Warum taucht ChatGPT-Traffic in GA4 unter „Direkt“ auf?

Fehlt beim Klick der Referrer, etwa in manchen Apps oder beim Kopieren eines Links, landet der Besuch unter „Direkt“. Nur wenn das KI-Tool einen Referrer übergibt, erscheint er als Verweis, etwa von chatgpt.com.

Sieht GA4 KI-Bots wie GPTBot?

Meist nicht, weil die meisten Bots kein JavaScript ausführen. Ein klassisches GA4-Setup im Browser erfasst sie deshalb gar nicht.

Wie lege ich in GA4 einen Kanal für KI-Assistenten an?

Unter Verwaltung → Datenanzeige → Channelgruppen eine eigene Gruppe mit einem Kanal „KI-Assistenten“ anlegen, dessen Quelle einem regulären Ausdruck entspricht. Der Kanal muss über „Referral“ und „Direct“ stehen, sonst greift er nie.

KI-Traffic messen: ChatGPT & Co. im Shop-Tracking

Besucher aus ChatGPT, Perplexity oder Gemini verschwinden in GA4 oft unter „Direkt“ oder „Verweis“. Wie Sie menschliche KI-Besuche von KI-Bots trennen und beides sauber auswerten.

Immer mehr Kaufentscheidungen beginnen nicht mehr bei Google, sondern in einem Chatfenster. Jemand fragt ChatGPT nach der besten Kaffeemühle unter 200 Euro, bekommt drei Empfehlungen und klickt auf einen Link – im besten Fall zu Ihrem Shop. Nur: In vielen GA4-Berichten ist dieser Besuch nicht als KI-Traffic zu erkennen. Er steht unter „Direkt“, unter „Verweis“ oder wird der Suchmaschine zugeschlagen.

Wer wissen will, ob sich Sichtbarkeit in KI-Antworten lohnt, muss diese Besuche zuerst zuverlässig zählen. Dieser Beitrag zeigt, welche Arten von KI-Traffic es gibt, warum die Standardberichte sie schlecht abbilden und wie Sie sie mit Bordmitteln und mit einem Server-Container sichtbar machen.

Zwei sehr unterschiedliche Arten von KI-Traffic

„KI-Traffic“ ist ein Sammelbegriff für zwei Dinge, die man im Tracking strikt trennen sollte:

Menschen, die aus einem KI-Tool kommen. Ein Nutzer liest eine Antwort in ChatGPT, Perplexity, Gemini oder Copilot und klickt auf einen Link. Das ist ein echter Besucher, der kaufen kann.
KI-Systeme, die Ihre Seiten selbst abrufen. Das sind Bots, die Inhalte lesen – entweder, um Modelle zu trainieren, oder in Echtzeit, um eine Frage eines Nutzers zu beantworten.

Die zweite Gruppe lässt sich weiter aufteilen:

Typ	Zweck	Beispiele für Kennungen
Trainings-Crawler	Inhalte sammeln, um Modelle zu entwickeln	GPTBot, ClaudeBot, CCBot, Bytespider, Google-Extended, Applebot-Extended, Meta-ExternalAgent
Such- und Abruf-Bots	Seite live abrufen, um eine konkrete Anfrage zu beantworten	OAI-SearchBot, ChatGPT-User, Perplexity-User, Claude-SearchBot

Für den Umsatz zählt vor allem die erste Gruppe, die Menschen. Die Bots sind trotzdem interessant: Sie zeigen, ob und wie oft KI-Systeme Ihre Produktseiten überhaupt lesen – also die Voraussetzung dafür, dort empfohlen zu werden.

Zwei Arten von KI-Traffic

Menschen aus KI-Tools

Klicken auf einen Link in der Antwort
Echte Besucher, die kaufen können
In GA4 oft unter Direkt oder Verweis

KI-Bots

Rufen Seiten selbst ab
Für Training oder Live-Antworten
Führen meist kein JavaScript aus

Warum GA4 das nicht von selbst sauber trennt

Bei menschlichen Besuchen hängt die Zuordnung davon ab, was beim Klick mitgeschickt wird. Übergibt das KI-Tool einen Referrer, erscheint der Besuch als Verweis, etwa von chatgpt.com oder perplexity.ai. Fehlt der Referrer – zum Beispiel in manchen Apps oder beim Kopieren eines Links –, landet der Besuch unter „Direkt“. Und Klicks aus KI-Antworten innerhalb einer Suchmaschine werden in der Regel der Suchmaschine zugeordnet, nicht einem KI-Tool.

Bei Bots ist es umgekehrt: Die meisten führen kein JavaScript aus. Ein klassisches GA4-Setup im Browser sieht sie deshalb gar nicht. Das ist für saubere Besucherzahlen gut, bedeutet aber auch, dass Sie über diese Zugriffe aus GA4 allein nichts erfahren.

Hinzu kommen KI-Browser und Agenten, die im Auftrag eines Nutzers Seiten aufrufen. Viele basieren auf Chromium und melden sich mit einer Kennung, die der von Chrome weitgehend gleicht. Über den Browser allein sind sie kaum von normalen Besuchern zu unterscheiden.

Stufe 1: Menschliche KI-Besuche in GA4 sichtbar machen

Der schnellste Schritt kostet nichts und braucht keinen Server: eine eigene Kanalgruppe in GA4.

Unter Verwaltung → Datenanzeige → Channelgruppen eine neue Gruppe auf Basis der Standardgruppe anlegen.
Einen Kanal „KI-Assistenten“ hinzufügen, mit der Bedingung: Quelle entspricht einem regulären Ausdruck wie chatgpt|openai|perplexity|gemini\.google|copilot|claude\.ai.
Den neuen Kanal über „Referral“ und „Direct“ einsortieren. GA4 ordnet Sitzungen dem ersten passenden Kanal zu; steht er darunter, greift er nie.

Prüfen Sie vorher unter Akquisition → Traffic-Akquisition, welche Quellen bei Ihnen tatsächlich auftauchen, und passen Sie den Ausdruck an. Manche KI-Tools hängen außerdem selbst UTM-Parameter an ihre Links; auch die sollten Sie in der Liste der Quellen wiederfinden.

Die Grenze dieser Stufe: Sie erfasst nur Besuche, die eine erkennbare Quelle mitbringen. Was als „Direkt“ ankommt, bleibt verborgen.

Stufe 2: KI-Zugriffe auf Anfrageebene erkennen

Genauer wird es, wenn Sie Anfragen prüfen, bevor die Daten in der Analyse landen. Das wichtigste Signal ist der User-Agent – die Kennung, mit der sich ein Client beim Server meldet. Bots wie GPTBot oder Perplexity-User geben sich dort in der Regel zu erkennen.

Der User-Agent ist aber nur ein Indiz. Er lässt sich fälschen, und Agenten mit normaler Browser-Kennung fallen durch. Für ein belastbares Bild kombiniert man ihn mit weiteren Merkmalen:

sehr kurze Verweildauer, kein Scrollen, keine Interaktion,
ungewöhnlich schnelle oder regelmäßige Abfolge von Seitenaufrufen,
kein oder unvollständiges Ausführen von JavaScript.

Wo finden Sie diese Daten? In den Logs Ihres Webservers oder CDN (bei vielen Shopify-Shops nur eingeschränkt zugänglich), in Bot-Erkennungsdiensten – oder im Server-Container, durch den Ihre Tracking-Anfragen ohnehin laufen.

Stufe 3: Erkennung im Server-Container

Mit einem Server-Container für GA4 passiert jede Tracking-Anfrage zuerst Ihre eigene Subdomain. Dort können Sie Informationen ergänzen, bevor die Daten an GA4, Matomo oder andere Tools weitergehen.

Stape bietet dafür die Erweiterung „AI Traffic Detection“ (ab dem Pro-Tarif; sie setzt den ebenfalls von Stape angebotenen Custom Loader voraus). Sie prüft eingehende Anfragen und ergänzt zwei Header:

X-User-AI mit dem Wert true, wenn die Anfrage als KI-Traffic erkannt wurde,
X-User-AI-Name mit dem Namen der KI-Plattform, sofern sie sich bestimmen lässt.

Die Weitergabe an GA4 läuft in drei Schritten:

Dimensionen anlegen. In GA4 unter Verwaltung → Datenanzeige → Benutzerdefinierte Definitionen zwei ereignisbezogene Dimensionen erstellen, etwa mit den Parametern ai_traffic und ai_traffic_source.
Variablen anlegen. Im Server-Container je eine Variable vom Typ „Request Header“ für die beiden Header.
Parameter ergänzen. Im GA4-Tag des Server-Containers unter den Ereignisparametern ai_traffic und ai_traffic_source hinzufügen, jeweils mit der passenden Variable als Wert. Die Parameternamen müssen exakt denen in GA4 entsprechen.

Für Matomo ist der Weg derselbe: benutzerdefinierte Dimensionen anlegen und im Matomo-Tag des Server-Containers befüllen. Dort ist das besonders nützlich, weil Matomo von Haus aus keinen eigenen Kanal für KI-Traffic kennt.

Zum Testen lösen Sie in der Vorschau des Server-Containers ein paar Ereignisse aus und prüfen, ob die Header in der eingehenden Anfrage stehen und die Parameter im ausgehenden GA4-Aufruf ankommen. Bis neue Dimensionen in den Standardberichten erscheinen, kann es etwas dauern; die DebugView zeigt sie früher.

Was Sie mit den Daten anfangen

Sobald KI-Traffic als eigene Dimension oder eigener Kanal vorliegt, lohnen sich vor allem drei Auswertungen:

Anteil und Entwicklung. Wie groß ist der KI-Anteil an allen Sitzungen, und wie verändert er sich von Monat zu Monat?
Qualität. Wie verhalten sich KI-Besucher im Vergleich zu organischer Suche – Seiten pro Sitzung, Warenkorbrate, Conversion Rate?
Einstiegsseiten. Auf welchen Produkt- oder Ratgeberseiten landen KI-Besucher? Das zeigt, welche Inhalte KI-Systeme empfehlen.

Rechnen Sie Bot-Zugriffe dabei konsequent aus Ihren Conversion-Kennzahlen heraus. Sie gehören in eine eigene Auswertung, nicht in die Conversion Rate.

Datenschutz nicht vergessen

Zusätzliche Dimensionen ändern nichts an den Grundregeln: Menschliche Besuche werden auch mit KI-Merkmal nur so erfasst, wie Ihre Einwilligungslogik es erlaubt. Ob und in welchem Umfang Sie Anfragen ohne Einwilligung auswerten dürfen – auch zur Bot-Erkennung –, ist eine rechtliche Frage, die Sie mit Ihrem Datenschutzbeauftragten klären sollten. Den technischen Rahmen beschreibt unser Beitrag zu Server-Side Tracking und DSGVO.

Fazit

KI-Tools werden zu einer eigenen Traffic-Quelle, aber die Standardberichte bilden das nur lückenhaft ab. Eine eigene Kanalgruppe in GA4 ist in zehn Minuten eingerichtet und zeigt die sichtbaren Klicks. Wer menschliche Besucher und KI-Bots zuverlässig trennen will, braucht die Erkennung auf Anfrageebene – am einfachsten im Server-Container, der ohnehin zwischen Shop und Analyse sitzt.

Wie ein solches Setup für Shopify aussieht, lesen Sie unter Shopify Server-Side Tracking; warum GA4 ohnehin oft weniger zeigt als der Shop, erklärt dieser Beitrag. Begriffe wie User-Agent oder sGTM finden Sie im Glossar. Für Ihr Setup: Erstgespräch anfragen.