Jahrelang gingen die meisten SEO-Experten davon aus, dass ChatGPT nach demselben einfachen Prinzip funktioniert: Es sendet eine Anfrage an Bing, erhält Ergebnisse und generiert daraus eine Antwort. Peec AI, ein Unternehmen für Geo- und KI-gestützte Suchanalyse, hat nun einen neuen Bericht veröffentlicht, der diese Annahme widerlegt. Offenbar hat ChatGPT intern, im Stillen, einen eigenen Retrieval-Index namens Labrador entwickelt – und das schon seit Jahren.
Diese Studie von Tomek Rudzki (Peec AI) beschreibt, wie ChatGPT mithilfe einer Kombination aus durchgesickerten technischen Signalen, Stellenanzeigen von OpenAI und eidesstattlichen Zeugenaussagen vor Gericht Informationen gewinnt. Das Ergebnis dieser Untersuchung ist deutlich komplexer und weitreichender als allgemein erwartet.
Labrador ist nicht ein einzelner Index, sondern eine ganze Familie.
Zwischen dem 21. Mai und dem 21. Juli 2026 enthielten die serverseitigen Ereignisse von ChatGPT das Feld `result_source`, das die genaue Quelle der zur Generierung einer Antwort verwendeten Informationen angab. Es gab nur vier mögliche Werte: Labrador, Bright Oxylabs und SERP. Labrador gehört zu OpenAI, während die anderen drei Drittanbieter für Web-Scraping sind. Forscher geben an, dass Labrador nicht nur einen Indextyp verwendet. Ähnlich wie Google seine Suchinfrastruktur über zwanzig Jahre hinweg in verschiedene Typen unterteilt hat – den Haupt-Webindex und darüberliegende vertikale Indexebenen –, sind die Daten in verschiedene Kategorien unterteilt. Zu den gefundenen Kategorien gehörten allgemeines Web, PDF, YouTube, Nachrichten (unterteilt in aktuelle, 7-tägige und ältere Versionen), arXiv, Wikipedia, Lokales, Finanzen (mit einem eigenen PDF-spezifischen Index), Recht, Medizin, Shopping und Bilder. Alle diese Kategorien verwenden dieselben Indexdaten, wie Seitentext, Datum des Web-Crawls und Veröffentlichungsdatum.
Stellenanzeigen deuten auf eine ernsthafte, langfristige Investition hin.
Peec AI führt außerdem verschiedene Stellenanzeigen von OpenAI als Beleg für die Aussagen seiner Forscher an. In einer Stellenanzeige für einen Softwareentwickler im Bereich Foundations Search heißt es, dass die Erfahrung des Kandidaten im Aufbau und Support von „Indexierungssystemen, Retrieval-Pipelines und Serving-Layern“ bewertet wird. Eine weitere Stelle als Engineering Manager im Online Data Systems Team von OpenAI beschreibt die Aufgaben des Aufbaus und der Wartung der Hauptdatenbank und der Indexierungsdienste, die OpenAI-Anwendungen wie ChatGPT unterstützen – und zwar im Exabyte-Bereich, wie es in der Anzeige heißt. Ein Exabyte entspricht etwa einer Milliarde Gigabyte, und eine solche Infrastruktur kann nicht von einem Unternehmen aufgebaut werden, das lediglich den Index eines anderen Anbieters nutzt, um Anfragen darüber abzuwickeln.
Eine weitere Stellenausschreibung, die sich hauptsächlich mit dem Abruf von Einbettungen befasst, setzt nachweisliche Erfahrung in der Entwicklung neuer Trainingsziele für Einbettungen, Vektorspeicherarchitekturen und dynamischer Indizierung sowie Kenntnisse in dichten, spärlichen und hybriden Repräsentationsmethoden voraus. Die spärliche Repräsentation ist ein lexikalisches Ranking-Verfahren, ähnlich wie TF-IDF und BM25, auf denen Googles ursprüngliche Suchmaschine basierte. Kombiniert man die spärliche Suche mit dichten Vektoreinbettungen, erhält man die sogenannte Reciprocal Rank Fusion, die beide Ergebnistypen kombiniert. Dies hatte Metehan Yesilyurt, Forscher bei Peec AI, bereits zuvor im Zusammenhang mit den Mechanismen von ChatGPT festgestellt.
Die Geschichte lässt sich auf eine Kartellrechtsanhörung im Jahr 2024 zurückführen.
Peec AI bringt diese Geschichte mit dem Kartellverfahren gegen Google in Verbindung, in dem Nick Turley, der Leiter von ChatGPT, unter Eid aussagte, dass die Suchstrategie von OpenAI eines ihrer Hauptargumente gewesen sei. Turley soll erklärt haben, dass OpenAI erhebliche Qualitätsprobleme bei der Verwendung von Suchdaten von Nicht-Google-API-Partnern habe und dass OpenAI sogar zu einer direkten Partnerschaft mit Google bereit gewesen wäre, selbst als Google den Vorschlag leider ablehnte.
Wie aus den den Medien vorgelegten Gerichtsakten hervorgeht, war OpenAIs Umstellung auf einen eigenen Index teilweise durch diese Ablehnung motiviert. Turley erklärte, OpenAI habe 2023 mit der Entwicklung eines eigenen Suchindex begonnen, zunächst mit dem ambitionierten Ziel, bis Ende des Jahres 80 % der Kundenanfragen über diesen Index zu beantworten. Turley wies außerdem darauf hin, dass OpenAI selbst bei Zugriff auf die gesamten Google-Indexdaten mindestens fünf Jahre bräuchte, um herauszufinden, ob die Beantwortung aller Anfragen über einen eigenen Index überhaupt möglich ist. Kurz gesagt: Die vollständige Unabhängigkeit von Datenquellen ist ein langwieriger Prozess. Es handelt sich um ein schrittweises Testen verschiedener Anfragekategorien.
Im Einzelhandel ist der Index derzeit am deutlichsten sichtbar.
Peec AI hebt hervor, dass die deutlichste Demonstration der natürlichen Funktionsweise des ChatGPT-Indexierungssystems in den Produktsuchergebnissen zu finden ist. Wie das Forschungsteam Mitte August 2026 mit einem A/B-Test namens „prefer-index-over-serp-v3“ feststellte, war dieser Test in etwa 8 % der Konversationschats aktiv. Am 2. September 2026 liefen noch mindestens fünf separate Shopping-Experimente, in denen jeweils unterschiedliche Kombinationen der internen Datenressourcen von OpenAI mit der Suche in externen Quellen getestet wurden.
Eine detaillierte Studie, die Experten zugänglich ist, umfasst drei Hauptschritte: eine Lexikonsuche mithilfe des BM25-Algorithmus, der die Anzahl der Einträge auf zehn Quellen reduziert; eine Rangfolge von 400 Produktkandidaten; und eine approximative Nächste-Nachbarn-Vektorsuche in zwei Dimensionen. Ein solches mehrstufiges Rangfolgesystem, das mit Echtzeit-Einkaufsdaten arbeitet, erfordert, dass das OpenAI-Team regelmäßig Validierungsprozesse durchführt, um sicherzustellen, dass der generierte Index zumindest für den Testbetrieb geeignet ist.
ChatGPT scheint auch Seiten zwischenzuspeichern.
Live-Abruf bedeutet, dass das System bei Bedarf die aktuellste Version der Website abruft. Bei der Skalierung von ChatGPT ist der Live-Abruf jeder einzelnen Webseite nahezu unmöglich, da viele Seiten länger als eine Sekunde zum Laden benötigen. Das KI-Unternehmen Peec AI argumentiert, dies sei ein überzeugendes Argument dafür, dass ChatGPT einen Cache häufig besuchter Webseiten verwaltet. Diese Idee ähnelt stark einem Ansatz, den Google in seinen Patenten verfolgt.
Die Forscher von Peec AI veröffentlichten Beweise in Form einer Testwebsite mit einer Milliarde Seiten, um das Verhalten des Webcrawlers von ChatGPT auf diesen Seiten zu untersuchen. Bis September 2026 hatte ChatGPT etwa sechs Millionen Seiten gecrawlt, was angesichts des enormen Umfangs ein vergleichsweise geringer Anteil ist. Der Crawler erreichte jedoch weiterhin eine Geschwindigkeit von 35,000 Seiten pro Stunde. Peec AI testete außerdem eine Einstellung von ChatGPT, den sogenannten „Lockdown-Modus“. In diesem Modus ist das Surfen in Echtzeit nicht möglich, es werden jedoch zwischengespeicherte oder Offline-Ergebnisse angezeigt. Überraschenderweise stellten sie fest, dass ChatGPT selbst im Lockdown-Modus aktuelle Homepage-Inhalte einiger führender SEO-Publisher anzeigen konnte. Dies deutet darauf hin, dass die Inhalte wahrscheinlich nicht neu heruntergeladen, sondern aus dem Cache geladen wurden.
Google und Microsoft spielen weiterhin eine Rolle
ChatGPT erstellt zwar einen eigenen Index, hat sich aber nicht vollständig von externen Suchmaschinen abgekoppelt. So führte beispielsweise Malte Landwehr, CPO von Peec AI, ein Experiment mit einer Website durch, die keinen organischen Traffic generierte, und befragte ChatGPT einige Tage lang über diese Website. Wie erwartet, stellten sie anhand der Google Search Console fest, dass der Traffic der Website an diesen Tagen deutlich anstieg – ein eindeutiger Beweis dafür, dass ChatGPT Google direkt abfragt, um seine Suchergebnisse zu verbessern.
Unterdessen taucht auch Bing auf, und – noch wichtiger – während der Deep-Research-Sitzungen wird Bing dort sogar als direkte Referenz für die Datenquelle von ChatGPT bei deren serverseitigen Veranstaltungen erwähnt. Darüber hinaus verfügt Microsoft über seine eigene Web-IQ-Plattform, die laut Unternehmen eine Latenz von unter 165 Millisekunden ermöglicht und ChatGPT nutzen soll. Produkte wie Microsoft Copilot und Unternehmenskunden wie Nasdaq nutzen bereits Web-IQ.
Insgesamt behauptet Peec AI, dass neben dem Crawler von ChatGPT mindestens acht weitere Datenlieferanten Inhalte zu den Ergebnissen von ChatGPT beitragen. Dazu gehören Bright Data Oxylabs, ein separater SERP-Scraping-Kanal, Yelp, TripAdvisor, zwei interne Datenpipelines für Unternehmenseinträge und Google Maps-Daten sowie Microsofts Web IQ.
Was das für Website-Betreiber bedeutet
Die Studie stellte klar, dass die Nutzung der Bing-Sichtbarkeit als Indikator für die Sichtbarkeit von ChatGPT nicht mehr sicher ist, selbst wenn sie jemals absolut zuverlässig war. ChatGPT erstellt einen eigenen Crawler und Index und nutzt dabei Signale verschiedener externer Quellen. Anschließend testet das Unternehmen unterschiedliche Kombinationen mit Live-Traffic und gewichtet seine eigenen Systeme im Laufe der Zeit immer stärker.
Bei Online-Shops, wo Kunden Preise einsehen und vergleichen können, zeigt sich der größte Unterschied in diesem Übergang, da OpenAI hier die aufwendigsten Experimente durchführt. Für Unternehmen, die auf ihre lokale Präsenz angewiesen sind, sind ihre Einträge auf Bewertungsportalen wie Yelp und TripAdvisor direkt betroffen und scheinen besonders wichtig zu sein, da diese Bewertungen als Datenlizenzen behandelt werden, während Google Maps-Daten unabhängig von den Einstellungen der Unternehmen in ChatGPT einfließen. Die Darstellung einer Website im ChatGPT-Sperrmodus kann zudem einen ersten Eindruck von ihrer Sichtbarkeit vermitteln. Die Entwicklung schreitet rasant voran. Peec AI selbst hat diese Tatsachen bestätigt und nimmt wöchentlich Änderungen an Teilen des Systems vor; daher könnten einige Details zum Zeitpunkt Ihrer Lektüre bereits veraltet sein.
Häufig gestellte Fragen
Frage 1: Was ist ein Labrador?
Es handelt sich um die interne Bezeichnung des eigenen Suchindex von ChatGPT, der von OpenAI entwickelt wurde, um dessen Suchfunktionen zu ergänzen und als Alternative zu Google und Bing zu dienen.
Frage 2: Ist ChatGPT auf Google und Bing angewiesen?
Ja, wie die Untersuchung von Peec AI ergab, die direkte Beweise dafür fand, dass ChatGPT auf Google und Bing zugegriffen hat, wobei letzteres während der Deep Research-Sitzungen intensiv genutzt wurde.
Frage 3: Welche Daten indexiert Labrador?
Zu den Datenkategorien gehören allgemeine Webseiten, PDFs, YouTube-Videos, Nachrichten, arXiv, Wikipedia, lokale Einträge, Finanzen, Recht, Gesundheitswesen, Shopping und Bilder.
Frage 4: Wann begann OpenAI mit dem Aufbau seines eigenen Index?
Aus Gerichtsdokumenten, die auch eine Aussage des ChatGPT-Chefs Nick Turley enthalten, geht hervor, dass der Prozess im Jahr 2023 begann.
Frage 5: Warum sah OpenAI die Notwendigkeit, einen eigenen Suchindex zu erstellen?
Der Chatbot-Riese war mit der Qualität der Suchergebnisse von Drittanbieterplattformen unzufrieden. Zeugenaussagen zufolge strebte er eine direkte Partnerschaft mit Google an, was dieser jedoch ablehnte.
Frage 6: Wo kann der selbstgehostete Index von ChatGPT eingesehen werden?
Dies zeigt sich in den Shopping-Ergebnissen, wo mehrere A/B-Tests durchgeführt wurden, um die Ergebnisse externer Indizes mit den von OpenAI generierten Ergebnissen zu vergleichen.
Frage 7: Speichert ChatGPT Webseiten im Cache, anstatt sie live abzurufen?
Die Forschungsergebnisse deuten darauf hin, dass dies der Fall ist, basierend auf dem auf einer Testwebsite beobachteten Crawling-Verhalten und den im Sperrmodus von ChatGPT zurückgegebenen Ergebnissen.
Frage 8: Welche anderen Suchdatenanbieter nutzt ChatGPT?
Neben Google und Bing gibt es insgesamt acht verschiedene Datenanbieter, darunter Bright Data, Oxylabs, Yelp, TripAdvisor und Microsofts Web IQ.
