Berlin (ots) -
29 % der Quellen, die ChatGPT, Google AI Overview und Perplexity bei deutschsprachigen Produktanfragen zitieren, tragen auf der Ursprungsseite eine sichtbare kommerzielle Kennzeichnung: ein Werbe-Label wie "Anzeige", einen Affiliate-Hinweis oder eine Partner-Kennzeichnung. In der KI-Antwort erscheinen diese Seiten als reguläre Empfehlungen, ohne dass die auf der Verlagsseite vorhandene Kennzeichnung übernommen wird. Das zeigt eine neue Datenanalyse des unabhängigen Datenstudios DataPulse Research (https://www.datapulse.de/) in Kooperation mit der KI-Analyseplattform BuzzView (https://buzzview.ai/).
Das Muster zieht sich durch alle drei untersuchten KI-Systeme, in vergleichbaren Größenordnungen. Anteil der zitierten Quellen mit kommerzieller Kennzeichnung (deutschsprachige Anfragen):
- Perplexity: 31,6 %
- ChatGPT: 28 %
- Google AI Overview: 26,6 %
Bei englischsprachigen Anfragen liegt die Gesamtquote bei 25,4 % (Perplexity 30,9 %, Google AI Overview 23,5 %, ChatGPT 22,6 %). Dass alle drei Systeme nah beieinander liegen, deutet darauf hin, dass es sich um ein systemisches Muster handelt und nicht um ein Problem einer einzelnen Plattform.
Drei Ebenen kommerzieller Inhalte
Die Quote setzt sich aus drei Arten von Kennzeichnung zusammen. Im deutschsprachigen Datensatz tragen explizite Werbe-Labels (12 %) und Affiliate-Hinweise (14 %) etwa gleich stark zur Gesamtquote bei, hinzu kommen Hinweise auf Partner-Inhalte (7,1 %). Im englischsprachigen Raum dominieren Affiliate-Hinweise (21,4 %), während explizite Werbe-Labels mit 1,8 % selten sind. Der Unterschied ist primär regulatorisch bedingt: Wo keine sichtbare Werbekennzeichnungspflicht greift, laufen kommerzielle Beziehungen häufiger über Affiliate-Disclosures.
Regulatorische Lücke zwischen Verlagsausgang und KI-Eingang
Die Werbekennzeichnungspflicht ist in Deutschland im Gesetz gegen den unlauteren Wettbewerb (UWG), im Digitale-Dienste-Gesetz (DDG) und im Medienstaatsvertrag (MStV) verankert. Verlage und Redaktionen setzen diese Pflicht verbindlich um. Die Studie zeigt: Die Kennzeichnung ist am Verlagsausgang vorhanden, in der Verarbeitung durch die KI-Antworten kommt sie aber nicht beim Nutzer an. Die Compliance-Last bleibt bei den Verlagen, während die Reichweite über KI-Antworten ohne diese Kontextinformation ausgespielt wird.
Was die Zahl bedeutet, und was nicht
29 % ist der Anteil der angezeigten Quellenverweise mit sichtbarer kommerzieller Kennzeichnung auf der Ursprungsseite. Zählt man jede zitierte Seite nur einmal, unabhängig davon, wie oft sie auftaucht, liegt die Quote bei 25 % (englischsprachig 19 %). Die rund 71 % der Quellen ohne erkennbare Kennzeichnung sind nicht automatisch redaktionell neutral: Sie können kommerziell motiviert sein, legen dies aber nicht offen und sind für die Auswertung damit nicht erfassbar. Die ausgewiesenen Werte sind deshalb eine Untergrenze.
Bezogen auf einzelne Antworten ist der Effekt nahezu flächendeckend: 98,9 % aller KI-Antworten auf deutschsprachige Produktanfragen enthielten mindestens eine kommerziell gekennzeichnete Quelle. Wer eine KI nach einer Produktempfehlung fragt, bekommt also fast immer mindestens eine kommerziell beeinflusste Quelle serviert, ohne es zu erfahren.
"Verlage in Deutschland nehmen ihre Kennzeichnungspflicht ernst. Was unsere Messung zeigt: Diese Kennzeichnung geht an der Stelle verloren, an der die Inhalte zu KI-Empfehlungen umgewandelt werden. Es ist kein Problem einer einzelnen Plattform, sondern ein Muster, das alle drei untersuchten KI-Suchen aufweisen, in vergleichbaren Größenordnungen", sagt Nicolas Caramella, Geschäftsführer von DataPulse Research.
Die vollständige Studie finden Sie hier: https://www.datapulse.de/versteckte-werbung-ki/
Über die Studie / Methodik
Für die Studie hat DataPulse Research 6.668 Vergleichsanfragen nach dem Muster "beste/r [Produktkategorie]" in 120 Kategorien, je zur Hälfte auf Deutsch und Englisch, über die KI-Analyseplattform BuzzView an ChatGPT, Google AI Overview und Perplexity ausgespielt und die zitierten Quellen erfasst. Anschließend prüfte DataPulse Research die zitierten Seiten auf sichtbare Kennzeichen für kommerzielle Inhalte: Werbe-Labels, Affiliate- und Partner-Hinweise. Mehrdeutige Treffer wurden einzeln nachverifiziert. Erhebung und Auswertung fanden im April 2026 statt. Die Studie misst sichtbare Kennzeichnungen auf den Quellseiten, keine kommerziellen Absichten oder Hintergrund-Vereinbarungen. Die vollständige Methodik ist in der Studie dokumentiert.
Über DataPulse Research
DataPulse Research ist ein unabhängiges Datenstudio mit Fokus auf Datenjournalismus und datengetriebene Visualisierungen. Wir machen komplexe Zusammenhänge verständlich und setzen Zahlen in einen klaren Kontext. Unsere Studien erscheinen regelmäßig in Medien wie Zeit, FAZ, Tagesschau, Welt, Focus und Bild und werden u. a. von Statista und Wikipedia als Quelle zitiert.
Über BuzzView
BuzzView ist eine Plattform für KI-Sichtbarkeit (AI Visibility). Sie misst, wie Marken in den Antworten der großen KI-Suchen und KI-Assistenten erscheinen, darunter ChatGPT, Google AI Overview, Gemini, Perplexity und Claude. Erfasst werden dabei die realen KI-Antworten, wie Nutzer sie sehen, samt zitierter Quellen, Wettbewerber und Tonalität. Aus diesen Daten liefert BuzzView Reports, Dashboards und konkrete Handlungsempfehlungen zur Verbesserung der Sichtbarkeit in der KI-Suche. Die Plattform wird in Deutschland entwickelt und gehostet und ist vollständig DSGVO-konform. Für die vorliegende Studie stellte BuzzView die Zitationsdaten der drei untersuchten KI-Suchen bereit.
Pressekontakt:
DataPulse Research
presse@datapulse.de
+49 1575 7156873
www.datapulseresearch.com
Original-Content von: DataPulse GmbH, übermittelt durch news aktuell
Originalmeldung: https://www.presseportal.de/pm/176293/6282835
29 % der Quellen, die ChatGPT, Google AI Overview und Perplexity bei deutschsprachigen Produktanfragen zitieren, tragen auf der Ursprungsseite eine sichtbare kommerzielle Kennzeichnung: ein Werbe-Label wie "Anzeige", einen Affiliate-Hinweis oder eine Partner-Kennzeichnung. In der KI-Antwort erscheinen diese Seiten als reguläre Empfehlungen, ohne dass die auf der Verlagsseite vorhandene Kennzeichnung übernommen wird. Das zeigt eine neue Datenanalyse des unabhängigen Datenstudios DataPulse Research (https://www.datapulse.de/) in Kooperation mit der KI-Analyseplattform BuzzView (https://buzzview.ai/).
Das Muster zieht sich durch alle drei untersuchten KI-Systeme, in vergleichbaren Größenordnungen. Anteil der zitierten Quellen mit kommerzieller Kennzeichnung (deutschsprachige Anfragen):
- Perplexity: 31,6 %
- ChatGPT: 28 %
- Google AI Overview: 26,6 %
Bei englischsprachigen Anfragen liegt die Gesamtquote bei 25,4 % (Perplexity 30,9 %, Google AI Overview 23,5 %, ChatGPT 22,6 %). Dass alle drei Systeme nah beieinander liegen, deutet darauf hin, dass es sich um ein systemisches Muster handelt und nicht um ein Problem einer einzelnen Plattform.
Drei Ebenen kommerzieller Inhalte
Die Quote setzt sich aus drei Arten von Kennzeichnung zusammen. Im deutschsprachigen Datensatz tragen explizite Werbe-Labels (12 %) und Affiliate-Hinweise (14 %) etwa gleich stark zur Gesamtquote bei, hinzu kommen Hinweise auf Partner-Inhalte (7,1 %). Im englischsprachigen Raum dominieren Affiliate-Hinweise (21,4 %), während explizite Werbe-Labels mit 1,8 % selten sind. Der Unterschied ist primär regulatorisch bedingt: Wo keine sichtbare Werbekennzeichnungspflicht greift, laufen kommerzielle Beziehungen häufiger über Affiliate-Disclosures.
Regulatorische Lücke zwischen Verlagsausgang und KI-Eingang
Die Werbekennzeichnungspflicht ist in Deutschland im Gesetz gegen den unlauteren Wettbewerb (UWG), im Digitale-Dienste-Gesetz (DDG) und im Medienstaatsvertrag (MStV) verankert. Verlage und Redaktionen setzen diese Pflicht verbindlich um. Die Studie zeigt: Die Kennzeichnung ist am Verlagsausgang vorhanden, in der Verarbeitung durch die KI-Antworten kommt sie aber nicht beim Nutzer an. Die Compliance-Last bleibt bei den Verlagen, während die Reichweite über KI-Antworten ohne diese Kontextinformation ausgespielt wird.
Was die Zahl bedeutet, und was nicht
29 % ist der Anteil der angezeigten Quellenverweise mit sichtbarer kommerzieller Kennzeichnung auf der Ursprungsseite. Zählt man jede zitierte Seite nur einmal, unabhängig davon, wie oft sie auftaucht, liegt die Quote bei 25 % (englischsprachig 19 %). Die rund 71 % der Quellen ohne erkennbare Kennzeichnung sind nicht automatisch redaktionell neutral: Sie können kommerziell motiviert sein, legen dies aber nicht offen und sind für die Auswertung damit nicht erfassbar. Die ausgewiesenen Werte sind deshalb eine Untergrenze.
Bezogen auf einzelne Antworten ist der Effekt nahezu flächendeckend: 98,9 % aller KI-Antworten auf deutschsprachige Produktanfragen enthielten mindestens eine kommerziell gekennzeichnete Quelle. Wer eine KI nach einer Produktempfehlung fragt, bekommt also fast immer mindestens eine kommerziell beeinflusste Quelle serviert, ohne es zu erfahren.
"Verlage in Deutschland nehmen ihre Kennzeichnungspflicht ernst. Was unsere Messung zeigt: Diese Kennzeichnung geht an der Stelle verloren, an der die Inhalte zu KI-Empfehlungen umgewandelt werden. Es ist kein Problem einer einzelnen Plattform, sondern ein Muster, das alle drei untersuchten KI-Suchen aufweisen, in vergleichbaren Größenordnungen", sagt Nicolas Caramella, Geschäftsführer von DataPulse Research.
Die vollständige Studie finden Sie hier: https://www.datapulse.de/versteckte-werbung-ki/
Über die Studie / Methodik
Für die Studie hat DataPulse Research 6.668 Vergleichsanfragen nach dem Muster "beste/r [Produktkategorie]" in 120 Kategorien, je zur Hälfte auf Deutsch und Englisch, über die KI-Analyseplattform BuzzView an ChatGPT, Google AI Overview und Perplexity ausgespielt und die zitierten Quellen erfasst. Anschließend prüfte DataPulse Research die zitierten Seiten auf sichtbare Kennzeichen für kommerzielle Inhalte: Werbe-Labels, Affiliate- und Partner-Hinweise. Mehrdeutige Treffer wurden einzeln nachverifiziert. Erhebung und Auswertung fanden im April 2026 statt. Die Studie misst sichtbare Kennzeichnungen auf den Quellseiten, keine kommerziellen Absichten oder Hintergrund-Vereinbarungen. Die vollständige Methodik ist in der Studie dokumentiert.
Über DataPulse Research
DataPulse Research ist ein unabhängiges Datenstudio mit Fokus auf Datenjournalismus und datengetriebene Visualisierungen. Wir machen komplexe Zusammenhänge verständlich und setzen Zahlen in einen klaren Kontext. Unsere Studien erscheinen regelmäßig in Medien wie Zeit, FAZ, Tagesschau, Welt, Focus und Bild und werden u. a. von Statista und Wikipedia als Quelle zitiert.
Über BuzzView
BuzzView ist eine Plattform für KI-Sichtbarkeit (AI Visibility). Sie misst, wie Marken in den Antworten der großen KI-Suchen und KI-Assistenten erscheinen, darunter ChatGPT, Google AI Overview, Gemini, Perplexity und Claude. Erfasst werden dabei die realen KI-Antworten, wie Nutzer sie sehen, samt zitierter Quellen, Wettbewerber und Tonalität. Aus diesen Daten liefert BuzzView Reports, Dashboards und konkrete Handlungsempfehlungen zur Verbesserung der Sichtbarkeit in der KI-Suche. Die Plattform wird in Deutschland entwickelt und gehostet und ist vollständig DSGVO-konform. Für die vorliegende Studie stellte BuzzView die Zitationsdaten der drei untersuchten KI-Suchen bereit.
Pressekontakt:
DataPulse Research
presse@datapulse.de
+49 1575 7156873
www.datapulseresearch.com
Original-Content von: DataPulse GmbH, übermittelt durch news aktuell
Originalmeldung: https://www.presseportal.de/pm/176293/6282835
© 2026 news aktuell
