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.