KI-Zitations-Halbwertszeit: Zitate sind ein Fluss, kein Bestand

Ein KI-Zitat ist kein Pokal, den man gewinnt und behält. Es ist ein verderbliches Gut. Eine Seite, die heute fünf Engines zitieren, kann innerhalb eines Monats die Hälfte ihrer Zitierrate verlieren, während ihr Google-Suchtraffic konstant bleibt. Diese Seite fasst die veröffentlichten Verfalls-Schätzungen, ein reproduzierbares Messprotokoll und die Halbwertszeit-Zahlen aus einer 90-tägigen Feldmessung zusammen.

Die veröffentlichten Schätzungen

Branchenmessungen im Jahr 2026 konvergieren auf dieselbe Form:

Befund	Quelle
Mediane KI-Zitations-Halbwertszeit ≈ 4,5 Wochen; ChatGPT dreht am schnellsten, Perplexity hält am längsten	Authority Tech Plattformanalyse
KI-zitierte Domains drehen monatlich 40–60 % um	Machine Relations
Etwa die Hälfte aller KI-zitierten Inhalte ist unter 13 Wochen alt; Seiten, die innerhalb von 30 Tagen aktualisiert wurden, erhalten mehrfach mehr Zitate	Authority Tech Frische-Analyse

Der Mechanismus ist strukturell, kein Qualitätsurteil. Googles organisches Ranking für eine etablierte Seite ist klebrig — Signale bewegen sich langsam, und eine ruhige Woche verdrängt sie nicht. KI-Zitate werden aus einem Live-Index zum Antwort-Zeitpunkt gezogen, und dieser Index ist gegenüber frischem Material voreingenommen. Eine Seite wird nicht schlechter; der Pool, in dem sie konkurriert, verjüngt sich.

Aktuelle Retrieval-Forschung (TempRetriever, arXiv 2502.21024; Knowledge-Drift-Arbeit zu RAG-Grenzen, arXiv 2604.05096) modelliert die vorgelagerte Ursache: Retrieval ist gegenüber frischen Inhalten voreingenommen, und die Voreingenommenheit verstärkt sich, wenn die Frage zeitkritisch ist.

Warum ein festes Protokoll wichtig ist

„Halbwertszeit” bedeutet nur etwas gegenüber einem eingefrorenen Protokoll. Ändern Sie das Prompt-Set, den Rhythmus oder das Erfolgskriterium, und die Zahl driftet um Wochen — zwei Personen, die „4,5 Wochen” zitieren, könnten nicht zusammenhängende Phänomene messen. Das reproduzierbare Protokoll in fünf Regeln:

1. Festes Prompt-Set — zehn echte Nutzer-Fragen pro Seite, vor Tag 0 geschrieben und eingefroren. Ein Prompt mid-Experiment umschreiben zerstört den Benchmark.
2. Drei Wiederholungen pro Prompt — separate Sitzungen, keine Chronik. Ein „Zitat” bedeutet, dass die URL als anklickbare Quelle in mindestens einem der drei Durchläufe erscheint, auf Prompt-Ebene gezählt (Zählung auf Quelllisten-Ebene übergewichtet Engines, die mehr Quellen zurückgeben — eine Korrektur, die die Zahlen einer Messung um ~15 % senkte).
3. Fester wöchentlicher Rhythmus — gleicher Wochentag, gleiches Zeitfenster. Eine übersprungene Woche ist ein Loch in der Kurve und ein schlechterer Fit.
4. Zwei Uhren — die KI-Zitierrate und die Search-Console-Klicks derselben Woche für dieselbe URL aufzeichnen. Wenn sich beide Kurven gemeinsam bewegen, ist etwas anderes passiert (Ausfall, Algorithmusänderung, viraler Link). Das Signal ist die KI-Kurve, die sich bewegt, während die Suchkurve stabil bleibt.
5. Verfall wird vom Höhepunkt aus gefittet, nicht von Woche 1. Zitieraten steigen zwei bis vier Wochen, während Engines die Seite indexieren, dann verfallen sie. Aufstieg und Verfall in einen Fit zu mischen — der häufigste Fehler in öffentlichen Berichten — ergibt flachere Halbwertszeiten als die Wahrheit.

Der Verfall-Anteil passt zu einer Exponentialfunktion: cites(t) = peak × 0.5^(t / T_half), mit t in Wochen vom Höhepunkt.

Die gemessenen Halbwertszeiten

Ein 90-tägiger (13-wöchiger) Durchlauf dieses Protokolls auf drei Seiten einer technischen Website, über ChatGPT (Web-Suche an), Claude (Standard-Web-Modus) und Perplexity (Sonar Pro):

Seitentyp	ChatGPT	Claude	Perplexity
Evergreen How-to	6,8 Wo.	7,4 Wo.	9,1 Wo.
Erfahrungsbericht	3,2 Wo.	3,6 Wo.	4,4 Wo.
Methodik-Beitrag	5,1 Wo.	5,9 Wo.	6,7 Wo.

Drei Befunde, nach Überraschungsgrad geordnet:

1. Inhaltstyp dominiert. Die Evergreen-Seite hielt Zitate auf jeder Engine etwa 2× länger als der Erfahrungsbericht. Engines gewichten Frische, aber sie gewichten auch, ob die Seite die Frage noch beantwortet — ein How-to antwortet monatelang; ein Erfahrungsbericht hört schnell auf. Der Durchschnitt über Seitentypen reproduziert die veröffentlichte Headline „≈4,5 Wochen”, verbirgt aber die 2×-Spanne, die tatsächlich wichtig ist.
2. Perplexity verfällt am langsamsten auf allen drei Seiten (seine veröffentlichte Ranking-Orientierung setzt Frische auf ~15 % Gewichtung), ChatGPT am schnellsten in jeder Zeile — konsistent mit den plattformspezifischen Umwälzungsberichten.
3. Auffrischungen stellen Zitate nur teilweise und ungleichmäßig wieder her. Eine substanzielle Aktualisierung (neuer Abschnitt, neue Datentabelle) des Erfahrungsberichts erholte ChatGPT innerhalb von zwei Wochen auf ~70 % des Höhepunkts, Claude auf ~60 %, Perplexity bis Woche 12 auf ~75 % — nie zurück zum Höhepunkt. Eine kosmetische Datums-Aktualisierung in einem früheren neun-wöchigen Durchlauf produzierte nichts Messbares. Der erste Launch ist wichtiger als jede Auffrischung.

Vollständige Daten und Protokoll: der 90-Tage-Methodik-Bericht (auf Englisch) und das erste neun-wöchige Verfall-Log (auf Englisch).

Operative Konsequenzen

• Klassifizieren Sie jede Seite vor der Veröffentlichung als Evergreen oder Ablaufend. Evergreen-Seiten erhalten substanzielle Auffrischungen im Rhythmus, den die Halbwertszeit impliziert (ungefähr alle 6–8 Wochen). Ablaufende Seiten werden nicht aufgefrischt — keine Bearbeitung macht einen veralteten Erfahrungsbericht wieder relevant — sie werden archiviert und ersetzt.
• Zitations-Metriken als Raten über Zeit melden, nie als Snapshots. „Von fünf Engines zitiert” ist an einem Montag wahr und im nächsten Monat falsch. Die Trendlinie über ein festes Prompt-Set ist die ehrliche Metrik — siehe LLMO messen für den wöchentlichen Loop, in den dies passt.
• Zitiert zu werden ist ein Launch-Problem; zitiert zu bleiben ist ein Retention-Problem. Zitiersignale bestimmen, ob Sie in den Zitations-Pool eintreten. Autoritätssignale und Kohärenz-Signale — plus der Auffrischungsrhythmus — bestimmen, ob Sie darin bleiben.

Grenzen der Messung

Einzelner Website, drei Seiten, ein Auffrischungsereignis — die engine-asymmetrische Auffrischungsreaktion könnte ein Frische-Gewicht-Unterschied oder Rauschen sein. Methodik-Beiträge selbst-kannibalisieren sich (Engines können neue Prompts mit dem älteren Mess-Beitrag beantworten). Und ein 13-wöchiges Fenster kann nicht zeigen, ob sich Halbwertszeiten weiter verkürzen, wenn Engine-Indizes wachsen. Behandeln Sie die Halbwertszeitwerte als Output eines vertretbaren Protokolls, nicht als Konstanten.