Knowledge Cutoff
Auch: Wissensstand, Trainings-Stichtag, Training Data Cutoff
Der Knowledge Cutoff ist der Stichtag, bis zu dem die Trainingsdaten eines Sprachmodells reichen. Was danach passiert ist, kennt das Modell nicht aus eigenem Wissen, sondern nur, wenn es die Information zur Laufzeit über eine Websuche oder andere Quellen abruft.
Fester Bestandteil der Praxis mit stabiler Bedeutung.
Einen einzelnen Urheber gibt es nicht; der Begriff wurde mit ChatGPT allgemein bekannt. OpenAI schrieb im GPT-4 Technical Report (März 2023), dass die Trainingsdaten „cuts off in September 2021“; heute nennen OpenAI, Anthropic und Google den Stichtag in ihrer Modelldokumentation.
Ø der letzten 12 Monate, alle Schreibweisen. Veränderung: letzte 3 Monate zum Vorjahr. Stand 11/2026.
Ein Datum mit klarer Bedeutung, das die Anbieter selbst dokumentieren. Marketing-Lärm gibt es kaum, eher das Gegenteil: Der Begriff wird unterschätzt, weil viele glauben, die Websuche mache ihn überflüssig.
Was nach dem Stichtag eines Modells in Ihrem Unternehmen passiert ist, neuer Name, neue Produkte, neue Preise, neue Geschäftsführung, erscheint in KI-Antworten nur dann richtig, wenn das System live nachschlägt und dabei aktuelle Quellen über Sie findet.
- Schreiben Sie auf, was sich in Ihrem Unternehmen seit Anfang 2024 geändert hat: Firmenname, Produkte, Preise, Standorte, Ansprechpartner. Das ist Ihre Liste der Fakten, die ein Modell ohne Websuche sehr wahrscheinlich nicht kennt.
- Stellen Sie zu jedem Punkt eine Frage in ChatGPT, Perplexity und dem Google-KI-Modus und notieren Sie, welche Antworten veraltet sind und welche Quellen zitiert werden. Der KI-Quellen-Check zeigt die zitierten Quellen nebeneinander.
- Sorgen Sie dafür, dass die aktuellen Fakten auf Ihrer Website als Text stehen und in Branchenverzeichnissen und Profilen gleichlautend gepflegt sind. Veraltete Einträge bei Dritten sind oft die Quelle, aus der eine KI den alten Stand übernimmt.
Ein Sprachmodell lernt aus einer riesigen Textsammlung, die irgendwann eingefroren wird. Der Tag, an dem diese Sammlung endet, heißt Knowledge Cutoff, auf Deutsch Wissensstand oder Trainings-Stichtag. Alles, was danach geschieht, fehlt im Modell selbst. Will es dazu etwas sagen, muss es nachschlagen, etwa über eine Websuche.
Für Unternehmen ist das kein Detail für Technikfans. Wer seit dem Stichtag umfirmiert, ein Produkt eingeführt oder die Preise geändert hat, existiert im Modellwissen noch im alten Zustand. Ob eine KI-Antwort das korrigiert, hängt davon ab, ob das System sucht und was es dabei findet.
Zwei Stichtage und eine Lücke
Der Cutoff ist keine scharfe Kante. Anthropic unterscheidet deshalb zwei Daten: den Training Data Cutoff, bis zu dem überhaupt Daten einflossen, und den Reliable Knowledge Cutoff, bis zu dem das Wissen breit und verlässlich ist. Für Claude Opus 4 und Claude Sonnet 4 nennt das Transparency Hub März 2025 als Trainings-Stichtag, aber Januar 2025 als verlässlichen Wissensstand. Über die letzten Monate vor dem Stichtag ist schlicht noch wenig geschrieben worden.
Hinzu kommt der Abstand zwischen Stichtag und Veröffentlichung, denn Training und Tests dauern Monate. Danach bleiben Modelle oft lange im Einsatz. Ein dokumentiertes Beispiel:
| Modell | Knowledge Cutoff | Veröffentlichung | Abstand |
|---|---|---|---|
| GPT-5 (OpenAI) | 30. September 2024 | 7. August 2025 | gut zehn Monate |
| Claude Opus 4 (Anthropic) | verlässlich bis Januar 2025, Daten bis März 2025 | 22. Mai 2025 | vier bis sechs Monate |
Wer ein solches Modell ein Jahr nach Erscheinen nutzt, arbeitet mit einem Wissensstand, der fast zwei Jahre alt ist. Die Stichtage stehen in der Modellübersicht von OpenAI und bei Anthropic. Welches Modell in einer Chat-Oberfläche gerade antwortet, ist für Nutzer allerdings nicht immer erkennbar.
im Modellwissen
nach dem Stichtag
nach dem Stichtag
Was der Stichtag in KI-Antworten über Ihr Unternehmen bewirkt
Die Lücke wird von zwei Seiten geschlossen. Das Modell selbst kann sie nicht füllen. Die Websuche kann es: Google schreibt zur Gemini-API, die Anbindung an die Google-Suche ermögliche Antworten mit Quellen „beyond its knowledge cutoff“. Der Haken liegt in der Auslösung. OpenAI formuliert in der Hilfe zur ChatGPT-Suche, ChatGPT suche automatisch, „if your question might benefit from information on the web“. Das Modell entscheidet also selbst, ob es nachschlägt.
Beispiel: die Umfirmierung, die niemand kennt
Ein erfundener Fall: Die Beispiel GmbH heißt seit Oktober 2025 Beispiel Solutions GmbH, im September 2026 kam eine neue Preisliste. Fragt jemand eine KI ohne Websuche nach der Beispiel Solutions GmbH, findet das Modell den Namen nicht in seinem Wissen und bietet bestenfalls die alte Firma an. Schlimmstenfalls erfindet es Details, das wäre eine Marken-Halluzination. Sucht das System, hängt die Antwort davon ab, ob Website, Verzeichnisse und Presseberichte den neuen Stand einheitlich zeigen.
Faustregel: Alles, was älter als der Stichtag ist, kann aus dem Modellwissen kommen. Alles, was jünger ist, muss aus einer Quelle kommen, die das System in diesem Moment abruft. Den Unterschied beschreibt der Eintrag Trainingsdaten.
So prüfen Sie, was Modelle über Sie wissen
Ein einfacher Test zeigt, wo Ihr Unternehmen im Modellwissen steht und wie gut die Websuche nachbessert:
- Fragen ohne Websuche. In vielen Oberflächen lässt sich die Suche abschalten oder ein Modell über die API ohne Suchwerkzeug ansprechen. Fragen Sie nach Firmenname, Angebot, Standorten und Preisen.
- Dieselben Fragen mit Websuche. Notieren Sie, ob die Antwort jetzt stimmt und welche Quellen genannt werden. Ein veraltetes Branchenbuch auf Platz eins der Quellen ist ein klarer Arbeitsauftrag.
- Ohne Firmennamen fragen. „Welche Anbieter für … gibt es in Nürnberg?“ zeigt, ob Sie im Modellwissen überhaupt vorkommen. Neue Unternehmen fehlen dort zwangsläufig.
- Wiederholen. Nach dem Erscheinen neuer Modelle und alle paar Monate, weil Antworten schwanken.
Wie Google die Quellen im KI-Modus auswählt, beschreibt der Beitrag Google AI Mode und AI Overviews: So wird Ihre Website zitiert.
Was Sie beeinflussen können und was nicht
Das Wissen eines fertigen Modells lässt sich von außen nicht korrigieren. Es gibt keinen Antrag und keine Datei, mit der Sie einen Stand nachträglich einspielen. Beeinflussen können Sie zwei Dinge: was die Websuche heute findet und was in künftige Trainingsdaten einfließt.
- Für die Websuche: aktuelle Fakten als Text auf der eigenen Website, einheitliche Firmendaten in Verzeichnissen und Profilen (siehe Branchenbucheinträge und NAP-Konsistenz), Pressemitteilungen zu Umfirmierungen und Produktstarts.
- Für künftige Modelle: Wer Trainings-Crawler per robots.txt aussperrt, taucht in späteren Trainingsdaten nicht mit neuen Inhalten auf. Ob das gewollt ist, ist eine Abwägung, kein Fehler. Mehr dazu unter KI-Crawler.
- Nicht beeinflussbar: wann ein Anbieter ein neues Modell trainiert und ob eine Oberfläche bei einer bestimmten Frage sucht.
Die Suchnachfrage nach dem Begriff ist in Deutschland bis 2025 klein geblieben und stieg im August 2026 laut Google-Ads-Daten sprunghaft an. Das Thema kommt offenbar bei mehr Nutzern an, auch weil Antworten mit veraltetem Stand in der täglichen Arbeit auffallen.
Was ChatGPT, Perplexity und der Google KI-Modus zu „Knowledge Cutoff“ sagen
Wir haben allen drei KI-Suchen dieselbe Frage gestellt: „Was ist Knowledge Cutoff im Zusammenhang mit KI-Suche und Online-Marketing? Bitte kurz in 3 bis 5 Sätzen erklären.“ (Abfrage am 08.11.2026, Standort Deutschland) und die Antworten gegen die belegten Fakten in diesem Eintrag geprüft.
Korrekt und praxisnah: Stichtag, fehlendes Wissen danach, Websuche als Brücke. Unerwähnt bleibt, dass zwischen Stichtag und Veröffentlichung oft viele Monate liegen und dass das Modell selbst entscheidet, ob es sucht.
Auszug aus der Antwort
Informationen, die danach veröffentlicht werden, kennt die KI nicht automatisch, sondern muss sie beispielsweise über eine Live-Websuche abrufen.
Knapp, richtig und mit passenden Beispielen wie Preisänderungen und Rebrandings. Die Belege stammen ausschließlich aus Glossaren und Blogs, die Anbieter-Dokumentation mit den tatsächlichen Stichtagen fehlt.
Auszug aus der Antwort
Für KI-Suche und Online-Marketing bedeutet das, dass neue Produkte, Preisänderungen oder Rebrandings ohne Websuche möglicherweise fehlen oder veraltet dargestellt werden.
Die Definition stimmt. „Überwinden“ ist zu stark: Die Websuche wird nicht bei jeder Frage ausgelöst, und auch mit Suche bleibt das Modellwissen im Hintergrund wirksam. Ausgerechnet Googles eigene Doku zum Grounding über den Cutoff hinaus wird nicht zitiert.
Auszug aus der Antwort
Moderne KI-Systeme überwinden diesen Nachteil durch Live-Websuche , bei der aktuelle Daten in Echtzeit aus dem Internet abgerufen werden.
Unser Fazit: Den Begriff erklären alle drei richtig. Keine Antwort erwähnt, dass der Wissensstand eines Modells bei der Nutzung oft weit über ein Jahr zurückliegt und die Websuche nicht automatisch jede Lücke schließt; zitiert werden Glossare statt der Modellangaben der Anbieter.
Die Antworten von KI-Suchen ändern sich laufend. Wir wiederholen den Faktencheck regelmäßig. Sie möchten wissen, welche Quellen die KI zu Ihren Themen zitiert? Testen Sie den kostenlosen KI-Quellen-Check.
Häufige Fragen zu Knowledge Cutoff
Welchen Wissensstand hat ChatGPT?
Ist der Knowledge Cutoff dank Websuche noch wichtig?
Kann ich einem Modell meine neuen Firmendaten mitteilen?
Warum kennt eine KI Ereignisse kurz vor ihrem Stichtag schlecht?
Verwandte Begriffe im Radar
Zurück zum KI-Such-RadarZuletzt aktualisiert: 08.11.2026 · Autor: Stephan Zabel
