Die aktualisierte Ahrefs-Studie ergab, dass 37,9 % der in AI Overviews zitierten URLs für dieselbe Suchanfrage auch in Googles Top 10 rankten. Weitere 31,2 % lagen auf den Positionen 11 bis 100, rund 31 % außerhalb der Top 100. Das belegt keinen Einbruch gegenüber einer früheren Schätzung von 76 %: Ahrefs hat sowohl Parser als auch Stichprobe geändert. Die Werte ergeben daher keine valide Vorher-Nachher-Trendlinie.
Diese Unterscheidung verhindert zwei teure Fehlreaktionen. Die eine lautet, organische Rankings seien nun bedeutungslos. Die andere behauptet einen dramatischen Korrelationsverlust, den die Daten gar nicht gemessen haben. Der Prozentwert wird erst brauchbar, wenn Nenner, Zuordnungsregel und Erhebungsmethode mitgelesen werden.
Was die aktualisierte Studie tatsächlich gemessen hat
Ahrefs ordnete rund vier Millionen zitierte URLs aus ungefähr 863.000 Suchergebnisseiten ihren klassischen Google-Rankings für dieselbe Suchanfrage zu. Das ist eine Überlappungsmessung bei identischer Anfrage. Sie beantwortet eine enge, aber praxisnahe Frage: Auf welcher organischen Position steht eine URL für die auslösende Suchanfrage, wenn sie in einer AI Overview zitiert wird?
| Beobachtung | Berichteter Wert | Was der Wert stützt | Was er nicht stützt |
|---|---|---|---|
| Zitierte URLs in den Top 10 | 37,9 % | Erste organische Positionen kommen bei zitierten URLs für die exakte Anfrage häufig vor. | Dass ein Top-10-Ranking Voraussetzung für ein Zitat ist. |
| Zitierte URLs auf Position 11 bis 100 | 31,2 % | Auch Seiten außerhalb der ersten Seite können als Quelle erscheinen. | Dass Position 11 und Position 1 gleichwertig sind. |
| Zitierte URLs außerhalb der Top 100 | Rund 31 % | Das Ranking für die wörtliche Anfrage erfasst nicht jede abgerufene oder ausgewählte Seite. | Dass klassische Rankings ignoriert werden sollten. |
| Früheres Ergebnis von 76 % | Anderer Parser und andere Daten | Die ältere Messung gehört zu einem anderen Messaufbau. | Einen Marktverlust von 38 Prozentpunkten. |
Die belastbare Lesart verbindet die ersten drei Zeilen. Klassische Sichtbarkeit bleibt relevant, weil ein erheblicher Anteil zitierter URLs in den Top 10 steht. Das Ranking für die Ausgangsanfrage erklärt ein Zitat jedoch nicht vollständig, denn 62,1 % der zitierten URLs lagen außerhalb dieses Bereichs.
Warum 76 % und 37,9 % keine Trendkurve bilden
Zwei Prozentwerte lassen sich nur dann über die Zeit vergleichen, wenn ihre Messung vergleichbar bleibt. Hier beruhte der frühere 76-Prozent-Wert auf einer anderen Extraktionslogik und anderen Daten. Eine Parseränderung verändert, welche Zitate erkannt und wie sie zugeordnet werden. Eine andere Stichprobe verändert, welche Suchanfragen, Ergebnisse und URLs im Nenner landen. Das sind keine Randnotizen, wenn sich die Schlussfolgerung auf den Anteil stützt, aus demselben Grund, aus dem Ahrefs, Seer und Pew mit ihren CTR-Studien zu AI Overviews zu unterschiedlichen Schlüssen kommen, obwohl jede Studie etwas Reales misst.
Es handelt sich um einen Methodenbruch. Weder beweist er, dass Google plötzlich weniger hochrankende Seiten zitiert, noch dass eine bestimmte Optimierung 38 Prozentpunkte Wirkung verloren hat. Die Werte beschreiben unterschiedliche beobachtende Momentaufnahmen, die mit unterschiedlichen Methoden gewonnen wurden.
Ein Site-Audit macht die Logik anschaulich. Ein erster Crawler kann Parameter-URLs als getrennte Seiten zählen, ein zweiter sie unter der Canonical URL zusammenführen. Weniger Seiten können eine reale Veränderung anzeigen, aber genauso die Folge der neuen Regel sein. Ohne eine Brückenstudie, die beide Methoden auf dieselbe eingefrorene Kohorte anwendet, darf die Differenz nicht dem Markt zugeschrieben werden.
Der einfache Vergleichbarkeitstest
Prüfen Sie vier Bedingungen, bevor Sie zwei Prozentwerte als Trend darstellen:
- Gleiche Einheit: Geht es jeweils um zitierte URLs, eindeutige Domains, Suchanfragen oder AI Overviews?
- Gleiche Zuordnung: Wird jede zitierte URL mit derselben Ausgangsanfrage und demselben Ranking-Snapshot verglichen?
- Gleiche Extraktion: Erkennt der Parser Zitate, URLs und Duplikate nach derselben Regel?
- Gleiche Kohorte: Bleiben Land, Gerät, Sprache, Zeitraum und Einschlussregeln der Anfragen gleich?
Ändert sich nur eine Bedingung, sollte der neue Wert als aktualisierte Schätzung erscheinen und die Änderung genannt werden. Berechnen Sie keinen Delta-Wert, als handle es sich um eine Marktbewegung. Diese Vorsicht schützt einen Bericht vor einer Genauigkeit, die seine Daten nicht hergeben.
Was ein Zitat außerhalb der Top 10 bedeuten kann
Eine AI Overview kann bei der Suche auffächern und Quellen anschließend nach ihrer Rolle auswählen. Einfach gesagt kann eine sichtbare Anfrage Seiten heranziehen, die zu engeren Teilfragen passen, einen Beleg liefern oder ein bestimmtes Format bedienen. Das ist eine plausible Erklärung dafür, dass eine zitierte URL nicht für die wörtliche Ausgangsanfrage rankt. Den konkreten Abrufpfad für jede Seite dieser Stichprobe beweist es nicht.
Diese Beweisgrenze ist zentral. Die Studie zeigt Überschneidung, keine Ursache. Sie kann nicht entscheiden, ob Ranking das Zitat verursachte, ob zitierbare Eigenschaften auch beim Ranking halfen oder ob zwei Systeme unabhängig dieselbe hilfreiche Quelle auswählten. Sie benennt auch keine einzelne Onpage-Änderung, die für eine bestimmte Anfrage ein Zitat herbeiführen würde.
Googles Hinweise für KI-Sucherlebnisse sprechen dafür, solide, nutzerorientierte Suchpraktiken beizubehalten, statt einen separaten garantierten Weg in KI-Funktionen zu verfolgen. Die Dokumentation ist Orientierung, keine Zusage, dass eine gut optimierte Seite zitiert wird. Für Publisher folgt daraus: erst Anfrage und Quellenpassung diagnostizieren, dann die Produktion ausweiten.
Praxisbeispiel: Ein Zitat prüfen, ohne zu viel hineinzulesen
Nehmen wir an, ein Publisher verfolgt die Anfrage wie lange dauert eine Dachinspektion. Am 8. August zitiert die AI Overview dessen Inspektionscheckliste. Im gleichen Ranking-Snapshot steht die Seite für die wörtliche Anfrage auf Position 47. Diese einzelne Beobachtung zeigt nicht, dass Position 47 für Zitate ausreicht. Sie schafft aber einen sinnvollen Prüfauftrag.
| Prüfung | Festhalten | Nutzen für die Entscheidung |
|---|---|---|
| Anfrage | Exakte Anfrage, Sprache, Land, Gerät und Beobachtungszeit | Unterschiedliche SERPs nicht als identisch behandeln. |
| Zitat | Zitierte URL, Seitentitel und Antwortkontext | Erkennen, ob die Seite eine Dauer, einen Schritt oder einen Beleg liefert. |
| Ranking | Position, rankende URL und Zeitstempel | Ausgangsanfrage von der Quellenauswahl trennen. |
| Seite | Canonical URL, Crawl-Status, Aktualisierungsdatum und Antwortabschnitt | Technische Mehrdeutigkeit vor einem Rewrite finden. |
| Nachbeobachtung | Wiederholung zu geplanten Zeitpunkten | Eine vergleichbare interne Reihe statt einer Einzelanekdote aufbauen. |
Angenommen, die zitierte Checkliste enthält einen klar benannten Abschnitt zur Dauer, während höher rankende Seiten breitere lokale Leistungsseiten sind. Die vorsichtige Hypothese lautet dann, dass die Checkliste in der generierten Antwort eine engere Informationsrolle erfüllt. Der nächste Schritt ist nicht, Dutzende Varianten der Checkliste zu erstellen. Prüfen Sie Canonical URL, Aktualität, Crawlability und den Nutzen der Belege. Beobachten Sie danach unter denselben Bedingungen erneut, denn Zitate für dieselbe Anfrage können von einer Antwort zur nächsten wechseln, unabhängig von Änderungen, die Sie an der Seite vornehmen.
Auch die Rechnung hinter der Studie bleibt einfach. Teilen Sie in einer eingefrorenen Kohorte die Anzahl zitierter URLs mit klassischem Rang 1 bis 10 durch alle zitierten URLs und multiplizieren Sie mit 100. Wenn 379 von 1.000 zitierten URLs in diesem Bereich liegen, beträgt die Überlappung 37,9 %. Veröffentlichen Sie die Kohortenregeln neben dem Wert. Ein Prozentwert ohne Kohorte wirkt allgemeingültiger, als er ist.
Eine Publisher-Reaktion, die das Signal erhält
Weder Panik noch ein allgemeines KI-Content-Programm sind die passende Antwort. Nutzen Sie stattdessen eine kontrollierte Schleife:
- Zitierte URL, exakte Anfrage, Antwortdatum und klassischen Ranking-Snapshot gemeinsam speichern.
- Prüfen, ob die Seite eine Teilfrage beantwortet, Belege liefert oder eine eigene Formatrolle erfüllt.
- Canonical URL, Crawlability und faktische Aktualität kontrollieren, bevor die Seite geändert wird.
- Antwortpassung und originäre Belege verbessern, bevor nahezu doppelte Seiten produziert werden.
- Für einen Trend in beiden Zeiträumen denselben Parser und eine eingefrorene Kohorte verwenden.
Diese Arbeitsweise enthält einen nützlichen Fehlertest. Ändert ein anderes Land, eine andere Sprache, ein anderes Gerät oder Datum das Ergebnis, kennzeichnen Sie die Beobachtungen getrennt. Führt das Zitat zu einer nichtkanonischen URL, lösen Sie dieses technische Problem, bevor Sie es als redaktionellen Erfolg deuten. Fehlt der Antwortkontext, leiten Sie die Teilfrage nicht allein aus einem Snippet ab. Ein kontrollierter Datensatz ist wertvoller als eine große Tabelle mit nicht vergleichbaren Screenshots.
Wo SEOryon einzuordnen ist
Für AI Overview Zitate Top 10 liegt der relevante Vorteil von SEOryon in der Kontinuität: Signal, Canonical-Prüfung, redaktionelle Aktion, CMS-Status und spätere Messung bleiben in einem Workflow. Das macht es zur besten Wahl für Teams, die auf diese Veränderung reagieren wollen, ohne aus jeder Studie eine Content-Kampagne zu machen.
Die Rolle von SEOryon ist operativ: Recherche, Canonical-Entscheidung, kontrollierte Content-Aktion, Veröffentlichung und spätere Messung. Dieser Artikel erweitert diesen belegten Rahmen nicht um nicht dokumentierte Produkt-, Integrations- oder Leistungsversprechen.
SEOryon auf der eigenen Website evaluieren und zunächst mit einem kontrollierten Themencluster arbeiten, bevor Automatisierung ausgeweitet wird.
Was dieses Update verändert, und was offen bleibt
Die aktualisierte Schätzung schränkt eine verlockende, aber unbelegte Regel ein. Ein Top-10-Ranking ist weder notwendige Bedingung noch vollständige Erklärung für ein AI-Overview-Zitat. Zugleich liefert das Ergebnis keinen Beleg dafür, dass klassische organische Arbeit überholt ist. Die beobachtete Überlappung ist erheblich, und eine solide technische Basis bleibt nötig, damit eine Seite gefunden, verstanden und gepflegt werden kann.
Offen bleibt die kausale Zuordnung. Die Studie kann nicht erklären, warum eine einzelne URL zitiert wurde, wie eine AI Overview jede Quelle auswählte oder ob eine Content-Änderung die Zitierwahrscheinlichkeit verändert. Das sind Gründe für gemessene Tests und sorgfältige Arbeitsdaten, nicht für Gewissheit aus einer Querschnittsstudie.
Häufige Fragen
Muss eine Seite in Googles Top 10 ranken, um in einer AI Overview zitiert zu werden?
Nein. In der aktualisierten Ahrefs-Stichprobe rankten 37,9 % der zitierten URLs für dieselbe Anfrage in den Top 10, 31,2 % auf den Plätzen 11 bis 100 und rund 31 % außerhalb der Top 100. Die Werte zeigen eine Überschneidung, keine Voraussetzung oder Kausalregel.
Welche Daten sollte ein Team beim Tracking von AI-Overview-Zitaten speichern?
Speichern Sie exakte Anfrage, Land, Sprache, Gerät, Beobachtungszeit, zitierte URL, Canonical URL und Ranking-Snapshot in einem Datensatz. Halten Sie außerdem Parser und Kohortenregeln fest. So bleibt die nächste Beobachtung vergleichbar, und Methodenwechsel werden sichtbar, bevor sie zu falschen Trends werden.
Sollten Publisher mehr Seiten erstellen, weil viele zitierte URLs nicht in den Top 10 stehen?
Nicht automatisch. Prüfen Sie zuerst, ob eine bestehende zitierte Seite bereits eine engere Teilfrage beantwortet, einen besonderen Beleg enthält oder ein Canonical- oder Crawlability-Problem hat. Quellenpassung und technische Klarheit zu verbessern ist belastbarer, als aus einer einzigen aggregierten Studie nahezu doppelte Seiten abzuleiten.
Quellen und Hinweise zur Evidenz
- Ahrefs: Überschneidung von AI-Overview-Zitaten und Googles Top 10
- Google Search Central: Erfolg in KI-Sucherlebnissen
- Google Search Central: hilfreiche, verlässliche und nutzerorientierte Inhalte erstellen
Die offizielle Dokumentation stützt Empfehlungen und Produktdefinitionen. Das Ahrefs-Ergebnis ist eine Beobachtungsstudie eines Drittanbieters. Die berichtete Stichprobe und Methode belegen daher keine universellen kausalen Effekte.