Empfehlung
Eine Recommendation liegt vor, wenn ein KI-System eine Marke, ein Produkt oder eine Lösung in seiner Antwort ausdrücklich empfiehlt. Sie ist die stärkste der drei Arten, in einer KI-Antwort vorzukommen – und die am wenigsten stabile.
Bei vielen Fragen geht es um eine Entscheidung: Welcher Anbieter, welches Tool, welches Hotel? KI-Assistenten antworten darauf oft mit einer Auswahl und einer Empfehlung. Wird die eigene Marke dabei als passende Lösung hervorgehoben, ist das eine Recommendation – mehr als eine bloße Mention und etwas anderes als eine Citation.
Eine Studie von SparkToro (2026) ließ zwölf identische Prompts knapp 3.000 Mal an ChatGPT, Claude und Googles KI stellen. Die Wahrscheinlichkeit, zweimal dieselbe Markenliste zu bekommen, lag unter 1 zu 100. Stabiler war, wie häufig eine Marke über viele Durchläufe vorkam. Einzelne Screenshots sagen deshalb wenig; belastbar ist nur eine Häufigkeit.
Die Recommendation Rate zeigt, in wie vielen Durchläufen eines festen Prompt-Sets die Marke empfohlen wird – getrennt von Nennung und Zitat. Wer die drei zusammenfasst, verliert die Information, wo es hakt: bei den Inhalten oder beim Vertrauen in die Marke. Details im Knowledge Case darüber, was sich bei KI-Sichtbarkeit belastbar messen lässt.
Recommendations gehören zu Trust (Selectability). Empfohlen wird, wer mit dem Thema klar verbunden ist und dem das System aufgrund vieler Signale vertraut – eigene Inhalte, konsistente Angaben und Bestätigung durch Dritte.
Eine Mention nennt die Marke, oft in einer Aufzählung. Eine Recommendation hebt sie ausdrücklich als passende Lösung hervor.
Eine Citation nutzt einen Inhalt als Beleg. Eine Recommendation bewertet die Marke oder das Angebot selbst.
Ein Ranking ist eine feste Position in einer Ergebnisliste. Eine Recommendation entsteht in einer einzelnen Antwort und kann bei der nächsten Anfrage anders ausfallen.
Konstruiertes Beispiel – es zeigt das Muster, keine gemessenen Werte.
Auf die Frage „Welches Hotel in Lindau eignet sich für eine Tagung mit 40 Personen?“ nennt ein KI-Assistent vier Häuser und empfiehlt eines davon ausdrücklich. Ein Hotel wird in 60 Durchläufen 35-mal genannt, aber nur 8-mal empfohlen.
Die Marke ist bekannt, überzeugt aber als Empfehlung noch nicht – etwa weil Tagungsangebot, Raumgrößen und Bewertungen online nicht klar und einheitlich beschrieben sind.
In diesen Beiträgen spielt der Begriff eine Rolle – mit Quellen, Einordnung und konkreten Empfehlungen.
Digital PR & ErwähnungenCitation Neighborhoods: In welchem Quellenumfeld KI-Systeme eine Marke nennen – und was das über ihre Auswahl verrätNicht nur ob Ihre Marke in KI-Antworten vorkommt, zählt – sondern neben wem.Lesen 
SEO- & GEO-AnalyseVisibility Gap: Warum gute Rankings noch keine Auswahl in KI-Antworten garantierenPlatz 2 bei Google – und in der KI-Antwort kommt Ihre Marke nicht vor. Das ist kein Messfehler.Lesen Außerdem erwähnt in
Nicht direkt. Belastbar ist nur die Richtung: klare, einheitliche Angaben zum Angebot, belegte Inhalte und Bestätigung durch Dritte wie Bewertungen und Fachmedien.
Weil KI-Antworten nicht deterministisch sind. Laut SparkToro ist die Chance, zweimal dieselbe Markenliste zu erhalten, kleiner als 1 zu 100. Aussagekräftig ist die Häufigkeit über viele Durchläufe.
Für Kaufentscheidungen meist ja, weil sie die Marke selbst hervorhebt. Für Fachthemen kann eine Citation wichtiger sein, weil sie Kompetenz belegt. Deshalb werden beide getrennt gemessen.
In einem unverbindlichen Erstgespräch klären wir, wo Sie heute stehen. Ehrlich, konkret und ohne Verkaufsdruck.
