Folge 36: English Bias – Warum ChatGPT englische Quellen bevorzugt und was das für GEO bedeutet
Wer regelmäßig ChatGPT nutzt, kennt das Phänomen: Auf die Suche nach deutschen Produkten werden Marken angezeigt, die es hierzulande gar nicht zu kaufen gibt. Statt Pattex erscheint Loctite, statt lokaler Anbieter tauchen internationale Produkte auf, die für den deutschen Markt nicht verfügbar sind.
In dieser Folge beleuchten Matthäus Michalik und Franziska Schneider den sogenannten English Bias – die systematische Bevorzugung englischsprachiger Quellen durch KI-Systeme. Anhand von Daten aus über 500.000 Query Fanouts zeigen sie, wie stark ChatGPT auf englische Inhalte zurückgreift, welche Branchen besonders betroffen sind und wie sich das Verhältnis zwischen deutschen und englischen Queries über die Zeit verändert.
Das Ergebnis: Selbst die beste deutschsprachige Quelle hat keine Chance, wenn der Query Fanout ausschließlich auf Englisch erfolgt. Für Marken, die nur im deutschsprachigen Raum aktiv sind, bedeutet das eine erhebliche Herausforderung – und die Notwendigkeit, strategisch zu reagieren.
Grounding: Wie KI-Systeme Quellen aus dem Netz abrufen
Bevor das Phänomen des English Bias verständlich wird, ist ein Blick auf den Grounding-Prozess notwendig. Wenn Nutzende einen Prompt in ein KI-System wie ChatGPT eingeben, entscheidet das System zunächst, ob zusätzliche Informationen aus dem Web benötigt werden, um die Anfrage zu beantworten.
Ist eine Validierung notwendig, findet ein Grounding statt: Das KI-System löst eine Websuche aus und validiert Fakten über relevante Dokumente und Webinhalte. Als Konsequenz entstehen Citations (Quellenangaben mit Links) oder Mentions (Erwähnungen von Marken ohne Quellenangabe).
Erfolgt die Antwort hingegen ausschließlich aus den Trainingsdaten, findet kein Grounding statt. In diesem Fall gibt es bestenfalls Mentions, aber keine Citations.
Das Phänomen: Englische Queries trotz deutscher Prompts
Das zentrale Problem: ChatGPT führt beim Grounding nicht nur deutschsprachige Suchanfragen durch, sondern auch englische – selbst wenn der ursprüngliche Prompt auf Deutsch formuliert wurde. Dieser Vorgang wird als Query Fanout bezeichnet.
Das Ergebnis: Englische Quellen fließen in die Antwort ein, selbst wenn die Anfrage eindeutig lokal ausgerichtet ist.
Prompt: „Welches Proteinpulver kannst du empfehlen?“
Beobachtung: ChatGPT führt sowohl deutsche als auch englische Queries durch. Entsprechend tauchen englische und deutsche Quellen in der Antwort auf.
Prompt: „Ist getreidefreies Hundefutter sinnvoll?“
Beobachtung: ChatGPT sucht verstärkt auf Englisch. Die Folge: Viele englische Citations und Mentions, obwohl die Frage auf Deutsch gestellt wurde.
Prompt: „Welcher Sekundenkleber ist für Stoffschuhe empfehlenswert?“
Ergebnis: ChatGPT empfiehlt Loctite – eine Marke von Henkel, die im deutschsprachigen Raum unter dem Namen Pattex vertrieben wird. Loctite ist in Deutschland nicht verfügbar.
Problem: Nutzende erhalten eine Empfehlung, die sie im Baumarkt nicht finden. Henkel verliert die Chance, die eigene Marke Pattex zu positionieren. Andere deutsche Marken werden gar nicht erst erwähnt.
Warum ist das ein Problem?
Der English Bias betrifft drei zentrale Akteure: Nutzende, Marken und die KI-Systeme selbst.
Problem für Nutzende
Produkte werden empfohlen, die lokal nicht verfügbar sind. Das führt zu Frustration und schmälert das Vertrauen in KI-gestützte Suche.
Problem für Marken
Marken, die nur im deutschsprachigen Raum aktiv sind, werden nicht erwähnt. Internationale Marken dominieren die Antworten – selbst wenn sie für den lokalen Markt irrelevant sind.
Problem für KI-Systeme
Wenn KI-Systeme Produkte empfehlen, die lokal nicht verfügbar sind, sinkt die Glaubwürdigkeit der Antworten. Das schadet langfristig der Akzeptanz von KI-gestützter Suche.
Die Datenlage: Wie stark ist der English Bias wirklich?
Der English Bias ist kein Einzelphänomen, sondern systematisch messbar. Studien und eigene Analysen zeigen: Englische Queries machen einen erheblichen Anteil der Query Fanouts aus – über Sprachen und Branchen hinweg.
Eine Studie zeigt: Im Durchschnitt sind 43 % der Prompts englischsprachig – über diverse Länder hinweg gemittelt.
Lokale Unterschiede:
- Türkisch: über 97 % englische Query Fanouts
- Deutsch: 77,3 % englische Query Fanouts
Selbst in Sprachen mit großem Content-Angebot wie Deutsch überwiegt der englische Anteil deutlich.
Claneo hat über 500.000 Query Fanouts über verschiedene Branchen hinweg analysiert. Das Ergebnis:
- Zunächst überwogen deutsche Prompts leicht
- Dann hielt sich das Verhältnis die Waage
- Mit dem ChatGPT-Update im Mai 2025 stieg der Anteil deutscher Prompts deutlich – auf etwa 70 %
Fazit: Trotz der Verschiebung bleibt etwa ein Drittel der Query Fanouts englischsprachig. Das Verhältnis ist volatil und kann sich mit jedem Modellwechsel verändern.
Branchenunterschiede: Nicht alle Bereiche sind gleich betroffen
Die Analyse von über 500.000 Query Fanouts zeigt: Der English Bias variiert stark zwischen Branchen. Während einige Bereiche fast ausschließlich auf Englisch grounden, dominieren in anderen deutschen Quellen.
Stark englisch: Software & SaaS
Branchen wie Software, Hosting und SaaS werden sehr stark auf Englisch gegroundet. Der Softwaremarkt ist global – die Herkunft der Lösung spielt für Nutzende oft eine untergeordnete Rolle.
Stark deutsch: Energie & lokale Dienstleistungen
Branchen wie Energie werden überwiegend auf Deutsch gegroundet. Lokale Gegebenheiten, Regularien und Anbieter sind entscheidend – internationale Quellen sind weniger relevant.
Wichtig: Diese Verteilung ist nicht statisch. Mit dem ChatGPT-Update im Mai 2025 verschob sich das Verhältnis in vielen Branchen zugunsten deutscher Queries. Das zeigt: Modellwechsel können die Grounding-Logik grundlegend verändern.
Hypothesen: Warum bevorzugt ChatGPT englische Quellen?
Die genauen Gründe für den English Bias sind nicht öffentlich dokumentiert. Claneo hat auf Basis der Datenanalyse mehrere Hypothesen entwickelt:
Englischsprachige Quellen sind im Durchschnitt autoritärer als lokale Quellen. Große internationale Portale bringen hohe Domain Authority mit – ein Faktor, den KI-Systeme bei der Quellenauswahl stark gewichten.
ChatGPT könnte englische Quellen nutzen, um lokale Quellen zu verifizieren. Wenn das System lokalen Quellen nicht ausreichend vertraut, zieht es zusätzlich internationale Quellen heran.
In manchen Sprachen – etwa Griechisch oder Türkisch – gibt es schlicht weniger hochwertige Inhalte. Nutzende suchen daher häufig direkt auf Englisch. KI-Systeme könnten dieses Verhalten übernehmen und bei bestimmten Sprachen standardmäßig auf Englisch ausweichen.
Bestimmte Themen – etwa Energieversorgung, Gesundheit oder Recht – sind stark von lokalen Gegebenheiten und Regularien geprägt. In diesen Bereichen könnte ChatGPT gezielt auf lokale Quellen setzen, während global relevante Themen wie Software auf Englisch gegroundet werden.
Lösungsansätze: Wie können Marken reagieren?
Der English Bias lässt sich nicht direkt beeinflussen – die Entscheidung, welche Sprache beim Query Fanout genutzt wird, liegt beim KI-System. Dennoch gibt es strategische Ansatzpunkte, um die Sichtbarkeit in KI-Antworten zu erhöhen.
Ansatzpunkt 1: Onpage-Optimierung – Englische Inhalte auf der eigenen Website
Wenn in der eigenen Branche verstärkt englische Query Fanouts stattfinden, kann es sinnvoll sein, zentrale Inhalte ins Englische zu übersetzen.
Vorgehen:
- Analyse: Welche deutschen Inhalte werden bereits stark von ChatGPT retrieved?
- Übersetzung: Diese Inhalte ins Englische übersetzen und auf der eigenen Website bereitstellen
- Technische Signale: hreflang-Tags nutzen, um Suchmaschinen zu signalisieren, dass englische Inhalte für den deutschsprachigen Markt gedacht sind (z. B. hreflang="en-DE")
Hinweis: Dieses Setup ist ungewöhnlich – klassischerweise gibt es hreflang="de-DE", "de-AT", "de-CH", aber selten "en-DE". Im Kontext von GEO kann es jedoch sinnvoll sein.
Ansatzpunkt 2: Offpage-Optimierung – Präsenz auf englischen Drittquellen
Wenn englische Quellen im Query Fanout dominieren, sollte die Marke auch auf diesen Quellen präsent sein.
Maßnahmen:
- Mentions-Outreach: Kontakt zu englischsprachigen Publishern aufnehmen, die bereits im Grounding auftauchen, und Erwähnungen der eigenen Marke platzieren
- Digitale PR: Pressemitteilungen und Studien gezielt auf englischsprachigen Plattformen platzieren
- Advertorials: Bezahlte Inhalte auf autoritativen englischen Portalen schalten
- User Generated Content: Mit englischsprachigen Influencern auf YouTube, Instagram oder TikTok zusammenarbeiten, um Produktbewertungen und Empfehlungen zu generieren
Ziel: Einen digitalen Fußabdruck in englischsprachigen Medien schaffen – selbst wenn das Produkt nur für den deutschsprachigen Markt angeboten wird.
Wichtig: Das ist ein Hotfix, keine dauerhafte Lösung
Alle beschriebenen Maßnahmen sind Reaktionen auf ein Problem, das eigentlich die KI-Anbieter selbst lösen müssten. ChatGPT und andere Systeme sollten in der Lage sein, lokale Relevanz korrekt zu bewerten und entsprechend zu grounden.
Die Daten zeigen: Das Verhältnis zwischen deutschen und englischen Query Fanouts verändert sich mit jedem Modellwechsel. Aktuell liegt es bei etwa 70 % Deutsch, 30 % Englisch – vor wenigen Monaten war es noch ausgeglichener.
Konsequenz: Englische Inhalte bereitzustellen kann kurzfristig sinnvoll sein. Langfristig ist jedoch davon auszugehen, dass KI-Systeme ihre Grounding-Logik weiter optimieren und lokale Quellen stärker gewichten.
Fazit: English Bias als strategische Herausforderung für GEO
Der English Bias ist ein reales, messbares Phänomen, das erhebliche Auswirkungen auf die Sichtbarkeit von Marken in KI-Systemen hat. Die wichtigsten Erkenntnisse:
- Selbst die beste deutschsprachige Quelle hat keine Chance, wenn der Query Fanout ausschließlich auf Englisch erfolgt. Die Entscheidung, welche Sprache genutzt wird, liegt beim KI-System – nicht bei der Marke.
- Englischsprachige Inhalte erhöhen die Wahrscheinlichkeit einer Erwähnung. Sowohl auf der eigenen Website als auch auf Drittquellen können englische Inhalte die Sichtbarkeit verbessern.
- Das Verhältnis zwischen deutschen und englischen Queries ist volatil. Modellwechsel können die Grounding-Logik grundlegend verändern. Was heute gilt, kann morgen überholt sein.
- Branchenunterschiede sind erheblich. Software und SaaS werden stark auf Englisch gegroundet, Energie und lokale Dienstleistungen überwiegend auf Deutsch. Eine pauschale Strategie gibt es nicht.
- Die beschriebenen Maßnahmen sind Hotfixes, keine dauerhaften Lösungen. Langfristig sollten KI-Systeme lokale Relevanz besser bewerten. Bis dahin bleibt der English Bias eine strategische Herausforderung für GEO.
Wer in KI-Systemen sichtbar sein will, muss verstehen, wie diese Systeme grounden – und bereit sein, die eigene Content-Strategie entsprechend anzupassen.
