besteht kein Zweifel.

Das bedeutet zweierlei. Erstens hängt das Erscheinen in KI-generierten Antworten nicht mehr in erster Linie von der klassischen SEO-Leistung ab: Seiten außerhalb der Top 10 werden inzwischen in großem Umfang von KI-Systemen zitiert. Zweitens arbeiten Teams, denen gesagt wurde „Ranken Sie einfach gut bei Google, dann folgt die KI-Sichtbarkeit von selbst“, mit einer zunehmend überholten Annahme.

Die sich abzeichnende Realität: KI-Zitierung und organisches Ranking sind sich teilweise überschneidende, aber strukturell verschiedene Ziele. Die Optimierung für das eine führt nicht verlässlich zum anderen, in keiner Richtung.

---

AEO vs. SEO: Was die Conversion-Daten für die Ressourcenverteilung tatsächlich bedeuten

Wenn die Abkürzungen neu für Sie sind, beginnen Sie mit was AEO ist und wie es sich von GEO und SEO unterscheidet. Die ehrliche Einordnung dieses Vergleichs lautet nicht „AEO ersetzt SEO“. Sie lautet: „AEO erzeugt eine andere Art von Traffic, die anders konvertiert, und wegen der aktuellen Messlücke bewerten die meisten Teams diesen Unterschied nicht richtig.“

Ein Conversion-Vorsprung zeigt sich in mehreren unabhängigen Studien, moderat in der breitesten Stichprobe und am größten auf Websites, auf denen Käufer abwägen ^{[16] [1]}. Die Wachstumskurve ist steil: Der ausgehende Referral-Traffic von ChatGPT hat sich in den Clickstream-Daten von Semrush innerhalb eines Jahres verdreifacht ^[7]. Und die Messinfrastruktur der meisten Unternehmen reicht nicht aus, um das volle Signal zu erfassen ^[11].

Was diese Kombination für die Ressourcenverteilung bedeutet: SEO nicht aufgeben, sondern daneben Kapazitäten für zitierungsspezifische Inhalte und Messung aufbauen. In den Audits, die wir durchführen, zeigen sich die ersten Signale der AEO-Arbeit, Zitierungen bei Zielanfragen, Wachstum markenbezogener Anfragen auf KI-Plattformen, Veränderungen der Sitzungsqualität in GA4, meist innerhalb weniger Wochen, nachdem die Quellen korrigiert wurden, während eine neue Investition in organisches SEO typischerweise nach Quartalen beurteilt wird. Das ist interne Erfahrung, keine Studie, und wie es bei Ihnen aussieht, hängt von Ihrem Ausgangspunkt ab.

Für B2B-Unternehmen, die abwägen, ob sie AEO priorisieren sollen: Die Frage ist nicht, ob der Conversion-Vorsprung existiert. Er existiert. Die Frage ist, ob Ihr aktuelles Mess-Setup ihn überhaupt erkennen würde, wenn er gerade jetzt in Ihrem Funnel stattfände. Für die meisten Unternehmen lautet die Antwort Nein. Ein kostenloser KI-Sichtbarkeits-Check zeigt schnell, ob KI-Bots Ihre Website lesen können und ob die Antwortmaschinen Sie zitieren, bevor Sie das Tracking aufbauen.

---

---

Häufig gestellte Fragen

Ist die ChatGPT-Conversion-Rate von 15,9 % echt, oder wurde sie bei einem guten Kunden herausgepickt?

Sie ist echt in dem Sinne, dass sie aus tatsächlichen GA4-Daten stammt. Sie ist kontextabhängig in dem Sinne, dass sie einen einzigen Kunden von Seer Interactive betrifft, erfasst über sieben Monate zwischen Oktober 2024 und April 2025; Seer hat die Methodik zusammen mit der Zahl veröffentlicht ^[1]. Sie sollte nicht pauschal übertragen werden: E-Commerce-Websites im Einzelhandel sehen andere, oft niedrigere Ergebnisse. Der grundsätzliche Befund, dass KI-Traffic besser konvertiert als Google organisch, wird durch unabhängige Daten von Ahrefs ^[3], Microsoft Clarity ^[2] und Siege Media bestätigt, wobei der Median von Siege über 78 Websites, das 1,26-Fache, zeigt, dass der typische Abstand weit kleiner ist als bei Seer ^[16].

Was ist eine gute Conversion-Rate für KI-Referral-Traffic?

Es gibt keine allgemeingültige Rate, aber ein Benchmark-Verhältnis: Über die GA4-Daten von 78 Websites lag die Conversion-Rate von KI-Verweisen im Median beim 1,26-Fachen der organischen, vom 1,01-Fachen im E-Commerce bis zum 1,67-Fachen im Finanzbereich ^[16]. Die absoluten Raten reichen von 15,9 % für ChatGPT-Verweise in einer Fallstudie von Seer Interactive ^[1] bis zu 1,66 % Registrierungen über 1.277 Publisher-Domains in den Daten von Microsoft Clarity ^[2], und im E-Commerce haben ChatGPT-Verweise schlechter konvertiert als traditionelle Kanäle ^[4]. Aussagekräftig ist der interne Vergleich: Ihr KI-Channel gegenüber Ihrem eigenen organischen Google-Traffic, für dasselbe Conversion-Ziel.

Was ist LLM-Referral-Traffic?

LLM-Referral-Traffic sind die Besuche, die über einen Link in der Antwort eines KI-Assistenten auf Ihre Website gelangen: ChatGPT, Perplexity, Claude, Gemini oder Copilot. In GA4 kommt er als Referral-Traffic von der Domain des Assistenten an, vermischt mit allen anderen Verweisen, bis Sie ihm wie oben beschrieben einen eigenen Channel geben.

Wie optimiere ich LLM-Traffic für Conversions am Ende des Funnels?

Beginnen Sie damit, wo KI-Besucher landen. ChatGPT schickt im Panel von Previsible 28,8 % seines vermittelten Traffics auf Seiten der internen Suche ^[6]. Sorgen Sie also dafür, dass die Seiten, die ein Assistent zitieren würde (Preise, Vergleiche, Produkt- und Leistungsseiten), die Frage des Käufers ganz oben beantworten und direkt zur Demo, zur Testversion oder in den Warenkorb führen. Messen Sie dann den KI-Channel in GA4 separat, ohne Landungen auf der internen Suche, damit Sie erkennen, ob eine Änderung die Conversions tatsächlich verändert hat.

Warum konvertiert Gemini nur mit 3 %, ChatGPT dagegen mit 15,9 %?

Die Fallstudie von Seer nennt den Abstand, ohne ihn zu erklären, und sie betrifft einen einzigen Kunden. Eine plausible Lesart, die in den Daten nicht überprüft wurde: Mehr Gemini-Nutzer kommen mit dem Ziel, eine Aufgabe zu erledigen, statt etwas zu bewerten. In absoluten Zahlen ist Gemini-Traffic nicht minderwertig: 3 % liegen immer noch deutlich über dem Ausgangswert von 1,76 % für Google organisch im selben Datensatz ^[1].

Wie erfasse ich KI-Referral-Traffic in GA4?

Legen Sie eine benutzerdefinierte Channelgruppe an (Verwaltung > Datenanzeige > Channelgruppen), fügen Sie einen Channel „KI-Assistenten“ hinzu, dessen Quelle einem regulären Ausdruck wie chatgpt|openai|perplexity|claude|gemini|copilot entspricht, und schieben Sie ihn über „Referral“; Googles Hilfe dokumentiert diese Schritte mit „AI assistants“ als eigenem Beispiel ^[15]. Schließen Sie dann Sitzungen, die auf Suchergebnisseiten der internen Suche landen, aus oder erfassen Sie sie separat: Sie machen im Panel von Previsible 28,8 % der ChatGPT-Verweise aus und drücken die Conversion-Raten systematisch, wenn sie im Hauptdatensatz bleiben ^[6].

Schadet AEO der SEO-Leistung, oder ergänzen sich beide?

Die Daten sprechen dafür, dass sie sich eher ergänzen als konkurrieren. Inhalte, die KI-Zitierungen erhalten, sind in der Regel gut strukturiert, datenreich und fundiert, also genau die Eigenschaften, die Googles Ranking-Systeme belohnen. Der Unterschied: Googles KI-Übersichten zitieren zunehmend Seiten außerhalb der Top 10. In der Messung von Ahrefs vom März 2026 stammten 38 % der Zitierungen von Top-10-Seiten, gegenüber etwa 76 % im Juli 2025; Zitierungsautorität und Ranking-Autorität entwickeln sich also zunehmend auseinander ^[13]. Realistisches Ziel ist es, für beides zu arbeiten; keines ersetzt das andere vollständig.

Welche KI-Plattform sollte ich bei der Optimierung auf Zitierungen priorisieren?

Beginnen Sie mit ChatGPT, weil es den größten Teil des LLM-Referral-Traffics schickt: 92,4 % im Panel von Previsible ^[6], 82 % in den Accounts von HockeyStack ^[17] und 63 % der B2B-KI-Verweise in den Daten von Goodie für März–April 2026 ^[10]. Nehmen Sie Perplexity als knappen Zweiten hinzu, weil seine Conversion-Qualität (10,5 % in den Seer-Daten) hoch ist und sich seine inhaltlichen Anforderungen, lang, belegt, strukturiert, mit redaktionellen Best Practices decken ^[1]. Claude wächst schnell, von 1,4 % auf 18,5 % der B2B-KI-Verweise zwischen Mitte 2025 und Anfang 2026, und gehört in jede vorausschauende Zitierungsstrategie ^[10]. Gemini ist relevant für Marken mit starker Google-Workspace-Integration oder werkzeugorientierten Inhalten.

Lohnt sich die Optimierung auf LLM-Traffic, wenn er unter 1 % der Sitzungen ausmacht?

Meist ja, aus zwei Gründen. KI macht auf den meisten Websites etwa 0,2 % bis 3 % der Sitzungen aus, zog aber bei der Conversion auf 72 % der 78 Websites in der Studie von Siege Media mit organisch gleich oder lag vorn ^[16]; im Extremfall, bei 15,9 % gegenüber 1,76 %, war eine Sitzung aus ChatGPT für den Seer-Kunden gemessen an der Pipeline-Wahrscheinlichkeit etwa neun organische Google-Sitzungen wert ^[1]. Zweitens die Wachstumskurve: Der ausgehende Referral-Traffic von ChatGPT wuchs in den Clickstream-Daten von Semrush zwischen Januar 2025 und Januar 2026 um 206 % ^[7]. Teams, die jetzt Zitierungsautorität aufbauen, sammeln einen sich verstärkenden strukturellen Vorteil.

Gelten diese Daten für den E-Commerce oder nur für B2B?

Am stärksten und am durchgängigsten belegt ist der Conversion-Vorsprung auf Websites, bei denen die Kaufentscheidung so komplex ist, dass Käufer vor dem Besuch ausführlich mit KI recherchieren: B2B-SaaS, professionelle Dienstleistungen, Recht, Finanzen, Versicherungen. Im E-Commerce ist das Bild gemischt und in Bewegung: Über 973 Websites (August 2024 bis Juli 2025) konvertierten ChatGPT-Verweise schlechter als jeder traditionelle Kanal außer Paid Social ^[4]; in der Stichprobe 2026 von Siege Media lag der E-Commerce-Median beim 1,01-Fachen des organischen Werts ^[16]; und in Adobes Daten zum US-Einzelhandel konvertierten KI-Besuche im März 2025 noch 38 % schlechter als anderer Traffic, im März 2026 42 % besser ^[18] und im Juli 2026 60 % besser ^[5]. Der Mechanismus, die ausgedehnte Abwägung mit KI vor dem Klick, spielt bei Produkten mit geringem Abwägungsaufwand und transaktionalem Charakter eine kleinere Rolle. Messen Sie daher Ihren eigenen Shop, bevor Sie mit einer dieser Zahlen planen.

Wie schnell liefert AEO messbare Ergebnisse?

Nach unserer Erfahrung zeigen sich frühe Signale, Zitierungen in den Clustern der Zielanfragen, Veränderungen beim Volumen markenbezogener Anfragen, Veränderungen der Sitzungsqualität im KI-Segment von GA4, innerhalb weniger Wochen, nachdem die Quellen korrigiert wurden, also schneller als bei neuen Investitionen in organisches SEO, die meist über Quartale beurteilt werden. Die Einschränkung: „Frühe Signale“ heißt Zitierungen, nicht unbedingt Auswirkungen auf den Umsatz. Der Weg von der Zitierung zum Abschluss hängt weiterhin von der Qualität des Angebots, der Gestaltung der Landingpage und dem Vertriebsprozess ab.

---

---

Adrian Gramada ist Gründer von CiteProof, einer Plattform für KI-SEO und AEO, die B2B-Unternehmen hilft, ihre Präsenz in KI-generierten Antworten zu messen und auszubauen. Er schreibt über die Schnittstelle von KI-Suchverhalten, Zitierungsstrategie und messbaren Geschäftsergebnissen.

Ein Hinweis zur Datentransparenz. Die Conversion-Zahlen in diesem Artikel stammen aus Studien mit unterschiedlichen Methoden, Stichprobengrößen, Zeiträumen und Conversion-Definitionen. Die Zahlen von Seer Interactive beruhen auf einem einzigen Kunden und sind als Richtungssignal bedeutsam, nicht repräsentativ für die Gesamtheit. Die Zahlen von Siege Media beruhen auf der breitesten Stichprobe, 78 Websites, sind aber Mediane von Verhältnissen, keine Rate, die Sie erwarten sollten. Die Zahlen von Microsoft Clarity decken eine breitere Stichprobe ab, messen aber Registrierungen auf Publisher-Websites, über einen Monat. Die Zahlen von Ahrefs sind Eigenangaben zur eigenen Website. Keine einzelne Studie belegt eine allgemeingültige Conversion-Rate für LLM-Traffic: Angemessen ist die Nutzung dieser Daten für Benchmarking und Hypothesenbildung, nicht die direkte Übertragung auf eine einzelne Website ohne interne Messung.

Quellen

1. [1] Case Study: 6 Learnings, 1 site - How Traffic from ChatGPT Converts · Seer Interactive · Juni 2025 · abgerufen am 2026-09-29
2. [2] AI Traffic Converts at 3x the Rate of Other Channels (Study) · Microsoft Clarity · November 2025 · abgerufen am 2026-10-14
3. [3] Does AI Search Traffic Convert Better Than Traditional Search? For Ahrefs, Yes: 0.5% of Visitors Drove 12.1% of Signups · Ahrefs · Juni 2025 · abgerufen am 2026-09-29
4. [4] Study: ChatGPT traffic, sales referrals still trail traditional digital channels · Digital Commerce 360 on Kaiser & Schulze (University of Hamburg, Frankfurt School) · Oktober 2025 · abgerufen am 2026-09-29
5. [5] Adobe: AI-referral traffic spending, converting more than counterparts · Digital Commerce 360 on Adobe Analytics data · August 2026 · abgerufen am 2026-10-14
6. [6] 2026 AI Traffic Report: ChatGPT Wins 92% Share · Previsible · Juli 2026 · abgerufen am 2026-09-29
7. [7] ChatGPT traffic analysis: Insights from 17 months of clickstream data · Semrush · April 2026 · abgerufen am 2026-09-29
8. [8] The State Of Business Buying: Risk-Averse Buyers Demand Proof, Not Promises · Forrester · Januar 2026 · abgerufen am 2026-09-29
9. [9] The Answer Economy: G2's 2026 AI Search Insight Report · G2 · März 2026 · abgerufen am 2026-09-29
10. [10] 2026 AI Search Traffic Report: ChatGPT's Grip Slipped · Goodie · Mai 2026 · abgerufen am 2026-09-29
11. [11] Half of us now use AI search (and half of 'traditional search traffic' is at risk) · The Drum on McKinsey data · Oktober 2025 · abgerufen am 2026-09-29
12. [12] AI Platform Citation Patterns: How ChatGPT, Google AI Overviews, and Perplexity Source Information · Profound · Juni 2025, aktualisiert August 2025 · abgerufen am 2026-10-14
13. [13] Update: 38% of AI Overview Citations Pull From The Top 10 · Ahrefs · März 2026 · abgerufen am 2026-09-29
14. [14] Analysis of Top AI Search Engines: Who Is Catching Up to ChatGPT? · SE Ranking · Juni 2026 · abgerufen am 2026-09-29
15. [15] Custom channel groups · Google Analytics Help · Hilfeseite, aktuelle Version · abgerufen am 2026-10-14
16. [16] AI Traffic Conversion Rates: Are They Really 7x Better? · Siege Media · Juni 2026 · abgerufen am 2026-10-14
17. [17] LLM Traffic in 2025: Early Performance, Real Intent, Uneven Results · HockeyStack Labs · Mai 2026 · abgerufen am 2026-10-14
18. [18] AI traffic to US retailers rose 393% in Q1, and it's boosting their revenue too · TechCrunch on Adobe Analytics data · April 2026 · abgerufen am 2026-10-14