Wikipedia, LinkedIn, Presse: Was KI vor dem Zitieren liest

Warum KI-Sprachmodelle Ihre Website fast nie direkt lesen

ChatGPT, Perplexity und Gemini stützen sich beim Zitieren einer Hochschule kaum auf einen Echtzeit-Crawl der Hochschul-Website. Sie greifen auf ein festes Korpus zurück, das von einer kleinen Zahl vertrauenswürdiger Drittquellen dominiert wird — allen voran Wikipedia, LinkedIn und redaktionelle Presse.

Eine 5W-Research-Studie aus 2026 fand heraus, dass Wikipedia und Reddit zusammen über 25 % der ChatGPT-Zitationen in den USA ausmachen. Wall Street Journal, New York Times und Bloomberg tauchen dabei nicht einmal in den Top 20 der zitierten Quellen auf (5W Research via PR Newswire). Für Hochschulen bedeutet das: Markenname und Studiengangsbeschreibung auf der eigenen Website reichen nicht, damit ein Sprachmodell Sie als vertrauenswürdig einstuft.

Unser GEO-Leitfaden für Hochschulen zeigt, wie Schema.org-Markup und Entitätsdichte auf der eigenen Seite wirken. Dieser Artikel geht einen Schritt weiter: Was muss außerhalb Ihrer Domain existieren, damit ein LLM genug Vertrauen aufbaut, um Sie überhaupt zu erwähnen?

Wikipedia: die Seite, die man nicht kaufen kann

Wikipedia wiegt bei ChatGPT schwerer als fast jede andere Einzelquelle — aber die Seite lässt sich nicht mit einer Marketingbudget-Entscheidung erzeugen. Laut einer Profound-Analyse von 2026 macht Wikipedia allein 7,8 % aller ChatGPT-Zitationen aus und fast die Hälfte (47,9 %) der Zitationen innerhalb der Top-10-Quellen von ChatGPT (Profound, 2026).

Wikipedias eigene Relevanzkriterien für Organisationen verlangen eine signifikante Berichterstattung in zuverlässigen, vom Thema unabhängigen Sekundärquellen. Eine Pressemitteilung zählt dabei nie als Beleg — auch nicht, wenn sie von einer großen Agentur verbreitet wurde (Wikipedia-Relevanzkriterien für Organisationen und Unternehmen).

Selbst bearbeiten ist der größte Fehler. Wikipedias Community prüft aktiv auf Interessenkonflikte (Conflict of Interest), und Änderungen von Konten, die erkennbar mit der beschriebenen Organisation verbunden sind, werden häufig zurückgesetzt oder markiert. Ein rückgesetzter Bearbeitungsversuch hinterlässt eine öffentlich einsehbare Spur, die dem Ruf mehr schadet als eine fehlende Seite.

Der belastbare Weg läuft über drei Stationen:

• Unabhängige Presseberichterstattung zuerst — Ein Wikipedia-Eintrag entsteht aus Sekundärquellen, nicht umgekehrt. Ohne Artikel in Fachpresse oder Regionalmedien fehlt der Beleg, den ein Wikipedia-Prüfer verlangt.
• Artikelentwurf statt Direktbearbeitung — Neue oder überarbeitete Inhalte gehören in den Artikelentwurf-Bereich (Draft-Namespace) oder auf die Diskussionsseite des bestehenden Artikels, mit Quellenbelegen versehen und zur Prüfung durch unabhängige Autoren markiert.
• Geduld statt Wiederholung — Ein abgelehnter Entwurf wird überarbeitet, nicht erneut eingereicht. Wikipedia-Freiwillige erkennen wiederholte Einreichungen mit ähnlichem Ton schnell.

LinkedIn: die Identität, die KI als verifiziert behandelt

LinkedIn ist über nahezu alle KI-Plattformen hinweg eine der meistzitierten Domains — noch vor den meisten Nachrichtenseiten. Eine ALM-Corp-Analyse von 325.000 Prompts aus 2026 zeigt: LinkedIn ist die zweitmeistzitierte Domain über ChatGPT, Gemini, Google AI Overviews, Copilot und Perplexity hinweg (ALM Corp, 2026).

Entscheidend ist dabei nicht die reine Präsenz, sondern das Format. Laut derselben Analyse machen LinkedIn-Artikel je nach Plattform 50 bis 66 % des zitierten LinkedIn-Contents aus — deutlich mehr als einfache Beiträge oder reine Unternehmensseiten. Eine vollständige Unternehmensseite ist die Basis, aber Artikel sind der eigentliche Zitierhebel.

Drei Bausteine machen aus einer LinkedIn-Präsenz ein GEO-Signal:

• Vollständige, konsistente Unternehmensseite — Name, Adresse, Studiengänge, Akkreditierungen exakt so formuliert wie auf der eigenen Website und im Schema.org-Markup. Widersprüche zwischen den Quellen senken das Vertrauenssignal.
• Von der Hochschulleitung verfasste Artikel — Ein LinkedIn-Artikel des Rektors oder der Studiengangsleitung zu einem Fachthema wird deutlich häufiger zitiert als ein gewöhnlicher Unternehmensbeitrag, weil er als redaktioneller Inhalt mit erkennbarer Autorenschaft gilt.
• Aktivierte persönliche Profile — Beiträge von Leitung und Lehrenden erzielen laut Plattformdaten rund 65 % organische Reichweite gegenüber etwa 5 % bei reinen Unternehmensseiten-Beiträgen. Persönliche Profile sind der Verstärker, nicht die Unternehmensseite allein.

Eine Hochschule, die drei bis vier LinkedIn-Artikel pro Quartal von echten Fachpersonen veröffentlicht, baut damit systematisch Zitierfläche auf — ohne zusätzliches Werbebudget.

Presse und Medien: welche Berichterstattung zählt (und welche nicht)

Nur unabhängige redaktionelle Berichterstattung zählt als Zitierquelle für LLMs — eine reine Pressemitteilung wird selten direkt zitiert. Der Unterschied liegt in der Autorenschaft: Ein Journalist, der unabhängig prüft und einordnet, erzeugt ein Vertrauenssignal; eine von der Hochschule selbst verfasste Mitteilung nicht.

Das erklärt, warum die 5W-Studie zeigt, dass selbst große Wirtschaftsmedien wie Wall Street Journal, New York Times und Bloomberg nicht in den Top-20-Zitierquellen von ChatGPT auftauchen — Relevanz für ein Sprachmodell hängt nicht am Prestige der Marke, sondern an Häufigkeit und thematischer Passgenauigkeit der Erwähnung.

Für deutsche Hochschulen sind drei Kategorien besonders wirksam:

• CHE Ranking — Eine unabhängige, methodisch dokumentierte Bewertung, die regelmäßig von Fachmedien aufgegriffen wird.
• DAAD — Institutionelle Berichte und Statistiken, in denen Hochschulen als Fallbeispiel oder Partnerinstitution auftauchen.
• ZEIT Campus — Redaktionelle Berichterstattung zu Studiengängen, Studierendenalltag und Hochschultrends, die im Trainingskorpus großer Sprachmodelle präsent ist.

Die praktische Konsequenz: Eine Pressemitteilung zu einem neuen Studiengang wird von einem LLM kaum zitiert — aber sie kann den Anstoß für einen unabhängigen Artikel in ZEIT Campus oder einem Regionalmedium liefern, und dieser Artikel wird zitierfähig. Pressearbeit ist damit kein direktes GEO-Signal, sondern der Auslöser für das eigentliche Signal.

Ihre "Source Stack" aufbauen: die 3-Schritte-Methode

Der Aufbau einer belastbaren Quellenbasis folgt einer festen Reihenfolge, weil jede Quelle die nächste speist. Presse ohne Schema.org-Fundament verpufft; Wikipedia ohne Presse ist nicht belegbar; LinkedIn ohne konsistente Grunddaten schwächt statt stärkt das Vertrauenssignal.

Schritt 1 — On-Page-Fundament sichern. Bevor Sie in externe Quellen investieren, muss Schema.org-Markup auf den zentralen Seiten stehen (Organisation, Studiengänge, FAQ). Ohne dieses Fundament kann keine externe Quelle korrekt mit Ihrer Hochschule verknüpft werden. Die technische Umsetzung ist Thema eines anderen Artikels der Skolbot-GEO-Serie zum Schema.org-Markup für Studiengangsseiten.

Schritt 2 — Presse und LinkedIn parallel aktivieren. Kontaktieren Sie Fachredaktionen mit konkreten, belegbaren Geschichten (neue Kooperation, Absolventenzahlen, Forschungsergebnis) und lassen Sie parallel Leitung und Lehrende LinkedIn-Artikel zu denselben Themen verfassen. Beide Kanäle verstärken sich: ein Presseartikel liefert den Beleg, den ein LinkedIn-Artikel referenzieren kann, und umgekehrt.

Schritt 3 — Wikipedia als Ergebnis, nicht als Ausgangspunkt behandeln. Erst wenn genügend unabhängige Presseberichterstattung vorliegt, lohnt sich ein Vorschlag über Artikelentwurf oder Diskussionsseite. Prüfen Sie danach monatlich, ob die Zitationen in ChatGPT und Perplexity zunehmen — Methodik dazu liefert unser Artikel zu KPI und monatlichem Ritual für ChatGPT- und Perplexity-Sichtbarkeit.

Die vollständige Zeitplanung für diese drei Schritte — inklusive Meilensteinen pro Woche — finden Sie in unserem 90-Tage-Aktionsplan für ChatGPT- und Perplexity-Zitationen. Ergänzend zeigt unser 90-Tage-Reputationsplan, wie Google-Bewertungen und Reddit-Erwähnungen dieselbe Vertrauenslogik auf der Erfahrungsebene fortsetzen.

Zur Einordnung, welche technischen und inhaltlichen Signale LLMs neben diesen externen Quellen noch bewerten, siehe 15 Signale, die LLMs zur Empfehlung Ihrer Hochschule auswerten.

Wikipedia, LinkedIn, Presse im Vergleich

Perplexity zitiert im Schnitt 21,9 Quellen pro Antwort gegenüber 10,4 bei ChatGPT und bevorzugt dabei Community- und Fachplattformen wie LinkedIn, NIH und G2 stärker als klassische Presse (Profound, 2026). Das erklärt, warum LinkedIn in der Tabelle bei Perplexity besonders stark abschneidet.

Zum Vergleich: Deutsche Hochschulen mit strukturiertem Schema.org-Markup erzielen im Schnitt +12 Prozentpunkte mehr KI-Sichtbarkeit als solche ohne (Quelle: Skolbot GEO-Monitoring, 500 Suchanfragen × 6 Länder × 3 KI-Engines, Feb. 2026). In Deutschland liegt die Grundsichtbarkeit bei 14 % auf ChatGPT und 22 % auf Perplexity, gegenüber einem europäischen Durchschnitt von 19 %. Technisches Markup hebt diesen Wert an — aber ohne Wikipedia, LinkedIn und Presse als Vertrauensbasis bleibt die Hochschule indexiert, ohne zitiert zu werden.

FAQ

Reicht Schema.org-Markup allein, damit ChatGPT meine Hochschule zitiert?

Nein. Schema.org-Markup verbessert, wie gut ein LLM Ihre Hochschule als Entität erkennt, aber es ersetzt keine externe Vertrauensbasis. Die Kombination aus technischem Markup und Erwähnungen auf Wikipedia, LinkedIn und in der Fachpresse erzielt nachweislich höhere Sichtbarkeitswerte als Markup allein.

Wie lange dauert es, bis ein Wikipedia-Eintrag Wirkung zeigt?

Das hängt vom nächsten Trainings-Update des jeweiligen Modells ab und kann mehrere Monate dauern. Perplexity und andere Systeme mit Echtzeit-Websuche können einen aktualisierten Wikipedia-Eintrag dagegen innerhalb weniger Wochen erfassen, da sie bei jeder Anfrage zusätzlich im Web suchen.

Sollte unsere Kommunikationsabteilung den Wikipedia-Artikel selbst schreiben?

Nein. Wikipedias Community prüft aktiv auf Interessenkonflikte, und Bearbeitungen von erkennbar hochschulnahen Konten werden häufig zurückgesetzt. Reichen Sie stattdessen belegte Vorschläge über den Artikelentwurf-Bereich oder die Diskussionsseite ein und überlassen Sie die redaktionelle Entscheidung unabhängigen Autoren.

Zählen Beiträge von Studierenden oder Mitarbeitenden auf LinkedIn genauso viel wie Artikel der Hochschulleitung?

Nicht in gleichem Maß. Analysen zeigen, dass LinkedIn-Artikel — lange, redaktionelle Formate, oft von Führungspersonen oder Fachexperten verfasst — deutlich häufiger zitiert werden als kurze Beiträge. Persönliche Profile von Leitung und Lehrenden erzielen zudem deutlich mehr organische Reichweite als die Unternehmensseite allein.

Wirkt eine Pressemitteilung genauso wie ein Zeitungsartikel für die KI-Sichtbarkeit?

Nein. Eine Pressemitteilung wird von LLMs kaum direkt zitiert, weil sie keine unabhängige redaktionelle Prüfung durchlaufen hat. Sie kann aber den Anstoß für einen unabhängigen Artikel liefern, etwa in ZEIT Campus oder einem Regionalmedium — und dieser Artikel wird dann zur zitierfähigen Quelle.