Studie
YouTube in KI-Antworten: warum Gemini und Perplexity Videos zitieren und was sie darin wirklich lesen
Zwischen dem 10. und dem 24. Juli 2026 haben wir 883 Antworten von ChatGPT, Claude, Gemini und Perplexity archiviert, Wort für Wort gestellt, im Wochenrhythmus, über 69 Fragen aus drei Märkten, die nichts gemeinsam haben. In diesem Korpus ist youtube.com die meistzitierte Quelle auf Gemini und die meistzitierte Quelle auf Perplexity, über alle Domains hinweg. Auf den beiden anderen Engines taucht sie in 1.655 erfassten Zitaten kein einziges Mal auf. Diese Studie zerlegt diese Asymmetrie: welche Engines Videos zitieren, welchen Teil eines Videos sie tatsächlich lesen, und was sich daraus zu tun lohnt.
Was gemessen wurde
Der Ausgangspunkt war eine Karte, keine Vermutung. Im Atlas, dem Register der Quellen, die unsere Messungen zutage fördern, steht youtube.com bei einer AI Authority von 100 auf Gemini und 100 auf Perplexity: Auf einer Skala von 0 bis 100, berechnet über sämtliche Messungen, die Epovest in den letzten 30 Tagen ausführt, ist es die Quelle, die diese beiden Engines am häufigsten zitieren. Die beiden anderen Spalten sind leer. Eine so überraschende Karte verdient den Abgleich mit dem Boden, also haben wir das vollständige Archiv dahinter geöffnet.
Das Korpus ist die komplette Antworthistorie unserer eigenen Tracker: 16 wöchentliche Tracker, 69 verschiedene Fragen, Wort für Wort über die offiziellen Schnittstellen der Engines gestellt, an drei Fronten ohne Zusammenhang: Reiseziele auf Englisch, KI-Sichtbarkeit auf Englisch und Französisch, Webdienste auf Französisch. Jede Antwort wird mit ihren zitierten Quellen archiviert, in Reihenfolge, datiert. Zwei Wochen Messungen ergeben 883 Antworten und 6.754 erfasste Zitate.
| Engine | Antworten | Antworten mit Quellen | Erfasste Zitate | YouTube-Zitate | Antworten, die YouTube zitieren |
|---|---|---|---|---|---|
| ChatGPT | 223 | 159 | 1.213 | 0 | 0 |
| Claude | 223 | 87 | 442 | 0 | 0 |
| Gemini | 223 | 211 | 2.546 | 35 | 35, also 16,6 % der Antworten mit Quellen |
| Perplexity | 214 | 214 | 2.553 | 205 | 127, also 59,3 % der Antworten mit Quellen |
Die Asymmetrie ist der Befund. Ob ein Video einen Namen bis in eine KI-Antwort tragen kann, ist keine Eigenschaft von YouTube: Es ist eine Eigenschaft der Pipeline jeder einzelnen Engine.
Eine Domain, vier Behandlungen
Perplexity zitiert sie ständig. Mehr als die Hälfte seiner Antworten mit Quellen zitiert mindestens ein Video: 127 von 214 Antworten, mit insgesamt 205 Videozitaten, 8 % von allem, was die Engine in den zwei Wochen zitiert hat. Zehnmal eröffnete ein Video die Quellenliste. Die Durchschnittsposition, 8,3 auf Listen von rund zwölf Quellen, sagt den Rest: Videos sind selten die Hauptquelle, sie sind eine ständige Präsenz in der zweiten Reihe.
Gemini zitiert sie an der Spitze eines sehr langen Schwanzes. 35 Zitate setzen youtube.com auf Platz eins unter den Hunderten von Domains, die Gemini zitiert hat, knapp vor reddit.com mit 33. Das sind nur 1,4 % seiner Zitate, verteilt auf 16,6 % seiner Antworten mit Quellen, aber keine andere einzelne Domain schnitt besser ab, und zweimal war ein Video die erste Quelle der Antwort. Die Präsenz deckt alle drei Fronten ab: 22 Zitate bei den Reisefragen, 11 bei der KI-Sichtbarkeit, 2 bei den Webdiensten.
Claude liest sie und schreibt ohne sie. Null Zitate von 442. Aber das Archiv zeigt die Engine, wie sie fünfmal in den zwei Wochen eine YouTube-Videoseite abruft, zwei verschiedene Videos, jedes mit der Frage fast Wort für Wort im Titel. Die Seiten wurden gelesen; die Antworten wurden ohne sie geschrieben.
ChatGPT rührt sie nicht an. Null Zitate von 1.213, und keine einzige YouTube-Seite unter den Quellen, die es behalten hat.
Über die vier Engines gemittelt, käme YouTube auf 3,6 % der Zitate: eine Zahl, die keine einzige Engine beschreibt. In diesem Korpus stützt sich eine Engine in den meisten ihrer Antworten mit Quellen auf Videos, eine andere führt die Domain auf Platz eins und zitiert sie doch sparsam, und zwei schreiben ihr nie etwas zu. Engine für Engine ist die einzige ehrliche Lesart.
Der gelesene Teil ist die Tonspur
Für jede Quelle, die sie behält, trägt die Payload von Perplexity die Passage, die die Engine tatsächlich aufgenommen hat. Das entscheidet die Frage, welcher Teil eines Videos der Antwort dient.
Alle 205 Videozitate zeigen auf einzelne Videos: nie die Startseite, nie ein Kanal, nie eine Ergebnisseite. 121 verschiedene Videos, 203 datierte Einträge. Und die aufgenommenen Passagen sind keine Beschreibungen: 129 der 205 tragen explizite Sekundenmarken, die in den Zeitverlauf des Videos zeigen, und fast der gesamte Rest liest sich wie Sprache, transkribiert wie gehört, Zögern inklusive. Eine aufgenommene Passage empfiehlt, in der Schreibweise des Transkripts selbst, eine "well ststructured website". Eine andere, auf Französisch, rät zu Inhalten "optimisé pour lia", die maschinelle Schreibung von "l'IA". Das sind keine Redaktionsunfälle: Es sind Herkunftsbeweise. Die Engine liest das Transkript, maschinell erzeugt, wenn nichts Besseres existiert, und sie liest tief: Aufgenommene Passagen zeigen bis in die sechzehnte Minute eines Videos.
Dieser Index ist frisch. Die Hälfte der 205 Einträge trägt ein Wiederlesedatum im Juli 2026, 71 % seit Juni. Der Bestand der zitierten Videos ist jung, ohne nur neu zu sein: 78 % wurden seit Anfang 2025 veröffentlicht, doch Videos von 2020 tauchen noch auf. Und die Positionen halten: 33 der 118 identifizierbaren Videos kehren in mindestens zwei verschiedenen wöchentlichen Messungen wieder, ein Viertel des Bestands Woche für Woche erneut zitiert.
Die Payload von Gemini legt die Domain statt der Seite offen, aber zwei Dinge sind durch sie sichtbar. Die Suchanfragen, die es ausführt, sind direkte Umformulierungen der Frage. Und seine Zuordnung bindet ganze Blöcke der endgültigen Antwort an YouTube-Quellen: Empfehlungslisten, Auswahlkriterien, praktische Ratschläge, getragen von dem, was ein Video gesagt hat. Die Infrastruktur auf Googles Seite ist dokumentiert: Gemini verankert seine Antworten über Google Search, und Googles Videoindexierung liest, was ein Video enthält, und erkennt seine Schlüsselmomente, die Indexierung von Untertiteln seit Jahren vom Unternehmen bestätigt.
Warum diese beiden Engines, und nicht die anderen
Die Trennlinie ist der Zugang zur Tonspur. Die Sprache eines Videos lebt nicht im HTML seiner Seite: Sie wird vom Player geladen, über Endpunkte, die die robots.txt von youtube.com generischen Crawlern nicht öffnet. Eine Engine, die die Webseite liest, findet einen Titel, eine Beschreibung und wenig zitierfähigen Text.
Die beiden Engines, die YouTube zitieren, sind die beiden mit einem Zugang. Gemini gehört dem Unternehmen, dem YouTube gehört: Seine Verankerung läuft auf einem Index, der Videos als Inhalte ersten Ranges behandelt, Transkripte und Schlüsselmomente inklusive. Perplexity hat eine eigene Videoaufnahme gebaut: Die zeitmarkierten Passagen in unseren Payloads sind dieser Index, wie er spricht. Die beiden Engines, die YouTube nicht zitieren, begegnen ihm als Webseite: Unser Archiv zeigt Claude, wie es eine Videoseite abruft und ohne sie schreibt, und ChatGPT, wie es nie eine behält.
Nichts davon ist Doktrin seitens irgendeiner Engine. Es ist der Zustand von vier Retrieval-Pipelines, gemessen zwischen dem 10. und dem 24. Juli 2026. Pipelines bewegen sich ohne Vorankündigung, ein Grund mehr, zu messen statt anzunehmen.
Der Titel öffnet die Tür, das Transkript führt das Gespräch
Wie kommt ein Video überhaupt in ein Quellenset? In diesem Korpus: über seinen Titel. Die Videos, die unsere Fragen hervorgeholt haben, tragen die Frage fast Wort für Wort als Titel. Fragen Sie "What are the best places to visit in Africa right now?", und die Quellensets liefern "Top 10 Places To Visit in Africa" und "I Visited Every Country in Africa. Here's My Rankings". Fragen Sie "How can my business get recommended by AI assistants?", und sie liefern "How to Get Your Business Recommended by EVERY AI Assistant". Selbst die beiden Videos, die Claude lesen ging, hatten die Frage in ihrem Titel neu formuliert. Der Titel ist das, was ein Video abrufen lässt, auf jeder Engine, die überhaupt abruft; was danach passiert, entscheidet das Transkript.
Die Sprache folgt dem Markt. Die französischen Fragen holten zuerst französischsprachige Videos hervor, englischsprachige dahinter, gelegentlich weiter entfernte: Der Abgleich überquert Sprachen, aber ein Video spricht einen Markt zuerst in der Sprache dieses Marktes an.
Was sich daraus zu tun lohnt
Jede Eigenschaft unten zielt auf den oben gemessenen Mechanismus. Zusammen definieren sie, wie ein für KI-Antworten gedachtes Video aussieht.
- Gehen Sie von Ihrer eigenen Karte aus. Die Engines gewichten Videos sehr unterschiedlich, und das Gleichgewicht verschiebt sich je nach Markt und Frage. Ihre eigene Serie, Engine für Engine, zeigt, welche Quellen die Fragen bedienen, die Ihnen wichtig sind: Sie entscheidet, welchen Platz ein Video in Ihrem Plan verdient.
- Geben Sie dem Video den Titel der Frage. Was ins Quellenset kommt, ist ein Video, dessen Titel die Frage Ihres Marktes ausspricht, formuliert, wie sie gestellt wird. Eine Frage, ein Video, der Titel als Tür.
- Sagen Sie die Fakten laut. Das Transkript ist der Text, den die Engines lesen. Sprechen Sie Ihren Namen deutlich aus: Das automatische Transkript schreibt, was es hört, und was es schreibt, wird indexiert. Sagen Sie die Zahlen, die Namen, die Begriffe, die getragen werden sollen, in klar gesprochenen Worten.
- Laden Sie ein geprüftes Transkript hoch. Die maschinelle Transkription ist das, worauf der Index zurückfällt. Selbst geschriebene Untertitel machen aus dem indexierten Text Ihre eigenen Worte, Schreibweise inklusive.
- Setzen Sie Kapitel und Beschreibung. Schlüsselmomente werden erkannt und indexiert. Kapitel, die die Fragen aufgreifen, und eine Beschreibung, die sie in sauberem Text beantwortet, geben der Erkennung etwas zu finden.
- Sprechen Sie die Sprache des Marktes. Ein Video erreicht einen Markt zuerst in der Sprache dieses Marktes; ein zweiter Markt verdient eher ein zweites Video als nur eine Untertitelspur.
- Datieren Sie die Aktion, dann lesen Sie die Wirkung. Ein veröffentlichtes Video ist ein Schritt, der in Ihr Logbook gehört; die nächsten Messungen lesen sich daneben. Ihr Atlas zeigt, ob sich die Quellen hinter Ihren Fragen bewegt haben, und Epovest Tracking, ob es die Antworten selbst taten.
Vor einem Jahr bedeutete zitierfähig für KI-Engines vor allem Seiten. Auf zwei der vier Engines, die wir messen, ist die meistzitierte Quelle jetzt ein Ort, an dem Inhalte sprechen statt schreiben. Die Asymmetrie selbst ist die Lektion: Sichtbarkeit in KI-Antworten ist nicht eine Sache, die man gewinnt, es sind vier Pipelines, die man misst, und unsere Methode beginnt dort: die Fragen des Marktes in festem Rhythmus stellen, die Antworten mit ihren Quellen archivieren, und die Serie sagen lassen, wo zu handeln ist.