KI-Technik
Training-Cutoff
Kurz gesagt: Der Training-Cutoff ist der Stichtag, bis zu dem die Trainingsdaten eines Sprachmodells reichen; alles, was danach geschah, kennt das Modell nur über eine Live-Suche.
Was ist mit Training-Cutoff gemeint?
Jedes Sprachmodell wird auf einem Datenbestand mit festem Enddatum trainiert. Ereignisse, Websites und Änderungen danach sind im Modellwissen nicht enthalten. Anbieter nennen den Stichtag meist in Modellübersichten oder Modellkarten. Anthropic unterscheidet dabei zwei Daten: den Trainingsdaten-Cutoff und einen früheren Stichtag für verlässliches Wissen (Stand September 2026). Abzugrenzen ist das Veröffentlichungsdatum: Ein Modell erscheint meist Monate nach seinem Cutoff.
Warum das für deine KI-Sichtbarkeit zählt
Die Unterscheidung zwischen Trainingsdaten und verlässlichem Wissen verdient Aufmerksamkeit. Über die letzten Monate vor dem Stichtag ist im Netz naturgemäß erst wenig geschrieben worden, Berichte, Analysen und Verweise entstehen mit Verzögerung. Ein Modell hat über diese Phase deshalb dünneres und weniger gefestigtes Wissen. Für Unternehmen heißt das: Selbst wenn deine Gründung oder dein Relaunch vor dem Cutoff lag, kann das Modell davon kaum etwas wissen, wenn damals noch niemand darüber berichtet hatte.
Daraus folgt eine wichtige Trennung für die Sichtbarkeit. Ein Unternehmen, das lange existiert und oft erwähnt wurde, ist im parametrischen Wissen verankert und wird auch ohne Suche genannt. Ein neues oder wenig besprochenes Unternehmen kommt nur über den Live-Abruf in eine Antwort. Google beschreibt das Grounding mit der Google-Suche in der Gemini-Doku genau so: Es ermöglicht Antworten mit überprüfbaren Quellen jenseits des Wissens-Cutoffs.
Ein häufiger Fehler ist, das Modell selbst nach seinem Cutoff zu fragen. Die Antwort ist unzuverlässig, weil das Modell sein eigenes Trainingsende nur aus Mustern ableitet. Maßgeblich sind die Angaben der Anbieter. Ebenso irreführend ist ein Test ohne Websuche, aus dem man schließt, die Marke sei „der KI unbekannt“. Das beschreibt nur das Trainingswissen, nicht das, was ChatGPT Search, Perplexity oder die Google-Suche live finden.
Für die Praxis ergeben sich zwei Hebel mit sehr unterschiedlichen Zeithorizonten. Kurzfristig zählt die Live-Ebene: indexierbare Seiten, erreichbare Such-Crawler, zitierfähige Passagen, Erwähnungen in Quellen, die Grounding abruft. Langfristig zählt die Frage, ob Trainings-Crawler wie GPTBot oder das Token Google-Extended deine Inhalte nutzen dürfen. Bis eine Marke im Modellwissen ankommt, vergeht mindestens ein Trainingszyklus, oft deutlich mehr als ein halbes Jahr.
So sieht das konkret aus
Ein Onlineshop für Outdoor-Ausrüstung hat im Frühjahr seinen Markennamen geändert. Ein neues Modell, dessen Cutoff einige Monate nach der Umbenennung liegt, nennt ohne Websuche weiter den alten Namen, weil damals kaum Artikel über den Wechsel existierten. Mit aktivierter Suche findet dasselbe System die Pressemitteilung und die aktualisierten Verzeichniseinträge und verwendet den neuen Namen.
Wenn du das nicht selbst aufbauen willst: Technik für KI-Sichtbarkeit: Crawler, Schema, llms.txt →
Was oft gefragt wird
Wie erfahre ich den Cutoff eines Modells?
Aus den Modellübersichten oder Modellkarten des Anbieters. Anthropic listet dort etwa einen Stichtag für verlässliches Wissen und verweist für die Trainingsdaten-Cutoffs auf seinen Transparency Hub. Das Modell selbst danach zu fragen, liefert keine verlässliche Angabe.
Kann ich ins Training eines Modells kommen?
Nur indirekt. Deine Inhalte müssen öffentlich zugänglich sein, Trainings-Crawler dürfen nicht gesperrt sein, und idealerweise berichten andere Quellen über dich. Ob und wann ein Anbieter deine Seiten verwendet, lässt sich weder beantragen noch steuern.
Warum kennt ein neues Modell meine Firma nicht, obwohl sie vor dem Cutoff gegründet wurde?
Weil über die letzten Monate vor dem Stichtag erst wenige Texte existieren. Ein Modell lernt aus dem, was über dich geschrieben wurde, nicht aus deinem Gründungsdatum. Deshalb unterscheidet Anthropic zwischen Trainingsdaten-Cutoff und verlässlichem Wissensstand.
Spielt der Cutoff bei KI-Suchmaschinen überhaupt eine Rolle?
Ja, aber eine kleinere. Systeme mit Websuche holen aktuelle Informationen live, der Cutoff bestimmt jedoch, was das Modell ohne Suche annimmt und wie es Suchergebnisse einordnet. Veraltetes Grundwissen kann eine Antwort auch dann färben, wenn aktuelle Quellen vorliegen.
Verwandte Begriffe
Quellen: Anthropic Claude Docs: Models overview (Stand September 2026) · Google AI for Developers: Grounding with Google Search (Stand September 2026)
Begriffe der KI-Suche verschieben sich schnell. Wir prüfen diesen Eintrag gegen die Dokumentation der Anbieter und aktualisieren ihn, wenn sich etwas ändert. Zurück zum Glossar
Wirst du in KI-Antworten genannt?30 Minuten, kostenlos, mit ehrlicher Einschätzung.
Reden wir 30 Minuten darüber
Kostenlos, unverbindlich und mit einer ehrlichen Einschätzung, ob sich GEO bei dir gerade lohnt.