Citation-Sources tracken: Wo werden deine Inhalte in ChatGPT angezeigt?

Citations in ChatGPT sind das neue Backlink: Jede Erwähnung deiner Domain in einer LLM-Antwort signalisiert Autorität ohne Klick. Anders als bei Google sehen aber 99 Prozent der User die Quelle nie aktiv — die Information wird einfach übernommen. Wer nicht systematisch trackt, wo seine Inhalte zitiert werden, fliegt blind. Das hier ist der Workflow, mit dem du Citations zuverlässig erfasst.

Was zählt als Citation und was nicht

Eine Citation ist die explizite Domain-Erwähnung mit Link oder Domain-Name in der LLM-Antwort. ChatGPT zeigt Citations bei aktiviertem Browsing als nummerierte Source-Liste am Ende. Perplexity rendert sie als kleine Source-Pills direkt im Antwort-Text. Gemini listet sie unter der Antwort als "Quellen". Claude im Free-Tier hat keine Web-Search und damit keine echten Citations.

Nicht alles, was nach Citation aussieht, ist eine. ChatGPT erwähnt manchmal Domains im Antwort-Text ohne sie als Citation zu markieren — das ist eine "Mention", aber keine getrackte Source. Mentions sind wertvoll für Brand-Sichtbarkeit, aber sie zählen nicht als von der LLM aktiv aus dem Live-Web gezogene Quelle. Tracking-Tools unterscheiden zwischen beiden Kategorien.

Wichtig zu verstehen: Citations sind ein Live-Search-Phänomen. Wenn ChatGPT ohne Browsing antwortet (aus dem Trainings-Data), gibt es keine Citations, nur Mentions. Gemini und Perplexity arbeiten standardmäßig mit Web-Search, daher fast immer mit Citations. Claude (Free) liefert nur Mentions, da kein Web-Access im Standard-Setup.

Die 3 Citation-Typen, die du tracken solltest

Erster Typ: Direkte Citation deiner Domain. Beispiel: Deine SaaS hat einen Blog-Artikel zu "Lead-Scoring-Methoden", ChatGPT zitiert beim Prompt "Wie funktioniert Lead-Scoring im B2B?" deine URL als Source 3. Das ist die Premium-Citation: Domain-spezifisch, direkt zuordenbar, oft mit Traffic-Effekt durch Click-Through.

Zweiter Typ: Indirekte Brand-Mention ohne Domain-Citation. Beispiel: ChatGPT empfiehlt deine Software namentlich im Antwort-Text, ohne deine Domain als Source zu nennen. Quelle ist eventuell ein G2-Review oder ein Reddit-Thread, der deine Marke erwähnt. Wert: hoch, aber schwer zuordenbar — du musst die Sekundär-Source identifizieren.

Dritter Typ: Konkurrenz-Citation in einem für dich relevanten Topic. Beispiel: Beim Prompt "Beste Marketing-Attribution-Tools 2026" zitiert ChatGPT eine Domain deines Konkurrenten, nicht deine. Das ist die wichtigste Tracking-Kategorie für strategische Entscheidungen: Wo verliert deine Marke gerade Sichtbarkeit an Wettbewerber?

Tool-Optionen für Citation-Tracking

Profound ist Enterprise-Standard mit dedizierten Citation-Trackern und historischen Trends. AEORadar bietet Citation-Tracking in der Mid-Tier (149 Euro). Otterly hat sehr starke Citation-Reports inkl. Wettbewerbs-Vergleichen. Peec ist neuer am Markt, mit Fokus auf Citation-Velocity (wie schnell sich neue Sources etablieren). Für deutsche Märkte ist Otterly aktuell die ausgewogenste Wahl.

Wer ohne kommerzielles Tool startet: Manuelles Citation-Tracking funktioniert über ChatGPT-Browsing-Modus, Perplexity Pro (das deutlich detailliertere Sources zeigt als Free) und Gemini Advanced. Du brauchst pro LLM eine Browser-Session, ein Sheet zum Loggen, und etwa 90 Minuten pro Woche bei 30 Tracking-Prompts. Skaliert nicht über 50 Prompts.

Ein vielleicht unterschätzter Workflow: Merkle Schema Generator + Bing Webmaster Tools für Bing-Index-Status deiner Pages. Bing ist Hauptdaten-Lieferant für ChatGPT-Browsing — wenn deine Pages in Bing schlecht indexiert sind, hat ChatGPT keine Chance, sie zu zitieren. Diese indirekte Tracking-Variante kostet null und ist erstaunlich effektiv.

Citation-Daten-Schema und Auswertung

Jede getrackte Citation gehört in eine strukturierte Datenbasis. Das folgende JSON-Schema ist die Minimal-Form für Solo-Setups und skaliert bis zu mittleren Agenturen. Es speichert Domain, URL, Position in der Citation-Liste, LLM, Prompt-Kontext und Timestamp. Mehr Felder brauchst du in den ersten 6 Monaten nicht.

{
  "citation_id": "cit-2026-05-17-001",
  "llm": "chatgpt-4o-browsing",
  "prompt_id": "comp-04-A",
  "source_domain": "deinedomain.de",
  "source_url": "https://deinedomain.de/blog/lead-scoring",
  "position": 3,
  "is_own_brand": true,
  "is_competitor": false,
  "competitor_name": null,
  "topic_cluster": "comparison",
  "timestamp": "2026-05-17T09:14:00Z"
}

Dieses Schema lässt sich in Google Sheets, BigQuery oder Postgres ablegen. Für die Auswertung baust du daraus 4 Standard-Reports: Domain-Share-of-Voice (Anteil deiner Domain an allen Citations), Cluster-Strength (in welchem Topic-Cluster bist du am stärksten zitiert), Competitor-Gap (wo zitiert ChatGPT Konkurrenten und nicht dich) und Velocity (steigt deine Citation-Quote über die Zeit).

Die wichtigste KPI ist Share-of-Voice pro Cluster: Wenn du im Awareness-Cluster 8 von 100 Citations hältst, aber im Decision-Cluster 0 von 100, weißt du, wo Content-Investition Sinn macht. Aggregierte Gesamt-Citations sagen wenig — die Cluster-Aufschlüsselung ist die strategisch wichtige Sicht.

Was Citations begünstigt — die 4 Faktoren

Faktor 1: Domain-Authority. LLMs bevorzugen High-DA-Domains in ihren Antworten. Wikipedia, G2, Reddit, große Branchenmedien tauchen am häufigsten als Citation auf. Wer eine junge Domain hat, muss länger Geduld haben oder mit Sekundär-Sources arbeiten (z.B. via Gastbeiträge auf Authority-Sites).

Faktor 2: Structured Data. Pages mit FAQPage-Schema, Article-Schema und HowTo-Schema werden häufiger zitiert als reines Plain-HTML. Schema gibt LLMs explizite Extraktion-Anker. Der Merkle Schema Generator und Schema.org Validator sind hier deine Werkzeuge. Pflicht für jede Page, die du zitiert sehen willst.

Faktor 3: Recency. Pages mit letztem Update unter 12 Monate werden 2-3x häufiger zitiert als Pages älter als 2 Jahre. Updated-Date im Schema und im sichtbaren HTML kommunizieren, dass der Content frisch ist. Älteren Content alle 6-12 Monate aktualisieren und Updated-Date setzen — billigster AEO-Hebel überhaupt.

Faktor 4: Direkte Antwort-Struktur. Pages, die Fragen direkt beantworten (idealerweise mit Question-Heading + 1-2-Absatz-Antwort), werden bevorzugt extrahiert. Klassische SEO-Listicle-Strukturen mit "Hier sind die 10 besten..." sind LLM-freundlicher als prosaische Essay-Strukturen.

1. Wöchentlich 20-50 Prompts an ChatGPT/Gemini/Perplexity senden
2. Citations pro Antwort in strukturiertes Sheet/DB loggen
3. Eigene Domain vs. Konkurrenz vs. Sekundär-Sources kategorisieren
4. Cluster-Share-of-Voice monatlich auswerten
5. Pages mit niedriger Citation-Quote: Schema + Updated-Date verbessern
6. Sekundär-Source-Strategie für Topics ohne eigene Domain-Citations

Vom Citation-Insight zur Content-Aktion

Wenn dein Tracking nach 6 Wochen zeigt, dass du im Cluster "Comparison" 5 Prozent Share-of-Voice hast, aber im Cluster "Decision" nur 1 Prozent, hast du klare Content-Marschbefehle: Mehr Decision-Content schreiben, idealerweise mit konkreten Pricing-Vergleichen, Buyer-Journey-Templates und ROI-Kalkulationen. Diese Formate werden in der Decision-Phase bevorzugt zitiert.

Wenn dein Tracking zeigt, dass ein Konkurrent in einem Topic dominiert, das du eigentlich besetzen willst: Sekundär-Source-Strategie. Suche, welche Source ChatGPT zum Konkurrenten zitiert (oft G2, Trustpilot, Reddit oder Branchen-Blogs), und baue dort eigene Präsenz auf. In 8-12 Wochen verschiebt sich die Sichtbarkeit.

Wenn dein Tracking zeigt, dass Recency das Problem ist (alle deine Top-Citations sind älter als 2 Jahre), starte eine Refresh-Kampagne: Top-30-Pages identifizieren, Updates planen, Schema modernisieren, Updated-Date setzen. Dieser Hebel zeigt oft schon nach 30 Tagen messbare Citation-Lifts.

Unterm Strich

Citation-Tracking ist die Pflichtdisziplin für ernsthaftes AEO. Konkrete Empfehlungen: Starte mit Otterly oder Profound, wenn du Budget hast — oder mit manuellem Perplexity-/Gemini-Tracking, wenn null Budget da ist. Tracke wöchentlich, kategorisiere nach Topic-Cluster, und vergleiche immer eigene Domain vs. Konkurrenz. Die wichtigste KPI ist Share-of-Voice pro Cluster, nicht aggregierte Citation-Counts. Wer nach 90 Tagen keine Trendlinie hat, hat zu unstrukturiert gearbeitet.