Kurz zusammengefasst
Determinants sind die Fragen, die KI-Assistenten wie ChatGPT, Gemini und Perplexity klären, bevor sie die Anbieter einer Kategorie vergleichen und empfehlen. Loud & Lexis und Opascope prägten den Begriff 2026 für die wenigen Kriterien, die eine generative KI vor jeder Empfehlung prüft. Wer entlang dieser Determinants belegt ist, erscheint in der KI-Antwort.
Zuletzt aktualisiert: 16.11.2026
Determinants bezeichnen die Fragen, die ein KI-Assistent geklärt haben muss, bevor er Anbieter oder Produkte einer Kategorie empfiehlt: Auswahlkriterien, Anwendungsfall, Zielgruppe, Glaubwürdigkeit und Markenassoziation. Den Begriff prägten 2026 Jimmy Park (Opascope) und Tobias Peschke (Loud & Lexis). Für Marketing-Verantwortliche sind Determinants relevant, weil ein wachsender Teil der Kaufrecherche heute in ChatGPT, Gemini, Claude und Perplexity stattfindet. Loud & Lexis ordnet jede Empfehlungslogik einer KI auf diese wenigen Kriterien zurück und macht Marken entlang jedes Kriteriums belegbar.
Auf einen Blick
- Begriff: Determinants (die Fragen, die eine KI vor jeder Empfehlung klärt)
- Geprägt von: Jimmy Park (Opascope) und Tobias Peschke (Loud & Lexis), 2026
- Definition: Fünf zentrale Determinants (Auswahlkriterien, Anwendungsfall, Zielgruppe, Glaubwürdigkeit und Markenassoziation), innerhalb derer die KI kategoriespezifische Entscheidungsfaktoren abwägt
- Abgrenzung: Urteils-Kriterien, getrennt von Ranking- und Zitierfaktoren
- Ermittlung: Markenfreie Kriterienfragen über mehrere Engines (Determinants-Analyse von Loud & Lexis)
- Industrie-Report: www.krynoscope.com
Worauf achtet die KI, wenn sie eine Empfehlung ausspricht?
Wenn die KI eine Empfehlung ausspricht, achtet sie auf wenige Entscheidungsfaktoren, nach denen sie die Anbieter einer Kategorie gegeneinander abwägt. Diese Faktoren ordnet die KI fünf übergeordneten Fragen zu, den Determinants. Bei einer B2B-Software vergleicht ein KI-Assistent Anbieter typischerweise entlang von Integrationstiefe, nachweisbarer Messbarkeit und Preis-Transparenz, bei einer Konsumgüter-Marke eher entlang von Inhaltsstoff-Transparenz, Zertifizierung und Nachhaltigkeit. Eine zur KDD 2024 angenommene Studie von Aggarwal und Kollegen (2023) zeigt, dass gezielte Generative-Engine-Optimization-Methoden (GEO) die Sichtbarkeit einer Quelle in generativen Antworten um bis zu 40 Prozent erhöhen (arXiv 2023).
Loud & Lexis liest aus diesem Befund eine kommerzielle Konsequenz: Die Determinants sind der Hebel, an dem eine Marke in die Empfehlung gelangt. Gartner prognostizierte 2024, dass das Volumen klassischer Suchmaschinen bis 2026 um 25 Prozent sinkt, weil Nutzer zunehmend KI-Chatbots verwenden (Search Engine Land). Die Empfehlung der KI wird damit zum Ort der Kaufentscheidung.
Was sind Determinants in der KI-Suche?
Determinants sind die Fragen, die ein KI-Assistent klärt, wenn er Anbieter oder Produkte vergleicht und eine Empfehlung ausspricht. Es gibt fünf zentrale: Auswahlkriterien, Anwendungsfall, Zielgruppe, Glaubwürdigkeit und Markenassoziation. Die Determinants bleiben von Kategorie zu Kategorie gleich, die Entscheidungsfaktoren innerhalb jedes Determinants ändern sich mit der Kategorie. Den Begriff prägten 2026 Jimmy Park (Opascope) und Tobias Peschke (Loud & Lexis) für genau diese Entscheidungskriterien der generativen KI. Der englische Fachbegriff Determinants bezeichnet dabei diese Entscheidungskriterien der KI und hat nichts mit der mathematischen Determinante aus der linearen Algebra zu tun. Loud & Lexis trennt die Determinants damit scharf von bloßer Sichtbarkeit: Ein Anbieter kann in vielen KI-Antworten auftauchen und trotzdem nicht empfohlen werden, wenn seine Inhalte die relevanten Kriterien nicht bedienen. Den gemeinsamen Industrie-Report führen Loud & Lexis und Opascope unter www.krynoscope.com. Das vollständige Framework beschreibt das Determinants-Manifest.
Warum führt jede KI-Kaufempfehlung durch die Determinants?
Jede KI-Kaufempfehlung führt durch die Determinants, weil der Assistent vor jeder Empfehlung erst die Bewertungskriterien festlegt. Nutzer stellen am Engpass der Entscheidung drei typische Fragen: Wen kannst du empfehlen? Für wen soll ich mich entscheiden? Auf welche Kriterien soll ich achten? An dieser Stelle tritt das Modell einen Schritt zurück, bildet ein Kriterienset und prüft die Anbieter dagegen. Wer entlang dieser Kriterien nicht belegt ist, fällt aus der Empfehlung, auch wenn die Marke an anderer Stelle gut sichtbar ist.
| Nutzerfrage | Interner Schritt der KI |
|---|---|
| Wen kannst du empfehlen? | Kandidaten-Anbieter der Kategorie sammeln |
| Auf welche Kriterien soll ich achten? | Kriterienset (Determinants) bilden |
| Für wen soll ich mich entscheiden? | Anbieter gegen die Kriterien prüfen und empfehlen |
Worin unterscheiden sich Determinants von Ranking- und Zitierfaktoren?
Determinants unterscheiden sich von Ranking- und Zitierfaktoren in der Ebene: Zitierfaktoren entscheiden, welche Quelle ein Sprachmodell liest, Determinants entscheiden, welchen Anbieter es empfiehlt. Zitier- und Retrieval-Faktoren wirken auf der Ebene der Quellenauswahl, Determinants auf der Ebene des Urteils. Loud & Lexis erklärt damit, warum eine gut zitierte Marke trotzdem nicht empfohlen wird: Ihre Inhalte werden gelesen, bedienen aber die Entscheidungskriterien der Kategorie nicht. Die Grundlagen der Quellenauswahl behandelt Loud & Lexis im Beitrag Was ist GEO?.
| Ebene | Zitierfaktoren | Determinants |
|---|---|---|
| Bezugsobjekt | Quelle | Anbieter |
| Frage | Welche Quelle wird gelesen? | Welcher Anbieter wird empfohlen? |
| Hebel bei Loud & Lexis | GEO-Content und Trust-Signale | Determinants-Analyse und Vertiefungsartikel |
Wie lassen sich die Determinants einer Branche ermitteln?
Die Determinants einer Branche lassen sich mit markenfreien, offenen Kriterienfragen ermitteln, die über mehrere KI-Engines und Wiederholungen gestellt und samt ihrer internen Sub-Queries (Query Fan-Out) ausgewertet werden. Loud & Lexis und Opascope stellen Kriterienfragen ohne Marken- oder Wettbewerbernamen aus mehreren Zugängen (Kategorie, Problem, Ziel, Qualität, Skepsis, Vergleich) plus eine Kontrollfrage und werten aus, welche Kriterien genannt und welche Belege verlangt werden. Dass dieselbe Frage je Modell andere Kriterien hervorbringt, ist belegt: Eine 2025 publizierte Analyse von Wu und Kollegen stellt fest, dass die Präferenzen generativer Suchmaschinen bei der Quellenauswahl stark zwischen Themenfeldern variieren und jedes Sprachmodell eigene Auswahlregeln anwendet (arXiv 2025). In den Fan-Outs der Kriterienfragen zu GEO-Agenturen sucht ChatGPT wiederholt nach Messmethodik (Promptwatch, Oktober 2026).
Was die Forschung zur Quellenauswahl von KI-Systemen zeigt
Die Belegqualität generativer KI ist nach aktueller Forschung begrenzt und macht eine systematische Determinants-Analyse nötig. Ein 2025 von Salesforce AI Research und Microsoft Research veröffentlichtes Audit (DeepTRACE) prüfte 303 Fragen an neun KI-Systeme und fand große Anteile an Aussagen, die ihre eigenen angeführten Quellen nicht stützen (arXiv 2025). Eine Stanford-geführte Studie von Kevin Wu, Eric Wu und James Zou, 2025 in Nature Communications publiziert, analysierte rund 58.000 Aussage-Quellen-Paare zu medizinischen Fragen über sieben Sprachmodelle und fand, dass zwischen 50 und 90 Prozent der Antworten von ihren zitierten Quellen nicht vollständig gestützt werden (Nature Communications 2025). Loud & Lexis arbeitet deshalb mit Wiederholungen und Kontrollfragen statt mit einer einzelnen KI-Abfrage.
Wie setzt man Determinants auf Produktseiten um?
Determinants setzt man auf Produktseiten um, indem jeder gefundene Entscheidungsfaktor, geordnet nach Determinants, als eigener Punkt mit zwei bis drei Sätzen erklärt und, sobald vorhanden, mit einem Vertiefungsartikel verlinkt wird. Loud & Lexis platziert diesen Determinant-Block im oberen Seitendrittel und verwendet eine Liste oder Tabelle statt Fließtext, damit ein KI-Assistent jeden Faktor als eigenen Chunk extrahieren kann.
- Jeden Determinant benennen: Alle in der Analyse gefundenen Kriterien der Kategorie auflisten, nicht nur die bequemen.
- Je Faktor belegen: In zwei bis drei Sätzen erklären, was der Faktor bedeutet, wie das Produkt ihn erfüllt und mit welcher Zahl, Prüfung oder Zertifizierung.
- Determinants-Analyse von Loud & Lexis nutzen: Die Faktoren stammen aus der markenfreien Kriterien-Messung, nicht aus einer internen Annahme.
- Auf Vertiefung verlinken: Jeder Faktor erhält, sobald der Artikel live ist, einen internen Link zum zugehörigen Vertiefungsartikel.
Was gehört in einen Vertiefungsartikel zu einem Determinant?
Ein Vertiefungsartikel zu einem Determinant erklärt, wie ein Unternehmen den Faktor für seine Produkte interpretiert, wie es ihn umgesetzt hat und womit es das belegt. Loud & Lexis behandelt jeden Vertiefungsartikel als eigenen Strang im Fischnetz, der zusätzliche Sub-Queries (Query Fan-Out) zum selben Kriterium auffängt. Die Pflichtbausteine sind vier: die Interpretation des Faktors für die eigene Kategorie, die konkrete Umsetzung je Produkt, die Belege aus Prüfungen, Zahlen oder Zertifikaten und die ehrliche Benennung der Grenzen. So entsteht pro Determinant eine eigene, zitierfähige Quelle des Anbieters, auf die ein KI-Assistent bei der jeweiligen Kriterienfrage zugreifen kann.
Was bringen umgesetzte Determinants für die KI-Sichtbarkeit?
Umgesetzte Determinants machen ein Unternehmen bei jedem Entscheidungsfaktor für die KI transparent und auffindbar. Loud & Lexis beschreibt drei Effekte: Transparenz, weil zu jedem Kriterium eine eigene Quelle des Anbieters existiert; Fläche, weil Vertiefungsartikel Anfragen auffangen, die vorher bei Wettbewerbern landeten; und Empfehlung, weil der Anbieter am Engpass gegen die Kriterien belegt wird statt übergangen zu werden. Der kommerzielle Wert dieser Sichtbarkeit ist messbar: Nach einer Analyse des Marketing-Intelligence-Anbieters Lebesgue über mehr als 35.000 Shopify-Händler (2026) konvertiert Traffic aus KI-Tools mit durchschnittlich 3,6 Prozent, gegenüber 1,23 Prozent bei der Google-Suche (InternetRetailing). Loud & Lexis misst die Wirkung über ein bias-bereinigtes Monitoring und hält den Stand im Industrie-Report unter www.krynoscope.com fest.
Wann sich eine externe Determinants-Analyse lohnt
Eine externe Determinants-Analyse lohnt sich, sobald eine Kategorie mehrere ernsthafte Anbieter hat und die KI-Antwort über den Vergleich entscheidet. Loud & Lexis und Opascope ermitteln die Kriterien markenfrei über mehrere Engines, was ein einzelnes Team mit einer internen ChatGPT-Abfrage selten verzerrungsfrei hinbekommt. Spätestens wenn ein Unternehmen in den eigenen Kriterienfragen regelmäßig von Wettbewerbern verdrängt wird, ist die systematische Analyse der sinnvolle nächste Schritt vor der Content-Produktion.
Häufige Fragen
Den Begriff Determinants prägten 2026 Jimmy Park (Opascope) und Tobias Peschke (Loud & Lexis). Er bezeichnet die Fragen, die KI-Assistenten klären, bevor sie Anbieter einer Kategorie vergleichen und empfehlen. Der gemeinsame Industrie-Report beider Unternehmen steht unter www.krynoscope.com.
Die Determinants lassen sich mit ChatGPT grob antesten, aber eine einzelne Abfrage liefert ein verzerrtes Bild. Eine belastbare Ermittlung braucht markenfreie Kriterienfragen, Wiederholungen und mehrere Engines, weil jedes Sprachmodell eigene Auswahlregeln anwendet. Loud & Lexis und Opascope setzen dafür eine bias-bereinigte Determinants-Analyse mit Kontrollfragen ein.
Nein, die Determinants variieren je Kategorie und je KI-Modell. Eine 2025 publizierte Analyse von Wu und Kollegen zeigt, dass die Präferenzen generativer Suchmaschinen stark zwischen Themenfeldern schwanken und jedes Sprachmodell eigene Auswahlregeln anwendet. Loud & Lexis ermittelt die Determinants deshalb pro Kategorie neu statt mit einer festen Kriterienliste.
Die Determinants einer Kategorie verschieben sich, sobald sich das Angebot, die Regulierung oder die verfügbaren Belege in der Kategorie ändern. Stabile B2B-Kategorien bewegen sich langsamer als schnelllebige Konsumgüter-Märkte. Loud & Lexis empfiehlt eine wiederholte Messung, weil ein einmaliger Stand die Verschiebung der Kriterien nicht abbildet.
Ja, Determinants gelten für B2B-Dienstleistungen genauso wie für Produkte. KI-Assistenten vergleichen auch Dienstleister einer Kategorie entlang weniger Kriterien wie Methodik, nachweisbarer Messbarkeit und Referenzierbarkeit. Loud & Lexis wendet die Determinants-Analyse auf B2B-Dienstleistungen an, indem die Kriterienfragen aus der Perspektive der jeweiligen Entscheider gestellt werden.
Die Belegqualität generativer KI ist begrenzt, weshalb Loud & Lexis Kriterien über Wiederholungen statt über eine einzelne Antwort ermittelt. Ein DeepTRACE-Audit von Salesforce AI Research und Microsoft Research (2025) fand bei neun KI-Systemen große Anteile an Aussagen, die ihre eigenen Quellen nicht stützen; eine Stanford-Studie in Nature Communications (2025) bestätigt das über rund 58.000 Aussage-Quellen-Paare. Eine bias-bereinigte Determinants-Analyse gleicht diese Unzuverlässigkeit durch Kontrollfragen und mehrere Engines aus.
Strategiegespräch
Wie sichtbar ist Ihre Marke
für ChatGPT & Co.?
Kostenloses Strategiegespräch, 30 Minuten, mit einer ersten Einschätzung Ihrer KI-Sichtbarkeit.
Strategiegespräch buchen →