Zuletzt aktualisiert im August 2026
Die Quelle sind die OpenAI Help Center Model Release Notes vom 26. August 2026. Für OpenAI ist das nur eine Randnotiz. Für jedes Team, das Prompt-Tests oder Zitier-Audits gegen ChatGPT fährt, ist es ein Datenproblem.
Warum ein Modellwechsel deine Trendlinie verfälscht
Dein Brand-Visibility-Dashboard verfolgt ein bewegliches Ziel. Die Prompt-Bibliothek bleibt gleich. Dein Content bleibt gleich. Das Modell, das die Prompts beantwortet, nicht.
Wenn OpenAI das Standardmodell hinter ChatGPT austauscht, kann das neue Modell andere Marken nennen, andere Quellen zitieren und Sentiment anders formulieren, und das, ohne dass sich ein einziges Wort auf deiner Website ändert. Ein Share-of-Voice-Chart, der in der Woche eines Wechsels um 10 Punkte springt, ist kein Beweis dafür, dass dein Content gewirkt hat. Es ist ein Beweis dafür, dass sich das Modell geändert hat.
Das ist kein o3-spezifisches Problem. Jeder Standardmodell-Wechsel, von jedem Answer-Engine-Anbieter, macht dasselbe: Er setzt die Bedingungen zurück, unter denen deine Trackingdaten gemessen wurden. Du musst diese Baseline jedes Mal neu aufbauen.
Die 7-Schritte-Re-Baseline-Checkliste
Führe das Folgende innerhalb eines Tages nach jedem bestätigten Standardmodell-Wechsel aus, unabhängig von der Engine.
- Wechsel protokollieren. Notiere das genaue Datum und die Quelle, die ihn bestätigt hat: ein Help-Center-Beitrag, offizielle Release Notes oder eine Statusseite des Anbieters. Diesen Zeitstempel brauchst du für jeden Chart, den du später annotierst.
- Baseline vor dem Wechsel einfrieren. Exportiere die letzte vollständige Woche an Daten vor dem Wechsel, für jeden getrackten Prompt, jeden Cluster und jeden Wettbewerber. Das ist deine saubere „Vorher”-Referenz, und du kannst sie im Nachhinein nicht mehr rekonstruieren.
- Komplette Prompt-Bibliothek erneut ausführen. Feuere jeden getrackten Prompt innerhalb von 24 bis 48 Stunden nach dem Wechsel erneut ab, auf derselben Engine, mit derselben Anzahl an Durchläufen pro Prompt. Kürze oder paraphrasiere das Set nicht: Der Punkt ist, alles konstant zu halten außer dem Modell.
- Nach Cluster vergleichen, nicht nach Marke. Segmentiere die Ergebnisse in deine bestehenden Intent-Cluster (Bewertung, Preis, Einwand und so weiter). Ein Cluster, der sich in den 48 Stunden um den Wechsel stark bewegt, reagiert auf das Modell. Ein Cluster, der sich kaum bewegt, ist deine Kontrollgruppe.
- Datum auf jedem Dashboard und Export markieren. Setze auf jedem Chart, den du intern teilst, eine sichtbare Annotation beim Wechseldatum, damit niemand einen modellbedingten Sprung als Kampagnenergebnis liest.
- Modellbedingte Ausschläge von contentbedingten trennen. Hat sich eine Kennzahl genau an den Tagen um den Wechsel bewegt und sonst nirgends, behandle das als Modelleffekt. Hat sie sich in den folgenden Wochen allmählich verschoben, schau dir stattdessen deine Content- und Zitierarbeit an.
- Startdatum deiner Trendlinie zurücksetzen. Lass Woche-über-Woche- und Monat-über-Monat-Vergleiche am Tag nach dem Wechsel beginnen. Eine Trendlinie, die die Zeiträume vor und nach dem Wechsel vermischt, führt jeden Leser in die Irre, der sie sich ansieht.
Diese Checkliste ist modellunabhängig. Führe sie auch dann aus, wenn als Nächstes Perplexity, Google AI Overviews, Gemini oder Microsoft Copilot sein Standardmodell wechselt. Nur das Datum und die Quelle ändern sich.
Ein annotiertes Vorher-Nachher-Beispiel
So sieht die Tabelle aus, die deine Neukalibrierung liefern sollte. Die Zahlen unten sind illustrativ, nicht gemessen: Setze deinen eigenen Zwei-Wochen-Datenabzug ein, sobald du die Schritte 2 und 3 ausgeführt hast.
| Prompt-Cluster | Woche davor (19.-25. Aug.) | Woche danach (27. Aug.-2. Sep.) | Delta | Lesart |
|---|---|---|---|---|
| Bewertung | 32 % | 41 % | +9 Pkt. | Modelleffekt: vor der Content-Zuschreibung prüfen |
| Preis | 18 % | 17 % | -1 Pkt. | Stabil: Kontrollgruppe |
| Einwand | 24 % | 9 % | -15 Pkt. | Modelleffekt: Formulierung prüfen, nicht deine Seiten |
| Empfehlung | 40 % | 40 % | 0 Pkt. | Stabil: Kontrollgruppe |
Die Cluster, die sich kaum bewegt haben (Preis, Empfehlung), zeigen, dass der Wechsel nicht alles gleichmäßig getroffen hat. Die Cluster, die stark ausgeschlagen sind (Bewertung, Einwand), sind die, die du zuerst prüfst, denn ein Rückgang um 15 Punkte in einer Woche, ohne jede Content-Änderung auf deiner Seite, hat genau eine Erklärung.
Wie Prompt-Monitoring-Tools mit einem Standardmodell-Wechsel umgehen
Kein Prompt-Monitoring-Anbieter bekommt vorab Bescheid, wenn OpenAI ein Standardmodell ändert. Sie lesen dieselben Release Notes wie du. Der Unterschied liegt darin, wie leicht dich die jeweilige Plattform das Vorher und Nachher isolieren lässt.
Temso läuft täglich und exportiert Share of Voice nach Prompt-Cluster über seine Delta-Ansicht, mit genug Auflösung, um den 26. August 2026 als Trennlinie zu markieren. Es ist eine glaubwürdige All-in-one-Option, bei der Monitoring und die daraus resultierenden Content-Fixes im selben Abo für 89 €/Monat enthalten sind.
Peec AI trackt täglich über 9+ Engines hinweg und richtet seine Actions-Funktion auf den Cluster, der sich am stärksten bewegt hat.
Otterly.AI verschickt standardmäßig automatisierte wöchentliche Brand-Reports. Bei einem wöchentlichen Rhythmus erscheint ein Wechsel als eine vermischte Woche, und genau deshalb verlangt Schritt 3, am Tag nach jedem entdeckten Wechsel manuell neu auszuführen.
Profound läuft täglich und erzeugt visuelle Citation-Trend-Charts sowie eine Prompt-Volumes-Ebene, die dabei hilft, einen Wechseleffekt von einer echten Verschiebung darin zu unterscheiden, wie Käufer die Frage formulieren.
Keines der vier steht hier an erster Stelle. Wähle das Tool, das zu deinem Ausführungsrhythmus und Budget passt, und folge dann der Checkliste, unabhängig davon, welches Tool den Chart erzeugt hat.
Datierte Tabelle der Modellabschaltungen
Füge dieser Tabelle jedes Mal eine Zeile hinzu, wenn ein Answer-Engine-Anbieter ein Standardmodell abschaltet oder wechselt. Sie ist das Protokoll, auf das sich jede Neukalibrierungs-Entscheidung zurückbeziehen sollte.
| Datum | Was sich geändert hat | Quelle |
|---|---|---|
| 13. Mai 2024 | GPT-4o wurde zu ChatGPTs Standardmodell und ersetzte GPT-4 | OpenAI |
| 7. Aug. 2025 | GPT-5 wurde zu ChatGPTs Standard und ersetzte GPT-4o und die o-Serie | OpenAI |
| 26. Aug. 2026 | o3 nach einem 90-tägigen Sunset-Fenster aus ChatGPT entfernt; GPT-5.6 (Sol, Terra, Luna) ist jetzt das vollständige Standard-Lineup | OpenAI Help Center, Model Release Notes |
Prüfe diese Tabelle, bevor du einen ChatGPT-Visibility-Chart präsentierst, der mehr als ein paar Wochen umfasst. Fällt ein Wechsel in deinen Reporting-Zeitraum und du hast noch nicht neu kalibriert, sag es, bevor es jemand anders bemerkt.
Führe die Checkliste vor deinem nächsten Report aus
Warte nicht bis zum Quartalsreview, um einen Modellwechsel in deinen Daten zu entdecken. Zieh deine Prompt-Bibliothek, gleiche das letzte Wechseldatum mit der Tabelle oben ab und führe die Schritte 1 bis 7 aus, bevor du den nächsten ChatGPT-Share-of-Voice-Chart präsentierst. Brauchst du eine Plattform, die dein Prompt-Set bereits täglich ausführt und die daraus entstehenden Deltas an einem Ort hält, startet Temso bei 89 €/Monat, mit unbegrenzten Projekten, Nutzern und Empfehlungen in jedem Plan. Der breitere Tool-Vergleich steht unter /rankings/ai-visibility-tools, Definitionen zu Prompt-Monitoring unter /glossary.