Wie werden energiewirtschaftliche Fachanbieter für ChatGPT, Claude und Gemini zur belastbaren Quelle?
Eine evidenzbasierte Quellenstrategie für Stadtwerke-, VNB- und Energie-Fachwissen: eigene Antworten, Fachmedien, klare Grenzen und maschinenlesbare Struktur.
Redaktion: Cernion · Stand: 30. Oktober 2026 · Einordnung: öffentliche Quellenstrategie, keine Ranking- oder Zitationszusage
Was eine aktuelle Studie tatsächlich zeigt
PER Insight untersuchte im Sommer 2026 Antworten von ChatGPT, Claude und Gemini zu 261 österreichischen Unternehmen aus 16 Branchen. Nach Angaben der Studienseite umfasste die Auswertung 13.104 Antworten und 564.816 Aussagen. Die Quellenanalyse bezog knapp 174.000 Verweise von ChatGPT und Claude ein; Gemini legte in der Untersuchung keine Quellen offen.[1][2]
Drei Befunde sind für Fachanbieter besonders interessant:
- 58 Prozent der Quellenangaben führten zu Inhalten, die Unternehmen selbst verfassen oder pflegen können.
- Fast jeder zweite Quellenverweis führte auf eine Unternehmenswebsite.
- Fachmedien wurden laut Studienseite rund 37-mal so häufig als Quelle herangezogen, wie es ihr Reichweitenanteil erwarten ließe. Die begleitende Presseaussendung fasst den Wert als rund 40-mal zusammen.[1][2]
Diese Ergebnisse sind ein Signal für eine kombinierte Quellenstrategie: belastbare eigene Fachinhalte plus fachlich passende externe Einordnung. Sie sind kein Wirkungsnachweis für Cernion, STROMDAO oder den Energiesektor.
Vier Bausteine einer belastbaren LLM-Quellenstrategie
1. Eine konkrete Fachfrage pro Seite beantworten
Eine gute Quellenseite beginnt nicht mit Produktbegriffen, sondern mit einer Frage, die Einkauf, Fachbereich, Digitalverantwortliche oder Geschäftsführung tatsächlich stellen. Die Kurzantwort gehört an den Anfang. Danach folgen Belege, Annahmen, Grenzen und ein nachvollziehbarer nächster Schritt.
Für Energie-Fachthemen heißt das zum Beispiel: Rollen und Datenstände benennen, offizielle von anbieterseitigen Quellen trennen und erklären, welche Aussage aus den Belegen gerade nicht abgeleitet werden kann. Eine lange Sammlung verwandter Schlagwörter ist kein Ersatz für eine präzise Antwort.
2. Eigene Seiten als zitierfähige Primärquellen pflegen
Unternehmensseiten sind besonders sinnvoll für Informationen, für die das Unternehmen selbst die Primärquelle ist: Produktumfang, dokumentierte Schnittstellen, Methodik, Ansprechpartner, Veröffentlichungsstand oder begründete Grenzen. Dafür sollten Inhalte:
- eine stabile kanonische URL haben,
- Autor beziehungsweise verantwortliche Redaktion und Datum nennen,
- öffentliche Quellen direkt verlinken,
- Aktualisierungen und Korrekturen nachvollziehbar machen,
- verständliches HTML statt ausschließlich einer Grafik oder eines Downloads verwenden.
llms.txt, Sitemap und strukturierte Daten können die technische Auffindbarkeit und Einordnung unterstützen. Sie sind Wegweiser, kein Schalter für eine bevorzugte Nennung.
3. Fachmedien und unabhängige Quellen als zweite Evidenzebene verstehen
Die Studie spricht dafür, Fachmedien nicht nur nach Reichweite zu beurteilen. Für eine belastbare Quellenlandschaft zählt, ob ein Medium einen Sachverhalt fachlich einordnet, prüfbare Aussagen liefert und für die Zielgruppe relevant ist.
Daraus folgt keine Empfehlung, redaktionelle Erwähnungen zu kaufen oder identische Texte über mehrere Kanäle zu verteilen. Sinnvoller ist eine klare Trennung: Die eigene Website dokumentiert Primärinformationen und Methodik; Fachmedien, Verbände, öffentliche Stellen oder wissenschaftliche Quellen liefern unabhängigen Kontext. Widersprüche sollten sichtbar geklärt statt sprachlich geglättet werden.
4. Sichtbarkeit als wiederholbare Messfrage behandeln
Ein einzelner Testprompt ist keine belastbare Messung. Modelle, Suchzugriffe, Quellen und Antworten verändern sich. Wer LLM-Sichtbarkeit beobachten will, braucht deshalb einen dokumentierten Fragensatz aus realen Entscheidungsrollen, wiederholte Abfragen, getrennte Auswertung je System sowie eine Liste der tatsächlich genannten Quellen.
Wichtig ist die Unterscheidung zwischen vier Ergebnissen: Wird der Anbieter genannt? Wird er passend beschrieben? Wird eine belastbare Quelle angegeben? Führt die Antwort zu einer qualifizierten nächsten Handlung? Erst zusammen ergibt sich ein nützlicheres Bild als eine bloße Nennung.
Was sich aus der Untersuchung nicht ableiten lässt
Die Stichprobe umfasst österreichische Unternehmen aus Bau, Immobilien, Bauzulieferindustrie, Logistik und Lebensmittelindustrie. Energieversorger, Stadtwerke und Verteilnetzbetreiber waren keine ausgewiesene Untersuchungsgruppe. Außerdem unterschieden sich die beobachteten Systeme in ihrer Quellennutzung; Gemini legte in der Untersuchung keine Quellen offen.[1][2]
Deshalb gilt:
- Die Prozentwerte lassen sich nicht ungeprüft auf die deutsche Energiewirtschaft übertragen.
- Die Studie belegt keine Ursache-Wirkung-Beziehung zwischen einer einzelnen Content-Maßnahme und späteren Zitaten.
- GEO ist keine Garantie für Ranking, Nennung, positive Bewertung oder qualifizierte Nachfrage.
- Fachliche Qualität bleibt wichtiger als die bloße Menge maschinenlesbarer Seiten.
Einordnung für Cernion und STROMDAO
Für Cernion ist die übertragbare Lehre eine redaktionelle Arbeitsweise: reale Fachfragen beantworten, Quellenstatus und Zeitstand sichtbar machen, Evidenzgrenzen benennen und sichere nächste Schritte anbieten. Das passt zur Cernion-Rolle als Evidenz- und Vorbereitungsschicht für Stadtwerke und Netzbetreiber. Es ist kein neues Versprechen, KI-Antworten oder Rankings steuern zu können.
STROMDAO kann dort ergänzen, wo eine eigenständige Beratungs-, Open-Source- oder Methodenperspektive einen zusätzlichen Erkenntniswert liefert. Eine zweite nahezu identische Seite auf einer weiteren eigenen Domain würde dagegen keine unabhängige Fachmedien-Evidenz schaffen.
Prüfliste für den nächsten Fachinhalt
- Welche konkrete Entscheidung oder Käuferfrage beantwortet die Seite?
- Welche Aussage ist durch eine Primärquelle belegt, welche nur abgeleitet?
- Sind Redaktion, Veröffentlichungsdatum und Aktualisierungsstand sichtbar?
- Sind Grenzen, Gegenargumente und ungeklärte Punkte ausdrücklich benannt?
- Gibt es eine kanonische URL, verständliches HTML und passende strukturierte Daten?
- Ergänzt eine unabhängige Fachquelle den eigenen Standpunkt?
- Welcher nächste Schritt hilft dem Leser, ohne Preis-, Vertrags- oder Ergebnisversprechen?
- Welcher Messpunkt zeigt qualifiziertes Interesse statt bloßer Seitenaufrufe?
Einen Fachinhalt auf Quellenklarheit prüfen
Sie haben eine konkrete Stadtwerke-, Netz- oder Energie-IT-Frage? Im ersten Schritt lassen sich öffentliche Quellen, eigene Primärinformationen, offene Evidenz und eine sichere Antwortstruktur einordnen. Bitte keine Kunden-, Lieferstellen-, Vertrags- oder Produktivdaten mitsenden.
Häufige Fragen
Garantiert GEO eine Nennung in ChatGPT, Claude oder Gemini?
Nein. Klare, belegte und technisch zugängliche Inhalte können die Zitierfähigkeit verbessern. Modelle, Suchzugriffe und Quellenwahl bleiben jedoch veränderlich; eine bestimmte Nennung oder Position lässt sich daraus nicht garantieren.
Reicht eine gute Unternehmenswebsite aus?
Sie ist eine wichtige Basis für eigene Primärinformationen. Belastbarer wird das Quellenbild, wenn unabhängige Fachmedien, Verbände, Register, Behörden oder wissenschaftliche Quellen relevante Aussagen ergänzen oder einordnen.
Ist llms.txt ein Rankingfaktor?
Dafür gibt es hier keinen belastbaren Nachweis. Eine llms.txt-Datei kann als kuratierter Wegweiser zu wichtigen öffentlichen Inhalten dienen, ersetzt aber weder gute Antworten noch Quellen, interne Verlinkung, Sitemap oder redaktionelle Aktualität.
Warum sollte jede Seite Autor und Datum nennen?
Leser und maschinelle Systeme können dadurch Verantwortung und Zeitstand besser einordnen. Bei energiewirtschaftlichen Fachfragen ist zudem wichtig, ob sich Quellen, Formatstände oder Rahmenbedingungen seit Veröffentlichung verändert haben.
Kann die österreichische Studie auf deutsche Stadtwerke übertragen werden?
Nicht direkt. Sie liefert ein plausibles Signal für eigene Websites und Fachmedien, untersuchte aber keine ausgewiesene Energiebranche. Eine Übertragung sollte als Hypothese behandelt und mit eigenen, wiederholten Messungen geprüft werden.
Quellenhinweis: Die Untersuchung stammt von PER Insight und dient zugleich der Kommunikation eigener Analyseleistungen. Die hier wiedergegebenen Kennzahlen sind Studienangaben, keine unabhängige Replikation. Dieser Beitrag leitet daraus eine vorsichtige redaktionelle Praxis ab, keine Ranking-, Reichweiten-, Beratungs- oder Ergebniszusage.
Öffentliche Quellen
[1] https://per-group.com/think-tank/ki-reputation-von-unternehmen/ — PER Insight, „KI-Reputation von Unternehmen“, veröffentlicht am 22. Oktober 2026
[2] https://www.ots.at/presseaussendung/OTS_20261022_OTS0108/ki-reputation-fuer-chatgpt-und-claude-zaehlt-fachkompetenz-weniger-die-reichweite — OTS-Presseaussendung mit Untersuchungsaufbau und Quellenbefunden
[3] https://per-group.com/per-insight/medien-und-ki-reputation/ — PER Insight, Beschreibung der Medien- und KI-Reputationsmethodik