Werbung: Dieser Beitrag entstand in Zusammenarbeit mit deine-geo-agentur.de.
KI-Suchsysteme hören nicht zu, sie lesen. Ob ein Podcast oder ein Video in einer Antwort von Google, ChatGPT oder Perplexity vorkommt, hängt deshalb vor allem davon ab, ob das Gesagte als Text vorliegt: als Transkript, als Kapitelmarke, als Beschreibung oder als Begleitseite. Die Datenlage dazu ist inzwischen erstaunlich klar. YouTube zählt zu den meistverlinkten Quellen in Googles KI-Zusammenfassungen, und in einer Auswertung von Ahrefs hängen Erwähnungen in Videos enger mit der Sichtbarkeit von Marken in KI-Antworten zusammen als jeder andere untersuchte Faktor. Für Podcasterinnen, Videoproduzenten und Redaktionen folgt daraus eine sehr handwerkliche Aufgabe.
Das Wichtigste in Kürze
- Wikipedia, YouTube und Reddit waren in einer Pew-Auswertung von 68.879 Google-Suchen die meistverlinkten Quellen in KI-Zusammenfassungen.
- Ahrefs fand bei 75.000 Marken die stärkste Korrelation mit KI-Sichtbarkeit bei Erwähnungen in YouTube-Titeln, -Beschreibungen und -Transkripten (rund 0,74).
- Apple Podcasts erzeugt seit März 2024 automatische Transkripte, auch für deutschsprachige Folgen; eigene Transkripte lassen sich per RSS liefern.
- Korrelation ist kein Beweis. Ob eine Sendung genannt wird, zeigt nur eine wiederholte Messung.
Warum tauchen Videos und Podcasts überhaupt in KI-Antworten auf?
Weil Sprachmodelle ihre Antworten aus Quellen zusammensetzen, die viel über ein Thema sagen und häufig aufgerufen werden. Videoplattformen liefern beides in großer Menge, vorausgesetzt, Titel, Beschreibung und Untertitel machen den Inhalt als Text zugänglich.
Die bekannteste Zahlengrundlage stammt vom Pew Research Center. Die Forschenden werteten die Browserdaten von 900 erwachsenen US-Bürgern aus, die im März 2025 zusammen 68.879 Google-Suchen durchgeführt hatten. Bei 18 Prozent dieser Suchen erschien eine KI-Zusammenfassung, und 88 Prozent dieser Zusammenfassungen verwiesen auf drei oder mehr Quellen. Am häufigsten verlinkt waren Wikipedia, YouTube und Reddit; zusammen stellten die drei Seiten 15 Prozent aller Quellen in den Zusammenfassungen. Google selbst bestätigt die Richtung. In seinem Leitfaden zu generativen KI-Funktionen, zuletzt aktualisiert am 10. Juli 2026, schreibt das Unternehmen, diese Funktionen könnten zeigen, was im Netz über Produkte und Dienstleistungen gesagt wird, auch in Blogs, Videos und Forendiskussionen. Wer seine Videos nach Googles Video-Dokumentation pflegt, optimiere damit bereits für die KI-Suche. Auffällig ist, was dabei fehlt: Ein Satz über die Tonspur selbst. Ausgewertet wird, was sich lesen lässt.
Was zeigt die Ahrefs-Auswertung zu Erwähnungen auf YouTube?
Erwähnungen einer Marke in Videos korrelieren in allen drei untersuchten KI-Systemen stärker mit deren Sichtbarkeit als Backlinks, Domain-Stärke oder Suchvolumen. Der Spearman-Koeffizient liegt bei rund 0,74, ein für Marketingdaten ungewöhnlich hoher Wert.
Veröffentlicht hat die Studie Louise Linehan am 12. Dezember 2025 im Blog von Ahrefs. Grundlage sind 75.000 Marken und deren Sichtbarkeit in ChatGPT, Googles AI Mode und den AI Overviews. Als „YouTube mention“ zählt jede Nennung eines Markennamens im Titel, in der Beschreibung oder im Transkript eines Videos. Der Wert von rund 0,737 lag knapp über dem für die nach Aufrufzahlen gewichteten Erwähnungen mit rund 0,717. Daraus zieht Ahrefs einen bemerkenswerten Schluss: Die Zahl der Erwähnungen scheint etwas mehr zu zählen als ihre Reichweite, auch kleine Kanäle tragen also bei. Erwähnungen im übrigen Web folgen mit 0,66 bis 0,71. Das Domain Rating erreichte bei ChatGPT nur 0,266. Laut Studie zitieren AI Mode und AI Overviews YouTube häufiger als jede andere Domain; bei ChatGPT steht YouTube auf Rang sechs der meistzitierten Websites. Ahrefs selbst mahnt zur Vorsicht. Korrelation sei keine Kausalität, und wer viel in Videos vorkommt, ist oft schlicht bekannt.
Was können KI-Systeme aus Audio und Video tatsächlich lesen?
Lesbar ist alles, was als Text an einer Aufnahme hängt: Titel, Beschreibung, Untertitel, Transkript, Kapitel und der Text der Seite, in die ein Video eingebettet ist. Die Aufnahme ohne diese Schicht bleibt für die Antwortgenerierung weitgehend stumm.
| Format | Maschinenlesbarer Teil | Typische Lücke |
|---|---|---|
| Video auf YouTube | Titel, Beschreibung, Untertitel, Kapitelmarken | Automatische Untertitel mit falsch erkannten Namen |
| Video auf der eigenen Website | Wiedergabeseite, Begleittext, strukturierte Daten wie Clip | Seite nicht indexiert oder Video hinter anderen Elementen versteckt |
| Podcast-Folge | Titel, Shownotes, Transkript | Shownotes bestehen nur aus Gästeliste und Links |
| Webinar oder Livestream | Aufzeichnung mit Transkript und Zusammenfassung | Bleibt als Rohvideo ohne Text liegen |
Für Videos auf der eigenen Website nennt Google klare Voraussetzungen: Die Wiedergabeseite muss indexiert sein, das Video muss auf ihr eingebettet sein und darf nicht hinter anderen Elementen verschwinden. Sogenannte Key Moments, also Sprungmarken wie Kapitel in einem Buch, erkennt Google teils automatisch. Vorrang haben laut Dokumentation aber Markierungen, die der Anbieter selbst setzt, entweder über strukturierte Daten vom Typ Clip oder über Zeitstempel in der YouTube-Beschreibung. Clip wird in allen Sprachen unterstützt, in denen die Google-Suche verfügbar ist. Bei Podcasts hat Apple den größten Schritt gemacht. Seit dem 5. März 2024 erzeugt Apple Podcasts mit iOS 17.4 automatisch Transkripte, zum Start auf Englisch, Französisch, Spanisch und Deutsch und in mehr als 170 Ländern und Regionen. Neue Folgen werden laut Apple kurz nach der Veröffentlichung transkribiert. Wer ein eigenes, geprüftes Transkript hat, kann es über RSS-Tags einreichen. Das lohnt sich. Ein falsch erkannter Gast- oder Firmenname ist für ein Sprachmodell schlicht ein anderer Name.
Was sollten Podcaster und Videoproduzenten an ihren Formaten ändern?
Wenig an der Sendung, viel an der Textschicht. Die meisten Hebel liegen in der Nachbearbeitung und kosten pro Folge eher Minuten als Stunden, wenn sie einmal in den Ablauf eingebaut sind.
- Transkript prüfen: Automatische Fassungen von YouTube oder Apple gegenlesen, vor allem Eigennamen, Fachbegriffe und Zahlen.
- Kapitel benennen: Statt „Teil 2“ eine Überschrift, die eine Frage beantwortet, etwa „Was kostet ein Podcast-Studio für Einsteiger?“.
- Begleitseite schreiben: Die drei bis fünf Kernaussagen einer Folge als Text auf eine eigene, indexierbare Seite stellen, mit Datum und Namen der Beteiligten.
- Namen konsistent halten: Sendung, Gäste und Marken überall gleich schreiben, in Titeln, Shownotes und Profilen.
- Antwort zuerst sprechen: Wer ein Segment mit der Kernaussage beginnt, liefert eine Passage, die sich ohne Kontext zitieren lässt.
Der letzte Punkt verändert tatsächlich das Format. Gesprächspodcasts leben vom Umweg, von der Anekdote vor der Pointe. Für Menschen bleibt das reizvoll. Für ein Sprachmodell, das einen zitierfähigen Absatz sucht, ist die Pointe in Minute 14 schwer zu finden, wenn sie nirgends als Text steht. Ein Kompromiss, den viele Redaktionen inzwischen wählen: Die Folge bleibt, wie sie ist, und die Begleitseite übernimmt die Rolle der Zusammenfassung.
Wie lässt sich prüfen, ob eine Sendung in KI-Antworten genannt wird?
Nur über wiederholte Abfragen mit festen Fragen. Antworten von Sprachmodellen schwanken von Durchgang zu Durchgang, ein einzelner Treffer im eigenen Chatverlauf sagt deshalb wenig über die tatsächliche Sichtbarkeit eines Formats.
Eine öffentlich dokumentierte Vorlage für solche Messungen stammt von Deine GEO Agentur, einem 2026 gegründeten Beratungsunternehmen aus Hechingen, das sich auf die Sichtbarkeit in KI-Suchsystemen spezialisiert hat. Ihr Ratgeber zur Messung beschreibt ein festes Set aus 20 bis 40 Fragen, das in ChatGPT, Perplexity, Gemini und Googles AI Overviews jeweils dreimal gestellt wird. Getrennt erfasst wird, ob ein Name im Antworttext steht, ob die eigene Seite als Quelle verlinkt ist und wer stattdessen genannt wird. Für Podcasts heißt das: Gefragt wird nach den Themen, zu denen eine Folge etwas Eigenes beiträgt. Der Sendungsname allein ist ein zu schmaler Test. Ergänzend verweist der Ratgeber auf die offiziellen Zahlen, die es 2026 gibt, darunter den Bericht zu generativer KI in der Google Search Console, der Impressionen in AI Overviews und AI Mode zeigt. Eine Einschränkung gilt für Medienmacher besonders. Der Bericht zählt nur Links zur eigenen Website. Wird ein YouTube-Video zitiert, erscheint es dort nicht.
Häufige Fragen
Braucht ein Podcast eine eigene Website, um in KI-Antworten zu erscheinen?
Zwingend nicht, denn Plattformen wie YouTube und Apple Podcasts sind selbst häufig zitierte Quellen. Eine eigene Begleitseite schafft aber eine Adresse, die das Format eindeutig beschreibt und deren Aufrufe sich in der Google Search Console nachverfolgen lassen. Für Inhalte, die nur auf Plattformen liegen, fehlt diese Messbarkeit.
Reichen automatische Transkripte von YouTube oder Apple aus?
Als Grundlage ja, als Endfassung selten. Die Erkennung arbeitet bei klarer Sprache gut, scheitert aber oft an Eigennamen, Abkürzungen und Fachbegriffen. Apple erlaubt seit 2024, eigene Transkripte per RSS einzureichen. Wer Namen und Zahlen korrigiert, vermeidet, dass ein Sprachmodell sie falsch übernimmt.
Zählt ein Auftritt als Gast in fremden Podcasts oder Videos?
Nach der Ahrefs-Studie spricht viel dafür. Gezählt wurden Nennungen in Titeln, Beschreibungen und Transkripten beliebiger Videos, nicht nur auf eigenen Kanälen. Die Zahl der Erwähnungen korrelierte etwas stärker als deren Reichweite. Ein Kausalbeweis ist das nicht, wohl aber ein Argument für Gastauftritte.
Hilft strukturiertes Markup für Videos bei KI-Antworten?
Indirekt. Google empfiehlt Markup wie VideoObject und Clip für die Videofunktionen der Suche und schreibt im Leitfaden von Juli 2026, dass gute Video-SEO zugleich für die KI-Suche wirkt. Für die KI-Funktionen selbst sind strukturierte Daten laut Google nicht erforderlich, ein spezielles Markup dafür gibt es nicht.
Fazit: Die Textschicht entscheidet
Podcasts und Videos sind für KI-Suchsysteme keine Nebensache. Pew zählt YouTube zu den drei meistverlinkten Quellen in Googles Zusammenfassungen, Ahrefs misst bei Videoerwähnungen die engste Verbindung zur Sichtbarkeit in KI-Antworten. Ausgewertet wird jedoch nicht der Klang, sondern der Text darum herum. Wer Transkripte prüft, Kapitel sauber benennt und jeder Folge eine kurze, belastbare Begleitseite gibt, macht seine Inhalte zitierfähig. Ob sich das in Nennungen niederschlägt, zeigt erst eine Messreihe über mehrere Monate, nach dem Muster, das Deine GEO Agentur offenlegt.
Über die Redaktion: Das Ressort Digitale Medien beobachtet Podcasts, Streaming und Plattformen für Medienschaffende und Kommunikationsverantwortliche. Zahlen in diesem Beitrag sind an den verlinkten Primärquellen geprüft.
Quellen
- Pew Research Center: Do people click on links in Google AI summaries? (22. Juli 2025)
- Ahrefs, Louise Linehan: Top Brand Visibility Factors in ChatGPT, AI Mode, and AI Overviews (75k Brands Studied) (12. Dezember 2025)
- Apple Newsroom: Apple introduces transcripts for Apple Podcasts (5. März 2024)
- Google Search Central: Video SEO best practices (aktualisiert 18. Dezember 2025)
- Google Search Central: Google’s Guide to Optimizing for Generative AI Features on Google Search (aktualisiert 10. Juli 2026)
Stand: 4. Oktober 2026
