Welche Quellen nutzen LLMs für Software-Empfehlungen? Daten aus 20.160 Chats

Niklas Buschner4.8.2026

Welche Software-Brands LLMs empfehlen, hängt davon ab, welche Quellen die Modelle heranziehen. Radyant und OMR Reviews haben ausgewertet, welche das sind.

Inhalt
  1. Die Studie: 20.160 Chats, fünf Modelle, acht Kategorien
  2. Welche Rolle Review-Plattformen in AI-Antworten spielen
  3. Was das in der Praxis bedeutet: das deeploi-Beispiel
  4. Drei Hebel, die sich aus der Studie direkt ableiten
  5. So startest du: Baseline messen, bevor du optimierst
Dein*e nächste*r Kund*in hat dich vielleicht schon über ChatGPT gefunden. Oder auch nicht, weil du dort gar nicht auftauchst. Welche Software-Brands LLMs empfehlen, hängt davon ab, welche Quellen die Modelle heranziehen. Radyant und OMR Reviews haben ausgewertet, welche das sind.
Das Wichtigste in Kürze
  • Die Studie analysierte 20.160 KI-Chats mit fünf Modellen und rund 156.000 Quellen-Nennungen, um die wichtigsten Informationsquellen bei Software-Prompts zu identifizieren.
  • OMR Reviews ist mit 13,5 % die meistzitierte Quelle – noch vor YouTube, Reddit und den Websites der Software-Anbieter.
  • Etwa 81 % aller Review-Plattform-Zitate stammen von Vergleichsseiten mit mehreren Anbietern statt von einzelnen Produktprofilen.
  • Die Bedeutung externer Quellen variiert je nach KI-Modell: Copilot nutzt Reviews besonders häufig, während Gemini bei Software-Prompts kaum externe Quellen zitiert.
  • Für maximale Sichtbarkeit in KI-Antworten sind Comparison-Content, starke Präsenz auf Review-Plattformen sowie Erwähnungen auf YouTube und in Fachmedien entscheidend.

Die Studie: 20.160 Chats, fünf Modelle, acht Kategorien


Die These: Bei kommerziellen Software-Prompts greifen AI-Modelle überproportional häufig auf Review-Plattformen als Quelle zurück.
Um das zu überprüfen, haben Radyant und OMR Reviews im Juni 2026 insgesamt 20.160 Chats ausgewertet. Die Prompts spiegeln reale Käuferfragen wider: 
  1. Shorttail-Suchen nach der besten Software einer Kategorie
  2. Ausführliche Longtail-Prompts mit Rolle, Firmengröße und konkretem Problem 
  3. Direkte Vergleiche von Software-Anbietern mit starker und schwacher OMR-Reviews-Präsenz, um deren Einfluss zu bewerten
Ansonsten kommt in keinem anderen Prompt ein Markenname vor. So zeigt sich, welchen Anbieter die Modelle von sich aus vorschlagen.
Diese Studie ist eine Zusammenarbeit von Radyant und OMR Reviews. Alle Prompts sind deutschsprachig und auf den DACH-Markt ausgerichtet. Das erklärt einen Teil von OMRs Vorsprung gegenüber internationalen Plattformen wie G2 und Capterra.
Die Software Prompt Study von Radyant und OMR Reviews im Detail:
  • Acht Software-Kategorien: Collaboration/Intranet, CRM, IT Service Management, Zeiterfassung, E-Mail-Marketing, HR Software, SEO Tools, Projektmanagement
  • Fünf Modelle: ChatGPT, Google AI Overview, Microsoft Copilot, Claude, Gemini
  • 96 Prompts (12 pro Kategorie): alle deutschsprachig, aus Käufersicht, auf den DACH-Markt ausgerichtet und ohne Nennung von Markennamen, bis auf im Vergleich zur starken oder schwachen OMR-Reviews-Präferenz
  • Das Ergebnis: rund 156.000 Quellen-Nennungen über alle Antworten hinweg
Prompt Bild Radyant.png

Welche Rolle Review-Plattformen in AI-Antworten spielen

Die Auswertung zeigt, dass Review-Plattformen in AI-Antworten eine andere Rolle spielen, als die Gesamtzahlen auf den ersten Blick vermuten lassen.

Herstellerseiten führen als Typ, die stärksten Einzelquellen sind Review-Plattformen

Schaut man auf Quellentypen, führen Herstellerseiten mit 63 % aller Citations klar. Review-Plattformen kommen als Seitentyp auf gerade einmal 7 %. Das klingt nach einem schwachen Ergebnis für Review-Plattformen.
Schaut man auf einzelne Domains, dreht sich das Bild jedoch:
OMR Reviews ist die meistzitierte Quelle in AI-Antworten
Anteil der AI-Antworten, die diese Quelle zitieren · alle Modelle · alle Kategorien
OMR Reviews
13,5%
YouTube
10,3%
Reddit
8,6%
trusted.de
7,5%
fuer-gruender.de
6,8%
G2
6%
stärkste einzelne Hersteller-Website: ca. 4% · Basis: 8.035 Domains, 20.160 Chats
Unter allen 8.035 analysierten Domains steht eine Review-Plattform an der Spitze: OMR Reviews mit 13,5 %, vor YouTube (10,3 %), Reddit (8,6 %) und der stärksten einzelnen Hersteller-Website mit rund 4 %.
Hersteller-Zitate verteilen sich auf hunderte einzelne Anbieter. Deshalb machen sie bei Citations absolut betrachtet den größten Anteil aus. Review-Plattformen konzentrieren sich hingegen auf eine Handvoll Seiten. Auf einige wenige Domains kommen hier viele Abrufe.

Vergleichsseiten, Listicles und Kategorieseiten werden am häufigsten zitiert

Rund 81 % aller Review-Plattform-Abrufe gehen auf Seiten, die mehrere Anbieter einordnen und vergleichen. Nur ca. 17 % gehen auf einzelne Anbieterprofile.
81% der Review-Plattform-Zitate sind Listen, nicht Profile
Review-Plattform-Zitate nach Seitentyp · gewichtet nach Retrievals
Vergleiche & Alternativen
36,4%
Listicles
22,9%
Kategorieseiten
22%
Anbieterprofile
16,8%
Redaktionell & Sonstiges
1,9%
~81% Multi-Vendor-Seiten · ~19% einzelne Profile
Das Profil auf der Review-Plattform ist die Voraussetzung, um in diese Listen zu kommen. Der Hebel sind die Seiten, auf denen ein Anbieter neben anderen bewertet und verglichen wird.

Bei OMR Reviews dominieren Listicles mit 62 % der Abrufe. In allen acht untersuchten Kategorien war die meistgezogene OMR-Reviews-Seite das jeweilige Listicle. Bei G2, GetApp und Software Advice dominieren Comparisons und Alternativen-Seiten, bei Capterra findet eine gleichmäßigere Verteilung auf Comparisons, Kategorieseiten und Profile statt.
Wie stark Review-Plattformen zählen, hängt vom Modell ab
Anteil der Quellen-Nennungen von Review-Plattformen · je KI-Modell
Copilot
10%
ChatGPT
8%
Claude
6%
Google AI Overview
6%
Gemini
~0%
Gemini zitiert bei Software-Prompts praktisch keine externen Quellen
Bei unserem Promptset hat Gemini praktisch keine externen Quellen zitiert. Wer dort sichtbar sein will, kann das über Quellenarbeit aktuell kaum steuern.

Bei ChatGPT machen redaktionelle Medien mehr aus als Review-Plattformen: 14 % der Citations gehen auf Presse, Fachmedien und Gastbeiträge. Wer speziell auf ChatGPT sichtbar sein will, sollte Earned Media demnach genauso stark gewichten wie eigene Kanäle.

OMR Reviews führt insgesamt, aber nicht in jedem Modell. Bei ChatGPT liegen G2 (14 %) und Capterra (12,9 %) vor OMR Reviews (9 %). Bei Copilot liegt Capterra (9,3 %) vor OMR Reviews (5 %). Eine vollständige Review-Strategie schließt also auch G2 und Capterra ein.
OMR ist unter den Review-Plattformen die wichtigste Einzelquelle
OMR Reviews
30,9 %
Capterra
22,9 %
G2
13,9 %
GetApp
10,9 %
Software Advice
9 %
Gartner Peer Insights
5,5 %
PeerSpot
3,3 %
TrustRadius
2,9 %
Trustpilot
0,7 %
BU: Insgesamt ist OMR Reviews als Review-Plattform die wichtigste Einzelquelle für den DACH-Markt und im Vergleich mit knapp 31 % der Citations noch vor Capterra und G2.

OMR Reviews ist unter 8.035 analysierten Domains die stärkste Einzelquelle der gesamten Software Prompt Study. Kein Hersteller, kein YouTube-Kanal und keine andere Review-Plattform kommt auf einen höheren Anteil an Citations. Für Software-Anbieter im DACH-Markt heißt das: Ein Profil auf OMR Reviews ist die Eintrittskarte in die Listen, die AI-Modelle tatsächlich zitieren.

Auch die Kategorie spielt eine Rolle: IT Service Management (13 % der Citations) und HR Software (10 %) sind review-lastig. Das bedeutet, dass LLMs hier auf besonders viele Erfahrungsberichte zugreifen können, die sich bestmöglich mit den Prompts der Nutzer*innen decken. E-Mail-Marketing- (4 %) und SEO-Tools (5 %) haben in Summe deutlich weniger Reviews, was die niedrigere Citation-Quote erklärt.

Was das in der Praxis bedeutet: das deeploi-Beispiel

deeploi ist eine IT-Management-Plattform für wachsende Unternehmen. Radyant arbeitet seit November 2025 mit deeploi zusammen. Die Strategie folgte genau dem Muster, das die Studie später bestätigt hat: eigener Comparison- und Alternatives-Content auf der Website, kombiniert mit aktiver Präsenz auf OMR Reviews in allen relevanten Kategorien.
Was Radyant und deeploi aufgebaut haben:
  • Mehr als 40 Content-Pieces auf der eigenen Website, überwiegend Vergleiche, Listicles und Alternativen-Artikel
  • Profil auf OMR Reviews in allen relevanten Kategorien (IT Service Management, IT Asset Management, Onboarding, Offboarding), vollständig und konsistent zur Website gepflegt, laufende Review-Akquise
  • Mehrere Badges: dreimal Leader, einmal Top Rated für Q3/26
Die Ergebnisse:
0 % → 15 %
Sichtbarkeit in AI-Antworten
Durchschnitt seit Projektstart,
Höchststand 24,3 %
14,4 %
Retrieved Share von OMR Reviews
Platz 3, hinter der eigenen Website
und YouTube
32 : 4
deeploi-Seiten gegen Atera-Seiten
im Vergleichs-Prompt „deeploi oder
Atera?“
  • Brand Visibility in AI-Antworten: von 0 % bei Projektstart auf durchschnittlich 15 % mit einem Höchststand von 24,3 %
  • OMR Reviews als Quelle: Retrieved Share von 14,4 %, Platz drei hinter deeplois eigener Website und YouTube
  • Vergleichs-Prompts deeploi vs. Atera: LLMs haben deeploi-Seiten 32-mal herangezogen, Atera-Seiten nur viermal
  • Organische Leads: mehr als verdreifacht (ca. +250 %) seit Projektstart
  • AI-Search als eigener Lead-Kanal über self-reported Attribution in Formularen, den es vor dem Projekt nicht gab
Ein Kausalitätsbeweis ist das nicht. Lead-Wachstum entsteht aus mehreren Hebeln. Aber das Muster ist klar: Wer auf den Quellen und Seitentypen präsent ist, die LLMs bevorzugen, taucht in den Antworten auf. Und das schlägt sich in messbarer Nachfrage im CRM nieder.

Drei Hebel, die sich aus der Studie direkt ableiten

Brands mit starker Sichtbarkeit in AI-Antworten setzen in der Regel auf mehrere dieser Hebel gleichzeitig:

Hebel 1: Eigener Comparison- und Alternatives-Content

Vendor-Seiten machen als Typ 63 % aller Citations aus, verteilen sich aber über hunderte einzelne Domains. Comparison- und Alternatives-Seiten sind die Seitentypen, die LLMs bei kommerziellen Software-Fragen am häufigsten heranziehen. 

Wer dedizierte Vergleichsseiten auf der eigenen Domain baut („Tool A vs. Tool B“, „Die besten Alternativen zu X“, „Beste Software für Use Case Y“), bespielt genau das Format, das Modelle bevorzugt heranziehen, und behält dabei die volle Kontrolle über Framing und Inhalt. Aber auch Content zu den konkreten Pain Points der Zielgruppe oder Jobs-to-be-done-Fragen kann genauso wirken, wenn er eine Kaufentscheidung wirklich erleichtert.

Hebel 2: Präsenz in den richtigen Listen auf Review-Plattformen

81 % der Review-Plattform-Abrufe gehen auf Multi-Vendor-Seiten. Für Software-Anbieter bedeutet das: 
  • erst gelistet werden (ein kostenloses Profil reicht als Start), 
  • dann Bewertungen sammeln (Anzahl und Qualität bestimmen die Ranking-Logik hinter den Listicles) 
  • und schließlich in die Listen kommen. 
Bei OMR Reviews sind das die Kategorie-Listicles und Kategorieseiten. Bei G2 und Capterra die Vergleichs- und Alternativen-Seiten. Und zwar in jeder relevanten Kategorie, nicht nur in der offensichtlichsten.

Hebel 3: YouTube, Fachmedien und Community

YouTube (10,3 %) und Reddit (8,6 %) sind nach OMR Reviews die zweit- und drittmeistzitierten Quellen der gesamten Studie. Bei ChatGPT machen redaktionelle Medien zudem mehr aus als Review-Plattformen. Eine oder zwei ehrliche Video-Reviews, Präsenz in den relevanten Subreddits und zwei bis drei Fachmedien-Platzierungen im Jahr sind auch mit kleinem Team machbar und machen die Quellenbasis robuster gegenüber Modell-Unterschieden.

So startest du: Baseline messen, bevor du optimierst

Bevor du anfängst zu optimieren, brauchst du eine Baseline. Der Erfolg von AI-Search-Maßnahmen zeigt sich nur, wenn du weißt, wo du vorher standest. Diese drei Schritte sind deine Grundlage:
  1. Promptset aufsetzen: zehn bis 25 Prompts aus Käufersicht, ohne Markennamen, ergänzt um ein paar direkte Vergleiche. Wie ein gutes Promptset aufgebaut ist, haben wir zu Beginn dieses Artikels beschrieben.
  2. Brand Visibility und Retrieved Share messen: Welche Quellen zieht das Modell heran und wie oft erscheinst du in den Antworten? Dies kann man beispielsweise mit Tools wie rankscale.ai, Otterly.AI oder Peec AI messen. 
  3. Selbstauskunft ins Lead-Formular: Eine „Wie hast du von uns erfahren?“-Frage mit AI-Tools als expliziter Option.
Ohne Baseline kannst du zeigen, dass AI Search Leads bringt, aber nicht, dass du etwas verbessert hast. Und Letzteres ist das, was im Budgetgespräch zählt.
Die vollständige Studie inkl. Prompt-Set ist hier verfügbar: Software Prompt Study
Niklas Buschner
Autor*In
Niklas Buschner
E-Commerce-Plattformen & Shopsysteme
Web Analytics
Content Management Systeme (CMS)
Website-Baukasten
Consent Management Plattform (CMP)

Niklas Buschner ist Gründer und Geschäftsführer der Organic-Growth-Agentur Radyant aus Berlin. Die Agentur ist spezialisiert auf SEO, AI Search und Content Marketing und betreut Unternehmen mit ambitionierten Wachstumszielen. Niklas ist Host des Masters of Search Podcasts und mit über 32.000 Follower:innen auf LinkedIn und über 5.500 Abonnent:innen auf YouTube eine der reichweitenstärksten Stimmen in diesem Bereich in Deutschland und Europa.

Alle Artikel von Niklas Buschner