Competitor-Tracking in AI-Suche: So findest du heraus warum die Konkurrenz zitiert wird

Konkurrenz-Tracking in der AI-Suche ist die wichtigste strategische Disziplin im AEO: Während du jede Woche in 30 Prompts misst, ob ChatGPT, Gemini oder Perplexity deine Marke zitieren, prüfst du parallel, welche Konkurrenten in denselben Antworten auftauchen, und warum. Wer das systematisch macht, identifiziert in 4-6 Wochen genau jene Content-Lücken, die den Rückstand erklären.

Warum klassische Competitor-Analyse hier nicht reicht

Klassische SEO-Wettbewerbsanalyse vergleicht Keyword-Rankings, Backlink-Profile und Content-Volumen. In der AI-Suche brauchst du zusätzlich drei AEO-spezifische Dimensionen: Citation-Share pro Topic-Cluster, Sekundär-Source-Profil (welche Wikipedia-, G2-, Reddit-Einträge erwähnen deinen Konkurrenten) und Schema-Coverage. Diese drei zusammen erklären 80 Prozent des AEO-Erfolgs.

Tools wie Ahrefs oder Semrush sind hier nur teilweise hilfreich: Sie zeigen Domain-Authority und Top-Keywords, aber keine LLM-Citations. Dafür brauchst du Otterly, Profound, Peec oder das DIY-Setup mit ChatGPT-/Perplexity-Sessions. Die Kombination aus klassischen SEO-Tools und AEO-spezifischen Trackern liefert das vollständige Bild.

Wichtige Einsicht aus 12 Monaten Tracking-Daten: AI-Suche bevorzugt anders als Google. Domains, die in Google nur auf Position 4-7 ranken, aber starke Schema-Coverage und hohe Reddit-/G2-Erwähnungs-Dichte haben, gewinnen in ChatGPT trotzdem Citations. Wer den klassischen SEO-Score isoliert betrachtet, verpasst genau diese Gewinner-Typen.

Die 3 Datenebenen für Competitor-Tracking

Ebene 1: Citation-Share pro Cluster. Du definierst 3-5 Hauptkonkurrenten und 5 Topic-Cluster (Awareness, Comparison, Decision, Implementation, Troubleshooting). Pro Woche misst du, wie oft jede Konkurrenz-Domain in den Citations auftaucht. Das Ergebnis ist eine Cluster-Matrix mit Share-of-Voice-Prozenten, die strategisch wichtigste Sicht im AEO.

Ebene 2: Sekundär-Source-Analyse. Wenn ChatGPT Konkurrent X zitiert, woher kommt die Information? In 60-70 Prozent der Fälle stammt sie nicht direkt von der Konkurrenz-Domain, sondern aus Reviews (G2, Capterra, Trustpilot), Foren (Reddit, Hacker News, Stack Overflow), Wikipedia oder Branchen-Medien. Diese Sekundär-Sources sind dein eigentliches Schlachtfeld.

Ebene 3: Schema-Coverage und Update-Frequenz. Bei jedem zitierten Konkurrenz-Artikel: Welche Schema-Types sind implementiert, wann wurde der Artikel zuletzt aktualisiert, wie tief ist die FAQ-Section? Dieser Vergleich zeigt dir, ob Konkurrenten technisch besser aufgestellt sind oder einfach nur frischer publishen.

Workflow: 4-Wochen-Competitor-Audit

Woche 1: 3-5 Hauptkonkurrenten festlegen und 50 Tracking-Prompts in 5 Cluster verteilen. Wichtig: Mindestens 70 Prozent der Prompts müssen kategorisch sein (kein Brand-Name darin), sonst trackst du nur deinen eigenen Marketing-Spin. Beispiel-Prompt für ABM-Tools: "Welche ABM-Plattformen sind 2026 am besten für 100-Personen-Teams?", kein Brand-Name nötig.

Woche 2: Alle 50 Prompts an ChatGPT, Gemini und Perplexity senden und Citations strukturiert loggen. Pro Antwort: Welche Domains werden zitiert, in welcher Reihenfolge, mit welchem Kontext-Text? Das Sheet wird groß (50 Prompts × 3 LLMs × 3-8 Citations = 450-1.200 Datenpunkte), aber unverzichtbar für die Auswertung.

Woche 3: Sekundär-Sources analysieren. Für jede Konkurrenz-Citation: Woher hat die LLM die Information? Folge den Source-Links, checke Wikipedia-Edits, G2-Reviews, Reddit-Threads. Erstelle eine Liste der Top-10-Sekundär-Sources pro Konkurrent. Diese Liste ist dein Investment-Plan für Quartal 2.

Woche 4: Schema- und Recency-Audit der zitierten Konkurrenz-Pages. Tools wie der Merkle Schema Generator und Schema.org Validator zeigen sofort, welche Schema-Types fehlen. Das Updated-Date pro Page extrahierst du manuell oder via Browser-DevTools. Ergebnis: Konkrete Liste von Pages, die du selbst aufholen kannst.

Was du aus dem Audit lernst

Erkenntnis-Typ A: Cluster-Dominanz. Du erkennst, in welchem Topic-Cluster welcher Konkurrent dominiert. Beispiel: Konkurrent X hält 40 Prozent Share-of-Voice im Decision-Cluster, du nur 5 Prozent. Folge: Decision-Content ist deine Top-Priorität, idealerweise mit Pricing-Vergleichen, Buyer-Journey-Templates und ROI-Kalkulationen.

Erkenntnis-Typ B: Sekundär-Source-Strategie. Du siehst, dass Konkurrent X stark über G2-Reviews zitiert wird, du aber kaum Reviews dort hast. Lösung: G2-Review-Akquise-Kampagne starten, Bestandskunden gezielt fragen, idealerweise 50-100 Reviews innerhalb 6 Monaten sammeln. Sekundäreffekt: Mehr Citations in ChatGPT.

Erkenntnis-Typ C: Technische Lücken. Du erkennst, dass 80 Prozent der zitierten Konkurrenz-Pages FAQPage-Schema haben, deine eigenen aber nur 20 Prozent. Lösung: Schema-Rollout über die Top-50-Pages, Strukturierung von Antworten mit klaren H2-Fragen und 1-2-Absatz-Antworten. Setup in 2-3 Wochen erledigt, Wirkung sichtbar nach 4-6 Wochen.

Ein Beispiel-Schema für Competitor-Tracking

Das folgende JSON-Schema ist die strukturierte Form, mit der du Konkurrenz-Citations sauber loggst. Es erweitert das normale Citation-Schema um Wettbewerbs-relevante Felder: Konkurrenz-Name, Sekundär-Source-Typ, Schema-Coverage und Recency. Diese Struktur lässt sich in BigQuery oder Postgres in 30 Minuten aufsetzen.

{
  "tracking_id": "comp-2026-05-17-042",
  "llm": "perplexity",
  "prompt_id": "decision-07-A",
  "competitor_name": "Pipedrive",
  "competitor_domain": "pipedrive.com",
  "secondary_source": {
    "type": "g2-review",
    "url": "https://g2.com/products/pipedrive/reviews",
    "review_count": 1842
  },
  "competitor_schema": ["FAQPage", "Product", "Review"],
  "competitor_last_updated": "2026-04-12",
  "own_domain_in_response": false,
  "gap_severity": "high"
}

Die "gap_severity"-Klassifikation ist subjektiv, aber wichtig: "high" bedeutet, dass der Konkurrent in einem strategisch wichtigen Cluster zitiert wird und du nicht, höchste Priorität. "medium" bedeutet, dass beide zitiert werden, aber der Konkurrent häufiger. "low" sind Cluster, in denen du dominierst und der Konkurrent nur sekundär auftaucht.

Konkrete Maßnahmen pro Gap-Typ

Bei Gap-Typ "Sekundär-Source-Schwäche" (Konkurrent hat 500 G2-Reviews, du 50): G2-Review-Kampagne starten. CSM-Team aktivieren, Bestandskunden gezielt fragen, Incentives prüfen. Ziel: 50 neue Reviews in 90 Tagen. Wirkung in ChatGPT-Citations sichtbar nach 6-12 Wochen, da LLMs G2-Daten regelmäßig refreshen.

Bei Gap-Typ "Schema-Lücke" (Konkurrent hat FAQPage + HowTo + Article, du nur Article): Schema-Rollout-Sprint. Top-30-Pages identifizieren, FAQPage-Schema mit JSON-LD ergänzen, HowTo-Schema für Tutorial-Content, Person-Schema für Author-Profile. Setup in 2-3 Wochen, Citation-Lift sichtbar nach 4-8 Wochen.

Bei Gap-Typ "Recency-Schwäche" (Konkurrent updated Q1, du seit 2 Jahren nicht): Content-Refresh-Sprint. Top-20-Pages auswählen, Inhalte aktualisieren, neue Daten einfügen, Updated-Date setzen, ggf. neue Cover-Bilder. Dieser Hebel ist meist der schnellste: messbare Citation-Lifts oft schon nach 30 Tagen, da LLMs Recency-Signale stark gewichten.

1. 3-5 Hauptkonkurrenten definieren
2. 50 Tracking-Prompts in 5 Cluster verteilen
3. Wöchentlich Citations an ChatGPT/Gemini/Perplexity erfragen
4. Sekundär-Sources der Konkurrenz-Citations identifizieren
5. Schema-Coverage und Recency der Top-Konkurrenz-Pages auditieren
6. Pro Gap-Typ konkreten Aktionsplan mit 90-Tage-Zielen ableiten

Tooling-Stack für Competitor-Tracking

Für Solo-Setups oder Agentur-Kunden mit 1-2 Brands: Manuelles Sheet + ChatGPT-Browsing + Perplexity Pro + Merkle Schema Generator. Kosten: ChatGPT Plus (20 USD), Perplexity Pro (20 USD), Rest frei. Aufwand: 4-6 Stunden pro Woche bei seriösem 50-Prompt-Tracking.

Für Mittelstand mit 3-5 Brands: Otterly (149 Euro) oder Peec (199 Euro) als primäres AEO-Tool, ergänzt mit Ahrefs/Semrush für klassische SEO-Daten. Aufwand: 2 Stunden pro Woche für Tool-Auswertung, plus monatliche Strategy-Sessions zur Ableitung von Maßnahmen.

Für Enterprise mit 5+ Brands oder Agentur-Setups: Profound oder Otterly Enterprise mit Multi-Brand-Dashboards, kombiniert mit Looker Studio oder Tableau für eigene Visualisierungen. Aufwand: 1 dedicated AEO-Manager mit 50 Prozent FTE, der quartalsweise an C-Level reportet.

Worauf es ankommt

Competitor-Tracking in der AI-Suche unterscheidet sich grundlegend von klassischer Wettbewerbsanalyse: Du brauchst Citation-Share-Daten pro Cluster, Sekundär-Source-Analysen und Schema-Audits. Konkrete Empfehlungen: Starte mit Otterly für strukturiertes Citation-Tracking, ergänze ChatGPT-Browsing-Sessions für tiefe Source-Analyse, und führe quartalsweise einen 4-Wochen-Audit der Top-3-Konkurrenten durch. Wer das diszipliniert über 6 Monate macht, holt 10-20 Prozent Citation-Share pro Cluster auf.