Wer nach der GEO-Formel für Perplexity sucht, bekommt meist die gleiche vage Antwort wie schon bei ChatGPT: Seien Sie eine glaubwürdige Quelle, seien Sie bei Reddit präsent, dann klappt das schon. Der SEO-Berater Suganthan Mohanadasan hat sich mit dieser Antwort nicht zufriedengegeben. Er hat sich stattdessen angesehen, was Perplexity im Hintergrund tatsächlich tut, bevor überhaupt eine Antwort erscheint.
Anders als bei ChatGPT lässt sich eine fertige Perplexity-Antwort im Nachhinein nicht aus der API abrufen. Die Antwort kommt als sogenannter Server-Sent-Events-Stream an und verschwindet, sobald er fertig ist. Ein erneuter Abruf liefert nur eine abgebrochene Anfrage statt des Textes. Mohanadasan hat deshalb den Browser-Fetch abgefangen, bevor die Anfrage abgeschickt wurde, und den Datenstrom live mitgeschnitten, auf seinem eigenen eingeloggten Perplexity-Pro-Account. Zwei naheliegende Alternativen scheiterten dabei: Ein automatisierter Chrome-Bot wurde nach wenigen Anfragen von Cloudflare blockiert, und ein Mitschnitt auf Netzwerkebene brachte nichts, weil die Daten auf dem Transportweg TLS-verschlüsselt sind und sich erst im Browser nach der Entschlüsselung auswerten lassen. Acht Erfassungen über sieben Anfragetypen (informational, commercial, comparison, news, local, shopping, how-to) sowie ein Deep-Research-Lauf wurden im Juni 2026 aufgenommen und im Juli 2026 auf einem neueren Build noch einmal überprüft.
Wichtig für die Einordnung: Die strukturellen Befunde, also welche Felder es gibt und wie sie sich verhalten, gelten als gesichert, weil ein einziger sauberer Mitschnitt genügt, um ihre Existenz zu belegen. Alle Zahlen und Häufigkeiten stammen dagegen von einem einzelnen Account an einem einzelnen Standort (Dubai) und sind als Tendenz zu lesen, nicht als Messung. Wir fassen zusammen, was der Datenstrom über die Quellenauswahl von Perplexity verrät und was das für Ihre AI-Sichtbarkeit bedeutet.
Ein Classifier entscheidet vor der Suche, welches Surface bedient wird
Bevor Perplexity überhaupt sucht, schickt es die Anfrage durch einen Classifier mit 16 unterschiedlichen Heads. Jeder Head steht für ein mögliches Widget oder eine Absicht, etwa Wetter, Orte, Shopping, Video, Bildgenerierung oder eine Finanz-Karte, und liefert dazu eine Wahrscheinlichkeit sowie einen festen Schwellenwert, ab dem das jeweilige Feature ausgelöst wird. Zusätzlich vergibt der Classifier ein Themen-Label, im Datenstrom domain_subdomain genannt, das inhaltlich zur Anfrage passt.
Diese Schwellenwerte scheinen fest codiert zu sein. Sie waren bei allen sieben Anfragen im Juni identisch und blieben auch 26 Tage später auf einem neueren Build unverändert. Ein Bild-Widget löst demnach erst ab einer Wahrscheinlichkeit von 0,42 aus, ein Video-Preview ab 0,50, eine Orts-Suche ab 0,85 und Shopping-Intention erst ab 0,80. Die Anfrage “beste AI SEO Tools 2026” wurde mit 0,86 als TECHNOLOGY/ARTIFICIAL_INTELLIGENCE eingeordnet, “Ahrefs vs Semrush” sogar mit 0,94 als BUSINESS/DIGITAL_MARKETING. Eine Nachrichten-Anfrage zu einem Google-Update kam dagegen nur auf 0,49, weil sich aktuelle News selten sauber einem einzelnen Thema zuordnen lassen.
Für die eigene Praxis heißt das: Wer seine wichtigsten Suchanfragen kennt, kann grob abschätzen, welches Surface dort ausgelöst wird, und entsprechend priorisieren. Eine “beste X in meiner Nähe”-Anfrage landet mit hoher Wahrscheinlichkeit bei den Karten-Ergebnissen und nicht im klassischen Ranking der blauen Links. Eine Anleitung dagegen zieht in der Regel einen zusätzlichen Video-Tab nach sich.
Ein Vertrauens-Label taucht auf, verschwindet und kommt zurück
Im Juni-Mitschnitt fand sich noch kein Vertrauenssignal für einzelne Quellen im Datenstrom. Im Juli-Nachtest auf einem neueren Build war das Feld trust dann wieder da, dieses Mal mit Inhalt. Domains können seither eine von zwei Vertrauensstufen tragen, im Datenstrom als Level 1 (“credible”) und Level 2 (“trusted”) codiert, jeweils mit einer kurzen Beschreibung, wofür genau die Domain als vertrauenswürdig gilt. Ein Reifenhändler etwa gilt als glaubwürdig für Informationen zu seinen eigenen Produkten und Filialen, ein Reifenhersteller als vertrauenswürdig für offizielle Angaben zu seinen eigenen Produkten.
Das Muster dahinter ist immer das gleiche: Eine Domain gilt hier nicht generell als vertrauenswürdig, sondern nur für ihr eigenes, klar umrissenes Themenfeld. Gleichzeitig ist das Fehlen dieses Labels kein Ausschlusskriterium. Bei der Anleitungs-Anfrage im Test trugen die YouTube-Ergebnisse kein Vertrauens-Label und wurden trotzdem am häufigsten zitiert.
Für Unternehmen mit einem klar umrissenen Themenfeld lohnt sich deshalb weniger die Frage, wie man möglichst autoritär wirkt. Entscheidender ist, wofür die eigene Domain die eindeutige Erstquelle ist, also die eigenen Produkte, Daten und Services klar erkennbar zu machen. Da sich das Feld innerhalb weniger Monate von leer über abwesend zu befüllt verändert hat, lohnt sich ein regelmäßiger Blick darauf, ob die eigene Domain inzwischen ein Label trägt.
Perplexity sucht immer, ChatGPT nicht
Der auffälligste Unterschied zu ChatGPT betrifft die Frage, ob überhaupt eine Websuche stattfindet. Bei allen sieben getesteten Anfragen stand das Feld skip_search auf “false”, inklusive der Frage, wie man einen Reifen wechselt. Genau diese klassische Anleitungs-Anfrage hatte ChatGPT im gleichen Testaufbau direkt aus dem Training beantwortet, ohne eine einzige Seite aufzurufen.
Perplexity wechselt bei solchen Anfragen stattdessen in einen anderen Modus. Die Reifenwechsel-Anfrage eskalierte automatisch in den sogenannten Study-Modus, im Datenstrom mit dem eigenen Modellnamen pplx_study markiert, und öffnete zusätzlich einen Video-Tab. Der Test wurde im Juli mit demselben Ergebnis wiederholt.
Anders als bei ChatGPT gibt es bei Definitions- und Anleitungsfragen in Perplexity also einen Seiten-Slot und einen Video-Slot, die beide gewonnen werden können. Jede Anfrage bleibt hier grundsätzlich erreichbar.
Die Fächerbreite bleibt meist schmal
Perplexity schreibt auch die tatsächlich ausgeführten Suchanfragen in den Datenstrom. Bei sechs der sieben Testanfragen lief genau ein Suchschritt, fast wortgleich mit der ursprünglichen Formulierung. “Ahrefs vs Semrush” ging unverändert als Suchanfrage raus, ohne Erweiterung oder Interpretation.
ChatGPT verhält sich hier deutlich aggressiver: Im Vergleichstest wurden aus einer einzigen Anfrage rund 40 Unteranfragen, inklusive Markennamen, die in der ursprünglichen Frage gar nicht vorkamen. Perplexity bleibt näher an der tatsächlichen Formulierung der Nutzer.
Eine Ausnahme bildete die lokale Anfrage nach Kaffeeläden in der Nähe. Hier liefen vier Suchen über zwei Runden, und in der zweiten Runde suchte Perplexity gezielt nach den Namen konkreter Geschäfte. Im Juli-Nachtest zeigte sich außerdem, dass sich die Fächerbreite bei kommerziellen Anfragen leicht verbreitert hat. Statt einer Suchanfrage liefen nun drei Varianten, darunter eine mit dem Standort des Nutzers.
Für die Content-Praxis bedeutet das, dass die exakte Formulierung, mit der Menschen tatsächlich suchen, in Perplexity relevanter bleibt als eine breite Abdeckung rund um ein Schlagwort.
Zitiert wird nicht das Gleiche wie gefunden
Perplexity unterscheidet klar zwischen Quellen, die in die Trefferliste gelangen (retrieved), und Quellen, die tatsächlich mit einer Fußnote im Text landen (cited). Aber was heißt das konkret für unterschiedliche Suchintentionen?
Bei kommerziellen Anfragen wie “beste SEO-Tools 2026” gewannen aktuelle Listicles mit dem laufenden Jahr im Titel und mittelgroße Fachblogs. Große, bekannte Anbieter-Seiten wurden zwar gefunden, aber nicht zitiert. Bei Vergleichsanfragen wie “Ahrefs vs Semrush” gewann dagegen die eigene Vergleichsseite des genannten Anbieters gegen etablierte Drittanbieter-Vergleiche und Reddit-Threads. Bei Nachrichten-Anfragen zu aktuellen Google-Updates zitierte Perplexity ausschließlich Googles eigene Seiten wie das Search-Status-Dashboard, während ein drei Tage alter Fachartikel gefunden, aber nicht zitiert wurde.
Besonders auffällig ist der Unterschied bei Video- und Reddit-Inhalten. Aus dem ChatGPT-Test war bekannt, dass Reddit dort häufig zitiert wird und YouTube fast nie, weil ChatGPT beim Abruf einer YouTube-Seite nur Metadaten bekommt und kein Transkript. Bei Perplexity ist es umgekehrt: YouTube tauchte bei mehreren Anfragen sehr oft als Zitat auf, während Reddit-Threads zwar gefunden, aber kein einziges Mal berücksichtigt wurden. Perplexity kann Videoinhalte offenbar direkt zitieren, Reddit läuft hier dagegen ins Leere.
Bei lokalen Anfragen zeigte sich das klarste Muster im gesamten Test. Sobald die Orts-Suche anspringt, wechselt Perplexity in einen zweiten Suchmodus, der gezielt einzelne Unternehmen im lokalen Index abfragt. Im Juni-Mitschnitt gingen alle Zitate an diese konkreten Unternehmen, während die klassischen “beste Cafés in Dubai”-Listicles zwar gefunden, aber komplett übergangen wurden. Im Juli-Nachtest lief die gleiche Anfrage ohne geteilten Standort. Der lokale Index lieferte in diesem Fall keine Treffer, und sämtliche Zitate gingen an genau jene Listicles, die im Juni leer ausgegangen waren. Der lokale Index ist also der primäre Weg zur Sichtbarkeit, redaktionelle Ratgeberseiten übernehmen nur dort, wo er keine Treffer liefert.
Deep Research liest ganze Seiten statt Snippets
Der Deep-Research-Modus von Perplexity funktioniert grundlegend anders als die normale Suche. Ein einzelner Lauf dauerte in der Erfassung rund drei Minuten statt der üblichen 15 bis 30 Sekunden, weil ein eigenes Modell zunächst einen internen Recherche-Skill lädt und nur etwa drei Suchanfragen ausführt. Anschließend ruft es zwei bis vier ausgewählte Seiten vollständig ab und liest sie, statt sich auf die Snippets zu verlassen.
Genau dieser letzte Schritt entschied über die Zitate. Von 15 gefundenen Quellen wurden vier zitiert, und ein einziger Vergleichsartikel, den Perplexity vollständig eingelesen hatte, kam allein auf 20 der insgesamt 30 Zitat-Marker.
Für Themen, bei denen Nutzer den Deep-Research-Modus verwenden, gewinnt demnach, wer erstens bei den naheliegenden Formulierungen überhaupt gefunden wird, und zweitens die inhaltlich vollständigste, am klarsten strukturierte Seite zum Thema anbietet. Ein dünner Text, der zufällig rankt, wird hier gefunden und trotzdem übergangen.
Was weiterhin im Verborgenen bleibt
Eine echte Rankingzahl für einzelne Quellen ist im Datenstrom nach wie vor nicht zu finden. Auch die neuen Vertrauens-Label ordnen keine Quelle über eine andere. Welche Scraper oder Anbieter im Hintergrund die Seiten abrufen, verrät Perplexity ebenfalls nicht, im Gegensatz zu ChatGPT, das dieses Detail früher zumindest kurzzeitig offengelegt hatte. Auch die Shopping-Intention blieb ein offener Punkt: Sie überschritt bei der Kopfhörer-Anfrage deutlich den Schwellenwert, ein Produkt- oder Preis-Widget erschien aber trotzdem nicht, möglicherweise wegen der Region des Testaccounts. Und der neue “Computer”-Agent von Perplexity, der Aufgaben selbstständig ausführt statt nur zu recherchieren, war zum Zeitpunkt der Erfassung noch nicht Teil der Untersuchung.
Was das für Ihre AI-Sichtbarkeit bedeutet
Perplexity verhält sich in mehreren Punkten wie eine klassische Suchmaschine. Es sucht immer, es bleibt nah an der tatsächlichen Nutzerformulierung, und es öffnet für lokale und videolastige Themen eigene Kanäle, die es bei ChatGPT so nicht gibt. Die Reddit-Strategie, die für ChatGPT funktioniert, lässt sich nicht eins zu eins übertragen.
Wer bei Perplexity sichtbar werden will, investiert deshalb zuerst in ein gepflegtes Google-Business-Profil und eine saubere Ortsindexierung, produziert ergänzend zum klassischen Content ein Video zum Thema und bietet für Vergleichs- und Deep-Research-Anfragen die inhaltlich vollständigste Seite an. Da Perplexity die eigene Struktur offenbar in kurzen Abständen anpasst, lohnt sich ein regelmäßiger neuer Blick auf diese Befunde, statt sie einmal festzulegen und abzuhaken. Gerne unterstützen wir Sie dabei, Ihre Inhalte und Ihre lokale Präsenz auf genau diese Mechanik hin einzuordnen und zu priorisieren.
Quelle: Suganthan Mohanadasan, “How Perplexity Actually Picks Sources (I Read The Stream, Not The Answers)”, Search Engine Journal, Juli 2026.