KI-Referral-Traffic 2026: Daten, Wirkung, Strategie

KI-Referral-Traffic bezeichnet Website-Besuche, die direkt aus Antworten von Large Language Models wie ChatGPT auf eine externe Seite führen. Dieser Traffic-Kanal wuchs 2025 um 206 % und erreichte im Mai 2026 ein Allzeithoch. Marken, die ChatGPT empfiehlt, erhalten laut einer Similarweb-Studie 2,5-mal mehr Besuche als nicht empfohlene Wettbewerber – der Großteil davon erscheint in Analytics-Dashboards allerdings als organische Markensuche, nicht als Referral. Dieser Artikel ordnet die aktuelle Datenlage aus sechs unabhängigen Studien ein, quantifiziert die Wirkung von KI-Empfehlungen auf realen Website-Traffic und zeigt, welche strategischen Ableitungen sich für B2B-Marken ergeben.

Der Hebel von KI im Marketing liegt nicht im einzelnen Tool, sondern in orchestrierten Prozessen. Wie KI-Content und KI-Marketing bei Crispy Content zu skalierbarer Produktion ohne Qualitätsverlust führen, zeigen wir an unseren KI-Leistungen.

Warum KI-Referral-Traffic jetzt eine kaufmännische Größe ist

Suchmaschinen sind längst nicht mehr der einzige Ort, an dem eine Marke gefunden wird. Wer heute nur an Google denkt, übersieht, dass ein wachsender Teil der Nachfrage in den Antworten von ChatGPT, Perplexity und vergleichbaren Systemen entsteht – lange bevor der erste Klick zählbar wird. Wie sich Sichtbarkeit für Google und für KI-Antworten datenbasiert und automatisiert zugleich steuern lässt, ohne dass der eine Kanal gegen den anderen ausgespielt wird, beschreibt Crispy Content im Ansatz Agentic SEO & GEO. Der Nutzen zeigt sich weniger im Referral-Report als in der Markensuche, die eine KI-Empfehlung im Hintergrund auslöst – ein Effekt, den klassische Last-Click-Modelle systematisch unterschlagen.

Die Datenlage hat sich innerhalb weniger Monate von anekdotisch zu belastbar verschoben. Sechs Studien – von Semrush über Similarweb bis zu DACH-spezifischen Erhebungen – liefern erstmals konvergierende Zahlen. Wer diese Zahlen ignoriert, trifft Budgetentscheidungen auf Basis eines unvollständigen Bildes. Wer sie überhöht, verwechselt Wachstumsraten mit absoluten Volumina. Beides lässt sich vermeiden, wenn wir die Daten nebeneinanderlegen und ihre Grenzen benennen.

Was ist KI-Referral-Traffic – und warum taucht er in Google Analytics kaum auf?

KI-Referral-Traffic entsteht, wenn ein Nutzer in einer LLM-Antwort auf einen Link klickt und die Zielseite den Referrer – etwa chatgpt.com oder claude.ai – in GA4 registriert. Dieser messbare Anteil bildet jedoch nur einen Bruchteil der tatsächlichen Wirkung ab. Die größere Attributionslücke liegt im Verhalten danach.

Abgrenzung zu AI Overviews: Googles AI Overviews erzeugen keinen eigenen Referrer. Ein Klick aus einer AI Overview erscheint in GA4 als regulärer organischer Besuch. KI-Referral-Traffic im engeren Sinn stammt ausschließlich von eigenständigen LLM-Plattformen mit eigener Domain als Referrer.

Die Similarweb-Panel-Studie zeigt das eigentliche Problem: 55,9 % der KI-beeinflussten Website-Besuche erscheinen in Analytics nicht als Referral, sondern als Markensuche. Der Nutzer liest eine ChatGPT-Empfehlung, merkt sich den Markennamen, öffnet einen neuen Tab und sucht die Marke bei Google. Das Last-Click-Modell schreibt diesen Besuch der organischen Suche zu – die vorgelagerte KI-Empfehlung bleibt unsichtbar.

Rechenbeispiel: Eine B2B-Marke verzeichnet 10.000 monatliche Markensuchen in GA4. Wenn der Similarweb-Faktor von 55,9 % auch nur annähernd zutrifft, könnten bis zu 5.590 dieser Besuche durch eine vorgelagerte KI-Empfehlung ausgelöst sein – ohne dass dies im Dashboard sichtbar wird. Die tatsächliche Zahl hängt von Branche, Bekanntheit und Produktkomplexität ab. Aber die Größenordnung zeigt: Wer nur den Referral-Report liest, unterschätzt den Kanal systematisch.

Wie stark wächst der ChatGPT Traffic tatsächlich? Die Zahlen aus drei Studien

Drei unabhängige Erhebungen mit unterschiedlicher Methodik kommen zu konvergierenden Ergebnissen: Der ChatGPT Referral-Traffic wächst dreistellig pro Jahr, beschleunigt sich im Frühjahr 2026 nochmals und erreicht im Mai 2026 in allen gemessenen Regionen ein Allzeithoch. Die Studien unterscheiden sich in Datenbasis und Zeitraum – gerade deshalb ist ihre Übereinstimmung aussagekräftig.

Semrush-Clickstream-Analyse: 206 % Wachstum in 12 Monaten

Semrush und Datos werteten 1 Milliarde Clickstream-Datenpunkte aus US-Nutzerdaten zwischen Oktober 2024 und Februar 2026 aus. Der Referral-Traffic von ChatGPT auf externe Websites wuchs im Jahresvergleich (Januar 2025 vs. Januar 2026) um 206 %. Die Anzahl der Domains, die mindestens einen ChatGPT-Referral erhielten, stieg von 71.000 auf bis zu 260.000. Gleichzeitig konzentrieren sich 30 % aller Referrals auf nur 10 Domains – ein Muster, das an die Machtverteilung in der organischen Suche erinnert.

SE Ranking: Allzeithoch im Mai 2026

Die SE-Ranking-Analyse umfasst 101.574 Websites aus 250 Ländern. Der weltweite KI-Referral-Anteil am Gesamt-Traffic stieg allein von April auf Mai 2026 um 36,7 % auf ein Allzeithoch. Für die DACH-Region weist die deutschsprachige Studie einen Anstieg von 0,23 % auf 0,32 % im Jahresvergleich aus – ein Wachstum von 39,1 %. In absoluten Zahlen bleibt der Anteil gering. In der Wachstumsdynamik ist er mit keinem anderen Kanal vergleichbar.

Previsible: 9,9-faches Wachstum in 19 Monaten

Previsible analysierte 6,77 Millionen LLM-Sessions aus 166 GA4-Properties über 19 Monate. Die monatlichen LLM-Sessions stiegen von 65.249 im November 2024 auf 644.478 im Mai 2026 – ein 9,9-faches Wachstum. ChatGPT hält dabei 92,4 % aller LLM-Referral-Sessions. Die Dominanz einer einzelnen Plattform ist in dieser Deutlichkeit ungewöhnlich und hat strategische Konsequenzen für die Priorisierung.

Welche Wirkung hat eine KI-Empfehlung auf realen Website-Traffic?

Eine KI-Empfehlung ist kein Awareness-Signal, das irgendwann vielleicht konvertiert. Die Similarweb-Panel-Studie belegt einen direkten, messbaren Downstream-Effekt: Marken, die ChatGPT in seinen Antworten empfiehlt, erhalten innerhalb von sieben Tagen 2,5-mal mehr Website-Besuche als vergleichbare Marken ohne Empfehlung. Die Studie lief von Juli 2025 bis Januar 2026 auf Basis eines US-Desktop-Clickstream-Panels.

Die Engagement-Daten verstärken das Bild. KI-beeinflusste Besucher zeigen 12 Seitenaufrufe pro Besuch und eine Verweildauer von 11,8 Minuten – gegenüber 6,5 Seiten und 5,6 Minuten bei regulären Besuchern. Diese Nutzer kommen mit einer konkreten Absicht, die das LLM bereits vorqualifiziert hat. Sie suchen nicht mehr – sie prüfen.

Einschränkung, die genannt werden muss: Die Similarweb-Daten stammen ausschließlich von US-Desktop-Nutzern. Mobile Nutzung – die bei ChatGPT einen erheblichen Anteil ausmacht – ist nicht erfasst. Die Übertragbarkeit auf den DACH-Markt ist plausibel, aber nicht belegt. Wer auf Basis dieser Zahlen Budgets verschiebt, sollte eigene GA4-Daten als Gegenprobe heranziehen.

Wohin fließt der ChatGPT Referral-Traffic – und welche Branchen profitieren?

Die Verteilung des ChatGPT Referral-Traffics folgt einem Potenzgesetz: 30 % aller Referrals landen auf nur 10 Domains, Google allein absorbiert 21,6 %. Für die übrigen 260.000 erreichbaren Domains bleibt ein fragmentierter, aber wachsender Anteil. Die Branchenunterschiede sind dabei erheblich – und für B2B-Marken aufschlussreich.

Die höchste KI-Durchdringung verzeichnen Branchen mit hoher Informationskomplexität und Vergleichsbedarf. Im E-Commerce liegt das Wachstum bei Faktor 37 seit Dezember 2024 – fast ausschließlich über ChatGPT getrieben. Ein strukturelles Muster: 60 % des KI-Referral-Traffics landet auf Homepages, verglichen mit nur 17 % bei organischer Suche. Das bedeutet: LLMs verlinken Marken, nicht Unterseiten. Wer seine Homepage nicht als Einstiegspunkt für vorqualifizierte Besucher optimiert, verschenkt den Kanal.

Für B2B-Marken ergibt sich eine klare Ableitung: Produktseiten, Vergleichsseiten und strukturierte Informationsarchitekturen erhöhen die Wahrscheinlichkeit, dass ein LLM die Marke als Empfehlung ausspielt. Wer nur Blog-Content produziert, bedient den Informationsbedarf des Modells – aber nicht den Empfehlungsmechanismus.

Warum der Mai 2026 einen Wendepunkt markiert

Der Mai 2026 ist kein zufälliger Datenpunkt. Drei Produktentscheidungen von OpenAI fielen in denselben Zeitraum und erzeugten einen synchronen Anstieg über alle gemessenen Regionen hinweg. Das ist kein organisches Wachstum – das ist ein Plattform-Effekt.

• Neues Link-Format (7. Mai 2026): ChatGPT zeigt Markennamen als direkt klickbare Links in Antworten an. Der Klickpfad verkürzt sich von „Markenname lesen → kopieren → suchen" auf einen einzigen Klick. Die Konversionsrate vom Lesen zum Besuch steigt mechanisch.
• GPT-5.5 Instant als Standard-Modell (5. Mai 2026): Das neue Modell generiert häufiger strukturierte Empfehlungen mit Quellenangaben. Mehr Antworten enthalten Links – mehr Links erzeugen mehr Referrals.
• Self-Serve Ads Manager: OpenAI öffnete im gleichen Zeitraum ein Werbesystem für Selbstbucher. Die kommerzielle Infrastruktur signalisiert, dass Referral-Traffic kein Nebenprodukt bleibt, sondern monetarisiert wird.

Die Folge: USA +23,2 %, UK +38,7 %, EU +42,7 % im Monatsvergleich. Für Marken bedeutet dieser Wendepunkt, dass KI-Sichtbarkeit sich von reiner Awareness zu messbarer Akquisition wandelt. Was bisher ein „Nice to have" im Brand-Monitoring war, wird zu einer planbaren Traffic-Quelle – mit allen Abhängigkeiten, die das mit sich bringt.

Marktanteile der KI-Plattformen: ChatGPT dominiert, aber der Markt diversifiziert sich

ChatGPT hält 92,4 % aller LLM-Referral-Sessions laut Previsible – oder 75,96 % nach SE Ranking, das eine breitere Plattformbasis einbezieht. In beiden Fällen ist die Dominanz erdrückend. Aber die Ränder bewegen sich, und Bewegung an den Rändern ist strategisch relevant.

Claude verzeichnet ein 64-faches Wachstum und überholte Perplexity im März 2026. Gemini wächst stabil mit Faktor 3,2, ohne die Volatilität der kleineren Plattformen. Perplexity – einst als „die Suchmaschine unter den LLMs" positioniert – verlor 61 % seit seinem Peak im März 2025. Copilot ist mit −96 % seit Peak faktisch irrelevant für Referral-Traffic.

Die strategische Konsequenz: Wer KI-Sichtbarkeit optimiert, optimiert de facto für ChatGPT. Die Diversifikation auf Claude und Gemini ist sinnvoll als Absicherung, aber nicht als primärer Hebel. Gleichzeitig zeigt der Perplexity-Rückgang, dass Marktanteile in diesem Feld innerhalb von Quartalen kippen können. Wer seine gesamte Strategie auf eine Plattform setzt, wiederholt den Fehler der Google-Abhängigkeit – nur schneller.

Was die Daten nicht zeigen – und warum das wichtig ist

Konvergierende Wachstumszahlen aus sechs Studien sind ein starkes Signal. Aber sie beantworten nicht die Frage, die kaufmännisch zählt: Konvertiert dieser Traffic? Keine der vorliegenden Studien liefert Conversion-Daten. Wir wissen, dass KI-beeinflusste Besucher länger bleiben und mehr Seiten ansehen. Wir wissen nicht, ob sie kaufen, anfragen oder sich registrieren.

Ebenso fehlt eine belastbare Kausalanalyse. Die Similarweb-Studie zeigt Korrelation – empfohlene Marken erhalten mehr Besuche. Ob die Empfehlung die Ursache ist oder ob bereits bekannte Marken häufiger empfohlen werden, lässt sich aus den Daten nicht trennen. Beide Effekte wirken vermutlich gleichzeitig.

Für die DACH-Region gilt zusätzlich: 0,32 % KI-Anteil am Gesamt-Traffic ist eine kleine Zahl. Bei einer Website mit 100.000 monatlichen Besuchen sind das 320 Sessions. Das Wachstum ist beeindruckend, das Volumen ist es noch nicht. Wer heute Budget von bewährten Kanälen abzieht, um KI-Sichtbarkeit zu finanzieren, braucht einen längeren Zeithorizont als ein Quartal.

Die ehrliche Zusammenfassung: Der Kanal wächst schneller als jeder andere. Er ist real, messbar und in der Tendenz eindeutig. Er ist noch nicht groß genug, um bestehende Kanäle zu ersetzen – aber groß genug, um ignoriert zu werden nur auf eigene Kosten.

Strategische Ableitungen für B2B-Marken

Die Datenlage erlaubt drei Ableitungen, die sich ohne Spekulation aus den Zahlen ergeben. Erstens: KI-Referral-Traffic messen, bevor er optimiert wird. Wer in GA4 keinen separaten Kanal für chatgpt.com, claude.ai und gemini.google.com eingerichtet hat, sieht den Kanal nicht – und kann keine informierte Entscheidung treffen. Zweitens: Die Attributionslücke von 55,9 % bedeutet, dass Markensuche als KPI neu bewertet werden muss. Ein Anstieg der Markensuchen ohne erkennbare Kampagne kann ein KI-Effekt sein. Drittens: Die Homepage ist der primäre Einstiegspunkt für LLM-Referrals. Strukturierte, maschinenlesbare Informationen auf der Startseite – Positionierung, Leistungsversprechen, Differenzierung – erhöhen die Wahrscheinlichkeit einer Empfehlung.

Methoden geben Garantien. Aber nur, wenn die Datenbasis stimmt, auf der sie aufbauen. Die sechs hier ausgewerteten Studien liefern diese Basis – mit benannten Grenzen, konvergierenden Trends und einer klaren Richtung. Der Rest ist Umsetzung.

Quellen

Semrush / Datos (2026): ChatGPT Traffic Analysis: Insights from 17 Months of Clickstream Data. URL: https://www.semrush.com/blog/chatgpt-search-insights/ (Zugriff am 20.07.2026).

SE Ranking (2026): Referral Traffic from ChatGPT Hit an All-Time High in May 2026. URL: https://seranking.com/blog/chatgpt-referral-traffic-may-2026/ (Zugriff am 20.07.2026).

Previsible (2026): 2026 State of AI Discovery Report: ChatGPT Wins 92% Share. URL: https://previsible.com/seo-strategy/ai-traffic-report-july-2026/ (Zugriff am 20.07.2026).

Similarweb (2026): The Downstream Impact of AI Visibility (berichtet via ALM Corp). URL: https://almcorp.com/de/news/chatgpt-ai-recommendations-2-5x-traffic-similarweb-study/ (Zugriff am 20.07.2026).

SE Ranking (2026): Studie: KI-Traffic in der DACH-Region 2026. URL: https://seranking.com/de/blog/ai-traffic-dach-studie/ (Zugriff am 20.07.2026).

Ahrefs (2026): Update: AI Overviews Reduce Clicks by 58%. URL: https://ahrefs.com/blog/ai-overviews-reduce-clicks-update/ (Zugriff am 20.07.2026).