Dieselbe Frage, andere Antwort: Fast jedes vierte Gemini-Antwortpaar hat keine einzige Marke gemeinsam
Achtung.app stellt jeder KI-Plattform jede getrackte Frage mehrfach, dabei in der Regel in wechselnden Formulierungen. In einem Teil der Fälle trifft es zweimal exakt denselben Wortlaut, unter identischen Bedingungen und im selben Tages-Batch. Diese Paare wirken wie eine Kontrollmessung, und nur sie sind hier ausgewertet. Nebenbei beantworten sie eine Frage, die bisher kaum jemand mit Daten belegt: Wie stabil sind die Antworten von ChatGPT, Gemini und Perplexity überhaupt?
Das Ergebnis über 3.313 Antwortpaare vom 1. Juni bis 18. Juli 2026: ChatGPT nennt im Schnitt zu 69 Prozent dieselben Marken wie im zweiten Lauf desselben Tages. Perplexity kommt auf 49 Prozent, Gemini auf 41 Prozent.
Durchschnittliche Übereinstimmung zweier Antworten auf dieselbe Frage
Jaccard-Überschneidung der genannten Marken, beide Läufe mit demselben Fragetext. 1. Juni bis 18. Juli 2026, 3.313 Antwortpaare.
Noch deutlicher wird es an den Extremfällen. Nur ChatGPT liefert regelmäßig zweimal exakt dieselbe Markenliste, in 37 Prozent der Paare. Bei Gemini kippt es in die andere Richtung: Fast jedes vierte Antwortpaar hat keine einzige Marke gemeinsam. Wer Gemini dieselbe Frage zweimal stellt, bekommt in 24 Prozent der Fälle zwei Markenlisten ohne jede Überschneidung; in gut der Hälfte dieser Fälle bleibt eine der beiden Antworten sogar ganz ohne Marke.
Die Extremfälle: identische Antwort vs. keinerlei Überschneidung
Anteil der Antwortpaare je Plattform, 1. Juni bis 18. Juli 2026.
In Prozent der Antwortpaare. Identisch: beide Antworten nennen exakt dieselben Marken. Disjunkt: die beiden Antworten haben keine einzige Marke gemeinsam.
- ChatGPT war im Kernzeitraum die stabilste der drei Plattformen: Von Ende Juni bis Mitte August lag die Übereinstimmung bei 70 bis 75 Prozent, der Anteil identischer Antworten stieg von rund einem Drittel auf über 40 Prozent. Seit dem 19. August liegt ChatGPT spürbar niedriger, bei 60 bis 68 Prozent.
- Perplexity lag von Mai bis Juli konstant bei knapp 50 Prozent und ist seitdem stetig stabiler geworden: 56 bis 57 Prozent ab Ende Juli, 60 bis 64 Prozent ab Ende August. Identische Antworten bleiben die Ausnahme (rund 10 Prozent), ein stabiler Kern von Marken bleibt, der Rest der Liste wechselt.
- Gemini schwankt ohne erkennbare Richtung zwischen 35 und 53 Prozent Übereinstimmung. Identische Antworten sind hier die Ausnahme (10 Prozent).
Der Wochenverlauf zeigt, dass das kein Zufallsbefund ist: Die Reihenfolge ChatGPT vor Perplexity vor Gemini galt von Mitte Mai bis Mitte September in jeder einzelnen Messwoche. Der folgende Chart wird wöchentlich mit den neuesten Messungen aktualisiert.
Antwortstabilität im Wochenverlauf
Durchschnittliche Übereinstimmung (Jaccard) zweier Antworten, bei denen beide Läufe denselben Fragetext verwendet haben und im selben Tages-Batch erhoben wurden. Wochenmittel je Plattform, wird wöchentlich aktualisiert. Letzter Datenpunkt: KW 42/2026. Eine unterbrochene Linie markiert einen Modellwechsel bei der Plattform; Achtung.app vergleicht nur Wochen, die mit demselben Modell gemessen wurden.
| Woche | ChatGPT | Gemini | Perplexity |
|---|---|---|---|
| KW 30 | 74,8 % | 43,2 % | 53,7 % |
| KW 31 | 73,1 % | 37,3 % | 56,0 % |
| KW 32 | 73,2 % | 36,8 % | 55,8 % |
| KW 33 | 73,8 % | 46,5 % | 57,0 % |
| KW 34 | 65,9 % | 41,7 % | 55,2 % |
| KW 35 | 68,7 % | 45,4 % | 60,6 % |
| KW 36 | 65,5 % | 44,5 % | 63,7 % |
| KW 37 | 64,4 % | 48,4 % | 62,9 % |
| KW 38 | 62,9 % | 47,6 % | 62,3 % |
| KW 39 | 59,5 % | 46,5 % | 62,5 % |
| KW 40 | 29,4 % | 51,3 % | 79,2 % |
| KW 41 | 29,6 % | 48,9 % | 76,7 % |
| KW 42 | 31,9 % | 52,5 % | 68,6 % |
Stand 18. August 2026: Seit der Veröffentlichung hat sich genau eine Zahl bewegt. Perplexity liegt in den drei Wochen seit Ende Juli bei 56 bis 57 Prozent Übereinstimmung statt bei 49 Prozent im Kernzeitraum, und Antwortpaare ohne eine einzige gemeinsame Marke sind von 8,4 auf 3,7 Prozent gefallen. Das liegt nicht an einem anderen Fragen-Set: Beschränkt auf die Suchanfragen, die schon im Juni gemessen wurden, kommt Perplexity ebenfalls auf 57 Prozent. ChatGPT liegt in denselben Wochen bei 72 Prozent, Gemini unverändert bei 41 Prozent, und die Reihenfolge der drei Plattformen hat sich in keiner Messwoche gedreht.
Seit dem 5. August verwirft Achtung.app zusätzlich Gemini-Antworten, die ohne Websuche zustande kamen. Damit ist der naheliegende Einwand gegen die Gemini-Werte geprüft: Der Anteil der Paare, in denen mindestens eine der beiden Antworten keine Marke nennt, sank von 34 auf 26 Prozent, an der Übereinstimmung änderte das nichts (42 statt 41 Prozent), und der Anteil disjunkter Paare blieb bei 25 Prozent. Geminis Sprunghaftigkeit kommt also nicht aus Antworten ohne Websuche.
Stand 28. September 2026: Diesmal hat sich ChatGPT bewegt. Vom 17. August bis 26. September liegt die Übereinstimmung bei 64 Prozent statt bei 72 Prozent in den drei Wochen davor. Identische Antwortpaare gingen von 42 auf 35 Prozent zurück, Paare ohne eine einzige gemeinsame Marke stiegen von 9 auf 16 Prozent. Am Fragen-Set liegt es auch diesmal nicht: Beschränkt auf die Suchanfragen, die schon vor dem Rückgang gemessen wurden, zeigt sich derselbe Verlauf. Perplexity ist im selben Zeitraum weiter gestiegen, auf 61 Prozent, und lag in der Woche ab dem 21. September mit 62 zu 60 Prozent erstmals knapp vor ChatGPT. Eine einzelne Woche mit diesem Abstand ist noch keine neue Reihenfolge. Gemini liegt bei 46 Prozent und damit weiter klar dahinter. Fast jedes vierte Gemini-Antwortpaar bleibt ohne gemeinsame Marke (23 Prozent).
In eigener Sache: Der Rückgang bei ChatGPT beginnt mit dem ersten Mess-Batch nach dem 18. August. An diesem Tag hat Achtung.app die ChatGPT-Anfragen so umgestellt, dass OpenAI sie nicht mehr speichert. Modell, Fragetexte und Websuche blieben unverändert. Ob die Umstellung die Antworten beeinflusst, lässt sich mit diesen Daten nicht klären: Ein Mechanismus ist nicht bekannt, und die Umstellung für einen Test zurückzunehmen, kommt aus Datenschutzgründen nicht in Frage. Achtung.app nennt den zeitlichen Zusammenfall trotzdem, weil er auf den Tag genau passt.
Am 27. September hat Perplexity die Schnittstelle abgeschaltet, über die Achtung.app bisher gemessen hat. Seitdem läuft die Messung über die Nachfolge-Schnittstelle mit den Standardeinstellungen des Anbieters. Die Perplexity-Linie im Chart beginnt deshalb ab der Woche vom 28. September neu, Werte davor und danach sind nicht direkt vergleichbar.
Ab dem 1. Oktober misst Achtung.app ChatGPT über ein neueres OpenAI-Modell. Dessen Antworten sind etwa halb so lang und zitieren etwa halb so viele Quellen. Auch die ChatGPT-Linie im Chart beginnt deshalb mit der Umstellung neu, Werte davor und danach sind nicht direkt vergleichbar.
Wichtig für die Einordnung: Im Kernzeitraum lief die Messung bei allen drei Plattformen mit Temperatur 0. Perplexity (seit dem 27. September) und ChatGPT (ab dem 1. Oktober) laufen inzwischen auf Reasoning-Modellen, die keine Temperatur-Einstellung annehmen. Einen nutzbaren Seed bietet auf dem search-grounded Weg keiner der Anbieter, und Temperatur 0 allein macht ein Modell nicht deterministisch. Ein Teil der gemessenen Abweichung geht deshalb auf das Modell selbst zurück und nicht auf die Websuche. Die Größenordnung der Unterschiede lässt sich damit allein aber nicht erklären: Die Plattformen führen pro Anfrage eine Live-Websuche aus und bauen die Antwort jedes Mal neu zusammen. Eine KI-Antwort ist eine Momentaufnahme, keine Datenbank-Abfrage.
Stand 13. Oktober 2026: Seit den beiden Umstellungen entwickeln sich ChatGPT und Perplexity in entgegengesetzte Richtungen. ChatGPT nennt vom 1. bis 11. Oktober nur noch zu rund 30 Prozent dieselben Marken wie im zweiten Lauf, im September waren es 63 Prozent. Bei Perplexity sind es seit dem 27. September 78 Prozent statt 63; mehr als die Hälfte der Antwortpaare ist dort jetzt identisch. Im Chart liegt damit Perplexity vorn und ChatGPT hinten. Nach einem Messfehler sieht das nicht aus: Gemini, das nicht umgestellt wurde, bleibt mit 50 Prozent in seinem üblichen Bereich, und wer nur die Suchanfragen betrachtet, die vor und nach dem Wechsel gemessen wurden, sieht dasselbe Bild. Ein Teil des Perplexity-Anstiegs ist rein rechnerisch: Die Antworten nennen nur noch halb so viele Marken, und kurze Listen stimmen leichter überein. Bei gleich langen Listen bleibt Perplexity trotzdem deutlich stabiler als vorher.
Den Unterschied macht die Websuche. Achtung.app gibt nur die Frage vor; welche Suchbegriffe daraus ans Web gehen, entscheidet die Plattform selbst. Perplexity und bis September auch ChatGPT suchen fast immer mit dem Wortlaut der Frage, und bei Perplexity bekommen beide Läufe in 95 Prozent der Paare exakt dieselbe Quellenliste. Das neue ChatGPT-Modell zerlegt die Frage dagegen in rund vier eigene Websuchen und formuliert sie jedes Mal neu: In 86 Prozent der Paare haben die beiden Läufe keinen einzigen Suchbegriff gemeinsam. Andere Suchbegriffe führen zu anderen Quellen und damit zu anderen Marken. Die fehlende Temperatur-Einstellung allein erklärt den Unterschied nicht, denn sie gilt inzwischen für beide Plattformen. Die beiden Linien messen damit nicht mehr ganz dasselbe: Bei Perplexity schwankt nur die Antwort, bei ChatGPT schon die Suche. Ob ChatGPT eine Marke nennt, hängt jetzt stärker davon ab, was die einzelne Suche gerade findet.
Für Marken heißt das: Ob eine Marke in einer einzelnen KI-Antwort auftaucht, entscheidet sich bei jeder Anfrage neu. Aussagekräftig wird KI-Sichtbarkeit erst über wiederholte Messungen. Genau deshalb stellt Achtung.app jede getrackte Frage mehrfach und mittelt über Wochen statt über Einzelantworten.