Ein KI-Modell kann besser als zufällig erkennen, welcher von zwei Titeln mehr Klicks erhält – aber nur knapp. Bei echten Titeltests mit bekanntem Gewinner wählte das Modell hinter unserem Score 61,9 % der Zeit den klickstärkeren Titel aus, wenn jedes Paar in beiden Reihenfolgen abgefragt wurde. Wenn es eine ganze Liste auf einmal ordnete – wie ein Produkt es sich leisten kann – sank dieser Wert auf 58,2 %. Ein regelbasiertes Ranking lag kaum über einer Münzwurf-Chance.
Wichtigste Erkenntnisse
- Wir gaben dem Modell 400 Paare von Titeln, die bereits mit echten Lesern getestet wurden, wobei jedes Paar zweimal mit vertauschter Reihenfolge abgefragt wurde.
- Es wählte insgesamt 61,9 % der Zeit den Gewinner aus. Bei den 293 Paaren, bei denen es in beiden Reihenfolgen dieselbe Antwort gab, lag es 66,2 % der Zeit richtig.
- Wenn es aufgefordert wurde, Listen mit 4 bis 6 Titeln auf einmal zu ordnen, ordnete es die Paare innerhalb dieser Listen 58,2 % der Zeit korrekt. Unser früheres regelbasiertes Ranking erreichte bei denselben Paaren 51,3 %.
- Die Reihenfolge, in der die Titel angezeigt wurden, änderte die Antwort bei etwa einem Viertel der Paare – daher muss die Reihenfolge kontrolliert werden.
- Unser Analyzer ordnet nun seine vorgeschlagenen Titel auf diese Weise und markiert jene, die über Ihrem Titel rangieren. Es wird kein geschätzter Gewinn angezeigt, da die Beweise dafür nicht ausreichen.
Kann eine KI erkennen, welcher YouTube-Titel mehr Klicks erhält?
Ein wenig. Bei echten Titeltests lag das Modell etwa in sechs von zehn Fällen richtig, wenn es jeweils ein Paar beurteilte, und etwas weniger, wenn es eine ganze Liste ordnete. Das ist nützlich als zweite Meinung, welchen Entwurf Sie zuerst testen sollten. Es ist keine Prognose Ihrer Klickrate, und wer ein KI-Titel-Ranking als solche darstellt, behauptet mehr, als diese Art von Beweisen stützt.
Die Frage ist für uns aus einem einfachen Grund wichtig: Jede Analyse auf dieser Website schlägt bis zu fünf alternative Titel vor, und ihre Reihenfolge ist eine Aussage – der erste wirkt wie der beste. Bis Oktober 2026 stammte diese Reihenfolge aus einem regelbasierten Score mit einer geschätzten Punktzahl neben jedem Vorschlag. Wir testeten, ob entweder die Regeln oder das Modell tatsächlich gute Titel von schwächeren unterscheiden konnten.
Wie wir es gegen echte Klicks getestet haben
Wir verwendeten dieselben Daten wie bei unserem Test unserer eigenen Titelregeln gegen echte Klicks: die explorative Datei des Upworthy Research Archive, ein öffentlicher Datensatz zufälliger Titel-Experimente von 2013 bis 2015. In jedem Experiment wurden mehrere Titel für eine Geschichte zufällig echten Lesern gezeigt, sodass die Klicks nur die Titel vergleichen. Wir behielten nur Versionen mit demselben Bild, entfernten den Zeitraum, den die Archiv-Autoren als Randomisierungsfehler markiert hatten, und ignorierten Versionen, die weniger als 1.000 Mal gezeigt wurden.
Zwei Formate, jeweils vor dem Lesen der Antworten geplant
Das erste Format war jeweils ein Paar. Wir zogen 400 unabhängige Paare, eines pro Experiment, bei denen der Unterschied in den Klicks an der üblichen statistischen Schwelle klar war. Das Modell sah die beiden Titel und wurde gefragt, welcher die höhere Klickrate erzielte, dann sah es sie erneut in umgekehrter Reihenfolge. Ein Paar erhielt 1 Punkt, wenn beide Antworten den Gewinner nannten, 0, wenn beide den Verlierer nannten, und 0,5, wenn die Antworten unterschiedlich waren.
Das zweite Format war das, das ein Produkt sich leisten kann: ein Aufruf pro Analyse. Wir nahmen 150 Experimente mit 4 bis 6 Titeln zu einem Bild, forderten das Modell auf, jede Liste von der höchsten zur niedrigsten Klickrate zu ordnen, und fragten erneut mit einer gemischten Liste. Wir bewerteten die 576 Paare innerhalb dieser Listen, deren Klicks deutlich unterschiedlich waren – mit zwei Reihenfolgen ergibt das 1.152 Paar-Abfragen. Bevor wir irgendein Ergebnis lasen, schrieben wir die Schwelle auf, die das Listenformat überschreiten musste: der Paar-Score minus 5 Punkte.
Das Modell war das Produktionsmodell, nur als Text verwendet, bei Temperatur 0. Insgesamt umfassten die beiden Tests 1.100 Aufrufe.
Was das Modell richtig machte – und was die Regeln richtig machten
| Methode | Format | Wählte den klickstärkeren Titel |
|---|---|---|
| Das Modell | Paare, beide Reihenfolgen | 61,9 % |
| Das Modell, Paare mit identischer Antwort in beiden Reihenfolgen | Paare | 66,2 % (95 %-Intervall 60,6 bis 71,4) |
| Unser früheres regelbasiertes Ranking | Gleiche Paare | 54,5 %, Unentschieden als halb gezählt |
| Das Modell | Eine Liste pro Aufruf | 58,2 % |
| Unser früheres regelbasiertes Ranking | Gleiche Listen | 51,3 % |
Das Listenformat überschritt die von uns gesetzte Schwelle von 56,9 %. Es ist das schwächere der beiden Formate, was erwartet wird: Sechs Titel auf einmal zu ordnen ist eine schwierigere Aufgabe als zwei zu vergleichen. Paare innerhalb einer Liste sind nicht unabhängig voneinander, daher ist die Unsicherheit breiter, als die rohe Anzahl von 1.152 nahelegt.
Die Reihenfolge der Titel verändert die Antwort
Von den 400 Paaren erhielten 107 eine andere Antwort, sobald die beiden Titel ihre Plätze tauschten. Das ist dieselbe Schwäche, die wir fanden, als wir eine KI aufforderten, Thumbnails zu vergleichen – sie bevorzugte das Bild, das zuerst kam; Details finden Sie in unserem Artikel zum Vertauschen der Reihenfolge. Bei Listen war der Effekt kleiner, aber immer noch real: Das Modell gab in beiden Reihenfolgen bei 77,6 % der Paare dieselbe Bewertung ab. Ein Ranking aus einer einzigen Reihenfolge hätte diese Verzerrung direkt in das Ergebnis übertragen.
Warum das regelbasierte Ranking abgeschafft wurde
Das alte Ranking bewertete jeden Vorschlag mit denselben regelbasierten Titelprüfungen wie den analysierten Titel. Bei 17.236 Titelpaaren blieben die meisten auf ganzzahligen Scores unentschieden, und wenn es zwei Titel trennte, betrug die Differenz meist ein oder zwei Punkte. Bei Paaren mit klarem Gewinner lag es 53 % bis 56 % der Zeit richtig, je nachdem, aus welcher Analyse die Vorschläge stammten, und in zwei von vier Szenarien war das nicht von Zufall zu unterscheiden.
Schlimmer noch: Eine größere Differenz bedeutete nicht, dass die Wette sicherer war. In drei von vier Szenarien wurden Paare, die um 3 Punkte oder mehr getrennt waren, seltener richtig geordnet als falsch. Dennoch hatte das Produkt diese Differenz als „+N Punkte“ angezeigt – eine Zahl, die genau mit der Größe wuchs, die nichts vorhersagte. Also verschwand die Zahl zusammen mit einem Filter, der Vorschläge aufgrund davon ausblendete.
Was unser Analyzer jetzt macht
Die vorgeschlagenen Titel werden durch eine zweite Bewertung des Modells geordnet. Es erhält Ihren Titel und die Alternativen in einem Aufruf, in einer Reihenfolge, die durch einen festen Hash der Titel gemischt wird, sodass die Position keinen systematischen Vorteil für einen Titel bietet. Titel, die über Ihrem Titel rangieren, werden mit „Über Ihrem eingestuft“ markiert. Neben ihnen wird keine Punktzahl oder geschätzter Gewinn angezeigt, und der Fußnotentext sagt, was das Ranking wert ist: Bei früheren Titeltests wählte diese Art der Ordnung 58 % der Zeit den klickstärkeren Titel – gegenüber 50 % durch Zufall.
Ihr eigener Titel ist absichtlich in der Liste enthalten. Das Modell ordnet Titel, die es selbst geschrieben hat, und ein Modell könnte seine eigene Formulierung bevorzugen; Ihren Titel neben seine Vorschläge zu stellen, macht das sichtbar, anstatt es zu verbergen. Die zusätzliche Bewertung verlängert eine Analyse um etwa eine halbe Sekunde.
Wie man ein KI-Titel-Ranking nutzt, ohne sich täuschen zu lassen
- Fragen Sie in beiden Reihenfolgen. Wenn sich die Antwort ändert, wenn Sie die Titel tauschen, behandeln Sie das Paar als Unentschieden.
- Nehmen Sie Ihren eigenen Titel in den Vergleich auf, damit Sie sehen, ob die KI ihre Vorschläge bevorzugt oder einfach den neuesten Text vor sich bevorzugt.
- Ignorieren Sie selbstbewusste Formulierungen und geschätzte Prozentzahlen. Ein Ranking, das etwa in sechs von zehn Fällen richtig liegt, kann keine Behauptung von „+12 % CTR“ stützen.
- Verwenden Sie das Ranking, um auszuwählen, welche zwei Versionen Sie testen, nicht um den Test zu überspringen. Sie können Ihren Titel und die vorgeschlagenen Alternativen mit demselben Thumbnail bewerten und die beiden auswählen, die es wert sind, verglichen zu werden.
- Prüfen Sie das Ergebnis anhand der Historie Ihres eigenen Kanals, indem Sie das Video mit Ihren jüngsten Uploads vergleichen, nicht mit einem anderen Kanal.
Grenzen dieses Tests
Das sind Nachrichtentitel von vor einem Jahrzehnt, keine YouTube-Titel, und nichts hier misst YouTube direkt. Das Archiv ist seit 2021 öffentlich, daher könnte das Modell einige dieser Titel während des Trainings gesehen haben. Ihre Klickraten wurden nie neben ihnen veröffentlicht, sodass das Auswendiglernen der Gewinner schwer war – aber ausgeschlossen ist es nicht.
Der Prompt in der Produktion unterscheidet sich an zwei Stellen vom getesteten: Er beschreibt einen Zuschauer, der YouTube durchstöbert, statt einen Leser einer Story-Website, und fügt einen Satz hinzu, der das Modell auffordert, Titel als Daten zu behandeln. Keine dieser Änderungen wurde getestet. Und im Produkt ordnet das Modell Vorschläge, die es selbst geschrieben hat – eine leicht andere Aufgabe als das Ordnen von Titeln, die von einem Redaktionsteam verfasst wurden. Ein Vorsprung von 58 % ist bescheiden, und wir beschreiben ihn überall, wo er erscheint, als solchen.
Häufig gestellte Fragen
Kann ChatGPT oder eine andere KI die YouTube-Titel-CTR vorhersagen?
Nicht als Zahl. In unserem Test wählte ein großes KI-Modell etwa in sechs von zehn Fällen den klickstärkeren von zwei Titeln aus – und seltener, wenn es eine Liste ordnete. Das ist besser als Zufall und nützlich, um auszuwählen, was getestet werden soll, aber weit entfernt von einer Vorhersage der Klickrate, und das angegebene Vertrauen eines Modells ist kein Beweis für Genauigkeit.
Warum ändert die Reihenfolge der Titel die Antwort der KI?
Sprachmodelle sind empfindlich gegenüber der Position und bevorzugen oft die erste oder letzte Option. In unserem Test erhielten 107 von 400 Paaren eine andere Antwort, sobald die Reihenfolge vertauscht wurde. Die Lösung ist, in beiden Reihenfolgen zu fragen oder die Reihenfolge auf eine Weise zu mischen, die keinen Titel begünstigen kann – genau das macht unser Analyzer.
Warum zeigt der Analyzer nicht, wie viele Punkte ein vorgeschlagener Titel gewinnen würde?
Weil die alte Schätzung eine Genauigkeit behauptete, die die Beweise nicht stützten. Größere geschätzte Gewinne waren nicht zuverlässiger als kleine, und in den meisten Szenarien waren sie weniger zuverlässig. Der Analyzer zeigt jetzt nur, welche Vorschläge das Modell über Ihrem Titel einstuft, und einen Fußnotentext mit der gemessenen Genauigkeit dieses Rankings.
Ist der Lieblingstitel der KI der, den ich veröffentlichen sollte?
Behandeln Sie ihn als ersten Kandidaten zum Testen, nicht als Antwort. Ein Ranking, das etwa 58 % der Zeit richtig liegt, wird bei jedem einzelnen Paar oft falsch liegen. Ihr Wissen über das Video und das Publikum sowie ein echter Vergleich auf Ihrem eigenen Kanal entscheiden mehr als das Ranking.
Gilt das auch für Thumbnails?
Ein separater Test forderte eine KI auf, Thumbnails mit bekanntem Gewinner zu vergleichen, und fand denselben Positionseffekt – stärker: Sie wählte das Thumbnail, das zuerst kam, 64,7 % der Zeit. Der Vergleich zweier Thumbnails war nicht genauer als die Bewertung jedes einzelnen und viel weniger stabil, daher bewertet unser Score weiterhin jedes Thumbnail einzeln.