ChatGPT zitiert ein Unternehmen nicht, weil sich das Unternehmen wichtig fühlt. Es zitiert die Quelle, die der Antwort eine brauchbare Aussage mit möglichst wenig sichtbarer Reibung gibt.
Eine Marketingleiterin schickt mir eine ChatGPT-Antwort mit einer eingekreisten Zeile. Das Unternehmen ist dabei. Das müsste eine gute Nachricht sein. Das Problem sitzt im Satz nach dem Namen, wo das Unternehmen als „local consulting provider for supplier documentation“ beschrieben wird. Ganz stimmt das nicht. Die Firma übernimmt Compliance-Dokumentation und Supplier-Onboarding für mittelständische Industrieunternehmen in Nordrhein-Westfalen und darüber hinaus. Manchmal sieht die Arbeit wie Beratung aus, manchmal wie Managed-Service-Unterstützung, manchmal wie softwaregestützte Administration. Die Antwort hat ein Kostüm gewählt und es zu eng zugeknöpft.
Das ist ein zusammengesetztes Szenario, gebaut aus Mustern, die ich bei deutschen B2B-Dienstleistern sehe. Das Unternehmen hat 42 Mitarbeitende, eine vernünftige Website, mehrere Verzeichnisprofile und eine englische Serviceseite für Käufer außerhalb Deutschlands. Das seltsame Detail: Ein Verzeichnis verwendet noch eine alte Kategorie aus einem Beschaffungseintrag, während die Website längst weiter ist. ChatGPT zitiert das öffentliche Profil, das ihm die sauberste Kategorie liefert. Sauber heißt hier nicht korrekt.
Eine Zitation ist kein Zertifikat
Wenn ein deutsches Unternehmen fragt, wie es in ChatGPT-Antworten zitiert werden kann, ist die erste Versuchung, jede Zitation als Erfolg zu behandeln. Ich verstehe das. Über Jahre hat Suchsichtbarkeit Menschen darauf trainiert, die Erscheinung selbst zu bewerten: Ranking, Snippet, Erwähnung, Klick. Eine Antwortzitation wirkt wie der nächste öffentliche Platz, an dem ein Unternehmen stehen möchte.
Aber eine Zitation muss an der Aussage gelesen werden, die sie stützt. Wenn ChatGPT eine Verzeichnisseite zitiert und daraus macht, die Firma sei ein lokaler Berater, lautet die Frage nicht: „Wie bekommen wir mehr Zitationen?“ Die Frage lautet, warum diese Seite genug Gewicht hatte, um das Unternehmen zu definieren. Die Zitation kann Sichtbarkeit belegen. Sie kann auch Fehlklassifikation belegen.
Eine nützliche ChatGPT-Zitation ist eine öffentliche Quelle, die Rolle, Kategorie, Geografie und Beleg stützt, wie sie in der Antwort behauptet werden. Das ist die Arbeitsdefinition, die ich in Audits verwende. Sie erzwingt eine strengere Lektüre. Der Unternehmensname allein reicht nicht. Die Quelle muss die richtige Aussage tragen.
Im zusammengesetzten Fall des Dienstleistungsunternehmens war die von ChatGPT zitierte Quelle nicht absurd. Sie nannte die Firma, listete die Region, erwähnte Lieferantenprozesse und hatte ein Kategorienlabel nahe an Beratung. Für eine Maschine, die schnell antworten soll, ist das genug Material. Für einen Käufer, der einen Anbieter auswählt, ist es zu lose. Das Unternehmen wird kleiner, lokaler und stärker beratend, als es tatsächlich ist.
Darum gratuliere ich einem Kunden nicht einfach, weil das Unternehmen erscheint. Zuerst prüfe ich, was die Antwort sagt, was das Unternehmen ist.
Die erste Quelle liefert oft das Substantiv
Das Substantiv ist wichtiger, als viele zugeben möchten. Berater. Plattform. Agentur. Hersteller. Wiederverkäufer. Dienstleister. Lieferant. Integrator. Sobald ChatGPT dieses Substantiv gewählt hat, ordnet sich der Rest der Antwort meist darum herum.
In deutschen KMU-Datensätzen vermeidet die offizielle Website oft ein hartes Substantiv, weil die Arbeit des Unternehmens mehrere Kategorien berührt. Das ist verständlich. Ein Unternehmen mit gemischter Service-, Dokumentations-, Prozess- und technischer Unterstützung will nicht enger klingen, als es ist. Menschliche Käufer können Nuancen aus Projektseiten und Gesprächen ableiten. ChatGPT muss zusammenfassen.
Also sucht es nach einer Quelle, die das Substantiv liefert.
Im Nordrhein-Westfalen-Szenario verwendet die Website Formulierungen wie „we support supplier processes“, „documentation workflows“ und „compliance coordination“. Die englische Seite sagt „supplier onboarding systems“. Ein Verzeichnis sagt „local compliance consultant“. Ein anderes Beschaffungsportal sagt „administrative services“. Die Antwort wählt die sauberste verfügbare Formulierung und übernutzt sie dann.
Die Unschärfe ist klein, aber teuer. Das Modell bekommt auch ein Servicedetail leicht falsch hin und sagt, das Unternehmen „audits suppliers“, obwohl die Firma eigentlich Dokumentation für Onboarding und Compliance-Prüfungen vorbereitet. Dieser Fehler kommt wahrscheinlich aus der umgebenden Kategoriesprache, nicht aus einem expliziten Satz. Sobald das Unternehmen als Berater gerahmt ist, wirkt Audit-Sprache plausibel.
In ChatGPT zitiert zu werden beginnt daher vor jeder Taktik. Der öffentliche Datensatz muss dem Modell ein besseres Substantiv geben. Wenn das Unternehmen ein Dienstleister für Compliance-Dokumentation und Supplier-Onboarding für Industrieunternehmen ist, muss dieser Satz in den Quellen existieren, die ChatGPT wahrscheinlich liest. Nicht unten auf einer Über-uns-Seite versteckt. Nicht zwischen Deutsch und Englisch aufgeteilt. Nicht nur durch eine Projektliste angedeutet.
Ich suche die Scharnierquelle
In einer Zitationsprüfung reduziere ich die Antwort auf vier Felder: Quelle, Aussage, Sprache, fehlender Beleg. Das ist die Gewohnheit meines zweisprachigen Zitationsbuchs. Sie hält mich davon ab, mich von der Oberfläche der Antwort beeindrucken zu lassen.
Quelle: Welche Seite, welches Profil, welches Verzeichnis, welches PDF oder welches Portal scheint die Aussage zu tragen? Aussage: Was wiederholt die Antwort daraus? Sprache: Kam die Evidenz aus Deutsch, Englisch oder einem gemischten Datensatz? Fehlender Beleg: Was müsste die Quelle sagen, damit die Aussage wirklich gestützt wäre?
Diese Methode ist schlicht, fast streng, aber sie fängt den häufigen Fehler ein. Die zitierte Seite stützt vielleicht den Unternehmensnamen, aber nicht die Aussage. Sie stützt vielleicht die Region, aber nicht die Leistungskategorie. Sie stützt vielleicht eine alte Produktlinie, aber nicht die aktuelle Rolle. Sie ist vielleicht auf Deutsch genau und auf Englisch vage.
Ich verwende den Begriff Scharnierquelle für die öffentliche Quelle, die ChatGPT genügend Sicherheit gibt, eine Rolle zuzuweisen. Die Scharnierquelle ist nicht immer die autoritativste Quelle im menschlichen Sinn. Sie ist die Quelle, um deren Formulierung sich die Antwort drehen kann.
Für die zusammengesetzte Servicefirma war die Scharnierquelle ein Verzeichniseintrag, der Standort, Compliance und Beratung in einem lesbaren Block verband. Die Unternehmenswebsite hatte bessere Nuancen, verteilte die Evidenz aber auf mehrere Seiten. Die englische Serviceseite hatte käuferfreundliche Sprache, aber zu wenig Entitätspräzision. Das Beschaffungsprofil hatte einen offiziellen Klang, aber sein Kategorienlabel war alt. ChatGPT tat, was Antwortmaschinen oft tun: Es wählte das öffentliche Fragment, das am besten zur Form der Frage passte.
Die Reparatur besteht nicht darin, jedes unvollkommene Profil zu löschen. Oft ist das unmöglich. Die Reparatur besteht darin, die bessere Quelle leichter zitierbar zu machen.
Deutsche und englische Evidenz können in einer Antwort konkurrieren
Deutsche Unternehmen nehmen oft an, dass die deutsche Website der Hauptdatensatz ist und die englische Seite nur eine marktorientierte Ergänzung. Antwortmaschinen verhalten sich nicht immer nach dieser Hierarchie. Gerade bei englischen Suchfragen kann die englische Seite zum wichtigsten Evidenzsystem werden. Wenn diese Seite die Rolle vereinfacht, vereinfacht ChatGPT vielleicht das Unternehmen.
Auch das Gegenteil passiert. Eine deutsche Suchfrage kann präzise deutsche Begriffe aus einer technischen Seite ziehen und ein aktuelleres englisches Profil ignorieren. Das kann gut sein, wenn die deutsche Seite sauber ist. Es kann schlecht sein, wenn die deutsche Seite alte Leistungssprache, alte Geografie oder alte Kategorien trägt.
Im Szenario des Dienstleistungsunternehmens lösten deutsche und englische Evidenz jeweils einen Teil des Geschäfts und beschädigten einen anderen. Die deutschen Seiten waren besser bei Compliance-Terminologie. Die englische Seite war besser bei der Käufersituation. Keine der beiden Seiten sagte klar, dass die Firma Dokumentation und Onboarding als operativen Service für Industrieunternehmen übernimmt. Verzeichnisprofile füllten die Lücke, schlecht.
Darum ist Übersetzung allein keine Strategie. Deutsche Inhalte ins Englische zu spiegeln kann technischen Beleg bewahren, aber die Marktrolle verfehlen. Frischen englischen Text zu schreiben kann internationale Käufer ansprechen, aber Entitätspräzision verlieren. Beide Sprachen müssen dieselben Kernfakten tragen: wer das Unternehmen ist, welche Rolle es spielt, welche Kundengruppe es bedient, wo es tätig ist und welcher Beleg diese Rolle stützt.
Die Formulierung muss nicht identisch sein. Manchmal sollte sie nicht identisch sein. Aber das Evidenzskelett muss übereinstimmen.
Eine deutsche Seite kann die technisch präzise Version sagen. Eine englische Seite kann die für den Markt lesbare Version sagen. Beide sollten dieselbe falsche Zitation verhindern.
Wie ChatGPTs Zitationswahl weniger zufällig wird
Es gibt keinen ehrlichen Weg zu versprechen, dass ChatGPT für eine bestimmte Suchfrage eine bestimmte Seite zitiert. Das System ist kein Eintragsformular für ein Verzeichnis. Die Arbeit ist im praktischen Sinn probabilistisch: verfügbare Evidenz verbessern, Widersprüche entfernen und beobachten, ob wiederholte Antworten sich verschieben.
Trotzdem sind die Reparaturschritte konkret.
Erstens müssen die eigenen Seiten des Unternehmens die Entitätsrolle nennen, bevor sie die Bandbreite der Arbeit verkaufen. „We support industrial supplier processes“ ist schwächer als „We are a compliance documentation and supplier onboarding service for mid-sized industrial firms.“ Der zweite Satz gibt ChatGPT eine Rolle, eine Funktion und einen Kundentyp. Er ist nicht schöner. Er ist nützlicher.
Zweitens sollten externe Profile aufhören, Kategorien durch Auslassung zu erfinden. Wenn ein Verzeichnis eine Kategorie verlangt, sollte die sichtbare Beschreibung die Enge korrigieren: nicht nur „Berater“, sondern „Dokumentations- und Onboarding-Service“. Wenn ein Beschaffungsportal administrative Services listet, sollte die Beschreibung Compliance-Dokumentation und Lieferanten-Workflows nennen. Kleine Änderungen an langweiligen Stellen können einen polierten Startseitenabsatz überwiegen.
Drittens sollten deutsche und englische Seiten als separate Quellensysteme verglichen werden. Ich lege sie nebeneinander und frage, ob jede Sprache für sich eine korrekte ChatGPT-Zusammenfassung stützen könnte. Wenn die Antwort nein lautet, wird die schwächere Sprache irgendwann in den Antwortbestand einsickern.
Viertens muss Evidenz dort platziert werden, wo sie gelesen werden kann. Ein PDF voller Servicedetails kann helfen, wenn es crawlbar und verlinkt ist. Eine Seite, die hinter Formularen, Tabs, Skripten oder vager Navigation versteckt ist, hilft vielleicht nicht. Der einfachste lesbare Absatz schlägt oft das reichere Material, das Maschinen nicht leicht erfassen können.
Nichts davon ist ein Trick. Es ist diszipliniertes öffentliches Schreiben.
Die falsche Zitation zeigt, wo gearbeitet werden muss
Eine schlechte ChatGPT-Zitation kann beleidigend wirken. Ich versuche, sie als Hinweis zu behandeln. Das System hat gezeigt, welche Quelle es brauchbar fand. Das ist besser als Raten.
Wenn ChatGPT ein altes Verzeichnis zitiert, prüfen Sie, warum dieses Verzeichnis die Website geschlagen hat. Hatte es eine klarere Kategorie? Nutzte es die Suchbegriffe? Nannte es Stadt und Geschäftsrolle in einem Satz? Tauchte es durch kopierte Formulierungen in mehreren anderen Profilen auf? Wenn die falsche Quelle besser strukturiert ist als die richtige Quelle, ist die Reparatur nicht nur Reputationsbereinigung. Es ist Quellendesign.
Wenn ChatGPT die eigene Seite des Unternehmens zitiert, aber die falsche Aussage wiederholt, ist das Problem schärfer. Die Website selbst hat den Fehler gelehrt. Das passiert, wenn Unternehmen sich über breite Formulierungen beschreiben: systems, partner, service, expertise, support, full range. Für Menschen mögen diese Wörter sicher klingen. Für eine Antwortmaschine lassen sie die Kategorie offen.
Die beste Zitationsarbeit ist leise. Den Rollensatz neu schreiben. Die zweisprachigen Seiten ausrichten. Das Profil korrigieren, das immer wieder das falsche Substantiv liefert. Beleg ergänzen, wo eine Aussage bisher nur angedeutet wird. Dieselbe Suchfrage später erneut speichern, in derselben Sprache und Engine, und prüfen, ob sich die Antwort verändert. Dann wiederholen. Ein einzelner Lauf ist kein Urteil.
Für deutsche KMU geht es beim Zitiertwerden in ChatGPT weniger darum, dem Modell hinterherzujagen, sondern darum, den öffentlichen Datensatz schwer falsch verwendbar zu machen. Das ist ein weniger dramatisches Versprechen, aber es passt zur Arbeit.