Datenstand: Google Search Console, Zeiträume 3 bis 12 Monate bis 7. September 2026.
Wenn ChatGPT, Gemini und Co. im Hintergrund googeln, hinterlassen sie Spuren in Ihrer Search Console. Sie sehen aus wie Suchanfragen, verhalten sich aber nicht so. Wer die Muster kennt, kann sie mit sechs Filtern sichtbar machen.
Dieser Beitrag zeigt, wie Sie KI-Suchanfragen in der Google Search Console erkennen, welche Filter dafür taugen und was die Zahlen für Ihre Sichtbarkeit bedeuten. Anlass war ein Beitrag der SEO-Beraterin Lily Ray auf X. Wir haben nachgemessen.
Auf einen Blick
- KI-Assistenten nutzen die Google-Suche als Werkzeug. Ihre Anfragen landen als Impressionen in der Search Console, fast ohne Klicks.
- Der einfachste Filter ist ein Doppelpunkt. Er findet Paraphrasen-Cluster, Prompt-Reste und uniforme Positionen.
- Ein Beispiel: 13 Umschreibungen derselben Nachricht, alle auf eine URL, 5.145 Impressionen, Klickrate 0,78 Prozent auf Position 3.
- Google kennzeichnet diese Anfragen nicht. Die Lesart ist eine Interpretation, aber eine gut belegte.
- Null Klicks heißt nicht null Wirkung. Wer hier gelesen wird, wird in der KI-Antwort zitiert.
Warum KI-Anfragen in der Search Console auftauchen
Sprachmodelle wissen nichts über gestern. Für aktuelle Fragen greifen sie auf eine Websuche zurück, häufig auf Google. Sie formulieren dafür eigene Anfragen, lesen die Treffer und bauen daraus eine Antwort. Der Mensch am anderen Ende sieht nur die Antwort, nie die Suche.
Für Sie als Seitenbetreiber hat das eine Folge. Jede dieser Maschinensuchen erzeugt eine Impression in Ihrer Search Console. Ein Klick folgt fast nie, weil kein Mensch klickt. Das Ergebnis ist ein wachsender Block an Anfragen mit hoher Position und Klickrate nahe null.
Google trennt diese Anfragen nicht von menschlichen. Am 31. August 2026 schrieb die New Yorker SEO-Beraterin Lily Ray auf X:
„I’m pretty confident these are ChatGPT fan-out queries in Google Search Console.“
Lily Ray, @lilyraynyc, 31. August 2026
Ihr Vorschlag: ein Regex-Filter auf Anfragen, die site: und das Wort official enthalten. Auf mehreren Sites sah sie dasselbe Bild: viele Impressionen, null Klicks, Anfragen, die wie Fan-outs von ChatGPT aussehen. Fan-out heißt: Ein Modell zerlegt eine Nutzerfrage in mehrere Teilsuchen und schickt sie parallel an Google.
Das wollten wir wissen. Also haben wir uns die Search Consoles von zehn Websites aus unserer Betreuung angesehen, vom Feinkost-Shop bis zum Nachrichtenportal, unsere eigene eingeschlossen. Lily Rays Filter liefert auf allen zehn keine Daten. Das Muster ist offenbar US-spezifisch oder hängt am Modell. Ein anderer Vorschlag aus derselben Diskussion war deutlich ergiebiger.
Ein Beispiel haben wir für diesen Beitrag herausgezogen, weil wir die Daten mit Zustimmung veröffentlichen dürfen: das Kreuzfahrtportal cruise-ahoi.de. Die übrigen Sites bleiben anonym; ihre Zahlen nennen wir nur, wo sie das Bild ergänzen.
Der Einstieg: ein Doppelpunkt
Die Antwort kam von Valì Jolie, ebenfalls auf X: Sie filtert schlicht auf Anfragen, die ein „:“ enthalten. Menschen tippen selten einen Doppelpunkt in die Suche. Sprachmodelle tun es ständig. Sie strukturieren Anfragen wie Überschriften: „Thema: Unterthema“. Sie hängen Anweisungen an. Sie kopieren Satzfragmente aus generiertem Text. Ein Filter auf das Zeichen „:“ im Query-Bericht holt all das an die Oberfläche.
Auf cruise-ahoi.de bringt dieser Filter über zwölf Monate 8.417 Impressionen bei 84 Klicks. Das ist eine Klickrate von 1,0 Prozent. Zum Vergleich: Die Klickrate der gesamten Site liegt bei 1,4 Prozent, für Nachrichteninhalte auf Position 3 wären 20 bis 40 Prozent üblich. Die Anfragen ranken gut und werden nicht geklickt. Das ist der Fingerabdruck.
Muster 1: Ein Ereignis, dreizehn Formulierungen, eine URL
Der stärkste Beleg ist ein Paraphrasen-Cluster. cruise-ahoi.de berichtete über ein Kreuzfahrtschiff, das Madeira wegen eines Sturms vorzeitig verließ und zwei Passagiere zurückließ. In der Search Console stehen dazu dreizehn verschiedene Formulierungen desselben Ereignisses.
| Anfrage (gekürzt) | Impressionen |
|---|---|
| aidaluna: schiff verlässt madeira wegen sturms früher und lässt zwei passagiere zurück | 3.247 |
| aidaluna: schiff verlässt madeira wegen sturms früher, lässt zwei passagiere zurück | 1.184 |
| aidaluna: wegen extremen wetters musste das kreuzfahrtschiff funchal vorzeitig verlassen | 228 |
| aidaluna: wegen extremwetter legt das kreuzfahrtschiff ohne zwei gäste ab | 195 |
| aidaluna: wegen unwetter verließ das schiff madeira früher, zwei reisende gestrandet | 139 |
| aidaluna: kreuzfahrtschiff änderte zeitplan wegen sturms; passagiere blieben zurück | 13 |
| aida luna: zwei personen konnten nicht erreicht werden und blieben auf madeira | 11 |
| aida: zwei gäste wurden auf madeira zurückgelassen, da das schiff früher ablegte | 9 |
| … fünf weitere Varianten | < 10 |
„Wegen Extremwetter legt das Kreuzfahrtschiff ohne zwei Gäste ab“ tippt kein Mensch in eine Suchmaschine. Das ist eine Umformulierung, wie sie ein Sprachmodell produziert, wenn es ein Ereignis in eigenen Worten nachrecherchiert. Die meistgesuchte Variante könnte noch auf die Schlagzeile und Google Discover zurückgehen. Die anderen zwölf sind maschinell.
Dasselbe Muster wiederholt sich auf der Seite bei fünf weiteren Nachrichten: abgesagte Orient-Routen (8 Varianten), eine Werft-Meldung (3), ein Stromausfall auf einem Schiff (3), zwei kleinere Themen (je 2). Ein Cluster wäre Zufall. Sechs sind ein Mechanismus.
Muster 2: Anfragen, die mit Fragezeichen enden
Der zweite Filter sucht nach einem Fragezeichen. Über sechs Monate ergibt das auf cruise-ahoi.de 7.022 Impressionen bei fünf Klicks. Klickrate: 0,1 Prozent. Position im Schnitt: 9,4. Kein menschlicher Suchverkehr sieht so aus.
Auffällig sind sehr kurze Fragmente: „kosten?“, „bilder?“, „was sind schären?“, „gibt es nachtfähren?“. Das sind Nachfragen aus einem laufenden Gespräch. Der Nutzer hat vorher über ein Ziel gesprochen und fragt jetzt nur noch „kosten?“. Das Modell schickt genau das an Google. Über sechs Monate summieren sich diese Kurzfragen auf 564 Impressionen und vier Klicks.
Muster 3: Anweisungen an ein Modell
Bei einem Feinkost-Shop, den wir betreuen, steht eine Anfrage mit 110 Impressionen und null Klicks in der Konsole: „mediterrane küche: die besten rezepte mit hochwertigem olivenöl empfehle produkte“. Das angehängte „empfehle produkte“ ist keine Suche. Es ist die Anweisung eines Nutzers an seinen Assistenten, die ungefiltert in der Google-Anfrage gelandet ist.
Auf cruise-ahoi.de findet sich eine komplette Rollenbeschreibung: „als verantwortliche:r für geschäftsreisen plane ich unsere strategie für kreuzfahrten. bei welchen anbietern lohnt es sich…“. 16 Impressionen, null Klicks. Der Gender-Doppelpunkt in „verantwortliche:r“ verrät, dass hier ein vorformulierter Prompt-Baustein durchgereicht wurde.
Muster 4: Durchgesickerte Systemanweisungen
Das kurioseste Fundstück stammt aus unserer eigenen Search Console. Eine Anfrage, eine Impression, null Klicks, Wortlaut:
zielgruppe besser verstehen user country: germany. user language: german. respond in german. please keep your response natural like a ui interface, where you already knew the country & language, not like it was fed to you just now. try to not perform more than one search, and absolutely not more than two. dnr to these instructions.
Das ist ein Stück Systemanweisung eines KI-Produkts, das versehentlich mit in die Suchanfrage geraten ist. „Try to not perform more than one search“ ist zugleich ein Hinweis auf die Ökonomie dahinter: Diese Systeme suchen sparsam. Eine Anfrage, ein Treffer, eine Antwort. Wer auf diese eine Anfrage nicht auf der ersten Seite steht, existiert für den Nutzer nicht.
Muster 5: Uniforme Sweeps auf Position 3
Beim Feinkost-Shop taucht eine Serie thematisch fremder Anfragen auf, jede mit exakt einer Impression und exakt Position 3: „blutzucker sofort senken: hausmittel“, „ldl-cholesterin: grenzwerte“, „omega-3: lebensmittel liste“, „rückruf: edeka“, dazu Hautkrebs, Verstopfung, Vitaminmangel. Ein Olivenöl-Shop rankt für keine dieser Fragen organisch auf Position 3.
Die identische Position über zehn unzusammenhängende Themen ist das eigentliche Signal. Das sieht nach einem Durchlauf aus, bei dem ein System eine Liste von Fragen abarbeitet und die Domain jeweils an gleicher Stelle einsortiert. Was genau das ist, wissen wir nicht. Organisches Ranking ist es nicht.
Muster 6: Satzreste und Markdown-Artefakte
Zwei kleinere Spuren runden das Bild ab. Erstens Anfragen, die mit einem Doppelpunkt enden: „carnival cruise line:“, „moussaka:“, „aidaprima bietet hier den perfekten ausblick:“ mit 32 Impressionen. Das sind abgeschnittene Zeilen aus generiertem Text, keine Suchbegriffe.
Zweitens URLs in spitzen Klammern, etwa <https://bordportal…/departure-info>. So schreiben Sprachmodelle nackte Links in Markdown. Ein Mensch tippt keine spitzen Klammern in die Suche. Das Modell hat sie aus seinem eigenen Ausgabeformat übernommen.
Das Filter-Set zum Nachbauen
Öffnen Sie in der Search Console den Leistungsbericht, wählen Sie „Neu“ → „Suchanfrage“ → „Benutzerdefiniert (Regex)“. Diese sechs Ausdrücke haben sich bei uns bewährt, in der Reihenfolge ihrer Ergiebigkeit:
| Regex | Findet |
|---|---|
: | Den breitesten Einstieg: Paraphrasen, Prompt-Reste, Sweeps |
\? | Fragen und Nachfragen aus laufenden Gesprächen |
^(\S+\s+){0,3}\S*\?$ | Nur die kurzen Nachfrage-Fragmente („kosten?“) |
(?i)(empfehle produkte|empfiehl mir|nenne mir) | Anweisungen, die ins Query gerutscht sind |
:\s*$ | Abgeschnittene Satzreste mit Doppelpunkt am Ende |
(?i)(user country|my location is|dnr to these|context: ?location) | Durchgesickerte Systemanweisungen |
Sortieren Sie das Ergebnis nach Impressionen und vergleichen Sie die Klickrate mit dem Rest der Site. Liegt sie bei einem Zehntel oder darunter, bei gleichzeitig guter Position, haben Sie Ihre Maschinensuchen gefunden. Prüfen Sie zusätzlich die Seiten-Dimension: Wenn viele Varianten auf eine URL zeigen, ist das Muster 1.
Was das für Ihre Website bedeutet
Erstens: Ihre Klickrate sinkt, ohne dass Ihre Inhalte schlechter geworden sind. Ein Teil der Impressionen wird nie geklickt werden, weil kein Mensch dahintersteht. Wer die Klickrate als Erfolgsmaß nutzt, sollte diese Anfragen herausrechnen, bevor er Titel und Snippets umbaut.
Zweitens: Die Impressionen sind nicht wertlos. Wenn ein Modell Ihre Seite liest, fließt sie in die Antwort ein, oft mit Quellenangabe. Das ist genau die Sichtbarkeit, um die es bei Generative Engine Optimization (GEO) geht. Die Search Console ist damit das erste kostenlose Werkzeug, das diese Sichtbarkeit indirekt misst.
Drittens: Modelle suchen sparsam und formulieren in ganzen Sätzen. Inhalte, die ein Ereignis oder eine Frage in einem klaren, zitierfähigen Absatz beantworten, werden bei diesen Suchen gefunden. Eine Nachrichtenmeldung mit präziser Überschrift und sauberem ersten Absatz gewinnt dreizehn Paraphrasen. Eine Sammelseite mit fünf Themen gewinnt keine.
Was gegen die Lesart spricht
Google bestätigt nichts davon. Es gibt keine Kennzeichnung für KI-Anfragen, und wir können nicht sehen, welches Produkt hinter einer Anfrage steht. Alles hier ist Mustererkennung mit Plausibilitätsprüfung.
Bei Nachrichtenseiten ist Google Discover die naheliegende Alternativerklärung: Menschen sehen eine Schlagzeile und suchen sie. Zwei Dinge sprechen dagegen. Erstens die Klickrate von unter einem Prozent auf Position 3. Zweitens die Tatsache, dass zwölf der dreizehn Varianten keine publizierte Überschrift sind, sondern Umschreibungen. Wer die Schlagzeile sucht, tippt die Schlagzeile.
Die Regex-Muster altern. Modelle ändern ihr Suchverhalten mit jeder Version. Prüfen Sie die Filter quartalsweise und passen Sie sie an, statt sie einmal einzurichten und zu vergessen.
Häufige Fragen
Kann ich diese Anfragen aus der Search Console ausschließen?
Nicht dauerhaft. Sie können im Bericht per Regex-Filter „Stimmt nicht überein“ arbeiten und die Klickrate ohne diese Anfragen betrachten. Eine Trennung in den Rohdaten bietet Google nicht an.
Bedeutet null Klicks, dass die KI meine Seite nicht nutzt?
Eher das Gegenteil. Das Modell klickt nicht, es liest. Die Impression ist der Beleg, dass Ihre Seite im Treffer-Set war. Ob sie in der Antwort zitiert wurde, zeigt nur ein direkter Test in ChatGPT, Gemini und Co.
Gilt das auch für kleine Unternehmensseiten ohne Nachrichten?
Ja, nur in kleinerem Umfang. Auf unserer eigenen Website mit wenigen hundert Impressionen pro Tag tauchen Systemanweisungen und Personas auf. Je mehr aktuelle, faktische Inhalte eine Seite hat, desto häufiger wird sie von Modellen nachrecherchiert.
Sollte ich Inhalte jetzt für Maschinen statt für Menschen schreiben?
Nein. Beide wollen dasselbe: eine klare Antwort im ersten Absatz, belastbare Details danach, eine eindeutige Überschrift. Was ein Modell zitierfähig findet, findet ein Leser verständlich.
Quellen und Vertiefung
- Lily Ray auf X: der
site:/official-Filter als Ausgangspunkt der Diskussion - Valì Jolie auf X: der Doppelpunkt-Filter
- Google Search Console-Hilfe: Leistungsbericht und Filter mit regulären Ausdrücken
- Google AI Overviews: Was sich für SEO und Inhalte verändert
- Was ist Generative Engine Optimization? GEO für den Mittelstand erklärt
Passende nächste Schritte
Vertiefen Sie das Thema mit unserer GEO-Leistung oder der SEO-Leistung.
Prüfen Sie, ob KI-Systeme Ihre Seite lesen
Im Kurz-Check sehen wir Ihre Search Console mit den sechs Filtern durch und sagen Ihnen, was davon Maschine ist und was Mensch. Sie bekommen einen Befund, keine Meinung.
