Werbung in ChatGPT: Was Anzeigen kaufen – und was nicht

Von Manfred Mayer Rieger · Veröffentlicht 25. September 2026

Wer im September 2026 „chatgpt ads“ in eine Suchmaschine eingibt, landet fast ausschließlich bei OpenAI selbst. Eine Erfassung der Ergebnisse aus diesem Monat zeigte: Die eigene Produktseite, das Ads Manager und zwei Hilfeartikel von OpenAI belegten vier der obersten zehn Plätze. Der einzige externe Treffer mit nennenswerter Reichweite war ein Thread im Subreddit r/OpenAI. Alle, die diesen Begriff suchen, wollen dasselbe wissen: Was ändert sich, sobald eine Chat-Oberfläche anfängt, Werbeplätze zu verkaufen.

Verändert Werbung, was ChatGPT empfiehlt?

OpenAIs Antwort, festgehalten in der eigenen Hilfe-Dokumentation, ist unmissverständlich: Anzeigen laufen auf einem System, das vom Sprachmodell getrennt ist, und Werbetreibende können ChatGPTs Antworten „nicht formen, gewichten oder verändern“. Dieselbe Seite ergänzt, Anzeigen seien „klar als gesponsert gekennzeichnet und optisch von der Antwort getrennt“. Der Test startete am 9. Februar 2026 für angemeldete Free- und Go-Nutzer in den USA und wurde seither auf weitere Länder ausgeweitet.

Das ist eine Beschreibung der eigenen Architektur – verfasst von dem Unternehmen, das sie gebaut hat. Ein Unternehmen, ein Werbetreibender oder eine Nutzerin kann das von außen, am fertigen Produkt, nicht selbst nachprüfen. Die Behauptung und die Möglichkeit, sie zu überprüfen, liegen auf zwei verschiedenen Seiten derselben Mauer.

Wie weit lässt sich diese Trennung von außen tatsächlich prüfen?

Nicht sehr weit, und es lohnt sich, genau zu sagen, warum. Ein Weg, zu testen, ob die Empfehlungen eines Modells kommerziell verzerrt sind, führt über Kategoriefragen ohne genannte Marke – „Bester Klempner in Leeds“, „Wer sind die besten Anbieter für X“ – und die Auswertung dessen, was zurückkommt: welches Unternehmen zuerst genannt wird, ob eine bestimmte Marke überhaupt vorkommt, welche Wettbewerber daneben auftauchen. Das ist eine reale Prüfung, und ein KI-Sichtbarkeits-Audit führt sie im vollständigen Deep Scan aus (die Methodik-Seite listet genau auf, was jede Stufe abruft; der Deep Scan ist einmal kostenlos als Gast verfügbar, mit einem kostenlosen Konto zwei weitere pro Monat).

Was diese Prüfung liest, ist ausschließlich der vom Modell selbst erzeugte Antworttext. Sie hat keinerlei Einsicht in das Werbesystem, das irgendwo daneben läuft, keine Möglichkeit zu erkennen, ob neben der Antwort ein gesponserter Block angezeigt wurde – und ebenso wenig, ob keiner angezeigt wurde. Sie kann zuverlässig feststellen, ob der Name einer Marke im organischen Text auftaucht, den das Modell produziert hat. Sie kann nicht erklären, warum das Modell genau diese Worte gewählt hat, und sie kann OpenAIs Behauptung, die beiden Systeme berührten sich nie, weder bestätigen noch widerlegen. Ein Werkzeug, das Ausgabetext liest, ist blind für genau die Ebene, um die es eigentlich geht.

Das ist die ehrliche Grenze jeder externen Prüfung: Sie misst, was herauskommt – nie, was vorgelagert dazu führt.

Wie sieht eine Anzeige in ChatGPT neben einer Antwort konkret aus?

Nach OpenAIs eigener Beschreibung ist ein gesponserter Block ein eigenständiges, gekennzeichnetes Element – kein Satz, der in den Absatz des Modells eingefügt wurde, kein Firmenname, der sich in eine vom Modell verfasste Liste geschmuggelt hat. Die Antwort bleibt die Antwort; die Anzeige steht daneben und trägt ein Label, das sagt, was sie ist. Dieser Unterschied ist entscheidend für alle, die verstehen wollen, was bezahlte Platzierung tatsächlich kauft: Sichtbarkeit neben einem Gespräch, nicht eine umgeschriebene Version davon.

Das bedeutet auch: Die zwei Dinge, die ein Unternehmen anstreben könnte – im Anzeigenplatz zu erscheinen, und die Marke zu sein, die ChatGPT unaufgefordert bei einer Kategoriefrage nennt – sind konstruktionsbedingt zwei getrennte Ziele, die lediglich um denselben Moment der Aufmerksamkeit konkurrieren. Das eine zu gewinnen, sagt nichts über das andere aus.

Was bringt eine Marke dann tatsächlich in eine unaufgeforderte Empfehlung?

Wenn sich Werbesystem und Antwortsystem nicht berühren, entscheidet über eine Kategorie-Empfehlung dasselbe wie vor der Einführung von Werbung: ob das Modell dem Unternehmen in den Quellen, die es lesen kann, klar und konsistent benannt begegnet ist, ob eine Seite so geschrieben ist, dass ein Modell sie direkt zitieren kann, und ob Wettbewerber in dem, worauf das Modell trainiert wurde oder worauf es zugreift, schlicht besser vertreten sind. Nichts davon lässt sich über ein Werbekonto kaufen. Es ist eher die ältere, langsamere Arbeit, auffindbar und konkret zu sein – neben der eine bezahlte Platzierung steht, die sie aber nicht ersetzt.

Was hier wirklich unsicher bleibt

Alles in diesem Beitrag über die Trennung von Werbung und Antwort führt auf eine einzige Quelle zurück: OpenAIs eigene Dokumentation. Das ist eine vertretbare Quelle dafür, wie ein System beschrieben wird – und eine begrenzte dafür, wie es sich in der Praxis verhält, über Zeit und über Millionen Anfragen hinweg, die niemand von außen prüfen kann. Nichts hier belegt, dass die Trennung in jedem Fall perfekt hält – nur, dass das Unternehmen, das das System betreibt, dies schriftlich so darstellt, und dass kein von außen lesendes Werkzeug die Teile der Behauptung prüfen kann, auf die es ankäme, würde sie nicht stimmen.

Diese Lücke schließt sich nicht durch einen Blogbeitrag oder ein Audit-Tool. Sie schließt sich, wenn überhaupt, so, wie sich Behauptungen über Black-Box-Systeme meist am Ende prüfen lassen: wenn jemand einen Fall findet, in dem das behauptete Verhalten und das beobachtete Verhalten auseinanderfallen.