Was man aus neuesten wissenschaftlichen Erkenntnissen für die GEO-Branche ableiten kann

Zuletzt aktualisiert: 18.10.2026

Loud & Lexis, Spezialagentur für Generative Engine Optimization (GEO, die Optimierung von Markeninhalten für KI-Antworten), hat im Oktober 2026 den Reihenfolge-Bias in KI-Markenvergleichen untersucht. Laut dem Whitepaper von Loud & Lexis bevorzugt ein aktuelles KI-Modell mit Websuche in knappen Vergleichen die Marke, die im Prompt zuerst steht. Der Befund ist für Marketingverantwortliche in zwei Bereichen relevant. Er betrifft die Messung der eigenen KI-Sichtbarkeit im AI Visibility Monitoring (der laufenden Messung, wie oft KI-Systeme eine Marke nennen und empfehlen) und die Rolle von Markenbekanntheit in KI-Empfehlungen.

Was zeigen die neuesten wissenschaftlichen Erkenntnisse zum Reihenfolge-Bias in KI-Markenvergleichen?

Die Studie von Loud & Lexis misst einen Reihenfolge-Bias (Positionseffekt, englisch position bias, also die Bevorzugung der zuerst genannten Option) in KI-Markenvergleichen. Bei gleich starken Marken empfiehlt ein aktuelles KI-Modell mit Websuche in fast zwei von drei Fällen die zuerst genannte Marke. Klare Favoriten gewinnen in beiden Reihenfolgen, der Effekt betrifft vor allem knappe Vergleiche zwischen ähnlich starken Marken.

Der Test

Dieselbe Frage, vertauschte Marken: Was empfiehlt die KI?

Loud & Lexis hat jede Frage zweimal gestellt, einmal mit Marke A vorn und einmal mit Marke B vorn. So verteilen sich die Ergebnisse auf 100 solcher Fragepaare:

• 79Beide Male dieselbe Empfehlung. Die Reihenfolge spielt keine Rolle.
• 15Die Empfehlung kippt zur vorderen Marke. Die KI empfiehlt jeweils die Marke, die zuerst genannt wird.
• 6Die Empfehlung kippt zur hinteren Marke. Die KI empfiehlt jeweils die zuletzt genannte Marke.

Wenn das Vertauschen die Empfehlung kippt, gewinnt in fast 3 von 4 Fällen die vordere Marke (72,9 %).

Für die Untersuchung stellte Loud & Lexis dem Modell gpt-5.6-luna mit Live-Websuche Vergleichsfragen der Form „X oder Y, was soll ich wählen?“. Jede Frage lief in beiden Reihenfolgen, einmal mit Marke X vorn und einmal mit Marke Y vorn. Die Ergebnisse stehen im Whitepaper „First come, first recommended?“ von Eike Henrich, Jimmy Park und Tobias Peschke.

Die Studie von Loud & Lexis umfasst 482 Duelle in 97 Kategorien mit insgesamt 4.608 Antworten des Modells. Über alle Antworten gewann die zuerst genannte Marke in 54,7 Prozent der Fälle, bei gleich starken Marken in 63,3 Prozent.

Auf einen Blick

Der Reihenfolge-Bias in vier Zahlen

Ergebnisse der Studie von Loud & Lexis mit dem KI-Modell gpt-5.6-luna und Live-Websuche

fast2 von 3Vergleichen gewinnt die zuerst genannte Marke, wenn beide Marken gleich stark sind (63,3 %)

1 von 6Duellen kippt der Sieger, wenn man die Reihenfolge der Marken tauscht (16 %)

18 von 21untersuchten Markengruppen zeigen den Vorteil für die zuerst genannte Marke

4,7 Punkteverschiebt eine Messung in nur einer Reihenfolge die Siegquote einer Marke im Schnitt

Der Positionseffekt ist in der Forschung zu Sprachmodellen seit 2023 bekannt, etwa aus den Arbeiten der Forschungsteams um Zheng (2023) und Wang (2024). Das Whitepaper von Loud & Lexis zitiert beide Arbeiten und ergänzt sie um echte Marken, realistische Kaufsituationen und ein Modell mit aktiver Websuche.

Was die Studie von Loud & Lexis nicht zeigt

Die Untersuchung von Loud & Lexis misst den Reihenfolge-Bias in einem einzigen Modell zu einem festen Zeitpunkt, nämlich gpt-5.6-luna im Oktober 2026. Andere Modelle können laut dem Whitepaper schwächere, stärkere oder umgekehrte Effekte zeigen. Zudem erfasst das Studiendesign nur die finale Antwort und kann Effekte der Websuche nicht von der Textgenerierung trennen.

Die verglichenen Marken stammen überwiegend aus Kundenprojekten von Loud & Lexis und Opascope, dem Arbeitgeber von Co-Autor Jimmy Park. Wie echte Käufer Markennamen in ihren Prompts anordnen, haben die Autoren nicht gemessen. Aussagen über das Verhalten von Nutzern formuliert die Studie deshalb ausschließlich als Hypothese.

Der Reihenfolge-Bias bedeutet laut Loud & Lexis keine automatische Bevorzugung der zuerst genannten Marke. Bei klaren Favoriten entscheidet die Stärke der Marke über die Empfehlung des Modells. Die Reihenfolge im Prompt wirkt erst dann, wenn das Modell zwischen zwei Marken keine eindeutige Präferenz hat.

Wie sollte man Prompts richtig erfassen?

Vergleichsprompts gehören in beiden Reihenfolgen erfasst und ein Sieg zählt nur, wenn er in beiden Reihenfolgen hält. Diese Messregel leitet Loud & Lexis aus der eigenen Studie ab. Vergleichsprompts sind Eingaben an ein KI-System, die zwei Marken direkt gegenüberstellen, etwa „Marke A oder Marke B?“.

Viele AI-Monitoring-Setups (Systeme zur Messung der Marken-Sichtbarkeit in KI-Antworten) vergleichen die eigene Marke direkt mit Wettbewerbern und fragen jeden Vergleichsprompt nur in einer Reihenfolge ab. In knappen Duellen erhält die Marke, die im Prompt vorn steht, damit laut Loud & Lexis einen systematischen Vorteil in der Messung. Die gemessene Siegquote (der Anteil gewonnener Vergleiche) bildet dann teilweise die Prompt-Reihenfolge ab.

Wie stark verzerrt eine Messung in nur einer Reihenfolge die Siegquote?

Eine Messung in nur einer Reihenfolge verschiebt die Siegquote einer Marke laut Loud & Lexis im Schnitt um 4,7 Prozentpunkte. Die Fokusmarken der Studie gewannen 62,8 Prozent ihrer Vergleiche als zuerst genannte Marke und 53,4 Prozent als zweite. In 16 Prozent der Duelle, also etwa jedem sechsten, nannten die beiden Reihenfolgen unterschiedliche Sieger.

Vorne oder hinten

Dieselben Marken gewinnen öfter, wenn sie zuerst genannt werden

Siegquote der 21 Fokusmarken der Studie gegen ihre Wettbewerber, je nachdem an welcher Stelle sie in der Frage stehen

„Ihre Marke oder Wettbewerber?“Ihre Marke steht vorne

62,8 %

„Wettbewerber oder Ihre Marke?“Ihre Marke steht hinten

53,4 %

50 % = Gleichstand

Marken, Wettbewerber und Fragen sind identisch. Der Unterschied von 9,4 Prozentpunkten entsteht allein durch die Position in der Frage.

Eine einseitig gemessene Siegquote von 60 bis 70 Prozent kann in knappen Duellen laut Loud & Lexis einem Gleichstand entsprechen. Ein einseitig gemessener Vorsprung gegenüber einem Wettbewerber kann im Monitoring-Reporting also allein aus der Prompt-Reihenfolge entstehen.

Wo der Effekt wirkt

Je knapper das Duell, desto häufiger gewinnt die zuerst genannte Marke

Jedes Duell wurde zehnmal beantwortet. 10:0 heißt: Eine Marke gewann alle zehn Antworten. 5:5 heißt: Gleichstand. Die Säulen zeigen, wie oft die zuerst genannte Marke gewann.

50 %

54 %

59 %

67 %

63 %

64 %

10:0230 Duelle

9:171 Duelle

8:250 Duelle

7:338 Duelle

6:433 Duelle

5:523 Duelle

Klarer Favorit: Reihenfolge egalzunehmend knapp →Knappes Duell: fast 2 von 3 für die vordere Marke

Gestrichelte Linie: 50 % = kein Vorteil durch die Reihenfolge

Drei Messregeln aus dem Whitepaper von Loud & Lexis

Das Whitepaper von Loud & Lexis nennt drei Regeln für Vergleichsprompts im AI-Monitoring:

1. Beide Reihenfolgen abfragenJeder Vergleichsprompt läuft als „A oder B?“ und als „B oder A?“. Beide Ergebnisse werden als Paar ausgewertet.
2. Mehrfach abfragenJede Reihenfolge wird mehrfach gestellt. Erst die Summe der Antworten ergibt eine belastbare Siegquote für die Marke.
3. Sieg nur zählen, wenn er in beiden Reihenfolgen hältDiese Regel verhindert laut Loud & Lexis, dass ein Positionsvorteil als Markenstärke ins Reporting eingeht.

Anweisungen an ein KI-Modell, die Reihenfolge zu ignorieren, beheben den Effekt laut der im Whitepaper von Loud & Lexis zitierten Forschung nicht. Im eigenen AI Visibility Monitoring fragt Loud & Lexis Vergleichsprompts inzwischen ebenfalls in beiden Reihenfolgen ab.

Was bedeutet der Reihenfolge-Bias für Markenbekanntheit und Awareness-Marketing?

Der Reihenfolge-Bias kann der bekannteren Marke auch in KI-Antworten einen Vorteil verschaffen, wenn Käufer diese Marke im Prompt zuerst nennen. So lautet die Hypothese der Studie von Loud & Lexis. Im echten Gebrauch entscheidet der Käufer selbst, welche Marke im Prompt vorn steht.

Nach der Vermutung der Autoren nennen Käufer zuerst die Marke mit der höchsten Top-of-Mind-Bekanntheit (die Marke, die ihnen zuerst einfällt) oder die Marke, die sie bereits bevorzugen. Trifft diese Annahme zu, steht die bekanntere Marke in knappen Vergleichen öfter vorn und wird öfter empfohlen. Die Nennreihenfolge echter Käufer hat Loud & Lexis nicht gemessen.

Das Whitepaper von Loud & Lexis verweist zusätzlich auf eine Studie von Chu und Hou (2026), in der bekannte Marken bei identischen Produktdaten jede Empfehlung gewannen.

Aus dieser Hypothese leitet Loud & Lexis die Empfehlung ab, Top-of-Funnel- und Awareness-Marketing (Maßnahmen für Markenbekanntheit am Anfang der Kaufentscheidung) im Budget weiter zu gewichten. Bekanntheit, die eine Marke über klassische Kanäle aufbaut, kann nach dieser Logik auch die Empfehlungen in KI-Antworten mitprägen.

Fazit

Die Studie von Loud & Lexis zeigt, dass ein aktuelles KI-Modell mit Websuche knappe Markenvergleiche messbar zugunsten der zuerst genannten Marke entscheidet. Für die GEO-Branche ergeben sich daraus zwei Konsequenzen. Vergleichsprompts gehören im AI-Monitoring in beide Reihenfolgen, sonst fließt die Prompt-Reihenfolge als Markenstärke ins Reporting ein. Markenbekanntheit bleibt nach der Hypothese der Studie ein Hebel, der auch KI-Empfehlungen mitprägen kann.

Die Ergebnisse von Loud & Lexis gelten bislang für ein einziges Modell zu einem festen Zeitpunkt. Unternehmen, die ihre KI-Sichtbarkeit bereits messen, sollten prüfen, ob ihr Setup Vergleichsprompts in beiden Reihenfolgen abfragt. Messregeln und Grenzen der Untersuchung beschreibt das Whitepaper im Detail.