Ändert die Art der Frage, welche Anbieter KI-Systeme nennen?

Was wir gemessen haben

Umfang
Zeitraum	24. Oktober bis 1. November 2026, zehn Durchläufe
Kaufsituationen	7
Fragen	60 (jede Situation in bis zu zehn Formen)
KI-Zugänge	7: vier Oberflächen, zwei Modelle über die API (eines mit und ohne Websuche)
Antworten pro Frage und Zugang	30, jede in einem neuen Chat (GPT-6 Luna mit Websuche: 15)
Ausgewertete Antworten	11'566, davon 7'067 von den Oberflächen und 4'499 über die API

Die sieben Kaufsituationen kennen Autofahrerinnen und Autofahrer in der Schweiz: Junglenker, Neuwagen mit Vollkasko, älteres Auto, Elektroauto, Leasingauto, Zweitwagen und Wechsel nach einem Schadenfall. Jede Situation haben wir in mehreren Formen gefragt. Am Beispiel älteres Auto:

Frageform	Beispiel
Einfache Frage	„Welche Autoversicherung ist in der Schweiz am besten für ein älteres Auto?“
Dieselbe Frage anders formuliert	„Bei wem schliesst man in der Schweiz für ein älteres Auto am besten eine Autoversicherung ab?“
Suchbegriffe	„beste autoversicherung älteres auto schweiz“
Persönliche Situation	„Mein Auto ist zwölf Jahre alt, und ich möchte nur das Nötigste versichern. Welche Autoversicherung ist in der Schweiz am besten für mich?“
Situation mit Bedingungen	dasselbe, plus „Haftpflicht und Teilkasko, unter 700 Franken pro Jahr, Selbstbehalt höchstens 500 Franken“
Vergleich	„Vergleiche drei Schweizer Autoversicherungen für ein älteres Auto nach Prämie, Deckung und Schadenabwicklung. Welche würdest du wählen?“
Negativfrage	„Von welchen Schweizer Autoversicherungen für ein älteres Auto würdest du eher abraten, und warum?“

Gefragt haben wir zwei Arten von KI-Zugängen:

Zugang	Wie abgefragt	Wofür er steht
ChatGPT, Gemini, Microsoft Copilot, Google AI Overviews	über die öffentliche Oberfläche, Schweizer Standort, ohne Login	was Kundinnen und Kunden sehen, wenn sie selbst fragen
Claude Sonnet 5.5 (Anthropic)	über die API, mit Websuche	was Agenten, Vergleichs- und Preisüberwachungs-Tools und eingebaute Einkaufsassistenten erhalten
GPT-6 Luna (OpenAI)	über die API, mit und ohne Websuche	dasselbe, und wie viel die Websuche ausmacht

Gezählt haben wir, welche Versicherer eine Antwort nennt. Vergleichsportale haben wir separat erfasst.

Wenige Versicherer dominieren

Die Autoversicherung ist ein konzentrierter Markt, und das zeigt sich in den Antworten. Auf die einfache Frage nennen die drei Chat-Oberflächen den häufigsten Versicherer im Schnitt in 98 % der Antworten, den zweithäufigsten in 92 %, den fünfthäufigsten noch in 59 %. Die Frage ist also weniger, ob die grossen Namen vorkommen, sondern wie oft und an welcher Stelle. Alle folgenden Ergebnisse gelten für diesen Markt; ob sie in Kategorien mit vielen Anbietern gleich ausfallen, ist offen.

Was sich ändert, wenn man anders fragt

Für jede Kaufsituation haben wir die fünf Versicherer genommen, die auf die einfache Frage am häufigsten genannt werden, und verglichen, wie oft sie bei den anderen Frageformen vorkommen. Grundlage sind 3'768 Antworten von ChatGPT, Gemini und Copilot; die Werte sind Durchschnitte über die drei Oberflächen und alle sieben Situationen.

Statt der einfachen Frage …	Anteil der fünf meistgenannten Versicherer verändert sich im Schnitt um	Davon bleiben unter den fünf meistgenannten	Zuerst genannter Versicherer wechselt
… dieselbe Frage anders formuliert	11 Prozentpunkte	4,4 von 5	in 2 von 35 Fällen
… Suchbegriffe	12 Prozentpunkte	4,5 von 5	in 1 von 17 Fällen
… persönliche Situation	17 Prozentpunkte	4,2 von 5	in 5 von 16 Fällen
… Situation mit Bedingungen	21 Prozentpunkte	3,9 von 5	in 6 von 16 Fällen

Lesebeispiel: Kommt ein Versicherer auf die einfache Frage in 60 % der Antworten vor, liegt er bei einer Umformulierung im Schnitt um 11 Prozentpunkte daneben, also bei rund 50 oder 70 %. Bei einer Frage mit Bedingungen sind es 21 Prozentpunkte. Den zuerst genannten Versicherer zählen wir nur, wo er klar vorne liegt; deshalb sind es weniger als 21 Fälle (7 Situationen × 3 Oberflächen).

Die erste Zeile ist die Grundschwankung. So viel verändert sich schon, wenn man dieselbe Frage anders formuliert und die Antworten etwas anders ausfallen. Jede andere Frageform muss sich daran messen.

Suchbegriffe: Kein Unterschied zur Grundschwankung. Wer „beste autoversicherung älteres auto schweiz“ eintippt, bekommt im Wesentlichen dieselben Versicherer wie mit einem ganzen Satz. Das gilt für alle vier Oberflächen.

Persönliche Situation: Etwas mehr Veränderung, und der Erstgenannte wechselt in 5 von 16 Fällen. Das Bild ist aber uneinheitlich: Bei manchen Situationen, etwa beim Elektroauto oder beim Wechsel nach einem Schadenfall, verschieben sich die Nennungen deutlich, bei anderen kaum. Über alle Situationen hinweg ist der Unterschied zur Grundschwankung nicht gesichert.

Situation mit Bedingungen: Rund doppelt so viel Veränderung wie bei einer Umformulierung, und im Schnitt fällt einer der fünf meistgenannten Versicherer heraus. Das ist auf allen drei Chat-Oberflächen gesichert, bei ChatGPT deutlich, bei Gemini und Copilot knapp. Auch gegenüber derselben Situation ohne Bedingungen verschieben sich die Nennungen deutlich. Bei Google AI Overviews ist die Veränderung gegenüber der einfachen Frage besonders gross; der Schritt von der Situation zu den Bedingungen allein ist dort aber nicht gesichert. Die Bedingungen enthalten jeweils eine Preisgrenze. Ob der Preis oder die übrigen Anforderungen den Unterschied ausmachen, lässt sich mit dieser Studie nicht trennen.

Ein Beispiel

Gemini, älteres Auto, je 30 Antworten pro Frageform. Versicherer anonymisiert. Ein Beispiel mit besonders deutlicher Veränderung:

Versicherer	Genannt bei der einfachen Frage	Genannt mit Bedingungen (Teilkasko, unter 700 Franken, Selbstbehalt höchstens 500 Franken)
Versicherer A	100 %	63 %
Versicherer B	100 %	80 %
Versicherer C	90 %	27 %
Versicherer D	87 %	10 %
Versicherer E	57 %	100 %
Versicherer F	53 %	80 %
Versicherer G	23 %	57 %

Bei der einfachen Frage wird Versicherer D am häufigsten zuerst genannt. Mit Bedingungen kommt er nur noch in 3 von 30 Antworten vor, und Versicherer E steht am häufigsten vorne. Ein Versicherer, der nur die einfache Frage misst, sieht sich gut aufgestellt und erfährt nichts davon.

Das System macht mindestens so viel aus wie die Frage

Stellt man dieselbe Frage zwei verschiedenen Chat-Oberflächen, unterscheidet sich der Anteil der fünf meistgenannten Versicherer im Schnitt um 29 Prozentpunkte. Das ist mehr als der Unterschied zwischen einfacher Frage und Frage mit Bedingungen auf derselben Oberfläche (21 Prozentpunkte). Wer nur ein System misst, erfährt deshalb wenig über die anderen.

Hinzu kommen Vergleichsportale: Sie erscheinen je nach Oberfläche in 36 bis 80 % der Antworten.

Über die API: was Agenten und Tools zu sehen bekommen

Agenten, Vergleichs- und Preisüberwachungs-Tools oder Einkaufsassistenten in Apps greifen in der Regel nicht über die Chat-Oberfläche auf ein KI-Modell zu, sondern über die API. Welche Versicherer das Modell dort nennt, entscheidet, welche Anbieter in solchen Anwendungen auftauchen. Wir haben deshalb 4'499 Antworten über die API ausgewertet, von Claude Sonnet 5.5 (mit Websuche) und GPT-6 Luna (mit und ohne Websuche), und mit den Oberflächen im gleichen Zeitraum verglichen.

Zugang über die API	Versicherer pro Antwort	Abweichung von den Chat-Oberflächen (Anteil der fünf meistgenannten)	Veränderung mit Bedingungen, gegenüber der Grundschwankung
Claude Sonnet 5.5, mit Websuche	7,2	27 bis 30 Prozentpunkte	17 gegenüber 11 Prozentpunkten
GPT-6 Luna, mit Websuche	2,8	34 bis 46 Prozentpunkte	34 gegenüber 14 Prozentpunkten
GPT-6 Luna, ohne Websuche	3,9	36 Prozentpunkte (gegenüber ChatGPT)	nicht sinnvoll vergleichbar, siehe unten

Zum Vergleich: Die Chat-Oberflächen weichen im selben Zeitraum je nach Paar um 25 bis 32 Prozentpunkte voneinander ab.

Drei Befunde:

• Claude über die API nennt die meisten Versicherer pro Antwort und weicht von den Chat-Oberflächen etwa so stark ab wie diese untereinander. Bedingungen verändern seine Nennungen etwas weniger als auf den meisten Oberflächen; gesichert ist der Unterschied zur Grundschwankung nicht.
• GPT-6 Luna mit Websuche nennt wenige Versicherer und weicht am stärksten von allen Oberflächen ab, auch von ChatGPT. Mit Bedingungen verändern sich seine Nennungen am stärksten von allen Zugängen. Für diesen Zugang liegen 15 Antworten pro Frage vor, nur vom zweiten Erhebungstag.
• Dasselbe Modell mit und ohne Websuche nennt verschiedene Versicherer: Von den fünf meistgenannten sind im Schnitt nur 2,5 dieselben. Ohne Websuche nennt GPT-6 Luna in 27 % der Antworten gar keinen Versicherer, bei Fragen zur persönlichen Situation in 71 %.

Für Anbieter heisst das: Wer in Agenten und Tools vorkommen will, muss die API messen, und zwar in der Konfiguration, die diese Anwendungen nutzen, mit oder ohne Websuche. Eine Messung auf den Oberflächen sagt darüber wenig. Umgekehrt zeigt eine Messung über die API nicht, was Kundinnen und Kunden im Chat sehen.

Negativfragen: Die Systeme raten selten ab

Auf die Frage, von welchen Versicherungen man eher abraten würde, rieten die Oberflächen in 5 bis 17 % ihrer Antworten von einem konkreten Anbieter ab (824 Antworten auf Negativfragen). Meist verweisen die Antworten stattdessen auf Tarifmerkmale wie Selbstbehalt, Zuschläge für Junglenker oder fehlende Zusatzdeckungen. Wo abgeraten wurde, ging es in sechs von zehn Fällen um den Preis. Unsere Auswertung zählt auch weiche Vorbehalte wie „genauer prüfen“ als Abraten; ausdrückliches Abraten ist eher noch seltener.

Wie genau eine Messung mit wenigen Antworten ist

Viele Messungen von KI-Sichtbarkeit arbeiten mit wenigen Antworten pro Frage. Was das bedeutet, lässt sich aus unseren Daten nachbilden: Für jede der 112 Kombinationen aus Situation, Frageform und Oberfläche haben wir aus den 30 vorhandenen Antworten 1'000 Mal zufällig 10 gezogen und verglichen, wie stark das Ergebnis schwankt.

• Versicherer, die in über 90 % der Antworten vorkommen, erkennt man auch mit 10 Antworten zuverlässig. Das betrifft gut ein Drittel der meistgenannten Anbieter.
• Bei Versicherern im Mittelfeld, die in 30 bis 70 % der Antworten vorkommen, schwankt das Ergebnis stark. Bei einem Versicherer, der in Wahrheit in jeder zweiten Antwort vorkommt, kann eine Messung mit 10 Antworten irgendwo zwischen etwa 30 und 70 % landen.
• Der am häufigsten zuerst genannte Versicherer ist in 10 Antworten meist derselbe wie in 30. In einzelnen Fällen trifft das aber nur in gut der Hälfte der Stichproben zu.

Dazu kommt die Veränderung über die Zeit: Zwischen den beiden Erhebungstagen haben sich die Antworten von ChatGPT, Gemini und vor allem Google AI Overviews stärker verändert, als durch Zufall zu erwarten wäre. Copilot blieb stabil. Eine Messung ist eine Momentaufnahme.

Was daraus folgt

1. Fragen mit Bedingungen messen. Die einfache Frage nach der „besten“ Versicherung zeigt nur einen Teil des Bildes. Entscheidend sind die Fragen, in denen jemand Preis, Deckung oder Abschlussweg nennt.
2. Suchbegriffe nicht überbewerten. In der Autoversicherung lieferten sie dieselben Versicherer wie ganze Sätze. Ob das allgemein gilt, prüft Teil 2.
3. Systeme getrennt auswerten. Ein Durchschnitt über mehrere Oberflächen beschreibt kein System, das jemand tatsächlich nutzt.
4. Oberflächen und API getrennt messen. Die Oberflächen zeigen, was Menschen sehen; die API zeigt, was Agenten und Tools erhalten. Die beiden Bilder unterscheiden sich deutlich.
5. Mit genügend Antworten und wiederholt messen. Für Anbieter im Mittelfeld reichen wenige Antworten nicht, und die Antworten verändern sich über die Zeit.

Mehr dazu, wie wir die gemessenen Fragen herleiten: Welche Prompts zählen wirklich? Und warum ein einzelner Wert wenig aussagt: Warum sagt ein einzelner KI-Sichtbarkeits-Score so wenig aus?