In einem neuen Forschungsbericht wird argumentiert, dass die Quellen, auf denen die Softwareempfehlungen von Perplexity basieren, überwiegend von Seiten stammen, die eher von Modellen als von Menschen gelesen werden sollen – darunter drei Websites, die zusammen 215.128 maschinengenerierte „Beste Software“-Seiten veröffentlicht haben. Der am Mittwoch von Trellner Research veröffentlichte Bericht ergab, dass fast 60 Prozent der Zitate hinter den Antworten von Perplexity in 380 Softwarekategorien auf Domains verwiesen, die außerhalb der Top 100.000 Websites im Internet rangierten. Die Ergebnisse fallen inmitten der zunehmenden KI-Branchenberichterstattung darüber, wie Suchmaschinen und Antwortmaschinen stillschweigend durch technische Inhalte gesteuert werden können.
Was die Studie gemessen hat
Trellner hat 380 käuferorientierte Softwarekategorien – von „CRM-Software“ bis „Software zur Verwaltung von Museumssammlungen“ – zwei der webbasierten Modelle von Perplexity, Perplexity/Sonar und Perplexity/Sonar-Pro, zugeordnet, die über OpenRouter laufen. Der Test verwendete eine Eingabeaufforderung pro Kategorie und Modell: insgesamt 760 Anrufe, bei denen jeweils nach einer Top-5-Rangliste in JSON mit der offiziellen Homepage-Domain jedes Produkts gefragt wurde.
Jeder Anruf lieferte eine analysierbare Antwort. Daraus ergaben sich 3.800 Empfehlungsslots mit Namen von 1.807 unterschiedlichen Produkten, unterstützt durch 7.534 Zitate in 2.055 unterschiedlichen Domänen. Anschließend verglich Trellner jede zitierte Domain mit der Tranco-Liste der weltweit meistbesuchten Websites und der Wayback Machine und rief jede der 1.502 Anbieter-Homepages ab, die die Modelle lieferten.
Wo die Zitate landen
Die Schlagzeilen sind krass. Von den 7.534 Zitaten verwiesen 59,8 Prozent auf Domains, die in der Top-1-Million-Liste von Tranco schlechter als Platz 100.000 rangierten, und 23,4 Prozent wiesen auf Domains hin, die überhaupt nicht in der Top-Million-Liste auftauchen. Der mittlere Tranco-Rang unter den Zitaten, die auf eine gerankte Domain verwiesen, lag bei 71.611.
Die am häufigsten zitierten Quellen waren eine Mischung aus Bekanntem und Unbekanntem. G2 führte mit 291 Zitaten, gefolgt von Reddit mit 261. Die drittgrößte Quelle – 194 Mal zitiert, vor Gartners 158 – war jedoch guideflow.com, ein Marketing-Blog eines Anbieters für interaktive Produktdemos, der in keiner der Kategorien konkurriert, für die er zitiert wurde. Sein Blog lieferte die Grundlage für Antworten zu 3D-Rendering-Software, IVR-Software, RFID-Software und Architekturpraxis-Software. Im Vergleich dazu wurde Wikipedia dreimal in 7.534 Zitaten zitiert.
Neuer, obskur und schnell wachsend
Der Bericht fügt eine zeitliche Dimension hinzu: Auch die nicht gerankten Domains sind viel neuer. Die durchschnittliche erste Wayback-Machine-Erfassung für nicht gerankte zitierte Domains erfolgte im Jahr 2020, im Vergleich zu 2011 für gerankte Domains, und 16,6 Prozent der archivierten nicht gerankten Domains erschienen erstmals im Jahr 2025 oder später – im Vergleich zu 1,6 Prozent der gerankten Domains. Mit anderen Worten: Bis vor Kurzem gab es keinen aussagekräftigen Teil der Begründung für die Antworten von Perplexity.
215.128 Seiten zum Lesen durch Models
Die auffälligste Behauptung des Berichts betrifft drei Standorte, von denen Trellner sagt, dass sie offenbar unter gemeinsamer Kontrolle betrieben werden. Zwei von ihnen gaben ihrer Homepage den HTML-Titel „Facts & Grounding Page“ – Grounding ist genau der Abrufschritt, den diese Modelle ausführen – und zusammen mit einer dritten Website haben sie 215.128 maschinell generierte „beste [Kategorie]“-Seiten veröffentlicht. Keine der drei Domänen existierte vor Dezember 2023.
Trellner achtet sorgfältig auf die Rahmung. Der Bericht stellt fest, dass nichts am Content-Marketing des Anbieter-Blogs an sich irreführend ist – Unternehmen veröffentlichen ständig große Blogs – und dass es bei der Messung darum geht, was die Retrieval-Ebene damit macht: „Die eigenen Listicles eines Anbieters über Märkte, in denen er nicht tätig ist, wurden zur drittgrößten Beweisbasis“ für Kaufempfehlungen.
Warum es für die KI-Suche wichtig ist
Die Studie ist eine quantitative Momentaufnahme eines Wandels, vor dem SEO-Praktiker gewarnt haben: Die Optimierung hat sich vom Ranking in Suchergebnissen hin zum Abruf durch Antwortmaschinen verlagert. Für Models geschriebene Seiten – dicht, formelhaft und so gestaltet, dass sie maßgeblich wirken – können zur Evidenzbasis für Empfehlungen werden, die Verbraucher als neutral betrachten. Auf HN erhielt der Bericht Hunderte von positiven Stimmen, wobei die Kommentatoren darüber debattierten, ob dies auf ein Versagen der KI-Suche zurückzuführen ist oder einfach darauf, dass sich das Internet daran angepasst hat.
Wichtige Vorbehalte
Trellner geht explizit auf den Umfang ein. Nur Perplexity wurde gemessen, „und nichts hier sollte als Behauptung über einen anderen Motor gelesen werden.“ Google wurde gänzlich außen vor gelassen, da die Erdung eines Gemini-Modells über OpenRouter es über das eigene Websuch-Plugin von OpenRouter weiterleitet, was die Messung beeinträchtigen würde. Die Kategorien wurden geschrieben, bevor irgendwelche Ergebnisse sichtbar waren, und nie überarbeitet, und der vollständige Datensatz – Eingabeaufforderungen, Zitate und Domain-Suchen – begleitet den Bericht.
Diese Vorbehalte gelten in beide Richtungen. Sie machen die Ergebnisse enger als eine pauschale Anklage gegen die KI-Suche, machen es aber auch schwieriger, sie abzutun: Innerhalb des angegebenen Umfangs ist die Messung unkompliziert, wiederholbar und für jeden, der davon ausgegangen ist, dass fundierte Antworten in den vertrauenswürdigsten Regalen des offenen Webs liegen, unbequem.
---
Der KI einen Schritt voraus seinErhalten Sie die neuesten KI-Nachrichten, Analysen und Durchbrüche – alles an einem Ort.
Weitere KI-Neuigkeiten lesen →
