Beim Aufsetzen einer Prompt-Liste, mit der du deine KI-Sichtbarkeit misst, triffst du drei Entscheidungen: welche Suchintentionen du abbildest, wie viele Formulierungen du je Intention anlegst und wie oft du sie laufen lässt. Die erste kommt aus deinem Markt. Die anderen beiden werden fast immer geschätzt. Wir haben sie gemessen.
Die übliche Empfehlung lautet: Nimm möglichst viele Formulierungen derselben Frage, weil Kunden nun mal unterschiedlich fragen und du sonst blinde Flecken hast. Das klingt vernünftig, und für eine der vier Oberflächen stimmt es sogar. Für zwei andere ist es die falsche Prioritätensetzung, und zwar auf eine Art, die dein Tracking systematisch verzerrt.
Denn wer AI-Sichtbarkeit misst, misst sie über Prompts, und jeder Prompt ist eine Formulierungsentscheidung. Um das zu klären, haben wir dieselbe Kaufabsicht in zehn Varianten formuliert und über alle vier Oberflächen geschickt, die wir tracken: ChatGPT, Gemini, Googles AI Overview und Googles AI Mode. Thema war die Suche nach Projektmanagement-Software, US-Markt, Englisch. 49 Läufe im August 2026.
Warum ein naiver Test die Frage nicht beantwortet
Der naheliegende Aufbau ist, zehn Formulierungen einmal laufen zu lassen und die Überlappung zu messen. Das Ergebnis wäre eine Zahl, und diese Zahl wäre nicht interpretierbar.
Denn wenn zwei Umformulierungen nur 18 Prozent gemeinsame Quellen liefern, gibt es dafür zwei Erklärungen: Entweder hat die Umformulierung die Antwort verändert, oder das Modell würfelt bei jedem Lauf ohnehin neu. Ohne einen Weg, diese beiden Ursachen zu trennen, misst man etwas und weiß nicht, was.
Deshalb lief eine der zehn Varianten dreimal vollkommen identisch, ohne ein Wort zu ändern. Was sich zwischen diesen Läufen trotzdem unterscheidet, kann unmöglich an der Formulierung liegen. Das ist das Eigenrauschen der Engine, und es ist der Maßstab, gegen den alles andere gelesen werden muss.
Alle Zahlen hier sind Überlappungen zwischen zwei Läufen. Sie unterscheiden sich nur darin, was zwischen den Läufen verändert wurde: einmal nichts, einmal die Formulierung. Erst die Differenz beider Werte ist eine Aussage.
Der Aufbau: zehn Formulierungen in drei Stufen
Zehn Varianten, gestaffelt in drei Stufen, damit am Ende nicht nur dasteht, ob Umformulieren etwas kostet, sondern welche Art von Umformulierung:
- Wortwahl, gleiche Syntax, andere Wörter:
best project management software,best project management tool,top project management software,best software for managing projects - Satzform, gleiche Wörter, andere Grammatik:
what is the best project management software?,which project management software is best?,recommend the best project management software,what project management software should I use? - Gesprächsfüllung:
I'm looking for the best project management software, what do you recommend?undwhat's the best project management software to use these days?
Wichtig dabei: Keine Variante nennt einen Anbieter beim Namen. Sobald „Asana" im Prompt steht, ist die Auswertung der genannten Anbieter kontaminiert und die Überlappung künstlich hoch.
Bei ChatGPT und Gemini misst du vor allem Zufall
ChatGPT liefert bei zweimal exakt demselben Prompt nur 12 Prozent gemeinsame Quellen. Zehn verschiedene Formulierungen liefern 18 Prozent. Das Umformulieren kostet dort also nichts, was der nächste Lauf nicht ohnehin gekostet hätte. Bei Gemini dasselbe Bild auf höherem Niveau: 45 Prozent bei Wiederholung, 47 Prozent bei Umformulierung.
Ohne Kontrollgruppe wäre das unsichtbar geblieben. „ChatGPT überlappt bei Umformulierung nur zu 18 Prozent" klingt nach einem dramatischen Formulierungseffekt. Es ist keiner. Es ist ein Modell, das bei jedem Lauf neu sucht und neu auswählt.
Für dein Tracking heißt das: Ein einzelner Lauf ist bei diesen Engines keine Messung, sondern eine Stichprobe von eins. Wer aus einem ChatGPT-Ergebnis ableitet, welche Quellen „die Antwort" speisen, liest Rauschen.
Bei Google ist die Formulierung die einzige Variable
Umgekehrt bei den beiden Google-Oberflächen. Dieselbe Query wenige Minuten später liefert zu 100 Prozent dieselben Quellen. Jeder Verlust darunter geht damit ausschließlich auf die Wortwahl zurück: 41 Punkte bei AI Overview, 59 Punkte bei AI Mode.
Das ist konsistent damit, dass beide Oberflächen auf einer klassischen Ergebnisseite aufsetzen. Wer die Query ändert, trifft eine andere Ergebnisseite. Wie aus einer Nutzerfrage überhaupt mehrere Suchanfragen werden, haben wir in unserem Beitrag zu den Fanout Queries auseinandergenommen.
Die empfohlenen Anbieter sind viel stabiler als die Quellen
Für die meisten Tracking-Ziele ist ohnehin nicht die Quellenlage die interessante Frage, sondern: Ändert sich, wer empfohlen wird? Da ist das Bild deutlich ruhiger.
Über alle vier Engines und alle zehn Formulierungen hinweg tauchen Monday, ClickUp und Asana in jeder einzelnen Antwort auf, Jira in mindestens neun von zehn. Bei AI Overview steht Monday in 8 von 10 Formulierungen auf Platz eins, bei AI Mode in 7 von 10.
Auch dort, wo die Formulierung nachweislich wirkt, wirkt sie auf die Anbieter schwächer als auf die Quellen: Bei AI Overview kostet Umformulieren 41 Punkte an Quellen, aber nur 18 an Anbietern. Bei AI Mode 59 gegen 33.
Eine Ausnahme ist aufschlussreich. Smartsheet steht bei AI Overview und AI Mode in 10 von 10 Antworten und bei Gemini in 9, bei ChatGPT dagegen nur in 2. Der stabile Kern ist also nicht überall derselbe Kern. Innerhalb einer Engine ist er über alle Formulierungen hinweg stabil, zwischen den Engines nicht.
In wie vielen der zehn Formulierungen jeder Anbieter genannt wurde:
| Anbieter | ChatGPT | Gemini | AI Overview | AI Mode |
|---|---|---|---|---|
| Monday | 10 | 10 | 10 | 10 |
| ClickUp | 10 | 10 | 10 | 10 |
| Asana | 10 | 10 | 10 | 10 |
| Jira | 9 | 10 | 10 | 9 |
| Smartsheet | 2 | 9 | 10 | 10 |
| Trello | 7 | 10 | 9 | 7 |
| Notion | 9 | 9 | – | 5 |
Die Spalten sind aufschlussreicher als die Zeilen. Bei AI Overview ist die Liste kurz und geschlossen, bei ChatGPT fehlt mit Smartsheet ein Anbieter fast vollständig, den die anderen drei durchgängig führen.
Kern und Longtail: welche Quellen und Anbieter immer wieder auftauchen
Dieselbe Stabilität lässt sich auch von der anderen Seite betrachten: Wie viele verschiedene Domains und Anbieter tauchen über die zehn Formulierungen überhaupt auf, und wie viele davon sind Dauergäste statt Eintagsfliegen?
| Engine | Domains gesamt | davon in ≥8/10 | nur 1× | Anbieter gesamt | davon in ≥8/10 | nur 1× |
|---|---|---|---|---|---|---|
| ChatGPT | 16 | 0 | 8 | 21 | 5 | 8 |
| Gemini | 26 | 5 | 14 | 25 | 9 | 5 |
| AI Overview | 14 | 5 | 6 | 9 | 6 | 0 |
| AI Mode | 43 | 6 | 24 | 12 | 5 | 2 |
Zwei Zeilen stechen heraus. Bei ChatGPT gibt es keine einzige Domain, die in mindestens acht von zehn Antworten auftaucht. Es gibt dort schlicht keinen Quellenkern, den man tracken könnte. Und AI Mode zieht mit 43 Domains die mit Abstand breiteste Quellenbasis, von denen 24 genau einmal vorkommen. Wer dort nach stabilen Quellen sucht, sucht in einem sehr langen Schwanz.
Bei den Anbietern kehrt sich das Bild: AI Overview nennt insgesamt nur 9 verschiedene Anbieter, und keiner davon taucht nur ein einziges Mal auf. Eine geschlossenere Empfehlungsliste bekommt man nicht.
Die vier Engines empfehlen dieselben Anbieter, zitieren aber andere Quellen
Der Vergleich zwischen den Engines fällt eindeutiger aus als jeder Formulierungseffekt. Von 65 Quell-Domains über den gesamten Versuch tauchte genau eine in allen vier Engines auf: reddit.com. 21 Domains zitierte ausschließlich AI Mode. ChatGPT und Gemini überlappten bei identischer Frage zu 3 Prozent.
Bei den Anbietern liegt dieselbe Rechnung bei 38 bis 68 Prozent. Die vier Systeme empfehlen also weitgehend dieselben Firmen und begründen es mit fast vollständig verschiedenen Quellen.
Die Diagonale macht den Vergleich erst lesbar: ChatGPT stimmt mit sich selbst zu 12 Prozent überein, AI Overview und AI Mode stimmen untereinander zu 42 Prozent überein. Zwei verschiedene Google-Oberflächen sind sich bei den Quellen also einiger als ChatGPT mit sich selbst.
Für die Praxis heißt das vor allem: Eine Quellen-Strategie, die für ChatGPT funktioniert, funktioniert nicht automatisch für AI Mode. Und Zahlen aus der Search Console decken davon nur den Google-Teil ab, wie wir im Beitrag zur AI-Search-Sichtbarkeit bei Google und Bing beschrieben haben.
Welche Umformulierung wirklich kostet
Weil der Formulierungseffekt nur bei den Google-Oberflächen existiert, lohnt die Aufschlüsselung auch nur dort. Bei AI Overview bilden best project management software, top project management software, best software for managing projects und die beiden einfachen Fragen einen dichten Block mit jeweils rund 74 Prozent Überlappung zu den übrigen Varianten. best gegen top zu tauschen kostet also nichts.
Zwei Varianten fallen deutlich heraus:
best project management toolmit 43 Prozentrecommend the best project management softwaremit 33 Prozent
Das Hauptwort von software auf tool zu ändern trifft bei Google eine spürbar andere Ergebnisseite, obwohl die Absicht identisch ist. Der Imperativ ebenfalls. Synonyme im Adjektiv sind billig, Synonyme im Hauptwort sind teuer.
Nach Stufe aufgeschlüsselt, jeweils die Quellen-Überlappung zwischen Varianten der beteiligten Stufen:
| Verglichene Stufen | Paare | AI Overview | AI Mode |
|---|---|---|---|
| Wortwahl ↔ Wortwahl | 6 | 78 % | 43 % |
| Satzform ↔ Satzform | 6 | 55 % | 43 % |
| Gespräch ↔ Gespräch | 1 | 63 % | 50 % |
| Wortwahl ↔ Satzform | 16 | 67 % | 47 % |
| Wortwahl ↔ Gespräch | 8 | 48 % | 32 % |
| Satzform ↔ Gespräch | 8 | 43 % | 35 % |
Teuer sind die beiden Sprünge, die in die Gesprächsformulierung führen. Bei AI Overview kosten sie 48 und 43 Prozent, bei AI Mode 32 und 35 Prozent, jeweils deutlich unter den Vergleichen innerhalb einer Stufe. Wer also nur keyword-artige Prompts trackt, deckt das Verhalten gesprächiger Nutzer nicht mit ab.
Eine Zeile verdient Misstrauen: Gespräch ↔ Gespräch beruht auf einem einzigen Variantenpaar, weil nur zwei der zehn Formulierungen in diese Stufe fallen. Die 63 beziehungsweise 50 Prozent sind daher ein einzelner Vergleich und keine Mittelung, anders als die 6 bis 16 Paare der übrigen Zeilen.
So setzt du deine Prompt-Liste fürs Sichtbarkeits-Tracking auf
Aus den Zahlen folgen vier Regeln, und die dritte widerspricht der gängigen Empfehlung:
- Eine Formulierung je Intention, nicht zehn. Investiere dein Budget in die Abdeckung verschiedener Suchintentionen, nicht in Varianten derselben. Der stabile Anbieterkern taucht in jeder Variante auf, zusätzliche Formulierungen kaufen kaum neue Information.
- Bewerte Sichtbarkeit auf Anbieterebene, Quellen getrennt und vorsichtiger. „Werden wir genannt" ist ein robustes Signal. „Über welche Quelle" ist ein wackliges, das mehr Datenpunkte braucht.
- Bei ChatGPT und Gemini brauchst du Wiederholung statt Variation. Denselben Prompt mehrfach laufen lassen und aggregieren schlägt zehn Formulierungen je einmal. Alles andere misst das Eigenrauschen des Modells.
- Bei AI Overview und AI Mode ist genau das Gegenteil richtig. Ein Lauf je Formulierung reicht, dafür lohnt echte Variation. Und dann sollten die Varianten den tatsächlichen Wortlaut deiner Zielgruppe treffen, vor allem beim Hauptwort.
Praktisch heißt das: Deine Prompt-Liste ist nicht für alle vier Engines dieselbe Liste, und dein Laufplan erst recht nicht.
Die zehn Varianten im Einzelnen
Für jede Variante die mittlere Quellen-Überlappung zu den neun anderen. Die beiden Fußzeilen liefern den Maßstab: Wo der Mittelwert einer Engine auf Höhe ihres Eigenrauschens liegt, ist jeder Ausschlag in der Spalte Messrauschen und keine Eigenschaft der Formulierung.
| # | Formulierung | Stufe | ChatGPT | Gemini | AI Overview | AI Mode |
|---|---|---|---|---|---|---|
| 1 | best project management software | A | 23 % | 40 % | 74 % | 56 % |
| 2 | best project management tool | A | 28 % | 54 % | 43 % | 25 % |
| 3 | top project management software | A | 3 % | 48 % | 74 % | 32 % |
| 4 | best software for managing projects | A | 16 % | 50 % | 74 % | 56 % |
| 5 | what is the best project management software? | B | 29 % | 50 % | 74 % | 56 % |
| 6 | which project management software is best? | B | 29 % | 46 % | 74 % | 56 % |
| 7 | recommend the best project management software | B | 15 % | 38 % | 33 % | 27 % |
| 8 | what project management software should I use? | B | 14 % | 57 % | 49 % | 33 % |
| 9 | I'm looking for the best … what do you recommend? | C | 4 % | 42 % | 49 % | 41 % |
| 10 | what's the best … to use these days? | C | 17 % | 44 % | 45 % | 29 % |
| Mittel dieser Engine | 18 % | 47 % | 59 % | 41 % | ||
| davon Eigenrauschen | 12 % | 45 % | 100 % | 100 % |
Fett markiert sind die Varianten, die deutlich stärker streuen als für die jeweilige Engine üblich. Sie treten ausschließlich in den beiden Google-Spalten auf. In den ChatGPT- und Gemini-Spalten ist nichts markiert, weil dort der Mittelwert praktisch auf dem Eigenrauschen liegt und sich Ausreißer gar nicht von Zufall unterscheiden lassen.
Was dieser Versuch nicht zeigt
Zahlen ohne ihre Grenzen zu veröffentlichen halten wir für unredlich, deshalb hier die Einschränkungen:
- Ein Thema, ein Markt, ein Zeitpunkt. Gemessen wurde eine breite, listicle-gesättigte Tech-Kategorie auf Englisch. Ob eine enge deutsche B2B-Nische genauso reagiert, ist damit offen.
- Die 100 Prozent bei Google sind Kurzfrist-Determinismus. Die Kontrollläufe lagen etwa acht Minuten auseinander. Wie stark AI Overview und AI Mode über Tage driften, misst dieser Versuch nicht, und echtes Tracking läuft täglich.
- ChatGPT zitiert wenig. Im Schnitt 3,5 Domains je Antwort, gegenüber 12,8 bei AI Mode. Auf so kleinen Mengen springen Überlappungswerte grob. Der Vergleich gegen das eigene Eigenrauschen bleibt gültig, weil beide Seiten auf gleich kleinen Mengen rechnen, die absolute Prozentzahl sollte man aber nicht überinterpretieren.
- Die Kontrollgruppe ist klein. Drei Wiederholungen je Engine. Das reicht, um 12 Prozent von 100 Prozent zu unterscheiden, nicht für eine präzise Punktschätzung.
Der naheliegende nächste Schritt ist derselbe Aufbau für eine enge deutsche Nische, gegen die dieser Lauf als Kontrast steht.
Bis dahin gilt die einfachste Version der vier Regeln: Breite bei den Intentionen, Wiederholung bei den Chat-Engines, und bewerte zuerst, ob du genannt wirst, bevor du dich fragst, woher es kommt. Genau daran arbeiten wir mit B2B-Unternehmen, als GEO Agentur in München, Berlin und Zürich.