Zweimal bezahlt für dieselbe Nennung: Was ein Wahlkampf-Angebot über GEO-Kennzahlen zeigt
Welcher Kandidat für ein politisches Amt hat beim Thema Steuern das beste Programm? Immer mehr Wähler stellen solche Fragen einem Chatbot. Ein jetzt bekannt gewordenes Strategiepapier zeigt, wie Wahlkämpfe in den USA darauf reagieren sollen, und vor allem, wie die Dienstleister dafür bezahlt werden wollen: nach Empfehlungsanteil. Das betrifft nicht nur die Politik. Überall, wo GEO am Empfehlungsanteil gemessen wird, stellt sich dieselbe Frage.
Aus einem Strategiepapier für einen US-Gouverneurswahlkampf, über das am 26.10.2026 berichtet wurde. Eine Wirkung der Maßnahmen ist nicht belegt.
- →Ein Strategiepapier für einen US-Gouverneurswahlkampf zeigt, wie GEO in der Politik verkauft wird: Hunderte KI-freundliche Themenseiten, Inhalte auf Reddit und YouTube und bezahlte Platzierungen auf Seiten, die Sprachmodelle ohnehin zitieren.
- →Bezahlt werden soll nach Empfehlungsanteil, also danach, wie oft ein Chatbot den Kandidaten nennt. Für einen „category win“ ist eine Erfolgsprämie von 200.000 Dollar vorgesehen. Der Dienstleister verdient damit an der Maßnahme und noch einmal an der Kennzahl, die die Maßnahme selbst erzeugt.
- →Eine Wirkung ist nicht belegt. Ein anderer Anbieter berichtet sogar, dass die Modelle seriöse und unseriöse Quellen inzwischen gut unterscheiden und sich weniger leicht beeinflussen lassen als zunächst angenommen.
- →Der Fall ist auf Unternehmen übertragbar: Sobald eine Agentur, ein Dienstleister oder ein internes Team am Empfehlungsanteil gemessen wird, lohnt sich jede Maßnahme, die diesen Anteil bewegt, auch gekaufte Präsenz, die wie unabhängige Autorität aussieht.
Ein Wahlkampf soll zur Empfehlung werden
Die Nachrichtenagentur Reuters konnte eine Präsentation einsehen, die der texanische Dienstleister Visigent für Mike Minogue erstellt hat, den republikanischen Herausforderer der Gouverneurin von Massachusetts. Ziel: ChatGPT, Claude, Gemini und andere Chatbots sollen ihn bei Schlüsselthemen als bevorzugte Wahl darstellen. Die Kampagne solle selbst zur Empfehlung in der KI-Antwort werden, heißt es in dem Papier.
Der Weg dorthin: Hunderte KI-freundliche Themenseiten, Inhalte auf YouTube und Reddit, laufende Beobachtung, wie die großen Chatbots auf politische Fragen antworten, und Anpassung der Inhalte, bis die Antworten das Programm des Kandidaten widerspiegeln. Dazu kommen bezahlte Platzierungen:
„When the campaign is ready, we run paid placements on high-domain-authority sites the LLMs already cite — plus Reddit, which is disproportionately weighted in retrieval.“
Sinngemäß: „Sobald die Kampagne bereit ist, schalten wir bezahlte Platzierungen auf reichweitenstarken Seiten, die die Sprachmodelle bereits zitieren, und auf Reddit, das bei der Quellensuche überproportional gewichtet wird.“aus dem Strategiepapier, zitiert nach Reuters
Die Kampagne hat auf Anfragen nicht reagiert. Der Dienstleister gibt an, sechs politische Kampagnen zu betreuen, sagt aber nicht, welche.
Bezahlt wird die Nennung, nicht die Information
Bemerkenswert ist weniger die Methode als die Abrechnung. Die Honorare richten sich nach dem „AI recommendation share“, also danach, wie oft Chatbots den Kandidaten in einer Antwort nennen. Die Preisspanne reicht weit:
Das Honorar ist damit an genau die Kennzahl gekoppelt, die sich durch bezahlte Präsenz am leichtesten bewegen lässt. Ob eine Nennung auf eigenen, korrekten Informationen beruht oder auf einer gekauften Platzierung, die wie eine unabhängige Quelle aussieht, spielt für die Abrechnung keine Rolle.
Für den Mandanten heißt das: Er zahlt zweimal. Einmal über das höhere Monatshonorar für die Präsenz auf fremden Seiten und noch einmal über die Prämie, wenn genau diese Präsenz den Empfehlungsanteil hebt. Der Dienstleister verdient also an der Maßnahme und dann noch einmal an der Kennzahl, die die Maßnahme selbst erzeugt hat. Ob die Kosten der Platzierungen im Honorar enthalten sind oder zusätzlich anfallen, geht aus dem Bericht nicht hervor.
Ein Angebot, kein Wirkungsnachweis
Ob die Maßnahmen funktionieren, belegt der Bericht nicht. Eine Gegenstimme kommt ausgerechnet von einem Anbieter, der selbst Tipps zur Beeinflussung von KI-Antworten anbietet. Der Technikchef von Run for Something, das Beobachtungs-Werkzeug für progressive Kandidaten betreibt, erinnert sich an den vergangenen Sommer, als Reddit-Beiträge schon am nächsten Tag in KI-Antworten auftauchten. Damals schien es, als ließen sich Chatbots so leicht beeinflussen. Dieses Jahr habe sich das aber kaum bestätigt:
„I think that the LLMs have been pretty savvy about discerning accurate and reputable information from non-reputable information.“
Sinngemäß: „Ich glaube, die Sprachmodelle können inzwischen ziemlich gut zwischen zutreffenden, seriösen und unseriösen Informationen unterscheiden.“Jordan Haines, Run for Something, zitiert nach Reuters
Auch die Größenordnung der Nutzung ist unsicher. Rund 25 % der Wahlberechtigten hätten einen Chatbot zu einem Kandidaten befragt, sagt der Chef der National Conference on Citizenship. Wie diese Zahl erhoben wurde, geht aus dem Bericht nicht hervor. Eine Beobachterin der KI-Nutzung von Wählern ordnet ein, in diesem Jahr hätten sich Kandidaten vor allem darum bemüht, dass ihre eigenen Websites in Chatbot-Antworten auftauchen.
Behauptung: „Wahlkämpfe können KI-Antworten inzwischen gezielt steuern.“
Einordnung: Nicht belegt. Dokumentiert ist ein Angebot, keine Wirkung. Die Kampagne hat sich nicht geäußert, und ein anderer Anbieter berichtet, dass sich Chatbots in diesem Jahr weniger leicht beeinflussen ließen als zunächst angenommen.
Behauptung: „Ein Viertel der Wähler entscheidet per Chatbot.“
Einordnung: So steht es nicht im Bericht. Rund 25 % der Wahlberechtigten haben laut dem Chef einer zivilgesellschaftlichen Organisation einen Chatbot zu Kandidaten befragt. Wie die Zahl erhoben wurde, ist nicht angegeben, und eine Frage ist noch keine Wahlentscheidung.
Behauptung: „Wer für KI-Sichtbarkeit optimiert, manipuliert.“
Einordnung: Nein. Korrekte, gut auffindbare Informationen über die eigenen Positionen bereitzustellen, ist legitim, für Kandidaten wie für Unternehmen. Heikel wird es dort, wo bezahlte Präsenz auf fremden Seiten wie unabhängige Autorität wirkt.
Wenn die Kennzahl zum Ziel wird
Der Fall zeigt ein Problem, das weit über Wahlkämpfe hinausreicht. Empfehlungsanteil ist eine sinnvolle Messgröße, um zu verstehen, wie präsent eine Marke in KI-Antworten ist. Als alleinige Grundlage der Vergütung wird sie zum Ziel, und dann lohnt sich jede Maßnahme, die sie bewegt. Auch solche, die das Informationsumfeld verzerren, statt es zu verbessern.
Wie das aussehen kann, haben wir in „Rund 70 Nachrichtenportale, ein Betreiber“ beschrieben: Viele scheinbar unabhängige Quellen, die in Wahrheit eine sind, erzeugen in KI-Antworten den Eindruck von Konsens. Bezahlte Platzierungen auf Seiten, die Modelle ohnehin zitieren, folgen derselben Logik. Sie leihen sich Autorität, statt sie aufzubauen.
Die Trennlinie verläuft deshalb nicht zwischen GEO und keinem GEO. Sie verläuft zwischen eigener, belegter Information und gekaufter fremder Autorität. Das erste ist legitime Arbeit an der eigenen Auffindbarkeit. Das zweite kann kurzfristig den Empfehlungsanteil heben und gleichzeitig genau das Vertrauen aufzehren, auf dem Empfehlungen beruhen.
Hinzu kommt, dass der Empfehlungsanteil selbst stark schwankt: Welche Quellen eine KI zitiert, ändert sich oft schon von einem Tag auf den nächsten (mehr dazu in „Heut zitiert, morgen vergessen“). Eine Prämie, die an einer so unruhigen Kennzahl hängt, belohnt leicht auch den Zufall.
„Wer GEO nach Empfehlungsanteil bezahlt, sollte wissen, womit dieser Anteil erkauft wird. Sonst misst man am Ende nicht die eigene Autorität, sondern die geliehene.“
Dr. Michael Mohaupt, rethink.expert
Vier Fragen vor jeder GEO-Maßnahme
Für Unternehmen, die GEO-Dienstleister beauftragen oder eigene Maßnahmen planen, lassen sich aus dem Fall vier Prüffragen ableiten:
Wer hat den Inhalt finanziert? Jede Maßnahme mit Finanzierung und Ort dokumentieren, besonders Platzierungen auf fremden Seiten. Bezahlte Inhalte, die nicht als solche erkennbar sind, sind in Deutschland auch rechtlich heikel.
Wer kontrolliert die Aussage? Klären, ob ein Inhalt die eigene, belegte Information wiedergibt oder eine Formulierung, die nur für die KI-Antwort geschrieben wurde.
Erscheint die Marke als Quelle oder als Empfehlung? Beides getrennt messen. Eine Empfehlung ohne eigene Quelle dahinter steht auf geliehener Grundlage.
Hält das Ergebnis ohne die bezahlte Quelle? Mit neutralen Varianten der Fragen und über mehrere Modelle prüfen, ob die Nennung auch ohne gekaufte Präsenz bestehen bleibt. Vergütung nicht allein an den Empfehlungsanteil koppeln und Prämien nur für Ergebnisse vereinbaren, die nicht auf selbst bezahlter Präsenz beruhen.
GEO im Wahlkampf
Laut einem dokumentierten Strategiepapier mit Hunderten KI-freundlichen Themenseiten, Inhalten auf Reddit und YouTube, laufender Beobachtung der Chatbot-Antworten und bezahlten Platzierungen auf Seiten, die Sprachmodelle häufig zitieren.
Der Anteil der KI-Antworten, in denen ein Kandidat oder eine Marke genannt oder empfohlen wird. Als Messgröße ist er nützlich. Als alleinige Grundlage der Vergütung belohnt er jede Maßnahme, die ihn bewegt, auch gekaufte Präsenz.
Das ist nicht belegt. Dokumentiert ist ein Angebot, keine Wirkung. Ein Anbieter berichtet sogar, dass die Modelle seriöse und unseriöse Informationen inzwischen gut unterscheiden und sich weniger leicht beeinflussen lassen als zunächst angenommen.
Dass sie bei GEO-Maßnahmen prüfen sollten, wer Inhalte finanziert, ob die Marke als Quelle oder nur als Empfehlung erscheint und ob das Ergebnis auch ohne bezahlte Präsenz hält. Und dass Vergütung nicht allein am Empfehlungsanteil hängen sollte.
Woran messen Sie Ihre GEO-Maßnahmen, und was belohnt diese Messung? Wir prüfen mit Ihnen Herkunft, Belastbarkeit und Vergütungslogik.
GEO-Maßnahmen prüfen →