Zuletzt aktualisiert:
Erhebung abgeschlossen · Gesamtauswertung
KI-Sichtbarkeit der Lübecker Stiftungslandschaft
Ich wollte wissen, welche Lübecker Stiftungen ChatGPT und Google Gemini eigentlich nennen, wenn ein Verein nach Fördermitteln für ein Jugend-, Kultur- oder Umweltprojekt sucht – und ob beide KI-Chatbots zuverlässig erkennen, welche Stiftung hinter einem bekannten Lübecker Projekt steht. Dafür habe ich elf fördernde Stiftungen mit Sitz in Lübeck systematisch untersucht und einen festen Satz aus 24 vorab festgelegten Fragen – sogenannten Prompts, also den wörtlich eingegebenen Aufgaben an den jeweiligen KI-Chatbot – in fünf zeitlich verteilten Messdurchgängen (Wellen) zwischen dem 5. und 8. August 2026 abgefragt. Die Abfragen liefen nicht manuell im Browser, sondern über die Programmierschnittstellen (APIs) von OpenAI, dem Unternehmen hinter ChatGPT, sowie von Google für Gemini, weil sich derselbe Fragensatz dort automatisiert und unter gleichbleibenden Bedingungen wiederholen lässt. Am Ende dieser fünf Wellen lagen insgesamt 1.060 gültige Antworten vor, genau 530 pro KI-Chatbot.
Patrick Stolp · SEO-Experte · Lübeck
- Welle
- 5 von 5 abgeschlossen
- Gültige Antworten
- 1.060 von 1.060
- Erhoben bis
- 8. August 2026
- Nächste Aktualisierung
- keine geplant, Erhebung abgeschlossen
Endstand erreicht.
Stolp, Patrick (2026): KI-Sichtbarkeit der Lübecker Stiftungslandschaft. Abgeschlossene Erhebung. patrickstolp.de/ki-sichtbarkeit-stiftungen-luebeck/.
Kurzfassung und zentrale Messgrößen
Eine einzelne Antwort von ChatGPT oder Gemini reicht für eine verlässliche Einordnung kaum aus, weil KI-Chatbots bei wiederholten Durchläufen derselben Frage teils unterschiedliche Stiftungen und Reihenfolgen ausgeben. Deshalb habe ich meine 24 Fragen in fünf thematische Blöcke aufgeteilt und jede Frage mehrfach an verschiedenen Tagen und Uhrzeiten an die beiden Sprachmodelle GPT-5 mini (ChatGPT) und Gemini 3.6 Flash (Google Gemini) geschickt (alle 24 Fragen stehen im Wortlaut und mit ihren Kürzeln weiter unten in Tabelle 3). Sechs Förderfragen (A1 bis A6) bilden die Sicht von Antragstellern ab und liefen je sechs Mal pro Welle und KI-Chatbot, was 60 Antworten pro Frage und 360 Antworten insgesamt ergibt. Vier allgemeine Überblicksfragen zur Lübecker Stiftungslandschaft (S1 bis S4) liefen in derselben Häufigkeit und lieferten weitere 240 Antworten. Hinzu kamen elf Projektfragen zu bekannten Lübecker Vorhaben (je vier Durchläufe pro Welle und KI-Chatbot): sechs davon (P1 bis P6) liefen seit Welle 1 und brachten es auf 240 Antworten, fünf weitere (P7 bis P11) habe ich ab Welle 2 als Vergleichsgruppe über vier Wellen ergänzt, was 160 Antworten ergab. Zwei offene Markenfragen zur Gemeinnützigen Sparkassenstiftung und zur Possehl-Stiftung (M1 und M2) sowie eine Kontrollfrage nach einer frei erfundenen Stiftung (K1) liefen je zwei Mal pro Welle und KI-Chatbot und steuerten 40 beziehungsweise 20 Antworten bei. In Welle 1 entstanden so 180 Antworten, in den Wellen 2 bis 5 jeweils 220 Antworten – zusammen genau jene 1.060 gültigen API-Antworten.
Für die Auswertung habe ich zwei zentrale Zielgrößen voneinander getrennt:
- Nennungsquote (erste Zielgröße): Sie gibt den Anteil an den 600 Antworten der Förder- und Überblicksfragen an, in denen eine Stiftung überhaupt vorkommt.
- Attributionsquote (zweite Zielgröße): Sie gibt den Anteil an den Antworten auf eine konkrete Projektfrage (einen sogenannten Attributions-Prompt) an, in denen ChatGPT oder Gemini die dahinterstehende Stiftung tatsächlich als Förderin nennen.
Endstand in Zahlen
Der Endstand umfasst alle 1.060 gültigen Antworten vom 5. bis 8. August 2026, und keine einzige Abfrage ist ausgefallen. Die Ergebnisse fasse ich in zwei Tabellen zusammen: Tabelle 1 zeigt die allgemeine Sichtbarkeit der elf Stiftungen, Tabelle 2 die Zuordnung der untersuchten Projekte. Neben jeder Prozentzahl steht dort ein sogenanntes Wilson-Intervall, also ein statistischer Schwankungsbereich um den gemessenen Wert (berechnet als 95-Prozent-Konfidenzintervall). Da ich dieselben Fragen über fünf Wellen mehrfach gestellt habe, sind die einzelnen Antworten statistisch allerdings nicht unabhängig voneinander – genau davon geht die Rechenformel jedoch aus, sodass sie die Ähnlichkeit zwischen wiederholten Antworten auf denselben Prompt nicht vollständig abbildet. Die Intervalle dienen hier deshalb rein beschreibend (deskriptiv) als Orientierung und nicht als formaler Signifikanztest, mit dem sich statistisch prüfen ließe, ob ein Unterschied zwischen zwei Stiftungen über den Zufall hinausgeht.
Tabelle 1 zeigt zunächst die allgemeine Sichtbarkeit der elf Lübecker Stiftungen in den 600 Antworten aus den Förder- und Überblicksfragen. Neben der gesamten Nennungsquote ist dort die Top-3-Quote aufgeführt, die angibt, in welchem Anteil aller 600 Antworten eine Stiftung unter den ersten drei genannten Stellen erscheint. Sortiert sind die Zeilen nach genau dieser Top-3-Quote.
Tabelle 1 Nennung und Top-3-Position der elf Lübecker Stiftungen in den Förder- und Überblicksfragen
| Stiftung | Nennung | Intervall | Top 3 | Intervall |
|---|---|---|---|---|
| Possehl-Stiftung | 86,2 % | 83,2–88,7 | 79,7 % | 76,3–82,7 |
| Gemeinnützige Sparkassenstiftung zu Lübeck | 77,5 % | 74,0–80,7 | 66,7 % | 62,8–70,3 |
| Dräger-Stiftung | 46,0 % | 42,1–50,0 | 21,7 % | 18,6–25,1 |
| Michael-Haukohl-Stiftung | 29,5 % | 26,0–33,3 | 5,5 % | 3,9–7,6 |
| Die GEMEINNÜTZIGE | 29,0 % | 25,5–32,8 | 4,5 % | 3,1–6,5 |
| Margot und Jürgen Wessel-Stiftung | 31,8 % | 28,2–35,7 | 1,2 % | 0,6–2,4 |
| von Keller Stiftung | 15,3 % | 12,7–18,4 | 1,2 % | 0,6–2,4 |
| Rose Stiftung | 21,0 % | 17,9–24,4 | 1,0 % | 0,5–2,2 |
| Friedrich Bluhme und Else Jebsen-Stiftung | 29,5 % | 26,0–33,3 | 0,5 % | 0,2–1,5 |
| Reinhold-Jarchow-Stiftung | 14,0 % | 11,5–17,0 | 0,0 % | 0,0–0,6 |
| Kaufmannsstiftung | 6,3 % | 4,6–8,6 | 0,0 % | 0,0–0,6 |
Patrick Stolp · KI-Sichtbarkeit der Lübecker Stiftungslandschaft · patrickstolp.de
Für das richtige Lesen von Tabelle 1 sind zwei Details der Codierung wichtig – also jenes festen, automatischen Textabgleichs, mit dem ich jede gespeicherte Antwort anhand einer vorab festgelegten Namensliste ausgewertet habe. Zum einen sind die Werte der GEMEINNÜTZIGEN in dieser Tabelle als Untergrenzen zu verstehen, weil sich ihre geläufige Kurzform „die Gemeinnützige“ im automatischen Textabgleich nicht sicher von der „Gemeinnützigen Sparkassenstiftung“ trennen lässt und deshalb ungezählt bleibt (die Hintergründe stehen weiter unten im Abschnitt zu den Grenzen der Aussagekraft). Zum anderen tauchen in den Antworten regelmäßig Namen auf, die nicht zu den elf fördernden Lübecker Stiftungen zählen: überregionale Förderer, die Sparkasse zu Lübeck als Bank, auswärtige Sparkassenstiftungen sowie allgemeine Gattungsbegriffe ohne eindeutige Institutszuordnung (etwa das bloße Wort „Sparkassenstiftung“ ohne Orts- oder vollständigen Namen). Diese vier Gruppen habe ich bei der Codierung getrennt von den elf Lübecker Stiftungen mitgeführt, damit sie die Quoten in Tabelle 1 nicht verzerren. Eigene Tabellen dazu sind auf dieser Seite allerdings nicht abgedruckt.
Während Tabelle 1 die allgemeine Sichtbarkeit zeigt, rückt Tabelle 2 die zweite Zielgröße in den Mittelpunkt: Erkennen ChatGPT und Gemini, welche Stiftung hinter einem konkreten Lübecker Projekt steht? Dafür habe ich gezielt nach elf bekannten Projekten gefragt und über den automatischen Textabgleich geprüft, ob die dahinterstehende Stiftung als Förderin genannt wird. Die Spalte „Keine Zuordnung“ zählt alle Antworten, in denen weder die erwartete noch eine andere Lübecker Stiftung vorkommt. Die Spalte „Falsche Zuordnung“ schlägt beim Textabgleich hingegen bereits dann an, wenn eine Antwort die erwartete Stiftung nicht nennt, irgendwo im Text aber eine andere Lübecker Stiftung oder die Sparkasse zu Lübeck als Bank erwähnt. Zählen ChatGPT oder Gemini in einer Antwort mehrere mögliche Förderer auf, kann diese Spalte einen tatsächlichen Zuordnungsfehler daher überzeichnen. Die sechs Projekte der Sparkassenstiftung liefen ab Welle 1 und kommen auf je 40 Antworten; die fünf Projekte der Possehl-Stiftung, der GEMEINNÜTZIGEN und der Michael-Haukohl-Stiftung habe ich nach Welle 1 als Vergleichsgruppe ergänzt, sodass für sie über vier Wellen jeweils 32 Antworten vorliegen.
Tabelle 2 Attribution je Stiftungsprojekt – Nennen ChatGPT und Gemini die dahinterstehende Stiftung?
| Projekt | Richtige Stiftung genannt | Intervall | Falsche Zuordnung | Keine Zuordnung |
|---|---|---|---|---|
| Gemeinnützige Sparkassenstiftung zu Lübeck · seit Welle 1 | ||||
| Überholspur (Nachhilfe) | 100 % | 91,2–100 | 0 von 40 | 0 von 40 |
| Klimaschutzpreis | 100 % | 91,2–100 | 0 von 40 | 0 von 40 |
| Kinder- und Jugendjury | 97,5 % | 87,1–99,6 | 0 von 40 | 1 von 40 |
| kicken&lesen | 100 % | 91,2–100 | 0 von 40 | 0 von 40 |
| Kindergartenfonds | 100 % | 91,2–100 | 0 von 40 | 0 von 40 |
| Frisch auf den Teller | 100 % | 91,2–100 | 0 von 40 | 0 von 40 |
| Possehl-Stiftung · ab Welle 2 | ||||
| Lübecker Bildungsfonds | 100 % | 89,3–100 | 0 von 32 | 0 von 32 |
| KulturFunke | 100 % | 89,3–100 | 0 von 32 | 0 von 32 |
| Die GEMEINNÜTZIGE · ab Welle 2 | ||||
| Bürgerakademie Zuordnung falsch | 3,1 % | 0,6–15,7 | 23 von 32 | 8 von 32 |
| Lübeckische Blätter | 100 % | 89,3–100 | 0 von 32 | 0 von 32 |
| Michael-Haukohl-Stiftung · ab Welle 2 | ||||
| Jugend ins Museum | 100 % | 89,3–100 | 0 von 32 | 0 von 32 |
Eine Zeile in Tabelle 2 fällt sofort aus dem Rahmen, geht aber in keine Auswertung ein: die Bürgerakademie (Prompt P9). Bei meiner Recherche zum Ergänzen der Vergleichsgruppe nach Welle 1 habe ich das Projekt fälschlich der GEMEINNÜTZIGEN zugeordnet, tatsächlich wurde es jedoch von der Volkshochschule Lübeck koordiniert und laut dem Programmheft der Volkshochschule Lübeck bereits am 31. Juli 2024 beendet. ChatGPT und Gemini verwiesen in ihren Antworten zu Recht auf die Volkshochschule statt auf die GEMEINNÜTZIGE. Die 32 Antworten dieser Zeile dokumentieren an dieser Stelle also meine falsche Ausgangserwartung und kein Versagen der KI-Chatbots. Der Transparenz halber bleibt die Zeile in Tabelle 2 sichtbar. Für die Gesamtauswertung der Projektfragen bleiben damit 368 gültige Antworten.
Gesamtauswertung
Die beiden Tabellen bündeln die Ergebnisse über alle elf Stiftungen und die geprüften Projekte, fassen dabei aber sehr unterschiedliche Fragesituationen zusammen. Erst wenn man die fünf Prompt-Blöcke getrennt betrachtet, wird klar, welche Stellen bei konkreten Förderfragen im Vordergrund stehen, wie stark sich ChatGPT (über das OpenAI-Modell GPT-5 mini) und Google Gemini (über das Modell Gemini 3.6 Flash) unterscheiden und wann ChatGPT überhaupt live im Web gesucht hat.
Förderfragen führen zur öffentlichen Hand, Überblicksfragen zur Possehl-Stiftung
Wer wie ein Antragsteller fragt, also Geld für ein konkretes Jugend-, Kultur-, Sport-, Bildungs- oder Umweltprojekt sucht, bekommt zuerst einen Verweis auf die öffentliche Förderung. Die Hansestadt Lübeck – bei der Auswertung als öffentliche Stelle neben den Stiftungen mitgezählt – taucht in 357 von 360 Antworten auf die sechs Förderfragen auf (99,2 Prozent, Konfidenzintervall 97,6 bis 99,7 Prozent) und steht in 61,4 Prozent der Antworten an erster Stelle (56,3 bis 66,3 Prozent). Als meistgenannte Stiftungen folgen dahinter die Possehl-Stiftung mit 79,4 Prozent und die Gemeinnützige Sparkassenstiftung zu Lübeck mit 77,2 Prozent Nennungsquote über alle 360 Antworten auf die Förderfragen. Ganz anders fallen die vier allgemeinen Überblicksfragen zur Lübecker Stiftungslandschaft aus: Hier wird die Possehl-Stiftung in 231 von 240 Antworten genannt (96,3 Prozent, 93,0 bis 98,0 Prozent) und belegt in 86,7 Prozent der Antworten die erste Position (81,8 bis 90,4 Prozent). Die Gemeinnützige Sparkassenstiftung kommt in diesem Block auf 77,9 Prozent Nennung (72,3 bis 82,7 Prozent), steht aber nur in 2,5 Prozent der Antworten an erster Stelle (1,2 bis 5,3 Prozent). Der Abstand zwischen den beiden großen Stiftungen zeigt sich bei den Überblicksfragen demnach schon bei der Gesamtnennung (18,4 Prozentpunkte) und fällt an der ersten Position besonders deutlich aus.
Gemini nennt bei Förderfragen fast immer Stiftungen, ChatGPT deutlich seltener
Schaut man bei den sechs Förderfragen getrennt auf die jeweils 180 Antworten der beiden KI-Chatbots, treten völlig unterschiedliche Muster zutage. Google Gemini (Gemini 3.6 Flash) nennt bei diesen Anliegen fast immer konkrete Stiftungen: Sowohl die Possehl-Stiftung als auch die Sparkassenstiftung erscheinen dort jeweils in 179 von 180 Antworten. ChatGPT (GPT-5 mini) nennt einzelne Stiftungen hingegen deutlich seltener – die Possehl-Stiftung kommt dort auf 59,4 Prozent, die Sparkassenstiftung auf 55,0 Prozent – und verweist stattdessen fast immer auf die Hansestadt Lübeck als Anlaufstelle. Die zusammengefassten Werte in Tabelle 1 verbinden also zwei grundverschiedene Antwortmuster. Wer Sichtbarkeitsquoten einordnet, muss deshalb immer mit angeben, welche KI-Chatbots und Sprachmodelle tatsächlich untersucht wurden.
Bei der Frage nach der „wichtigsten Stiftung“ suchte ChatGPT selten im Web
Beide KI-Chatbots unterscheiden sich zudem darin, wie sie die Websuche technisch einsetzen. In meiner Messkonfiguration für Google Gemini war das sogenannte Grounding mit der Google-Suche für jede Antwort eingeschaltet – das Modell griff also bei jeder einzelnen Frage live auf die Google-Suche zu. ChatGPT (GPT-5 mini) entscheidet hingegen selbst, ob es eine Websuche auslöst, und tat das in 479 von 530 Antworten. Offene Überblicksfragen und konkrete Sachfragen verarbeitet das Modell dabei über unterschiedliche Wege: Bei der offenen Überblicksfrage S2 („Welche ist die wichtigste Stiftung in Lübeck?“, insgesamt 30 Durchläufe pro KI-Chatbot über die fünf Wellen) suchte GPT-5 mini lediglich in 7 von 30 Antworten live im Web und beantwortete die übrigen 23 Durchläufe ohne aktuelle Websuche. Bei sämtlichen Projekt-, Marken- und Kontrollfragen – also sobald konkret nach einem einzelnen Lübecker Projekt, gezielt nach einer der beiden großen Stiftungen oder nach der erfundenen Kontrollstiftung gefragt wurde – setzte GPT-5 mini die Websuche dagegen ausnahmslos ein.
Projektzuordnung nahezu fehlerfrei, keine erfundenen Fakten zur Kontrollstiftung
Bei den zehn gültigen Projektfragen nannten ChatGPT und Gemini in 367 von 368 Antworten die richtige Stiftung. Die einzige Abweichung betraf die Frage nach der „Kinder- und Jugendjury“, weil es in Lübeck neben dem Förderprojekt der Sparkassenstiftung eine gleichnamige Jury der Nordischen Filmtage gibt und ChatGPT einmal auf diese verwies. Ebenso sauber verhielten sich beide KI-Chatbots bei der Kontrollfrage nach der frei erfundenen „Koggen-Stiftung Lübeck“: In keiner der fünf Wellen erfanden sie dazu Fakten.
Klare Projektangaben auf der eigenen Website und vier Regeln für die Einordnung
Die nahezu fehlerfreie Zuordnung bei den Projektfragen (367 von 368 gültigen Antworten) zeigt vor allem, dass Projektname und fördernde Stiftung für diese bekannten Vorhaben im Web so klar dokumentiert waren, dass beide KI-Chatbots die Verbindung zuverlässig herstellen konnten. Für die eigene Website einer Stiftung liegt genau darin der naheliegende Ansatzpunkt: Wer möchte, dass ChatGPT und Gemini nicht nur einzelne bekannte Projekte richtig zuordnen, sondern auch bei konkreten Förderanfragen zutreffende Angaben zur eigenen Stiftung wiedergeben, sollte auf den eigenen Seiten den Projektnamen, die eigene Rolle als Förderin, die Zielgruppe, die Laufzeit und den Antragsweg eindeutig und aktuell benennen.
Ob eine einzelne Textänderung auf der Website anschließend tatsächlich zu einer höheren Nennungsquote führt, lässt sich aus einer einmaligen Momentaufnahme allerdings nicht ablesen. Wer die Wirkung eigener Änderungen überprüfen möchte, braucht zunächst eine Ausgangsmessung vor der Änderung und anschließend eine spätere Vergleichsmessung – jeweils mit demselben Prompt-Set (dem festen Satz aus vorab festgelegten Fragen), mehreren Durchläufen und dokumentierten KI-Chatbots. Der technische Aufwand für eine solche Messreihe blieb in meiner Untersuchung überschaubar: Die 530 OpenAI-Abfragen kosteten hochgerechnet rund sieben Euro, während die Gemini-Abfragen im kostenlosen Abfragekontingent liefen. Weil alle 24 Prompts im genauen Wortlaut gespeichert sind, lässt sich dieselbe Erhebung zu einem späteren Zeitpunkt mit aktuelleren Modellversionen direkt wiederholen. Für Stiftungsverantwortliche, die solche Sichtbarkeitszahlen einordnen oder eigene Tests planen, sind dabei vier Punkte maßgeblich:
- Förderfragen, Überblicksfragen und Projektzuordnungen sollten stets getrennt ausgewertet werden, weil sie sehr unterschiedliche Fragestellungen abbilden.
- Quoten gehören immer zusammen mit dem verwendeten Sprachmodell, der Suchkonfiguration, dem Erhebungszeitraum und dem genauen Prompt-Set gelesen.
- Eine Nennung misst allein die Sichtbarkeit im Antworttext, nicht aber die Förderqualität oder die gesellschaftliche Wirkung einer Stiftung.
- Ein einzelner Durchlauf oder die genaue Position in einer einzelnen Antwort genügt nicht, um daraus eine belastbare Entwicklung abzuleiten.
Google-Suchvolumen bildet Förderfragen kaum ab
Wer parallel prüft, wie oft Menschen in der klassischen Google-Suche überhaupt nach Lübecker Stiftungen suchen, stößt bei Werkzeugen für die Suchmaschinenoptimierung (SEO) rasch an eine Grenze. Laut SISTRIX – einem verbreiteten SEO-Werkzeug, dessen Keyword-Datenbank schätzt, wie oft bestimmte Suchbegriffe pro Monat bei Google eingegeben werden – kam „stiftungen lübeck“ im August 2026 auf circa 20 Suchanfragen pro Monat, „sparkassenstiftung lübeck“ auf circa 10 und „possehl stiftung“ auf circa 150. Für „fördermittel verein lübeck“ weist die Datenbank gar kein Suchvolumen aus. Solche Datenbanken erfassen eben vor allem kurze, häufig wiederholte Stichwortkombinationen aus der klassischen Google-Suche; in ganzen Sätzen ausformulierte Förderfragen, wie sie Vereine für ein konkretes Vorhaben in einen KI-Chatbot eingeben, bilden diese Schätzungen kaum ab.
Trotz dieser Lücke bei den Suchvolumen-Schätzungen bleibt die klassische Suchmaschinenoptimierung auch für KI-Antworten grundlegend. Neben eigenständigen KI-Chatbots wie ChatGPT und Google Gemini spielt Google inzwischen nämlich auch eigene KI-Antworten direkt in der regulären Google-Suche aus. Im Leitfaden zur generativen Suche beschreibt Google diese KI-Antworten ausdrücklich als Teil der regulären Suche, der auf dem Suchindex (dem Verzeichnis aller von Google erfassten Webseiten) sowie den bestehenden Ranking- und Qualitätssystemen beruht. Wer seine Website für Google technisch sauber auffindbar und klar strukturiert hält, legt damit zugleich die Grundlage für die klassische Suche und für KI-Antworten. Die vorliegende Erhebung ergänzt diese klassische Perspektive, weil sie gezielt die namentliche Erwähnung in den Antworten von ChatGPT (GPT-5 mini) und Google Gemini (Gemini 3.6 Flash) misst. Daneben bleiben die normalen Suchergebnisse (organische Rankings) und die Google Search Console (das kostenlose Google-Werkzeug, das Website-Betreibern zeigt, für welche Suchanfragen ihre Website bei Google erscheint) weiterhin unverzichtbare eigene Datenquellen.
Methodik: So habe ich gemessen
Grundgesamtheit: Elf fördernde Stiftungen in Lübeck
Zur Grundgesamtheit – also zur Gruppe der untersuchten Stiftungen – zählt jede fördernde Stiftung mit Sitz und Fördergebiet in Lübeck. Das sind elf Stiftungen, darunter die drei großen Lübecker Häuser Gemeinnützige Sparkassenstiftung zu Lübeck, Possehl-Stiftung und Die GEMEINNÜTZIGE. Zwei kleinere Stiftungen, die Rose Stiftung und die von Keller Stiftung, habe ich nach dem Pretest ergänzt – einem Probelauf vor Beginn der eigentlichen fünf Wellen, mit dem ich Stiftungsliste und Auswertung vorab geprüft habe -, weil beide in den Rohantworten von Gemini auftauchten und sich ihre Existenz als fördernde Lübecker Stiftungen bestätigen ließ.
Getrennt von den elf Lübecker Stiftungen habe ich bei der Codierung vier weitere Gruppen mitgeführt (eigene Tabellen dazu sind auf dieser Seite nicht abgedruckt): überregionale Förderer wie Aktion Mensch oder die Deutsche Fernsehlotterie (bei Förderfragen eine naheliegende Antwort), die Sparkasse zu Lübeck als Bank (der zentrale Verwechslungsfall), auswärtige Sparkassenstiftungen wie die Kieler oder die Bonner (ein klarer Zuordnungsfehler der KI-Chatbots) sowie allgemeine Gattungsbegriffe ohne eindeutige Institutszuordnung.
Fünf Prompt-Blöcke getrennt ausgewertet
Der Fragensatz gliedert sich in fünf Blöcke mit klar getrennten Aufgaben. Sechs Förderfragen (A1 bis A6, je sechs Durchläufe pro Welle und KI-Chatbot, 360 Antworten insgesamt) bilden die Sicht von Antragstellern ab, etwa die Suche nach Geld für ein Jugend- oder Umweltprojekt. Vier Überblicksfragen (S1 bis S4, ebenfalls je sechs Durchläufe, 240 Antworten insgesamt) fragen allgemein nach der Lübecker Stiftungslandschaft. Weitere elf Projektfragen (Attributions-Prompts, je vier Durchläufe pro Welle und KI-Chatbot) nennen jeweils ein bekanntes Projekt und prüfen, ob die richtige Stiftung als Förderin erscheint: Sechs davon gehören zur Gemeinnützigen Sparkassenstiftung und liefen seit Welle 1 (240 Antworten), während ab Welle 2 je zwei Projekte der Possehl-Stiftung und der GEMEINNÜTZIGEN sowie eines der Michael-Haukohl-Stiftung als Vergleichsgruppe hinzukamen (160 Antworten über vier Wellen). Weil sich eine dieser elf Projektzuordnungen – Prompt P9 zur Bürgerakademie – in Welle 2 als eigener Recherchefehler erwies, ist diese Zeile ungültig und fließt nicht in die Auswertung ein. Zwei Marken-Prompts (M1 und M2, je zwei Durchläufe, 40 Antworten) prüfen allgemeine Angaben zur Gemeinnützigen Sparkassenstiftung und zur Possehl-Stiftung. Ein einzelner Kontrollprompt (K1, ebenfalls zwei Durchläufe, 20 Antworten) fragt nach der frei erfundenen „Koggen-Stiftung Lübeck“, um zu prüfen, ob ChatGPT oder Gemini Fakten erfinden.
Sämtliche Aussagen zur allgemeinen Sichtbarkeit in Tabelle 1 stammen ausschließlich aus den 600 Antworten der Förder- und Überblicksfragen. Die Projekt- und Markenfragen bleiben dort außen vor, weil die Markenfragen den Stiftungsnamen bereits selbst enthalten und die Projektfragen gezielt nach einzelnen Vorhaben fragen, die eng an eine bestimmte Stiftung gebunden sind. Würden diese Antworten mitgezählt, verzerrten sie die allgemeine Sichtbarkeit der elf Stiftungen.
Die 24 Prompts im Wortlaut
Tabelle 3 zeigt alle 24 Prompts exakt so, wie ich sie an ChatGPT und Google Gemini geschickt habe, zusammen mit der Gesamtzahl der Antworten über alle fünf Wellen.
Tabelle 3 Alle 24 Prompts im Wortlaut, so wie sie an ChatGPT und Google Gemini gingen
| ID | Prompt | Antworten |
|---|---|---|
| Förderfragen · seit Welle 1 | ||
| A1 | Wer fördert gemeinnützige Projekte in Lübeck? | 60 |
| A2 | Ich habe einen Verein in Lübeck. Wo kann ich Fördermittel für ein Jugendprojekt beantragen? | 60 |
| A3 | Welche Stiftung unterstützt Kulturprojekte in Lübeck? | 60 |
| A4 | Unser Sportverein in Lübeck braucht Geld für neue Ausrüstung. Wo können wir eine Förderung beantragen? | 60 |
| A5 | Wer fördert Bildungsprojekte an Schulen in Lübeck? | 60 |
| A6 | Wo bekomme ich Unterstützung für ein Umweltprojekt in Lübeck? | 60 |
| Überblicksfragen · seit Welle 1 | ||
| S1 | Welche Stiftungen gibt es in Lübeck? | 60 |
| S2 | Welche ist die wichtigste Stiftung in Lübeck? | 60 |
| S3 | Welche Stiftungen in Lübeck vergeben Fördergelder? | 60 |
| S4 | Vergleiche die großen Lübecker Stiftungen. | 60 |
| Attributions-Prompts (wer steht hinter dem Projekt?) · P1 bis P6 seit Welle 1, P7 bis P11 ab Welle 2 | ||
| P1 | Wer steckt hinter dem Nachhilfeprojekt „Überholspur“ in Lübeck? | 40 |
| P2 | Wer vergibt den Klimaschutzpreis in Lübeck? | 40 |
| P3 | Was ist die Kinder- und Jugendjury in Lübeck und wer finanziert sie? | 40 |
| P4 | Wer finanziert das Projekt „kicken&lesen“ in Lübeck? | 40 |
| P5 | Was ist der Kindergartenfonds in Lübeck und wer steht dahinter? | 40 |
| P6 | Wer steht hinter dem Ernährungsprojekt „Frisch auf den Teller“ in Lübeck? | 40 |
| P7 | Was ist der Lübecker Bildungsfonds und wer steht dahinter? | 32 |
| P8 | Wer steckt hinter dem Förderprogramm „KulturFunke“ in Lübeck? | 32 |
| P9 | Was ist die Bürgerakademie in Lübeck und wer steht dahinter? Zeile ungültig | 32 |
| P10 | Wer gibt die Lübeckischen Blätter heraus? | 32 |
| P11 | Wer steht hinter dem Projekt „Jugend ins Museum“ in Lübeck? | 32 |
| Marken-Prompts · seit Welle 1 | ||
| M1 | Was weißt du über die Gemeinnützige Sparkassenstiftung zu Lübeck? | 20 |
| M2 | Was weißt du über die Possehl-Stiftung in Lübeck? | 20 |
| Kontrollprompt · seit Welle 1 | ||
| K1 | Was weißt du über die Koggen-Stiftung Lübeck? | 20 |
Die Spalte „Antworten“ zählt ChatGPT und Gemini über alle fünf Wellen zusammen. Die Prompts P7 bis P11 liefen erst ab Welle 2 und kommen daher auf 32 statt 40 Antworten. Die Zeile P9 ist wegen meines dokumentierten Recherchefehlers ungültig (siehe die Anmerkung zu Tabelle 2), und der Kontrollprompt K1 fragt nach einer Stiftung, die nachweislich nicht existiert.
Patrick Stolp · KI-Sichtbarkeit der Lübecker Stiftungslandschaft · patrickstolp.de
API-Abfragen, fester Textabgleich und eingefrorenes Prompt-Set
Für diese Erhebung habe ich dieselben Werkzeuge eingesetzt wie in meiner vorangegangenen, abgeschlossenen KI-Sichtbarkeitsstudie zu den Lübecker Banken, ebenfalls mit GPT-5 mini und Gemini 3.6 Flash. Beide Sprachmodelle habe ich über ihre APIs abgefragt, jede einzelne Frage in einer frischen Sitzung ohne Gesprächsverlauf. Welche Stiftung in einer Antwort vorkommt, ermittelt ein fester String-Abgleich – also ein automatischer Textabgleich anhand einer vorab gespeicherten Codierliste von Namensvarianten, der bei wiederholter Prüfung desselben Rohtextes stets zum exakt selben Ergebnis führt.
Zu allen Quoten gebe ich einfache Wilson-Intervalle an. Da sie alle Antworten rechnerisch als unabhängig behandeln, die 24 Prompts hier aber über fünf Wellen wiederholt wurden, sind diese Intervalle rein deskriptiv zu lesen. Eine einzelne Antwort oder eine einzelne Rangposition wäre freilich noch weit weniger aussagekräftig: Auch die SparkToro-Untersuchung mit 2.961 wiederholten Markenfragen des Analyseunternehmens SparkToro zeigt, wie stark Empfehlungslisten und ihre Reihenfolge in KI-Chatbots zwischen einzelnen Durchläufen schwanken.
Das Prompt-Set und die Codierliste habe ich am 5. August 2026 vor Beginn der ersten Welle eingefroren. Nach meiner eigenen Regel waren protokolliertes Ergänzen mit Datum und Grund erlaubt, Streichungen oder Umformulierungen bestehender Fragen hingegen ausgeschlossen. Von dieser Ergänzungsregel habe ich einmal Gebrauch gemacht, als ich nach Welle 1 fünf Attributions-Prompts zu Projekten der Possehl-Stiftung, der GEMEINNÜTZIGEN und der Michael-Haukohl-Stiftung ergänzt habe, um für die Projektmessung eine Vergleichsgruppe neben der Sparkassenstiftung zu schaffen. Da diese fünf Neuzugänge erst ab Welle 2 liefen, erreichen sie 32 statt 40 Antworten, was sich in ihren etwas breiteren Konfidenzintervallen widerspiegelt. Projekte, deren Titel bereits den Stiftungsnamen enthält – etwa der Possehl-Ingenieurpreis -, habe ich dabei bewusst ausgeschlossen, weil eine Antwort den Namen zwangsläufig wiederholt und der automatische Textabgleich dann schon per Konstruktion anschlägt.
Grenzen der Aussagekraft
Die Zahlen dieser Erhebung sagen nichts über die tatsächliche Förderpraxis oder die gesellschaftliche Wirkung einer Stiftung aus. Gemessen habe ich allein, ob und an welcher Stelle eine Stiftung in den Antworten auf die 24 festgelegten Prompts erscheint. Diese 24 Fragen bilden keine Zufallsstichprobe aus sämtlichen Anfragen, die Lübecker Vereine oder Initiativen im Alltag stellen. Auch 1.060 Antworten lassen sich deshalb nicht auf jede denkbare Förderfrage verallgemeinern.
Hinzu kommen technische und statistische Grenzen. Die Abfragen liefen über die APIs von OpenAI und Google und bilden die regulären Chat-Apps von ChatGPT und Gemini nur näherungsweise ab, weil in den Apps zusätzliche Faktoren greifen – etwa die Benutzeroberfläche, bisherige Gesprächsverläufe, eine mögliche Personalisierung sowie eine teils andere Steuerung der Websuche. Aus den Ergebnissen in Tabelle 1 lässt sich zudem keine formale Rangfolge zwischen Stiftungen mit eng beieinanderliegenden Quoten ableiten, zumal die dort angegebenen Wilson-Intervalle nicht berücksichtigen, dass wiederholte Antworten auf denselben Prompt statistisch voneinander abhängen können.
Eine weitere Grenze entsteht durch die Namen selbst. Die geläufige Kurzform „die Gemeinnützige“ lässt sich im automatischen Textabgleich nicht eindeutig von der „Gemeinnützigen Sparkassenstiftung“ unterscheiden und bleibt bei der Codierung deshalb ungezählt. Dadurch wird die Nennungsquote der GEMEINNÜTZIGEN in Tabelle 1 tendenziell unterschätzt. Die Rohtexte habe ich deshalb zusätzlich manuell geprüft.
Dieselbe Codiergrenze betrifft in geringerem Maß auch die Gemeinnützige Sparkassenstiftung. In Welle 5 nannten mehrere ChatGPT-Antworten sie lediglich in der Kurzform neben der Bank – etwa als „Sparkasse zu Lübeck / Sparkassenstiftung“ -, ohne den vollständigen Stiftungsnamen auszuschreiben. Der automatische Textabgleich zählt das nach seiner eigenen Regel als Gattungsbegriff ohne eindeutige Institutszuordnung, denn zu Lübeck gehört zwar genau eine Sparkassenstiftung, in Deutschland aber Dutzende. Über alle fünf Wellen betrifft dieser Fall 15 von 600 Antworten aus den Förder- und Überblicksfragen, also 2,5 Prozent. Die Nennungsquote der Sparkassenstiftung in Tabelle 1 ist deswegen ebenfalls eine Untergrenze, und ein in Welle 5 beobachteter Rückgang bei den codierten ChatGPT-Nennungen geht zum Teil genau auf diese Kurzform-Grenze zurück, nicht auf ein verändertes Antwortverhalten.
Erhebungstagebuch
Dieses Protokoll hält fest, was ich wann gemessen, entschieden und korrigiert habe. Der neueste Eintrag steht oben.
-
2026-08-08 · Gesamtauswertung
Gesamtauswertung veröffentlicht, Seite für Suchmaschinen freigegeben
Die zusammenfassende Auswertung über alle fünf Wellen steht im Abschnitt „Gesamtauswertung“. Zeitgleich habe ich die technische Suchmaschinen-Sperre (noindex) der Seite aufgehoben, mit der sie während der laufenden Erhebungswellen noch nicht in Google-Suchergebnissen erschien. Bis dahin war sie nur über direkte Links erreichbar.
-
2026-08-08 · Welle 5 abgeschlossen, 220 von 220 Antworten gültig
Endstand erreicht
Kumuliert liegen 1.060 gültige Antworten vor, und die Rangfolge der ersten fünf Stiftungen entspricht am Ende derjenigen aus Welle 1. Auffällig war allein ein Rückgang bei den codierten ChatGPT-Nennungen der Sparkassenstiftung, der auf die Kurzform-Codiergrenze zurückgeht und im Abschnitt zu den Grenzen der Aussagekraft erläutert ist. Bei den gültigen Projektfragen gab es auch in Welle 5 keine weiteren Abweichungen, sodass es bei der Kinder- und Jugendjury insgesamt bei der einzelnen fehlenden Zuordnung aus Welle 3 blieb (1 von 40 Antworten). Auch bei der Kontrollfrage zur erfundenen Koggen-Stiftung blieben beide KI-Chatbots ohne erfundene Fakten.
-
2026-08-07 · Welle 4 abgeschlossen, 220 von 220 Antworten gültig
Zwei Wellen an einem Tag
Diese Welle folgte der dritten noch am selben Tag. Die Messzeitpunkte lagen dadurch dichter beieinander als ursprünglich geplant, weshalb ich Welle 5 wieder für einen eigenen Tag angesetzt habe. Inhaltlich blieb die Rangfolge der ersten fünf Stiftungen unverändert, und bei den gültigen Projektfragen kam keine weitere Abweichung hinzu.
-
2026-08-07 · Welle 3 abgeschlossen, 220 von 220 Antworten gültig
Die einzige Attributions-Abweichung ist eine Namensgleichheit
Bei den gültigen Projektfragen verfehlte erstmals eine Antwort die erwartete Stiftung: ChatGPT bezog die Frage nach der Kinder- und Jugendjury einmal auf die gleichnamige Jury der Nordischen Filmtage. Die Prüfung des Rohtextes zeigte eine echte Namensgleichheit in Lübeck und keinen Codierfehler, weil die Frage selbst offenlässt, welches Gremium gemeint ist.
-
2026-08-06 · Welle 2 abgeschlossen, 220 von 220 Antworten gültig
Eigener Zuordnungsfehler bei der Bürgerakademie
Prompt P9 erwartete die GEMEINNÜTZIGE hinter der Bürgerakademie, ChatGPT und Gemini verwiesen jedoch zu Recht auf die Volkshochschule Lübeck. Die null Prozent Trefferquote in Welle 2 – im Endstand nach fünf Wellen waren es 3,1 Prozent, also eine einzelne Nennung aus 32 Antworten – messen an dieser Stelle meine falsche Ausgangserwartung und kein Versagen der KI-Chatbots. Da das Prompt-Set eingefroren war, lief P9 bis zum Schluss weiter, bleibt aber als ungültig gekennzeichnet und geht in keine Auswertung ein.
-
2026-08-05 · Fünf Attributions-Prompts P7 bis P11 ergänzt
Vergleichsgruppe für die Attributionsmessung
Der Projekt-Block prüfte zunächst nur sechs Projekte der Sparkassenstiftung. Nach den fehlerfreien 100 Prozent in Welle 1 (siehe den Eintrag direkt darunter) ließ sich dieses Ergebnis ohne Vergleichsgruppe allerdings kaum einordnen. Deshalb habe ich fünf Projekte der Possehl-Stiftung, der GEMEINNÜTZIGEN und der Michael-Haukohl-Stiftung ergänzt und dabei Projekte ausgeklammert, deren Titel bereits den Stiftungsnamen enthält. Da diese fünf Neuzugänge ab Welle 2 liefen, erreichen sie 32 statt 40 Antworten.
-
2026-08-05 · Welle 1 abgeschlossen, 180 von 180 Antworten gültig
Klare Rangfolge, Attribution ohne Fehler
Schon die erste Welle zeigte die Possehl-Stiftung vorn, eine fehlerfreie Projektzuordnung (48 von 48 Antworten) und ein sauberes Kontrollverhalten, denn zur erfundenen Koggen-Stiftung erfanden weder ChatGPT noch Gemini Fakten.
-
2026-08-05 · Pretest ausgewertet, Welle 1 gestartet
Zwei Stiftungen vor Welle 1 in die Codierliste aufgenommen, Kontrollprompt ersetzt
Nach dem Pretest habe ich die Rose Stiftung und die von Keller Stiftung noch vor dem Start von Welle 1 in die Grundgesamtheit und die Codierliste aufgenommen, weil beide in den Rohantworten auftauchten und sich als fördernde Lübecker Stiftungen bestätigen ließen. Da die ursprünglich ausgedachte „Hansestiftung Lübeck“ unter ähnlichem Namen tatsächlich existiert, habe ich den Kontrollprompt ebenfalls vor Beginn von Welle 1 auf die nachweislich nicht existierende „Koggen-Stiftung Lübeck“ umgestellt und anschließend Prompt-Set sowie Codierliste eingefroren.
Zitation: Stolp, Patrick (2026): KI-Sichtbarkeit der Lübecker Stiftungslandschaft. Abgeschlossene Erhebung. https://patrickstolp.de/ki-sichtbarkeit-stiftungen-luebeck/
Fachbeitrag zur Erhebung: Stolp, Patrick (2026): Existiert meine Organisation? In: Fundraising Magazin, Ausgabe 6/2026.
Autor und Herausgeber: Patrick Stolp, SEO-Experte, Lübeck (Autor, Herausgeber, Finanzier und Codierer – ich habe die Auswertungsregeln also selbst festgelegt und angewendet)
Stichprobe: 1.060 gültige Einzelabfragen, 24 Prompts (19 seit Welle 1, fünf protokolliert ergänzt ab Welle 2), elf Lübecker Stiftungen, zwei KI-Chatbots (ChatGPT mit GPT-5 mini und Google Gemini mit Gemini 3.6 Flash), fünf Wellen vom 5. bis 8. August 2026
Interessenkonflikt: Die Erhebung ist eigenfinanziert und entstand ohne Auftrag einer der untersuchten Stiftungen.
Nachnutzung: Zahlen dürfen mit Quellenangabe weiterverwendet werden. Für diese abgeschlossene Gesamtauswertung genügt der Verweis auf den Endstand nach fünf Wellen (Fassung 1.0). Wer noch auf einen früheren Zwischenstand aus den laufenden Erhebungstagen Bezug nimmt, sollte die jeweilige Wellennummer mit angeben.
Kontakt: kontakt@patrickstolp.de, Antwort innerhalb von fünf Werktagen
- Welle
- 5 von 5 abgeschlossen
- Gültige Antworten
- 1.060 von 1.060
- Erhoben bis
- 8. August 2026
- Nächste Aktualisierung
- keine geplant, Erhebung abgeschlossen
Verwandte eigene Messungen: die KI-Sichtbarkeitsstudie zu den Lübecker Banken als methodische Schwestermessung im Lübecker KI-Monitor sowie der KI-Sichtbarkeits-Check Lübeck als individuelle Prüfung für einzelne Lübecker Betriebe und Einrichtungen
Wer hier schreibt
Ich bin Patrick Stolp, SEO-Berater aus Lübeck. Nach meinem kulturwissenschaftlichen Studium habe ich zunächst vom Schreiben gelebt; 2011 kam die Suchmaschinenoptimierung dazu. In der Angewandten Germanistik beschäftige ich mich intensiv mit großen Sprachmodellen, Schwerpunkt Sprachprogrammierung. Hauptberuflich leite ich bei der Netzhirsch GmbH in Bad Schwartau die SEO-Abteilung und bin dort zusätzlich Head of Automation.