Citation Accuracy
Genauigkeit, mit welcher KI-Modelle Quellen identifizieren und zuordnen.
Citation Accuracy beschreibt die Genauigkeit, mit der KI-Modelle Quellen identifizieren, zuordnen und als Beleg angeben.[1] Einer Untersuchung des Tow Centers der Columbia University zufolge liefern acht untersuchte KI-Modelle in über 60% der Fälle falsche oder irreführende Quellenangaben.[2] Citation Accuracy ist ein Qualitätsmerkmal, das maßgeblich beeinflusst, ob Inhalte als vertrauenswürdige Quelle zitiert oder ignoriert werden.
Was ist Citation Accuracy?
Citation Accuracy misst, ob die von einer KI genannte Quelle die Information tatsächlich stützt, die ihr zugeschrieben wird.[1] Dabei lassen sich drei Fehlerkategorien unterscheiden: Halluzinierte Quellenangaben verweisen auf Quellen, die nicht existieren. Falsche Zuordnung liegt vor, wenn zwar eine tatsächliche Quelle genannt wird, ihr jedoch Aussagen zugeschrieben werden, die sie nicht belegt.Veraltete Quellenangaben verweisen auf Informationen, die nicht mehr dem aktuellen Stand entsprechen.
Forschung zeigt, dass Zwischen 3 bis 13% der von KI-Modellen generierten Quell-Adressen sind erfunden. Für diese Quellen findet sich kein Eintrag in der Wayback Machine, was darauf hindeutet, dass sie möglicherweise nie existiert haben.[3] Weitere 5 bis 18% der Quellenangaben sind nicht erreichbar oder fehlerhaft.[3]
Selbst führende KI-Modelle erreichen beim korrekten Zitieren von Quellen lediglich eine faktische Genauigkeit von 39 bis 77%.[4] Die Genauigkeit sinkt um etwa 42%, wenn das System zusätzliche Verarbeitungsschritte benötigt, um relevante Quellen zu ermitteln.[4] Das bedeutet: Je mehr Quellen eine KI gleichzeitig verarbeitet, desto unzuverlässiger werden die Quellenangaben.
Für GEO bedeutet das: Eine KI kann Inhalte nutzen, ohne die Urheberschaft korrekt anzugeben. Umgekehrt kann sie eine Quelle nennen, ihr jedoch falsche Aussagen zuschreiben. Citation Accuracy ist damit eine entscheidende Kennzahl um herauszufinden, ob die verwendeten Informationen auch ihrer tatsächlichen Herkunft zugeordnet wurden.[1]
Tow Center-Studie
Das Tow Center der Columbia University untersuchte in einer umfangreichen Studie acht KI-Modelle auf deren Fähigkeit, Quellen korrekt zu identifizieren und auszuspielen.[1] Das Ergebnis: In über 60% der Fälle lieferten die Systeme falsche Quellenangaben. Zudem gaben Chatbots selten zu, wenn ihnen Daten fehlten. Stattdessen generierten sie spekulative Antworten.[1]
Besonders bedenklich: Perplexity, das sich als auf Quellenangaben ausgerichtete Suchmaschine positioniert, wies in unabhängigen Tests eine Fehlerquote von 37% auf.[2] Obwohl die Plattform mit vorbildlichem Quellenmanagement wirbt, werden ihre realen Defizite in der Studie überdeutlich.
Perplexity selbst gibt eine Citation Accuracy von 94% an.[5] Unabhängige Tests zeichnen ein anderes Bild. Das Tow Center der Columbia University stellte fest, dass KI-Suchmaschinen die Herkunft von Informationen oft nicht zuverlässig bestimmen können. In der Untersuchung zeigten sich häufig falsche Quellenangaben, fehlerhafte Zuordnungen sowie erfundene Verweise.[1]
Die Konsequenz für GEO: Selbst wenn KI-Suchmaschinen deine Inhalte in ihren Antworten verwenden, besteht ein hohes Risiko für falsche Verlinkungen. Strukturiere deine Texte deshalb so, dass Algorithmen Fakten glasklar erkennen und deiner Webseite als Urheber zuordnen.[4]
Plattform-Vergleich
Warum zitiert KI falsch?
Die Ursachen für Fehler bei der Quellenzuordnung sind struktureller Natur. KI-Modelle nutzen Verfahren, die Quellen abrufen, Inhalte verarbeiten und daraus Antworten erstellen. Ist ein Text nicht klar strukturiert, steigt das Fehlerrisiko, weil das System den Zusammenhang zwischen Aussagen und ihren Belegen selbst erschließen muss. Je mehr Quellen miteinander konkurrieren, desto schwieriger wird die korrekte Zuordnung. Dem lässt sich entgegenwirken, indem Behauptungen und zugehörige Belege unmittelbar nebeneinander stehen.[4]
Auswirkungen auf die GEO-Strategie
Nutze die folgenden sechs Ansätze, um die Genauigkeit der Quellenzuordnung zu optimieren:[4][7].
Bezug zu anderen Begriffen
Das folgende Kapitel ordnet Citation Accuracy im GEO-Spektrum vergleichend ein.
Häufig gestellte Fragen
Was ist Citation Accuracy?+
Citation Accuracy beschreibt die Exaktheit, mit der KI-Suchmaschinen Quellen identifizieren und zuordnen. Das Tow Center der Columbia University untersuchte acht KI-Suchmaschinen und wies nach, dass über 60% der Quellenangaben fehlerhaft oder irreführend sind. Zusätzlich sind zwischen 3 und 13% der URLs frei erfunden.
Warum ist Citation Accuracy wichtig?+
Citation Accuracy bestimmt, ob Inhalte korrekt als Quelle genannt werden. Selbst wenn eine KI deine Daten verwendet, kann sie eine falsche Quelle angeben. Studien zeigen, dass führende Modelle beim Zitieren nur eine Genauigkeit von 39 bis 77% erreichen. Strukturiere deinen Content deshalb so, dass Aussagen eindeutig mit einer Quelle verknüpft sind.
Was ist eine erfundene Quellenangabe?+
Als halluzinierte Quellenangabe gilt ein Verweis auf ein Dokument, das in der Realität nicht existiert. Studien zeigen, dass 3 bis 13% aller von KI-Modellen genannten URLs frei erfunden sind. Sie lassen sich weder aufrufen noch in der Wayback Machine nachweisen. Weitere 5 bis 18% der Links erweisen sich als nicht erreichbar oder defekt.
Wie genau geben KI-Systeme Quellen an?+
Wie präzise KI-Systeme Quellen nennen, zeigen aktuelle Benchmarks und Analysen: Perplexity erzielt bei Echtzeitanfragen eine faktische Genauigkeit von 92%, während ChatGPT mit aktivierter Websuche 87% erreicht. Das Tow Center wies in unabhängigen Tests jedoch eine Fehlerquote von 37% bei Perplexity nach. Claude weist mit einer Zitierhäufigkeit von nur 7,5% die geringste Rate auf. Zudem zeigt sich bei ChatGPT eine starke Konzentration: 67,3% aller Quellenangaben entfallen auf lediglich 20 Domains.
Wie verbessere ich die Citation Accuracy meiner Inhalte?+
Um KI-Systemen die Verarbeitung zu erleichtern, solltest du Texte durch klare Überschriften, präzise Aussagen und eine transparente Verknüpfung strukturieren. Stelle Autoren, Publikationsdaten und Nachweise konsistent dar und verwende aktuelle, überprüfbare sowie relevante Quellen, um die Attribuierung zu sichern. Vermeide dabei Widersprüche, Mehrdeutigkeiten und verstreute Informationen, damit Algorithmen Zusammenhänge unmissverständlich erfassen.
Alle Quellen wurden im August 2026 abgerufen und auf inhaltliche Plausibilität geprüft.
Kontakt
Unverbindliche Erstberatung buchen