Perplexity zitiert 215.128 KI-Softwareseiten

Eine im September 2026 durchgeführte Untersuchung der Such- und Zitierlandschaft der KI-Plattform Perplexity deckt erhebliche Abhängigkeiten von minderwertigen und gezielt für maschinelle Abrufe optimierten Quellen auf. Bei der Analyse von 380 Software-Kategorien lieferten die Modelle Perplexity/sonar und Perplexity/sonar-pro insgesamt 7.534 Quellenangaben. Über 59 Prozent der zitierten Domains rangierten außerhalb der Top 100.000 der Tranco-Liste, rund ein Viertel befand sich nicht einmal in den Top einer Million. Ein besonders auffälliges Ergebnis betrifft drei Domains, die nach infrastrukturellen und strukturellen Indizien von derselben Stelle betrieben werden. Seit Ende 2023 registriert und über dieselben Cloudflare-Namenserver sowie identische Website-Templates gesteuert, betreiben diese drei Marken gemeinsam rund 215.000 maschinell generierte Bewertungsseiten für Softwarekategorien. Auffällig ist zudem die explizite Ausrichtung auf KI-Systeme: Zwei der Domains bezeichnen ihre Startseite als Fakten- und Abrufseite und präsentieren maschinenlesbare Metadaten, die offensichtlich darauf abzielen, in die Retrieval-Indexe von KI-Modellen einzuspeisen. Zusätzlich wurde ein Marketing-Blog eines Software-Vertriebsunternehmens in einem Viertel der getesteten Kategorien als dritthäufigste Quelle identifiziert, obwohl das Unternehmen in keiner der abgefragten Marktsegmente aktiv ist. Die von den KI-Modellen angegebenen Herstellerwebsites der empfohlenen Softwareprodukte weisen eine hohe Stabilität auf. Von 1.502 geprüften Zielseiten sind lediglich 17 nicht erreichbar, weitere 92 leiten auf neue Domains weiter. In zwei Ausnahmefällen führten die Links jedoch zu irrelevanten kommerziellen Portalen. Die Forschung betont, dass die Analyse ausschließlich die Perplexity-Infrastruktur betrachtet und auf einem einzigen Testtag basiert. Dennoch liefert sie kritische Erkenntnisse zur Verwundbarkeit von Retrieval-Layern: Automatisiert erzeugte, auf KI-Abrufe optimierte Inhaltsfabriken könnten die Evidenzbasis von Empfehlungssystemen systematisch verzerren. Die vollständigen Daten und Methodendokumentation wurden öffentlich zugänglich gemacht.