ChatGPT-Referral-Traffic wächst rasant: Sessions-Daten, Attributions-Gap und was das für das SEO-Reporting heißt

Ein neuer Traffic-Kanal entsteht gerade in Echtzeit – und die meisten Reportings sehen ihn kaum. ChatGPT-Referral-Traffic wächst bei tech-affinen Sites und B2B-Publishern seit geraumer Zeit zweistellig pro Monat. Absolut ist er 2026 noch klein, meist 1 bis 5 Prozent des Gesamt-Traffics. Aber die Trajektorie ist eindeutig, und wer nur auf die Absolutzahl schaut, verpasst die eigentliche Geschichte.

Das Tückische daran: Die klassische Attribution unterschätzt diesen Kanal strukturell. ChatGPT sendet nicht immer eine saubere Referrer-Information mit, der ursprüngliche Prompt bleibt unsichtbar, und häufig liegt zwischen der Recherche im Chat und dem eigentlichen Kauf ein Zeitraum von Tagen. Was in GA4 als „Direct“ auftaucht, ist in Wahrheit oft ein AI-Referral, dem unterwegs die Herkunfts-Info verloren ging.

Für Marken heißt das: Die in GA4 sichtbaren AI-Referral-Zahlen sind ein Minimum, keine Vollerfassung. Das ist kein Grund zur Resignation, sondern zum sauberen Setup. Wer die Segmentation heute aufbaut, verwandelt eine unscharfe Ahnung in ein belastbares Frühwarn-System für die Verschiebung der Traffic-Landschaft.

Und es kommt eine zweite Ebene hinzu. Ab 2026–2027 entsteht mit der WebMCP-Adoption eine ganz neue Kategorie: Agent-Traffic, bei dem nicht mehr ein Mensch im Chat klickt, sondern ein AI-Agent strukturell mit der Website interagiert. Wer das Reporting heute richtig aufsetzt, ist auf diese Verschiebung vorbereitet, statt sie später mühsam nachzuvollziehen.

Wie schnell der Kanal wächst, hängt stark vom Segment ab. B2B-SaaS, Entwickler-Tools und beratungsintensive Dienstleistungen sehen überdurchschnittlich viel ChatGPT-Referral, weil ihre Zielgruppe AI-Assistenten früh und intensiv zur Recherche nutzt. Klassisches Endkunden-E-Commerce sieht deutlich weniger, weil dort der Kaufweg kürzer und visueller ist. Wer die eigene Wachstumsrate einordnen will, sollte sie deshalb nicht gegen einen allgemeinen Durchschnitt halten, sondern gegen das eigene Segment.

Vertiefung: AI-Search-Kunden messbar machen · Agentic Commerce · KI-SEO

Geprüft: 9. Juli 2026 · Nächste Prüfung: Q4 2026

Die AI-Referral-Domain-Liste für GA4

Der erste konkrete Schritt ist eine erweiterte Domain-Liste. GA4 ordnet Referrals nur dann sauber zu, wenn die Quellen bekannt sind – und die relevanten AI-Interfaces stehen in keiner Standard-Konfiguration. Die folgende Liste bildet den aktuellen Stand ab und sollte regelmäßig um neue Interfaces ergänzt werden.

Quelle	Beschreibung im Detail
chatgpt.com	OpenAI ChatGPT – der Haupt-Referrer, oft mit Session-ID-Fragmenten, wachsend.
chat.openai.com	Legacy-URL, teils noch aktiv – für Rückwärts-Kompatibilität einbeziehen.
perplexity.ai	Perplexity AI – die klarste Referral-Info aller AI-Quellen, gut trackbar.
claude.ai	Anthropic Claude – wachsend, saubere Referrer, ausgeprägter B2B-Fokus.
poe.com	Multi-Model-Interface – vielfältige Referrer-Muster, häufig unterschätzte Quelle.

Diese Liste ist bewusst kein Endzustand. Neue Interfaces und Assistenten kommen laufend hinzu, und jede zusätzliche Quelle, die nicht in der Konfiguration steht, landet fälschlich unter „Direct“. Ein guter Rhythmus ist deshalb, die Liste einmal pro Quartal zu überprüfen und gegen die tatsächlichen Referrer im Rohbericht abzugleichen.

Zwischen den Quellen gibt es dabei deutliche Qualitätsunterschiede. Perplexity und Claude senden vergleichsweise saubere Referrer-Informationen und lassen sich gut zuordnen; ChatGPT ist die reichweitenstärkste, aber auch die verlustreichste Quelle, weil ein erheblicher Teil der Interaktionen ohne Herkunfts-Info ankommt. Für das Reporting heißt das: Die Perplexity- und Claude-Zahlen liegen nah an der Realität, die ChatGPT-Zahl ist eine konservative Untergrenze.

Die vier Attribution-Probleme

Das schwerwiegendste dieser Probleme ist das dritte. ChatGPT wird oft als Recherche-Kanal genutzt: Der Nutzer lässt sich eine Lösung erklären, merkt sich die Marke und kommt Tage später direkt zurück, um zu kaufen. In der Attribution taucht dann der Direktbesuch als „verdienstvoller“ Kanal auf, während der eigentliche Anstoß – die Empfehlung im Chat – unsichtbar bleibt. Genau deshalb ist die Cross-Referenz zum Direct-Traffic so wichtig: Ein plötzlicher Anstieg im Direktkanal, der zeitlich mit AI-Sichtbarkeit korreliert, ist ein starkes Indiz für unterschätzten AI-Referral.

Diese strukturelle Unterschätzung hat eine praktische Konsequenz fürs Reporting: AI-Referral gehört nie isoliert betrachtet, sondern immer im Zusammenspiel mit dem Direct-Kanal und der gesamten Assisted-Conversion-Sicht. Wer nur die direkt zugeordneten AI-Sessions zählt, meldet dem Management eine zu kleine Zahl – und riskiert, dass ein strategisch wichtiger Kanal budgetär unter dem Radar bleibt.

Der GA4-3-Schritt-Setup

Der Aufwand für dieses Setup liegt bei wenigen Stunden, der Nutzen begleitet einen über Jahre. Wichtig ist, die Custom-Channel-Group sauber von „Organic Search“ und „Referral“ zu trennen, damit die AI-Quellen nicht in allgemeinen Töpfen verschwinden. Sobald die Gruppe steht, liefert jeder Monat einen sauberen Datenpunkt für die Trajektorie – und die Trajektorie ist 2026 die eigentlich relevante Größe.

Ein Beispiel macht den Wert dieser Kurve greifbar: Ein B2B-SaaS-Anbieter startet im Januar mit 0,8 Prozent AI-Referral-Anteil. Absolut ist das ein Rundungsfehler, den die meisten Reportings ignorieren. Doch über sechs Monate wächst der Anteil auf 2,4 Prozent – eine Verdreifachung. Wer nur auf die 2,4 Prozent schaut, sieht weiter einen Nischenkanal; wer die Kurve sieht, erkennt einen Kanal, der bei gleichbleibendem Tempo binnen eines Jahres zweistellig wird. Genau diese Frühwarnung ist der eigentliche Ertrag des Setups.

Die AI-Traffic-Segmentation visualisiert

Agent-Traffic als neue Kategorie ab 2027

Warum das jetzt zählt, obwohl es erst in ein bis zwei Jahren skaliert: Wer die Kategorien im Reporting früh anlegt, muss sie später nicht rückwirkend aus einem undifferenzierten Datenberg herausschneiden. Ein sauber getrennter Agent-Traffic-Kanal ab dem ersten Tag ist ungleich wertvoller als der Versuch, im Nachhinein zu rekonstruieren, welcher Teil des „Direct“ oder „Referral“ eigentlich von Agents kam. Vorbereitung kostet 2026 wenig und spart 2028 viel.

Konkret unterscheidet sich Agent-Traffic in seinem Verhalten fundamental vom menschlichen Besuch. Ein Agent klickt sich nicht durch, verweilt nicht auf Seiten und scrollt nicht – er ruft gezielt Funktionen auf oder liest strukturierte Daten aus. Klassische Engagement-Metriken wie Verweildauer oder Absprungrate werden für dieses Segment bedeutungslos; stattdessen zählen Erfolg und Häufigkeit der Tool-Calls. Wer Agent-Traffic in denselben Topf wie menschlichen Traffic wirft, verzerrt beide Auswertungen – deshalb die frühe Trennung.

Der 5-Schritt-Setup-Plan

Schritt 1 · Domain-Liste erweitern

Alle relevanten AI-Search-Interfaces in die GA4-Referral-Konfiguration aufnehmen und die Liste quartalsweise gegen die tatsächlichen Referrer abgleichen. Jede fehlende Quelle verzerrt die Zahlen nach unten.

Schritt 2 · Custom-Channel-Group

Eine eigene Gruppe „AI Referrals“ anlegen, sauber getrennt von Organic Search und dem allgemeinen Referral-Topf. Nur so wird der Kanal als eigenständige Größe sichtbar.

Schritt 3 · Monatlicher Trajektorie-Report

Die Wachstumsrate ist 2026 aussagekräftiger als die Absolutzahl. Ein monatlicher Datenpunkt macht die Kurve sichtbar – und die Kurve ist die eigentliche Nachricht.

Schritt 4 · Cross-Referenz zum Direct-Traffic

Verlorene Referral-Info manifestiert sich als Direktbesuch. Ein zeitlicher Abgleich zwischen AI-Sichtbarkeit und Direct-Anstiegen macht die unterschätzte Wirkung sichtbar.

Schritt 5 · WebMCP-Piloten für die Agent-Traffic-Zukunft

Erste WebMCP-Experimente schaffen die Grundlage, um Agent-Traffic ab 2027–2028 sauber zu erfassen – statt ihn später aus dem Datenberg zu rekonstruieren.

Diese fünf Schritte sind bewusst in Reihenfolge gedacht: Ohne saubere Domain-Liste ist die Channel-Group wertlos, ohne Channel-Group gibt es keine Trajektorie, und ohne Trajektorie fehlt die Grundlage für jede strategische Entscheidung. Der Aufwand für die ersten vier Schritte liegt bei wenigen Stunden und ist reine Konfigurationsarbeit; nur der fünfte, die WebMCP-Piloten, verlangt echtes Experimentieren – lohnt sich aber, weil er den Vorsprung für die kommende Agent-Ära legt.

Häufig gestellte Fragen

Wie stark wächst ChatGPT-Referral?

Zweistellig pro Monat bei tech-affinen Sites. Absolut noch 1–5 % des Gesamt-Traffics.

Was ist das Attributions-Problem?

Fehlende Referrer-Info, kein Query-Kontext, Multi-Session-Delay, Consent-Basis.

Wie richtet man die GA4-Segmentation ein?

Domain-Liste erweitern, Custom-Channel-Group „AI Referrals“ anlegen, Conversions segmentieren.

Was ist Agent-Traffic?

AI-Agents handeln per Tool-Call im Namen des Nutzers. Mit WebMCP ab 2027–2028 eine eigene Kategorie.

Was ist der praktische Move?

5-Schritt: Domain-Liste, Channel-Group, Trajektorie-Report, Direct-Cross-Reference, WebMCP-Piloten.

Fazit: Trajektorie schlägt Absolutzahl

ChatGPT-Referral ist 2026 klein, aber deutlich wachsend. Wer die Segmentation jetzt aufbaut und die Trajektorie monatlich verfolgt, hat 2027–2028 das Frühwarn-System für die Traffic-Verschiebung – und muss den Kanal nicht rückwirkend rekonstruieren.

Die Kernbotschaft ist eine Frage der Perspektive: Wer AI-Referral an der Absolutzahl misst, findet einen unbedeutenden Kanal und ignoriert ihn. Wer ihn an der Wachstumsrate und der Konversions-Qualität misst, erkennt eine der wichtigsten strukturellen Verschiebungen der kommenden Jahre – früh genug, um darauf zu reagieren, statt ihr hinterherzulaufen.

Der praktische Rat für 2026 ist deshalb schlicht: Bau das Setup jetzt, halte die Absolutzahlen klein im Kopf und die Kurve groß im Blick. Kombiniere die AI-Referral-Sicht mit dem Direct-Kanal und den Assisted Conversions, damit die wahre Wirkung sichtbar wird, und lege parallel die WebMCP-Piloten an, die dich auf den Agent-Traffic vorbereiten. So wird aus einem heute noch unscheinbaren Kanal ein belastbarer Teil deines Reportings – lange bevor die Konkurrenz ihn überhaupt bemerkt.