Wie sich KI-Zitierungen zwischen HR-Subvertikalen und Ländern unterscheiden

Executive Summary

Frag ein KI-Modell nach den besten Recruiting-Agenturen für Executive Search, und du bekommst einen bestimmten Satz an Quellen. Frag dasselbe Modell nach den besten Agenturen für Tech-Recruiting, und du bekommst einen fast völlig anderen Satz. Wir haben mehr als 200.000 KI-Zitierungen analysiert und unsere Ergebnisse in dieser Studie dokumentiert.

Über 12 Länder hinweg tauchen 87,6 % der zitierten Domains in nur einem einzigen Land auf. Lediglich 23 Domains (darunter Clutch, Reddit und LinkedIn) haben in allen 12 Ländern der Studie eine hohe Autorität.

Für HR- und Recruiting-Firmen bedeutet das: KI-Sichtbarkeit lässt sich nicht mit einer einzigen Content-Strategie gewinnen. Die Quellen, die bei Executive Search Zitierungen erhalten (Branchenpublikationen, etablierte Headhunting-Netzwerke), sind für Prompts zur Massenrekrutierung unsichtbar (wo TikTok und Adecco dominieren). B2B-Bewertungsverzeichnisse wie Clutch und GoodFirms sind die seltene Ausnahme (sie werden über alle Subvertikale und alle Länder hinweg zitiert), was die Präsenz auf diesen Plattformen zur effizientesten Einzelinvestition für breite KI-Sichtbarkeit macht.

Highlights

• 63,3 % der Domains sind subvertikal-exklusiv: Fast zwei Drittel aller Quellen, die KI-Modelle für HR-Prompts zitieren, tauchen in nur einer Recruiting-Kategorie auf (Executive Search, Tech, Volumen, Startups oder Allgemein).
• 87,6 % der Domains sind länderexklusiv: Fast neun von zehn zitierten Quellen tauchen in nur einem der 12 untersuchten Länder auf, selbst wenn der zugrunde liegende Recruiting-Prompt identisch ist.
• 23 Domains tauchen in allen 12 Ländern auf: Das bedeutet, dass 0,4 % aller Domains der Studie sich als wirklich global erwiesen haben, angeführt von Clutch, Reddit und LinkedIn.
• TikTok ist die Quelle Nr. 1 von Google AIO für Massenrekrutierung: Googles AI Overview zitiert TikTok bei Prompts zur Massenrekrutierung häufiger als jede andere Domain. Das ist ein Signal dafür, dass Social Media neu prägt, wie KI-Modelle über Personalbeschaffung im hohen Volumen denken.
• 4,4x Lokalisierungslücke zwischen Modellen: Microsoft Copilot teilt nur 2,2 % der Quellen über Länderpaare hinweg, während Grok 9,6 % teilt, was grundlegend unterschiedliche Architekturen der Quellenauswahl offenbart.

Frag nach Executive Search und du bekommst Executive-Search-Quellen. Frag nach Startups und du bekommst Startup-Quellen.

Zitieren KI-Modelle unterschiedliche Quellen für unterschiedliche Arten von Recruiting?

Ja, mit einem großen Unterschied zwischen den Subvertikalen. Von allen analysierten Zitierungen tauchen 63 % der Domains in nur einer Subvertikale auf. Jede Recruiting-Nische hat ihr eigenes Content-Ökosystem aufgebaut, mit spezialisierten Domains, die für andere Recruiting-Bedürfnisse nie auftauchen.

Welche Domains werden in jeder HR- & Recruiting-Subvertikale am häufigsten zitiert?

Die meistzitierten Domains erzählen die Geschichte am deutlichsten. Jede Subvertikale hat eine andere Quelle auf Platz 1, 2 und 3:

Jedes Modell kürt einen anderen Sieger

Was ist die meistzitierte Quelle für HR-Recruiting in jedem KI-Modell?

Die Divergenz reicht tiefer als die Subvertikale. Jedes KI-Modell hat zudem seine eigene bevorzugte Quelle für jede Recruiting-Kategorie, und sie sind sich fast nie einig.

Google AI Overview ist der Ausreißer. Seine Quelle Nr. 1 für Massenrekrutierung ist TikTok. Seine Quelle Nr. 1 für allgemeines HR ist Instagram. Googles KI bringt Social-Media-Plattformen als primäre Recruiting-Quellen nach oben, eine grundlegend andere Strategie als die der übrigen Modelle, die B2B-Verzeichnisse und Branchenpublikationen bevorzugen.

ChatGPT tendiert zu B2B-Verzeichnissen, wobei Clutch drei von fünf Kategorien dominiert. Grok teilt sich zwischen Clutch und Reddit auf, was seine breitere, stärker community-getriebene Quellenbasis widerspiegelt. Copilot ist am vielfältigsten und zitiert in vier von fünf Kategorien eine andere Top-Domain.

Die praktische Konsequenz: Jede Nische und jedes Modell muss eigenständig optimiert werden. Eine Firma, die nur für Clutch (ChatGPTs Favorit) optimiert, bleibt für Googles AI Overview unsichtbar, das auf völlig andere Plattformen schaut.

Executive Search ist die am schwersten zu knackende Subvertikale

Wie konzentriert sind KI-Quellenzitierungen für unterschiedliche Arten von Recruiting?

Über die Frage hinaus, welche Domains am höchsten ranken, gibt es einen strukturellen Unterschied darin, wie konzentriert oder fragmentiert das Quellen-Ökosystem jeder Subvertikale ist.

Executive Search hat die höchste Top-20-Konzentration (34,5 %) bei den wenigsten einzigartigen Domains. Zwanzig Quellen erfassen mehr als ein Drittel aller Zitierungen. Der Markt wird von einem kleinen Klub etablierter Headhunting-Firmen und Publikationen kontrolliert. In die KI-Sichtbarkeit für Executive Search vorzudringen bedeutet, tief verankerte institutionelle Quellen zu verdrängen.

Massenrekrutierung ist das Gegenteil: die niedrigste Konzentration (25,7 % Top-20-Anteil) und einer der breitesten Domain-Pools. Keine einzelne Quelle dominiert. Der Long Tail aus lokalen Personalvermittlungen, regionalen Outsourcing-Firmen und aufstrebenden HR-Tech-Plattformen ist breit und ständig in Bewegung. Diese Fragmentierung bedeutet mehr Chancen.

Startups hat insgesamt den breitesten Domain-Pool, was das weitläufige, sich ständig wandelnde Netz aus Verzeichnissen, Accelerator-Seiten, VC-finanzierten Plattformen und Gründerblogs des Startup-Ökosystems widerspiegelt.

88 % der Domains tauchen nur in einem bestimmten Land auf

Zitieren KI-Modelle in verschiedenen Ländern unterschiedliche Recruiting-Quellen?

Die geografische Dimension verstärkt die Fragmentierung nach Subvertikalen. Wenn derselbe Recruiting-Prompt in zwei verschiedenen Ländern gestellt wird, zitieren KI-Modelle fast völlig unterschiedliche Quellen.

Die Quellenüberschneidung zwischen zwei beliebigen Ländern (gemessen als Prozentsatz gemeinsamer Domains) reicht je nach Modell von 2,2 % bis 9,6 %:

Traditionelle Personaldienstleistungsriesen mit globaler Markenbekanntheit (Adecco und Robert Half) sind deutlich weniger präsent als B2B-Verzeichnisse. Clutch allein erhält mehr als fünfmal so viele Zitierungen wie Adecco.

Sprache hilft, aber nicht viel.

Teilen Länder mit derselben Sprache mehr KI-Recruiting-Quellen?

Länder mit gemeinsamer Sprache teilen tatsächlich mehr Quellen. Englischsprachige Paare (USA, Kanada, Australien, UK) und spanischsprachige Paare (Mexiko, Argentinien, Spanien) zeigen eine 1,5- bis 2,6-mal höhere Überschneidung als sprachübergreifende Paare. Aber selbst die Überschneidung bei gleicher Sprache bleibt bemerkenswert niedrig.

Das Paar Kanada-USA zeigt über alle Modelle hinweg die höchste Überschneidung (12,2 % bei ChatGPT, 15,3 % bei Grok), was den eng integrierten nordamerikanischen Recruiting-Markt widerspiegelt. Australien ist, obwohl es eine Sprache mit den USA und UK teilt, deutlich stärker isoliert (5,0–9,2 % Überschneidung mit anderen englischsprachigen Ländern), was seine geografische Distanz, seine eigenen Visa-Rahmenbedingungen und eine in sich geschlossene Personaldienstleistungsbranche widerspiegelt.

Die Tiefe lokaler Content-Ökosysteme zeigt sich darin, wie sich Länder zwischen lokalen Domain-Endungen und .com aufteilen:

Kontext

Diese Analyse stützt sich auf einen Datensatz von 204.034 Quellenzitierungen, generiert aus vier großen KI-Plattformen (ChatGPT, Microsoft Copilot, Grok und Google AI Overview). Diese erhielten Prompts mit HR- und Recruiting-Fragen über 12 Länder und 7 Sprachen hinweg.

Die Prompts deckten fünf Arten von Recruiting-Bedarf ab: allgemeine Empfehlungen für HR-Agenturen, Tech-Recruiting, Executive Search, Massenrekrutierung und Personalbeschaffung für Startups. Jeder Prompt wurde für seinen Zielmarkt übersetzt und lokalisiert (z. B. wurde aus „Best HR and recruitment agencies in the US for tech hiring“ in Deutschland „Beste HR und Personalvermittlungsagenturen in Deutschland für Tech Recruiting“). Dieses Design schafft ein natürliches Experiment: Die Intention bleibt konstant, aber Land, Sprache und Subvertikale variieren.

Die Ergebnisse sind am direktesten relevant für HR- und Recruiting-Firmen, B2B-Marketing-Teams in der Personaldienstleistungsbranche und alle, die Content-Strategien zur Verbesserung der Sichtbarkeit in KI-generierten Empfehlungen aufbauen. Die Daten repräsentieren einen einzelnen Monitoring-Zeitraum und eine bestimmte Menge an Prompts.

Methodik

Wie wir das gemessen haben

Wir haben die Quellendivergenz entlang zweier Dimensionen gemessen: über HR-Subvertikale hinweg (zitieren KI-Modelle unterschiedliche Quellen für Executive Search vs. Tech-Recruiting?) und über Länder hinweg (zitieren sie unterschiedliche Quellen in den USA vs. Deutschland?).

Für die geografische Divergenz haben wir die Domain-Überschneidungsrate zwischen jedem Länderpaar für jedes KI-Modell berechnet. Diese Rate gibt den Prozentsatz der zwischen zwei Ländern geteilten Domains an. Wenn Land A beispielsweise 200 einzigartige Domains zitiert und Land B 300, und sie 25 Domains gemeinsam haben, beträgt die Überschneidungsrate 25 / 475 = 5,3 %. Niedrigere Werte bedeuten mehr Divergenz.

Für die subvertikale Divergenz haben wir die Domain-Exklusivität gemessen, also den Prozentsatz der Domains, die in nur einer der fünf Recruiting-Kategorien auftauchen. Wir haben außerdem die Quellenkonzentration verfolgt, indem wir berechnet haben, welchen Anteil an den Gesamtzitierungen die Top-5-, Top-10- und Top-20-Domains in jeder Kategorie erfassen.

Alle Sprachvergleiche wurden auf statistische Signifikanz geprüft. Die geografische Analyse umfasst 66 Länderpaare pro Modell, deutlich über dem Mindestschwellenwert für verlässliche Schätzungen. Die Untergruppe gleicher Sprache (9 Paare) liegt unter dem Mindestschwellenwert, und diese Ergebnisse werden als richtungsweisend statt schlüssig berichtet.

Häufig gestellte Fragen

Zitieren KI-Modelle unterschiedliche Quellen für unterschiedliche Arten von Recruiting?

Ja, und das sehr deutlich. 63,3 % aller Domains, die KI-Modelle für HR- und Recruiting-Prompts zitieren, tauchen in nur einer Subvertikale auf. Executive-Search-Prompts bringen Headhunting-Firmen und Branchenpublikationen nach oben, während Startup-Recruiting-Prompts aus dem Venture-Capital-Ökosystem schöpfen. Nur 5,8 % der Domains spannen sich über alle fünf Recruiting-Kategorien.

Was ist die meistzitierte Quelle für HR und Recruiting in KI-Modellen?

Clutch.co führt in allen 12 Ländern und allen Subvertikalen, gefolgt von Reddit und LinkedIn. Die Quelle Nr. 1 wechselt jedoch je nach Subvertikale und Modell: Reddit führt bei Tech-Recruiting und Startups, während Clutch bei Allgemein, Executive Search und Massenrekrutierung führt.

Taucht TikTok in KI-Recruiting-Empfehlungen auf?

Ja. Google AI Overview zitiert TikTok als seine Quelle Nr. 1 für Prompts zur Massenrekrutierung, häufiger als jede andere Domain in dieser Kategorie. Das spiegelt TikToks Aufstieg zu einem echten Recruiting-Kanal für Stellen im hohen Volumen in Einzelhandel, Gastgewerbe und Logistik wider. Andere Modelle haben TikTok noch nicht im gleichen Maße hervorgehoben.

Empfehlen KI-Modelle je nach Land unterschiedliche Recruiting-Agenturen?

Fast durchgehend unterschiedliche. Je nach Modell sind zwischen 90 % und 98 % der zitierten Domains nur für ein einziges Land einzigartig. Microsoft Copilot ist am stärksten lokalisiert (nur 2,2 % Überschneidung zwischen Länderpaaren), während Grok am globalsten ist (9,6 % Überschneidung).

Welches KI-Modell ist für Recruiting-Prompts am stärksten lokalisiert?

Microsoft Copilot ist am stärksten lokalisiert und teilt im Schnitt nur 2,2 % der Domains zwischen zwei beliebigen Ländern. Google AI Overview folgt mit 3,1 % dicht dahinter. Beide schöpfen aus geo-lokalisierten Suchindizes. GPT-4o (4,9 %) und Grok (9,6 %) sind globaler, aber dennoch überwiegend lokal.

Sind globale Personaldienstleister in KI-Zitierungen gut vertreten?

Weniger als erwartet. Trotz globaler Markenbekanntheit erhält Adecco fünfmal weniger Zitierungen als Clutch. B2B-Bewertungsverzeichnisse dominieren die globale Zitierungslandschaft weit stärker als traditionelle Personaldienstleistungsmarken. Sieh dir die aktuellen KI-Rankings für HR & Recruiting mit Live-Sichtbarkeits-Scores an.

Was bedeutet das für Recruiting-Firmen, die KI-Sichtbarkeit aufbauen?

Recruiting-Firmen brauchen eigene Strategien pro Servicebereich und pro Land. Content, der Sichtbarkeit für Executive Search erzielt, lässt sich nahezu nicht auf Tech-Recruiting oder Startup-Recruiting übertragen. B2B-Bewertungsverzeichnisse (Clutch, GoodFirms, The Manifest) sind die seltenen Plattformen, die sowohl subvertikale als auch geografische Grenzen überschreiten, was die Präsenz in Verzeichnissen zu einer sehr effizienten Einzelinvestition macht.

Wie wurde diese Studie gemessen?

Die Quellenüberschneidung wurde mit dem Jaccard-Ähnlichkeitskoeffizienten gemessen (dem Verhältnis von geteilten Domains zu den gesamten einzigartigen Domains zwischen zwei beliebigen Gruppen). Die subvertikale Exklusivität wurde als Prozentsatz der Domains gemessen, die in genau einer der fünf Recruiting-Kategorien auftauchen. Die Analyse umfasst 204.034 Quellenzitierungen, 12 Länder, 7 Sprachen und 4 KI-Modelle.