Sind AI-Markenempfehlungen dann komplett zufällig?

Nein. Die Kategorieführer erschienen in unserer Studie in 80 bis 90% der Antworten, egal wie die Frage formuliert war. Der Formulierungseffekt konzentriert sich auf Marken im Mittelfeld. Dort entscheiden konkrete Attribute im Prompt, etwa ein genanntes Budget, ob die Marke überhaupt auftaucht.

Was ist ein Sub-Intent in der AI-Suche?

Eine Variante derselben Kauffrage mit einem anderen Rahmen im Wortlaut, etwa ein genanntes Budget, eine beschenkte Person oder ein Einsatzzweck. In unserer Studie wirkten diese Rahmen fast wie eigene Märkte. Ein konkretes Budget senkte eine Premium-Marke um 36 Punkte und hob eine Value-Marke um 31.

Wie die Formulierung eines Prompts entscheidet, ob AI Ihre Marke empfiehlt

Q: Ändert die Formulierung eines Prompts, welche Marken ChatGPT empfiehlt?

Ja, und zwar stärker als ChatGPTs eigene Zufälligkeit. In unserer Studie stimmten zwei Läufe desselben Prompts bei etwa 74% der empfohlenen Marken überein. Zwei unterschiedlich formulierte Prompts mit derselben Absicht nur bei 54%. Das ist grob eine Marke, die allein wegen des Wortlauts in die Auswahl rutscht oder herausfällt.

Q: Wie viele Prompts braucht man, um AI-Sichtbarkeit genau zu messen?

Vielfalt zählt mehr als Volumen oder Frequenz. In unserer Simulation schätzten 70 unterschiedlich formulierte Prompts, einmal ausgeführt, die wahre Erwähnungsrate einer Marke etwa doppelt so genau wie 10 Prompts, die eine Woche lang täglich liefen, bei gleichen Gesamtkosten. Ein kleines festes Panel bleibt trotzdem das richtige Werkzeug, um Veränderungen über die Zeit zu erkennen.

Zusammenfassung: Spyglasses Research hat SparkToros Prompt-Konsistenz-Studie vom Januar 2026 erweitert und deren 143 de-identifizierte, von Menschen geschriebene Kopfhörer-Prompts eine Woche lang täglich gegen ChatGPT ausgeführt (per DataForSEO LLM-Scraper, en-US, Websuche aktiv). Die Kategorieführer Sony, Bose und Sennheiser erschienen unabhängig von der Formulierung in 80 bis 90% der Antworten; das repliziert SparkToros Befund auf einer einzelnen Plattform. Aber die Prompt-Formulierung veränderte den Rest der Empfehlungsliste stärker als ChatGPTs eigene Zufallsschwankung: Wiederholungen desselben Prompts überlappten zu 74% (Jaccard 0,74), unterschiedlich formulierte Prompts mit gleicher Absicht nur zu 54%. Ein Großteil dieser Lücke geht auf Sub-Intents zurück. Ein genanntes Dollar-Budget senkte Bose um 36 Punkte und hob JBL um 31; Reise-Kontext hob Anker um 23; Musik-Kontext hob Sennheiser um 23. Für die Messung schlug Formulierungsvielfalt die Frequenz: 70 verschiedene Prompts, einmal ausgeführt, schätzten die wahre Erwähnungsrate etwa doppelt so genau wie 10 Prompts, die eine Woche täglich liefen.

Die wichtigsten Erkenntnisse

Marktführer sind nahezu formulierungsfest; Marken im Mittelfeld stehen und fallen mit dem Wortlaut der Frage.
Eine umformulierte Frage mit gleicher Absicht tauscht grob eine Marke pro Auswahlliste aus, über das Eigenrauschen des Modells hinaus.
Konkrete Prompt-Attribute (Budget, beschenkte Person, Einsatzzweck) wirken wie eigene Märkte mit eigenen Ranglisten.
Ein festes Prompt-Panel misst Drift zuverlässig, aber nicht Ihre wahre Erwähnungsrate; ein periodischer breiter Sweep kann das, und er auditiert zugleich das Panel.

Fragen Sie ChatGPT nach Kopfhörer-Empfehlungen, so wie Sie es formulieren würden, und dann so, wie Ihre Nachbarin es formulieren würde. Oft bekommen Sie eine andere Auswahlliste. Nicht einen anderen Marktführer; eine andere Auswahlliste. Diese Lücke ist die nützlichste Erkenntnis aus unserer neuen Studie, und sie verändert, wie Sie jede AI-Sichtbarkeitszahl lesen sollten.

Kurz zum Hintergrund. Im Januar 2026 veröffentlichte SparkToro eine Studie mit einer starken Idee: Statt zu raten, wie "der typische Prompt" aussieht, fragten sie über 142 echte Menschen, wie jede und jeder von ihnen eine AI um Kopfhörer-Rat bitten würde, führten jeden Prompt aus und verglichen die Antworten. Dieselben Marken tauchten immer wieder auf. Aber jeder Prompt lief nur einmal, verteilt über sieben verschiedene AI-Plattformen. Formulierungseffekte und Plattformeffekte waren also vermischt.

Mit ihrem Segen (danke, Rand) haben wir ihre Original-Prompts genommen und die Sache entwirrt: eine Plattform, ChatGPT, jeder Prompt täglich neu ausgeführt, eine Woche lang. 1.001 Kopfhörer-Antworten in dieser Studie ausgewertet, plus eine Kontrollgruppe. Methodik und Daten stehen auf unserer Research-Seite.

Was stabil blieb, und was nicht

Die Marktführer sind nahezu formulierungsfest. Sony erschien in 90% der Antworten, Bose in 82%, Sennheiser in 80%, über 143 verschiedene Formulierungen, jeden Tag, die ganze Woche. Wenn Sie die Kategorie anführen, ist die Sorge "ist mein Prompt repräsentativ?" größtenteils nicht Ihre Sorge.

Unterhalb des Podiums sieht es anders aus. Wir sind mit der Erwartung gestartet, dass der Wortlaut keine Rolle spielt, solange die Absicht dieselbe ist; wir haben diese Vorhersage sogar vorregistriert. Die Daten sagten etwas anderes. Zwei Läufe desselben Prompts stimmen bei etwa 74% der empfohlenen Marken überein. Zwei unterschiedlich formulierte Prompts, gleiche Absicht, gleicher Tag: 54%. Der Wortlaut kostet rund eine Marke pro Auswahlliste, und zwar nach Abzug von ChatGPTs natürlicher Schwankung von Lauf zu Lauf.

Jetzt der Teil, mit dem Sie arbeiten können. Ein großer Teil dieses "Formulierungseffekts" ist gar nicht mysteriös. Es ist Sub-Intent: konkrete Attribute, die Menschen in ihre Frage einbauen.

Gruppiertes Balkendiagramm mit Markenerwähnungsraten für Prompts mit und ohne konkretes Dollar-Budget. Bose fällt von 88% auf 52% und Sennheiser von 83% auf 66%, wenn ein Budget genannt wird, während JBL von 12% auf 43% steigt. — Prompts mit konkretem Budget bekommen einen anderen Markt. Bose verliert 36 Punkte, JBL verdreifacht sich mehr als.

Nennt jemand einen konkreten Betrag, fällt Bose um 36 Punkte und JBL gewinnt 31. Kommt Reisen vor, steigt Anker um 23 Punkte. Geht es ums Musikhören, steigt Sennheiser um 23. Das sind keine Eindrücke; jeder dieser Effekte hielt denselben statistischen Prüfungen stand wie die Hauptstudie. Einige taten das nicht, und wir sagen es im Research-Artikel offen: Noise Cancelling zu erwähnen bewegte nichts (in dieser Kategorie ist es Standard), und Wünsche zum Antwortformat kamen im Prompt-Set zu selten vor, um sie zu testen.

"Der Wortlaut zählt" zerfällt damit in etwas, das Marketer wirklich nutzen können. Eine budget-gerahmte Frage ist ein anderer Markt als eine premium-gerahmte, mit einer anderen Rangliste. Sie können nicht jede mögliche Kundenformulierung aufzählen. Die Rahmen können Sie sehr wohl aufzählen: preisbewusst, Geschenkkauf, einsatzspezifisch, feature-getrieben. Und Sie können herausfinden, welche dieser Rahmen Sie einschließen und welche Sie aussperren.

Diese Segmente sind übrigens nicht nur ein Muster in den Antworten. Wir haben die Ebene darunter geprüft, und Prompts mit demselben Rahmen führen in ChatGPT auch ähnlichere Websuchen aus und zitieren ähnlichere Quellen. Zwei reise-gerahmte Prompts überlappen bei den Grounding-Suchen deutlich stärker als ein Reise-Prompt neben einem ohne Reisebezug. Beim Budget zeigt sich: Das Segment ist der Betrag selbst. Prompts mit ähnlichen Beträgen laufen auf ähnliche Marken zu, während sich ein 100-Dollar-Prompt und ein 400-Dollar-Prompt wie zwei verschiedene Märkte verhalten. Die Segmente sind bis tief in die Pipeline real, und genau das macht sie als Ziel wertvoll.

Was das für Ihr Tracking bedeutet

Wenn Sie AI-Sichtbarkeit mit einem festen Prompt-Set verfolgen (so arbeiten die meisten Tools, unseres eingeschlossen), ist Ihre Erwähnungsrate eine präzise Messung genau dieser Formulierungen. Lassen Sie sie öfter laufen, wird die Zahl stabiler. Repräsentativer wird sie nicht, denn die Formulierungseffekte sind ebenfalls stabil. Ein Panel, das zufällig budget-gerahmte Formulierungen überrepräsentiert, wird eine Premium-Marke jeden Tag unterschätzen, konsistent und überzeugend.

Liniendiagramm mit der Fehlerspanne der geschätzten Erwähnungsrate gegenüber der Anzahl unterschiedlicher Formulierungen im Panel. Der Fehler fällt steil mit zusätzlichen Formulierungen; dieselben Formulierungen eine Woche lang täglich auszuführen verbessert die Genauigkeit trotz siebenfacher Kosten nur wenig. — Simuliert auf unserem Studienraster: Unterschiedlich formulierte Prompts verbessern die Genauigkeit schnell. Dieselben Prompts die ganze Woche zu wiederholen kaum.

In unserer Simulation bestimmten 70 unterschiedlich formulierte Prompts, einmal ausgeführt, die wahre Erwähnungsrate einer Marke etwa doppelt so genau wie 10 Prompts, die täglich eine Woche liefen. Gleiche Gesamtkosten. Vielfalt gewinnt.

Heißt das, geplantes Tracking ist verschwendet? Nein, und das ist wichtig: Unsere Studie fand über die Woche auch null Drift von Tag zu Tag. Ein festes Panel ist ein sauberer Maßstab für Veränderung. Wenn ein Modell-Update kommt oder Ihre Kampagne live geht, ist das Panel das Instrument, das den Ausschlag zeigt. Es ist das richtige Werkzeug für genau diese Aufgabe, und das falsche, um Ihre Gesamtpräsenz zu schätzen.

Das Design, das daraus folgt und auf das wir hinarbeiten, nennen wir Pulse-Modell. Ein kleines, festes Panel läuft nach Zeitplan und fängt Drift ein. In größeren Abständen läuft ein breiter Sweep: ein großer, einmaliger Prompt-Batch, bewusst über die genannten Rahmen gestreut. Der Sweep liefert Ihre wahre Rate pro Segment und zeigt, welche Rahmen Sie ausschließen (das ist Ihre Content- und PR-Zielliste). Und er kalibriert das Panel: Sagt der Sweep 45% und Ihr Panel 60%, wissen Sie, dass Ihr Panel 15 Punkte zu warm misst, und jede tägliche Zahl danach wird ehrlicher.

Grenzen unserer Studie

Das war eine Kaufabsicht (Kopfhörer als Reisegeschenk), eine Plattform, auf Englisch, über eine Woche. Und es deckt genau einen Nutzertyp ab: eine anonyme Free-Tier-Sitzung ohne Personalisierung, denn das ist es, was der Scraper sieht. Eingeloggte Konten, Bezahl-Tarife und personalisierte Verläufe können sich anders verhalten, und wir können nicht behaupten, dass diese Zahlen auf sie übertragbar sind. Das Muster "Führer stabil, Auswahllisten beweglich" ist ein Mechanismus, von dem wir erwarten würden, dass er sich auf andere Kategorien überträgt. Bewiesen haben wir das nicht. Die Sub-Intent-Effekte und die Panel-Simulation sind explorative Analysen und im vollständigen Bericht klar so gekennzeichnet. Dehnen Sie sie nicht weiter, als wir es tun.

Die vollständige Methodik, die vorregistrierte Spezifikation, jeder statistische Test und ein herunterladbarer Datensatz stehen auf unserer Research-Seite: We pre-registered "prompt phrasing barely matters." ChatGPT proved us wrong.

Finden Sie heraus, welche Rahmen Sie einschließen

Die erste Frage nach dieser Studie ist nicht "wie hoch ist meine Erwähnungsrate?", sondern "welche Frageweisen schließen mich ein, und welche nicht?" Der Spyglasses AI Visibility Report ist der schnelle Einstieg: Er prüft Ihre Marke in ChatGPT, Gemini, Claude und Perplexity und zeigt, was sie sagen, was sie zitieren und wie konsistent das ist. Danach wissen Sie, ob die Formulierungslücke Sie Antworten kostet, in denen Sie stehen sollten.