KI-Traffic in Google Analytics: Was die neue AI-Assistant-Kanalgruppe wirklich misst (und was nicht)

Menschen finden Websites zunehmend über ChatGPT, Gemini, Claude oder Perplexity, stellen eine Frage, bekommen eine Antwort mit Quellen und klicken sich weiter. In GA4 war dieser Traffic bisher unsichtbar, zumindest auf den ersten Blick. Er landete pauschal im Referral-Topf, der allen Inbound-Traffic von Drittseiten zusammenfasst, der in keine andere Klassifizierung passt. KI-Besuche verschwanden darin, ließen sich aber trotzdem über Source und Medium herausziehen. Mit einer sauber gebauten Custom Channel Group konnten wir diesen Traffic längst isolieren und auswerten.

Die Messung ist der Teil von Generative Engine Optimization (GEO), im deutschsprachigen Raum oft KI-SEO genannt, an dem sich zeigt, ob die inhaltliche Arbeit ankommt. Wie sich die einzelnen Bausteine strategisch zusammenfügen, steht im Guide zu GEO und KI-SEO für B2B. Hier geht es um die harte Messseite.

Seit dem 13. Mai 2026 gibt es dafür jetzt eine offizielle AI-Assistant-Kanalgruppe direkt in GA4. Das ist erstmal gut und macht die Sache bequemer. Nur liefert es uns nicht mehr, als wir dank eigener Channel-Gruppierung ohnehin schon wussten. Das Problem dabei: Die Dimension ist jetzt auch für alle verfügbar, die kein Hintergrundwissen dazu haben, was genau sich dahinter verbirgt. Das holen wir hier nach. Wir kontextualisieren die Zahlen, zeigen was sie aussagen können und was nicht, wo ihre Lücken liegen und warum ein Custom Channel Grouping am Ende doch die bessere Wahl ist, wenn ihr es mit KI-Reporting ernst meint.

Was die AI-Assistant-Kanalgruppe ist

Die AI-Assistant-Kanalgruppe ist eine neue Default-Kanalgruppe in GA4. Sie wird automatisch vergeben, man muss nichts konfigurieren, und sie ist offiziell seit dem 13. Mai 2026 live. Der Rollout läuft graduell über die Properties, es kann also gut sein, dass die Gruppe in dem einen Account schon auftaucht und im nächsten noch nicht.

Was Google technisch im Hintergrund vergibt

Hinter der neuen Kanalgruppe steckt eine feste Zuordnung, die GA4 automatisch anlegt. Kommt ein Besuch aus einem erkannten KI-Assistenten, bekommt das Medium den Wert ai-assistant, der Traffic wird unter dem Channel AI Assistant gruppiert und die Campaign als (ai-assistant) getaggt. Die Klassifizierung läuft dabei über vordefinierte Source/Medium-Kombinationen, die Google im Hintergrund pflegt. Für euch heißt das: Ihr seht das Ergebnis in den Standard-Reports, ohne die Logik selbst bauen zu müssen. Was in diesen Kombinationen genau drinsteckt, veröffentlicht Google allerdings nicht vollständig, und genau da fangen die Lücken an.

Was reinzählt und was nicht (offizieller Scope)

Zum Launch nannte Google in der Ankündigung ChatGPT, Gemini und Claude als Beispiele. Die Definition in der offiziellen Dokumentation hat sich seitdem verschoben. Aktuell beschreibt Google die Gruppe als Traffic aus Quellen "wie ChatGPT, Gemini, Deepseek, Copilot oder Grok" und schließt AI Overviews und den AI Mode ausdrücklich aus (Google Analytics Help, 2026). Perplexity, einer der Assistenten mit den kaufbereitesten Nutzern, steht nicht in der Default-Gruppe und landet weiter im Referral (Search Engine Journal, 2026).

Entscheidend ist die technische Voraussetzung: Erfasst werden nur Klicks, die einen Referrer senden. Nicht jede KI-Exposure erzeugt trackbaren Traffic, und genau deshalb ist diese Zahl immer nur eine Teilansicht des echten KI-Einflusses. Wer die Zahl als Vollbild versteht, misst systematisch zu niedrig. Wir kommen weiter unten im Detail darauf zurück, wo genau diese Teilansicht endet.

Warum Google das überhaupt macht (das eigentliche Signal)

Technisch ist das Feature weitgehend Repackaging von Daten, die GA4 ohnehin schon gesammelt hat. Die Source/Medium-Werte waren vorher da, sie werden jetzt nur in einer eigenen Schublade sortiert und in die Default-Reports gehoben. Interessanter als das Feature selbst ist deshalb das Signal dahinter. Google stellt KI-Referral-Traffic jetzt direkt neben Organic Search in die Standard-Berichte. Die Botschaft an Marketer ist klar: KI-Assistenten sind eine Distributionsfläche, für die man aktiv optimieren sollte. Wenn Google diese Zahl prominent macht, sagt es damit auch, dass sie in die Planung gehört.

So findet ihr euren KI-Traffic

Der schnellste Weg führt über Reports, dann Acquisition, dann Traffic Acquisition. Dieser Report zeigt alle Methoden, mit denen Menschen eine Session auf deiner Seite starten. Scroll in der Tabelle nach unten, dann erscheint AI Assistant als eigene Kanalgruppe, sofern die Property schon Traffic dieser Art gesammelt hat. Die üblichen Metriken hat man direkt dabei: Engagement, Events pro Session, durchschnittliche Zeit pro Session und mehr. Falls die Acquisition-Reports bei euch nicht auftauchen, müsst ihr die Life-cycle-Collection erst über die Library publizieren, dann sind sie in der Sidebar.

Die Kanalgruppe sagt uns, dass KI-Traffic da ist, aber nicht, von welcher Plattform. Um das aufzubrechen, klicken wir auf das Plus-Zeichen neben der Default-Kanalgruppe und wählen Traffic Source, dann Session Source/Medium. Alternativ fügst du Session Source/Medium einfach als Sekundärdimension hinzu. Damit wir in der Flut nur die relevanten Zeilen sehen, geben wir in der Suchleiste über der Tabelle "AI Assistant" ein. Jetzt sehen wir, ob unser KI-Traffic eher aus ChatGPT, aus Gemini oder aus einer anderen Quelle kommt, und in welchem Verhältnis.

Welche Seiten werden von KI zitiert (Landingpages)

Spannender als die Plattform ist oft die Frage, welche unserer Seiten die KI-Klicks abbekommen. Dafür gehen wir in die Reports, dann Engagement, dann Pages and screens. Dort setzen wir über Add filter einen Filter auf die Dimension Session default channel group, Match Type "Exactly matches", Value "AI Assistant". Der Report zeigt uns dann die Seiten mit den meisten Klicks aus KI-Antworten. Das sind die Seiten, die aktuell Citations gewinnen, also die Inhalte, auf die KI-Assistenten in ihren Antworten verweisen. Diese Liste zeigt uns, welcher Content bei den Assistenten überhaupt ankommt.

KI-Traffic gegen andere Quellen vergleichen

Um den KI-Traffic einzuordnen, vergleichen wir ihn mit anderen Quellen. Im selben Report Pages and screens klicken wir auf Add comparison, dann Create new. Als Dimension wählen wir Session default channel group, Exactly matches, AI Assistant. Wollen wir gegen eine konkrete Quelle wie Organic vergleichen, legen wir einen zweiten Vergleich an und entfernen "All users", damit nur die beiden relevanten Segmente übrig bleiben.

Nach unserer Erfahrung überschneiden sich die Top-Seiten aus Organic und aus KI oft kaum: KI zitiert andere Seiten als die, die organisch ranken. Dazu passt, wie wenig Überlappung es schon zwischen den KI-Systemen selbst gibt. Laut einer Analyse von The Digital Bloom (2025) werden nur rund 11 Prozent der Domains gleichzeitig von ChatGPT und Perplexity zitiert. Eine Benchmark von Foglift (Q2 2026) über 75 Buyer-Intent-Prompts und fünf KI-Suchmaschinen kam auf eine mittlere Überschneidung der zitierten Quellen von 0,18 nach Jaccard, also gut 82 Prozent Unterschied zwischen den Systemen (Foglift, 2026). Wenn schon die Engines untereinander so weit auseinanderliegen, ist es wenig überraschend, dass die von KI zitierten Seiten und die organischen Top-Seiten der eigenen Domain selten deckungsgleich sind. Das hat direkte Konsequenzen für die Content-Strategie, zu denen wir am Ende kommen.

Was man beim Lesen der Zahl beachten muss

Soweit so gut, die Zahl steht und wir kommen dran. Bleibt die Frage, wie man sie richtig liest. Die AI-Assistant-Kanalgruppe hat vier Grenzen, die man kennen muss, sonst zieht man falsche Schlüsse. Die Zahlen, die wir hier sehen, sind nicht falsch, sie zeigen nur einen bestimmten Ausschnitt, und dieser Ausschnitt ist kleiner, als viele denken.

AI Overviews und AI Mode zählen nicht rein

Google zählt in diese Kanalgruppe nur Chatbots, also ChatGPT, Gemini, Claude, Perplexity und ähnliche. Klicks aus Google AI Overviews und dem AI Mode innerhalb der Google-Suche laufen dagegen weiter unter Organic Search. Der Grund ist technisch: Der Referrer ist schlicht google.com, GA4 kann diese Klicks nicht von normalem Organic unterscheiden, und Google schließt AI Overviews und AI Mode in der Definition der Kanalgruppe sogar explizit aus.

Das ist der häufigste Denkfehler im Reporting. Wer den KI-Einfluss allein über diese Kanalgruppe misst, übersieht den gesamten KI-Anteil, der innerhalb der Google-Suche selbst passiert, und das ist bei vielen Themen der größere Batzen. Genau diese KI-Antworten entstehen über Query Fan Out: Google zerlegt eine Anfrage in mehrere Teilfragen, ruft dazu parallel Quellen ab und baut daraus die Overview. Die AI-Assistant-Zahl steht also für die Chatbots. KI innerhalb der Google-Suche fällt in eine andere Kategorie und bleibt in GA4 im Organic-Topf.

Keine historische Rückrechnung

Die Kanalgruppe enthält nur Traffic ab dem Zeitpunkt, an dem das Feature in deiner Property aktiv wurde. Älterer KI-Traffic bleibt dort, wo er vorher lag, also in Referral und anderen Klassifizierungen. In der Zeitreihe sieht man das gut: Gemini-Traffic taucht ab Aktivierung parallel auf, historisch weiter in Referral und ab dem Stichtag zusätzlich in AI Assistant. Für Trendaussagen heißt das, dass die Zahl erst ab dem Aktivierungsdatum sauber vergleichbar ist.

Wer eine längere Historie braucht, kommt um eine Custom Channel Group nicht herum, die genau diesen Bruch vermeidet. Dazu weiter unten mehr.

Nur Klicks mit Referrer werden erfasst

Wird unsere Marke in einer KI-Antwort nur erwähnt, ohne dass jemand klickt, taucht in GA4 nichts auf. Und selbst wenn geklickt wird, muss der Klick einen Referrer mitschicken, damit er richtig zugeordnet wird. Fehlt der Referrer, landet die Session nicht etwa in AI Assistant, sondern in Direct, wo sie sich mit Lesezeichen- und Direkteingabe-Traffic vermischt. Verschiedene Auswertungen aus 2026 gehen davon aus, dass ein erheblicher Teil der KI-Referrals ohne Referrer ankommt und deshalb in Direct verschwindet (nicelookingdata, 2026).

Reine Sichtbarkeit in KI-Antworten ist damit nicht messbar, obwohl sie einen echten Effekt auf Wahrnehmung und spätere Direktbesuche hat. Die Zahl unterschätzt den echten KI-Einfluss also systematisch. Sie misst das Ende der Journey, den Klick. Die vielen Berührungspunkte davor bleiben unsichtbar.

Googles Klassifizierung ist unvollständig

Die Zuordnung basiert auf festen Source/Medium-Mustern. Passt eine Quelle nicht ins Muster, landet sie in einer anderen Kanalgruppe, meist wieder in Referral. Der Default-Channel zeigt dir außerdem nicht, welche Plattformen genau enthalten sind. Das sieht man erst, wenn man sich Source/Medium einzeln anschaut und prüft, welchem Kanal GA4 den Wert zuordnet.

Der prominenteste Fall ist Perplexity: Traffic von dort wird zum Stand dieses Artikels nicht unter AI Assistant geführt, sondern bleibt im Referral. Auch einzelne Source/Medium-Varianten wie perplexity / (not set) fallen so durchs Raster. Wer sich blind auf die Default-Gruppe verlässt, hat diese Quellen gar nicht mit im Bild, obwohl es klar KI-Traffic ist.

Für Fortgeschrittene: eigene Custom Channel Group mit Regex

Hier setzt die eigene Custom Channel Group an. Googles Default deckt eben nicht alle KI-Quellen ab, und eine eigene Gruppe schließt die Lücke und skaliert dabei besser als ein schneller Report-Filter. Der naheliegende Einwand lautet: Warum nicht einfach ein Filter auf die Source? Zwei Gründe sprechen dagegen. Report-Filter auf Source haben ein striktes Zeichenlimit von rund 250 Zeichen, die lange KI-Liste passt da schlicht nicht rein. Und der Filter setzt sich zurück, sobald man den Report verlässt oder neu lädt. Eine Custom Channel Group ist dagegen persistent, flexibler und einmal gebaut dauerhaft nutzbar.

Setup Schritt für Schritt

Das Setup läuft komplett im Admin-Bereich. Wir gehen in Admin, dann Data Display, dann Channel Groups. Dort klicken wir auf Add new channel group und geben ihr einen Namen, zum Beispiel "Custom channel group". Anschließend legen wir über Add new channel einen neuen Channel an und benennen ihn "Artificial Intelligence". Den vollen Namen statt einer Abkürzung wie "AI" zu nehmen hat den einfachen Grund, dass es das spätere Filtern erleichtert und Verwechslungen vermeidet. Als Bedingung wählen wir Source matches regex und fügen die Regex ein, die wir dir gleich geben.

Die folgende Liste basiert auf der Sammlung von Analytics Mania und deckt über 100 KI-Domains ab. Wir haben sie um abgeschaltete Dienste bereinigt: bard.google.com (in Gemini aufgegangen), Neeva (2023 eingestellt), open-assistant.io (inaktiv) sowie die abgelösten PaLM-Endpunkte sind raus, poe.com ist ergänzt. Prüf die Liste trotzdem quartalsweise gegen deine tatsächlichen Referral-Quellen, denn neue KI-Domains tauchen laufend auf. Kopier den Block direkt in das Regex-Feld:

chatgpt\.com|chat\.openai\.com|gemini\.google\.com|deepseek\.com|perplexity(?:\.ai)?|claude\.ai|copilot\.microsoft\.com|deepl\.com|character\.ai|(?:\w+\.)?meta\.ai|grok\.x\.com|grok\.com|x\.ai|(?:\w+\.)?mistral\.ai|writesonic\.com|quillbot\.com|chat\.suno\.com|turing\.microsoft\.com|cosmos\.microsoft\.com|orca\.microsoft\.com|phi\.microsoft\.com|megatron\.microsoft\.com|jarvis\.microsoft\.com|maia\.microsoft\.com|aitastic\.app|bnngpt\.com|chat-gpt\.org|poe\.com|(?:\w+\.)?edgepilot|firefly\.adobe\.com|edgeservices|iask\.ai|nimble\.ai|(?:\w+\.)?copy\.ai|openchat\.so|blackbox\.ai|ex\.ai|cohere\.ai|anthropic\.com|chatglm\.cn|gemini-api\.google\.com|deeplearning\.google\.com|vertexai\.google\.com|ai\.google\.com|deepmind\.google\.com|ml\.googleapis\.com|tensor\.google\.com|t5\.google\.com|my-ai\.snapchat\.com|ai\.baidu\.com|xiaoice\.com|anthropic-api\.com|huggingchat\.com|deepmind\.com|alphacode\.google\.com|copilot\.azure\.com|felo\.ai|chat\.qwen\.ai|(?:\w+\.)?qwenlm\.ai|(?:\w+\.)?outlier\.ai|chat\.hotmart\.ai|customgpt\.ai|venice\.ai|bot\.ivy\.ai|chat\.chatbotapp\.ai|lmarena\.ai|wrtn\.ai|chat\.chaton\.ai|app\.chatboxapp\.ai|duck\.ai|sider\.ai|webpilot\.ai|ai21\.com|pi\.ai|zhipu\.ai|huggingface\.co|wordtune\.com|reka\.ai|syntesia\.io|jasper\.ai|uminal\.org|ai-coustics\.com|magical\.team|vicuna\.ai|floydhub\.com|forefront\.ai|komo\.ai|wav\.ai|d-id\.com|sap\.ai|useblackbox\.io|you\.com|chinchilla\.ai|openrouter\.ai|waldo|coze\.com|exa\.ai|spellbook\.rossintelligence\.com|yiyan\.baidu\.com|lighton\.ai|baichuan-ai\.com|hyperwriteai\.com|phind\.com|app\.loora\.ai

Falls man doch nur schnell einen Report-Filter setzen will und mit dem 250-Zeichen-Limit leben muss, nimmt man diese gekürzte Variante mit den wichtigsten Quellen:

chatgpt\.com|chat\.openai\.com|gemini\.google\.com|deepseek\.com|perplexity(?:\.ai)?|claude\.ai|copilot\.microsoft\.com|deepl\.com|character\.ai|(?:\w+\.)?meta\.ai|grok\.x\.com|grok\.com|x\.ai|(?:\w+\.)?mistral\.ai|writesonic\.com

In der Standard-Version kann man zwei Custom Channel Groups pro Property anlegen, zusätzlich zur nicht editierbaren Default Channel Group. Man sollte also strategisch priorisieren, wofür man sie verwendet. Pro Channel Group sind maximal 25 Channels erlaubt.

Wichtig ist außerdem die Reihenfolge: Allgemeinere Channels gehören nach unten, und der KI-Channel muss über Referral stehen. Steht Referral weiter oben, greift es als Catch-all zuerst und fängt unseren KI-Traffic ab, bevor die KI-Regel überhaupt zieht. Wir positionieren die Channels über "Reorder". Ein neu gespeicherter Channel landet immer automatisch unten in der Liste, wir müssen ihn also manuell hochziehen.

Report und Auswertung

Steht die Gruppe, öffnen wir Traffic Acquisition und wählen im Dropdown der Tabelle die Dimension Session custom channel group. Für einen echten Deep Dive gehen wir über Customize report, setzen einen Filter auf Session custom channel group exactly matches Artificial Intelligence und ziehen Session source als oberste Dimension nach vorne. Wir speichern das Ganze als eigenen Report, zum Beispiel unter "AI traffic". Damit er in der Sidebar auftaucht, ordnen wir ihn einer Collection zu, über Library, dann Life cycle, dann Edit Collection. Ein Hinweis dazu: Sobald der Report in einer Collection liegt, ist er für alle Nutzer der Property sichtbar. Wir benennen ihn also klar, damit im Team niemand rätselt, was dahintersteckt.

Was diese Daten für eure Strategie bedeuten

Die GA4-Zahl zeigt nur das Ende der KI-Customer-Journey, also den Teil, in dem die Interaktion mit dem Chatbot zu einem Klick führt. Sie zeigt Klicks, keine Erwähnungen und keinen Wettbewerbsvergleich, und sie tut das nach Last-Click-Logik.

Bei Social Media war das übrigens nie anders. Viele Touchpoints mit einer Marke innerhalb einer Social-Plattform bleiben für GA4 unsichtbar, weil das Tool nur das Endergebnis sieht, den Besuch. Bei KI ist es genau dasselbe Muster. Die Zahl unterschätzt den echten KI-Einfluss, weil sie nur Klicks erfasst, keine AI Overviews und keine reinen Erwähnungen. Sie ist ein nützlicher Indikator, mehr aber auch nicht.

Voraussetzung prüfen: AI-Crawler-Zugang

Bevor man überhaupt über KI-Traffic nachdenkt, sollte man die Grundvoraussetzung prüfen: Kommen die KI-Crawler auf unsere Seite? Dazu werfen wir einen Blick in die robots.txt und schauen, ob wichtige KI-Crawler blockiert sind, etwa ChatGPT-User, OAI-SearchBot, Perplexity-User oder Claude-SearchBot.

Die Logik dahinter ist simpel: kein Crawl, keine Citation, und ohne Citation auch kaum eine Chance auf Traffic. Viele Seiten blockieren diese Bots historisch, ohne es zu merken, und wundern sich dann über fehlende KI-Sichtbarkeit. Das ist der erste Hebel, den wir bei jedem KI-SEO-Setup anfassen. Ob eine llms.txt darüber hinaus etwas bringt, ist eine eigene Frage, aber der Crawler-Zugang in der robots.txt ist die harte Voraussetzung.

Content-Konsequenz aus der Nicht-Überschneidung

Weiter oben stand die Beobachtung, dass KI andere Seiten zitiert als die, die organisch ranken. Daraus folgt ein konkreter Workflow, nicht nur ein Tool-Hinweis:

1. Zitierte Seiten isolieren. In GA4 über den oben gebauten Landingpage-Filter die Seiten ziehen, die KI-Klicks bekommen. Das ist deine Liste der Inhalte, die bei Assistenten funktionieren.
2. Muster erkennen. Diese Seiten haben meist etwas gemeinsam: klar abgegrenzte Absätze, die eine einzelne Frage vollständig beantworten, Definitionen, Zahlen mit Quelle, Vergleiche. Genau die Bausteine, die ein Modell isoliert als Antwort verwenden kann.
3. Format übertragen. Dieses Muster auf die Seiten anwenden, die zitiert werden sollen, aber es nicht werden. Dazu gehört sauberes Schema-Markup als technische Voraussetzung für die Zitierbarkeit, damit KI-Systeme Inhalt und Entität eindeutig einordnen können.
4. Prompts und Wettbewerb abdecken. Für die Frage, über welche Prompts eine Citation überhaupt ausgelöst wird und wie man im Vergleich zum Wettbewerb dasteht, reicht GA4 nicht. Dafür braucht es ein Sichtbarkeits-Tool wie das Semrush AI Visibility Toolkit, das Prompt-Tracking, Share of Voice und Sentiment über ChatGPT, Perplexity, Gemini, Copilot und Google AI Overviews abdeckt. GA4 sagt dir, was klickt. Ein solches Tool sagt dir, wo du im Antwortraum überhaupt vorkommst.

GA4 ist damit der Mess-, nicht der Analysepunkt. Es zeigt das Ergebnis. Warum eine Seite zitiert wird und eine andere nicht, leitet man aus dem Muster der zitierten Seiten plus einem Sichtbarkeits-Tool ab.

Fazit

KI-Traffic ist jetzt in GA4 messbar, aber nur teilweise. Die AI-Assistant-Kanalgruppe ist eine bequeme Abkürzung. Das vollständige Bild liefert sie nicht. Wer die vier Grenzen kennt, also fehlende AI Overviews, keine Rückrechnung, nur Klicks mit Referrer und die unvollständige Klassifizierung, liest die Zahl richtig und zieht die passenden Schlüsse. Wer sie nicht kennt, überschätzt oder unterschätzt den KI-Einfluss.

Konkret empfehlen wir drei Stufen. Erstens: Notiere dir eine Baseline, denn deine saubere Zeitreihe startet erst ab Aktivierung der Kanalgruppe. Zweitens: Prüf die robots.txt auf Crawler-Zugang, das ist die Grundvoraussetzung für jede Citation. Drittens: Setz ernsthaftes Reporting über eine Custom Channel Group auf, nicht über flüchtige Filter, die sich beim nächsten Reload zurücksetzen.

Wer KI-SEO strukturiert aufsetzen und richtig messen will, muss beide Seiten beherrschen, das technische Tracking und die Interpretation dahinter. Da setzen wir bei ZODA an, vom sauberen GA4-Setup bis zur Frage, was die Zahlen für deine Content-Strategie bedeuten.