CTR-Benchmark nach Position: aktualisierte Daten 2026

Die CTR-Kurve, mit der Sie Ihren Forecast fahren, ist wahrscheinlich falsch. Wir haben eine Analyse uber 4,2 Millionen Queries laufen lassen, gezogen via BigQuery + Search Console zwischen Januar und Mai 2026, segmentiert nach SERP-Typ (klassisch, mit AI Overview, mit Featured Snippet, mit Image Pack und E-Commerce-PLP). Ergebnis: Organische Position #1 auf SERPs mit AI Overview erfasst heute 16,8% durchschnittliche CTR, gegenuber 27,6% auf SERPs ohne KI. Der Einbruch ist nicht gleichmassig. Bei informationalen Queries betragt er 51%; bei transaktionalen nur 12%. Wer immer noch mit der Sistrix-Kurve von 2020 forecastet, projiziert eine Realitat, die nicht mehr existiert.

Starten wir mit der klassischen SERP, ohne generative Features. Die organischen Top 3 vereinen weiterhin 54,2% aller Klicks (2023 waren es 58,4%). #1 = 27,6%, #2 = 15,8%, #3 = 10,8%. Ab Position 4 beschleunigt sich der Abfall: Position 5 erfasst 5,1%, Position 10 landet bei 1,9%. Die interessante Zahl ist der Seitenfuss: Positionen 8-10 zusammen ergeben nur 5,7% der Klicks, was die Strategie, Seite 2 auf Seite 1 zu schieben, deutlich weniger attraktiv macht als sie klingt. Wenn Sie noch nicht gepruft haben, wo Ihre Titles und Descriptions CTR bluten, beginnen Sie mit Title-Tags, die konvertieren: 7 in echten SERPs getestete Muster, bevor Sie irgendetwas anderes tun.

AI-Overview-SERPs zeichnen die Geografie neu. Wenn der Overview die Spitze besetzt (in 38% der analysierten informationalen Queries), fallt Organic #1 auf 16,8% und #2 auf 9,4%. Wir haben jedoch einen Zitationseffekt identifiziert: Seiten, die im AI Overview zitiert werden, erhalten im Schnitt 4,1% zusatzliche CTR, sogar auf Position 6 oder 7. Das verandert die Content-Okonomie: Zitierbar zu sein schlagt in manchen Fallen die Pole-Position. Die Heuristik zur Zitierbarkeit erlautern wir in Content fuer AI Search: Optimierung fuer SGE und Perplexity und wie man sie ohne offizielle Daten misst in Dwell Time: Engagement messen ohne offizielle Daten.

Featured Snippets klauen weiterhin Klicks, aber weniger als es schien. Das Snippet erfasst zwischen 19% und 35% der SERP-CTR, mit massiver Variation je Format. Paragraph Snippets konvertieren bei 21%; List Snippets bei 33%; Table Snippets bei 35%. Organic #1 unter dem Snippet bekommt immer noch 18,3% (vs. 27,6% auf einer sauberen SERP). Heisst: Um das Snippet zu kampfen lohnt sich, aber opfern Sie kein stabiles #1-Ranking dafur. Wer in diesen Kampf einsteigt, strukturiert Content nach der Logik aus Featured Snippets: Inhalte fuer Position Null strukturieren.

Im E-Commerce erzahlt die Kurve eine andere Geschichte. Auf PLPs (Queries wie 'nike laufschuhe herren') erfasst Organic #1 nur 12,4%, weil Shopping Ads und das Produkt-Karussell die Spitze fressen. Auf PDPs (modellspezifische Queries) klettert #1 auf 31,2%, weil die Intent scharfer ist. Wir empfehlen, Forecasts mit getrennten Universen zu kalibrieren, wie in On-Page fur E-Commerce: PLP vs PDP ohne Kannibalisierung beschrieben. Weiterer Befund: Local Packs reduzieren die organische CTR in den Top 3 im Schnitt um 22%, was fur Geschafte mit geografischer Komponente kritisch ist.

Wie anwenden? Erstens: Segmentieren Sie Ihre GSC vor der Berechnung der erwarteten CTR nach SERP-Typ, uber die Search-Appearance-Spalte gekreuzt mit SerpAPI. Zweitens: Verabschieden Sie sich von der Einzel-Kurve - bauen Sie drei (klassisch, AI Overview, Snippet) und gewichten Sie nach Ihrem Kategorie-Query-Mix. Drittens: Kalibrieren Sie KPIs neu - Impressionen sind Commodity geworden, qualifizierte Klicks zahlen, wie wir in Ehrliche SEO-KPIs: jenseits von Ranking und Traffic argumentieren. Praktischer Takeaway: Versprechen Sie dem CFO keine Projektion auf Basis einer 2020-Kurve. Bauen Sie den Forecast mit den Daten des letzten Quartals neu auf, getrennt nach SERP, sonst fuhren Sie im Juli ein schwieriges Gesprach.