Suche vs. Store: Die KI-Apps, die Amerika herunterlädt, aber nicht googelt (2026)

Stimmen die Apps, die Amerika herunterlädt, mit denen überein, die es googelt? Wir haben die Google-Trends-Suchnachfrage mit den Live-Charts des US App Store für 40 große KI-Apps (plus die iOS Top 100 insgesamt) zusammengeführt, als Snapshot vom 01.07.2026 — und die Antwort ist überwiegend nein. Suchinteresse und Store-Rang gehen fast überall auseinander. Die eine saubere Überschneidung ist ChatGPT: das meistgesuchte KI-Tool und eine Top-5-Gratis-App. Alles andere fällt in eines von zwei Lagern — weit häufiger heruntergeladen als gesucht, oder weit häufiger gesucht als heruntergeladen.

Suche und Store passen nicht zusammen

Trägt man jede KI-App in ein Raster ein — wie oft sie gesucht wird (Zeilen) gegen ihren Rang im App Store (Spalten) —, gibt es keine Diagonale. Würde Suchnachfrage Downloads treiben, würden sich die Apps entlang dieser Diagonale bündeln. Stattdessen streuen sie, und die mit Abstand größte Zelle ist unten rechts: 18 Nischen-KI-Apps, die weder gesucht werden noch ranken.

Suchnachfrage ↓ / Store-Rang →	Top 5	Top 25	Top 50	Top 100	Außerhalb Top 100
DominantChatGPT	1	0	0	0	0
HochCanva	0	0	1	0	0
Moderat	2	2	0	1	2
Niedrig	0	2	1	1	5
Minimal	1	2	0	1	18

Die gerichtete Rangkorrelation über die rankenden KI-Apps liegt bei ~0,1 — statistisch nicht von keinem Zusammenhang zu unterscheiden. Aber die Stufen zählen mehr als jeder Koeffizient: Sie zeigen dir, welche Apps abweichen und warum.

Der App Store ist ein Distributionsranking, kein Nachfrageranking

Blickt man auf die gesamten iOS Top 100 Gratis am 01.07.2026, sind die bestplatzierten Apps solche, die fast niemand googelt. Sie klettern über TV-Spots, Nachrichtenzyklen, saisonale Events und vorinstallierte Reichweite — Kanäle, die nichts mit Suchabsicht zu tun haben.

Keine davon ist eine „Suchnachfrage“-App; es sind Distributions-Spielzüge. (Zwei Apps in den rohen Top-100 — WhatsApp und Indeed — lesen sich nur deshalb als „minimal“, weil unsere Breitband-Begriffe automatisch aus vollständigen Store-Titeln wie „WhatsApp Messenger“ abgeleitet werden; das sind Messartefakte, keine echte Niedrignachfrage, deshalb schließen wir sie aus. Siehe Methode.)

Die KI-Apps, die Menschen googeln, aber nicht herunterladen

Einige der meistgesuchten Namen der KI tauchen in den Top-100-Gratis-Charts überhaupt nicht auf — weil ihr Haupteingang das Web ist, nicht der App Store:

Character.AI ist ein Web-und-Companion-Phänomen, dessen mobile Präsenz durch Altersbeschränkung und Plattformreibung gedämpft wird; Grammarly lebt im Browser und in der Tastatur, nicht in den Gratis-App-Charts. Hohe Absicht, niedriger Rang — die Suche sieht sie, der Store nicht.

Die KI-Apps, die ohne die Suchen ranken

Der umgekehrte Fall ist häufiger — Apps, die weit über ihrer Suchnachfrage ranken, getragen von einem Distributor:

Google Gemini ist der schärfste Fall: die Gratis-KI-App auf Platz 1, deren Marke nur moderat gesucht wird. Ihr Rang kommt daher, dass Google sie über Android und Workspace pusht, nicht von Suchnachfrage nach „Gemini“. Das ist die ganze These in einer Zeile — Rang ist ein Distributionsergebnis, kein Nachfragewert.

ChatGPT ist die Ausnahme, die es beweist

In einem Feld, in dem Suche und Store überall auseinandergehen, ist genau eine App eindeutig beides: ChatGPT ist mit weitem Abstand das meistgesuchte KI-Tool und eine Top-5-Gratis-App. Es liegt in der Suche so weit vorn, dass wir die gesamte Skala daran verankern mussten (ChatGPT = 100) — die nächste KI-App, Canva, liegt bei etwa 30, und alles andere ist einstellig. Wenn ein Produkt sowohl die Nachfrage- als auch die Distributionsgeschichte ist, hört es auf, eine App zu sein, und wird zur Titelseite der Kategorie.

Hier das vollständige KI-Bild — die rankenden Apps plus die zwei bemerkenswertesten außerhalb der Charts, aber gesuchten, mit dem genauen Suchbegriff, den wir gemessen haben:

Ein drittes Signal: Webtraffic steht auf der Seite der Suche, nicht des Stores

Wenn Suche und Store uneins sind, wer hat bei der Popularität recht? Wir haben ein drittes, unabhängiges Maß hinzugefügt — monatliche SimilarWeb-Webbesuche —, das keine der Schwächen der anderen beiden hat: Es ist absolut (keine Trends-artige Renormalisierung) und deckt Apps ab, die nie ranken (keine App-Store-Zensur). Ordnet man die KI-Apps nach Webtraffic, kippt die Reihenfolge zurück zu etwas, das wie die Suche aussieht, nicht wie der Store:

Drei Dinge folgen daraus:

• Zwei webzentrierte Signale stimmen überein; der Store ist der Ausreißer. ChatGPT und Gemini überragen das Web (Milliarden Besuche, globale Top-15-Seiten) genau so, wie sie die Suche überragen — aber der App Store würfelt alle darunter durcheinander. Wenn zwei unabhängige Maße übereinstimmen und ein drittes nicht, trägt das dritte das Rauschen. Hier ist das das App-Store-Ranking.
• Die „gesucht, aber außerhalb der Charts“-Apps sind bestätigt, kein Zufall. Character.AI zieht 163 Mio. Webbesuche pro Monat und Grammarly 54 Mio., dennoch rankt keine — ein schlagender Beleg, dass sie echte, web-first Produkte sind, die der Store schlicht nicht erfasst, und keine Nischen-Apps, die zufällig gegoogelt werden.
• Photomath ist der reinste Nur-Store-Fall. Es rankt ganz oben mit minimaler Suche und Webtraffic unter SimilarWebs Messgrenze — ein reines Mobil-Tool, das ausschließlich im App Store lebt, weder über die Suche noch über das offene Web erreicht.

Eine Nuance ist erwähnenswert: „kaum gesucht“ heißt nicht unbeliebt. Gemini und DeepSeek ziehen bescheidene Markensuche, aber enormen Webtraffic — Menschen erreichen sie über Googles eigene Oberflächen und Nachrichten, nicht durch Eintippen des Namens in ein Suchfeld. Suchnachfrage misst eine Tür in ein Produkt; sie ist nicht die einzige.

Was das bedeutet, wenn du Apps veröffentlichst

• Der App-Store-Rang ist eine Distributions-Anzeigetafel, kein Nachfragemesser. Eine Top-5-Gratis-App kann bescheidene Suche hinter sich haben (Gemini, Peacock). Wenn du dich mit einem rankenden Wettbewerber vergleichst, prüfe, ob er Nachfrage gewinnt oder nur Distribution — die Playbooks sind unterschiedlich.
• Suchnachfrage und Installationen sind getrennte Funnels. Character.AI und Grammarly beweisen, dass man das Suchgespräch beherrschen und trotzdem in den Charts unsichtbar sein kann, und Gemini beweist das Umgekehrte. Verfolge beides; schließe nicht von einem auf das andere.
• Die schnellsten Chart-Aufstiege sind event- und kanalgetrieben. Nachrichten (Trump Accounts, DeepSeek), Live-TV (Peacock, FOX One, Telemundo) und saisonale Momente (WM-Ticketing) bewegen den Store mehr als stetige Markensuche. Wenn du dich an eine Distributionswelle hängen kannst, folgt der Rang.

Wie wir das gemacht haben (und die Vorbehalte)

Wir haben die US-App-Store-Charts (iOS + Google Play, Top Gratis + Top Umsatz) am 01.07.2026 über Crawloras App-Store-Charts-Datensatz als Snapshot erfasst, das Google-Suchinteresse jeder App über die zurückliegenden 12 Monate über die Google-Trends-API gemessen und die monatlichen SimilarWeb-Webbesuche pro App als unabhängige Gegenprüfung gezogen. Der vollständige zusammengeführte Datensatz wird von scripts/generate-search-vs-store-data.mjs erzeugt und ins Repo committet. Vorbehalte, klar benannt:

• Die Suche ist eine handverlesene Abfrage pro App, nicht die App selbst. Markennamen-Ambiguität ist real — „Claude“ ist ein Vorname, also messen wir Claude AI; „Gemini“ ist ein Sternzeichen und eine Kryptobörse, also messen wir Google Gemini. Jeder Begriff ist in den Tabellen oben aufgeführt. Trends misst die Abfrage, den nächstliegenden öffentlichen Näherungswert für App-Suchnachfrage, keinen perfekten.
• ChatGPT dominiert, deshalb nutzen wir Stufen, keine präzisen Zahlen. Google Trends skaliert jeden Vergleich 0–100 gegen den größten Begriff, und ChatGPT übersucht andere KI-Apps um ~30–1000×. Das komprimiert den Rest zu Rauschen, also verankern wir bei ChatGPT = 100 (mit einer Mittelvolumen-Brücke für signalschwache Apps) und bündeln das Ergebnis in grobe Stufen — Dominant / Hoch / Moderat / Niedrig / Minimal. Der Schwanz unterhalb der „Minimal“-Linie liegt unter der Auflösung von Trends und wird nie einzeln gerankt. Wir berichten eine gerichtete Korrelation (~0,1), behandeln sie aber nicht als präzise Effektstärke.
• Die Store-Position ist ein einzelner US-Snapshot. Rang = beste aktuelle Position über iOS/Play, Top Gratis + Umsatz am 01.07.2026. Er ist ein Querschnitt (ein Moment, kein Trend) und nur US-bezogen; ein anderes Land oder ein anderer Tag würde die Details verschieben, nicht das Muster.
• Die breiten Top-100-Begriffe werden automatisch aus vollständigen Store-Titeln abgeleitet, sodass langtitulierte Megamarken (z. B. „WhatsApp Messenger“, „Indeed Job Search“) unterzählt und aus den Divergenz-Hinweisen ausgeschlossen werden. Die 40 KI-Apps nutzen handverlesene Begriffe und sind der verlässliche Satz.
• Webtraffic ist ein drittes, unabhängiges Signal. Monatliche SimilarWeb-Besuche sind absolut (nicht wie Trends renormalisiert) und decken Apps ab, die nie ranken, sodass sie die Divergenzen gegenprüfen, statt deren blinde Flecken zu erben. Ein tägliches Panel aller drei Signale — Suche, App-Store-Rang und Webtraffic — sammelt sich nun an (scripts/generate-search-vs-store-panel.mjs), sodass eine Folgestudie Lead/Lag testen kann: ob ein Such-Spike einem Rang-Aufstieg vorausgeht.

Das ist dieselbe Abruf-und-Normalisier-Disziplin wie hinter unserem Anti-Bot-Adoptionsindex und der Product-Hunt-Trends-Studie: die Seiten, die Bots blockieren, als sauberes JSON ziehen und dann die Daten etwas Ehrliches sagen lassen.

Suchnachfrage und Store-Daten als sauberes JSON zusammenführen

Crawlora verwandelt Google Trends, die App-Store-Charts, Suchmaschinen und Dutzende weitere Plattformen in normalisiertes JSON — inklusive Proxys, Rendering und Anti-Bot — und rechnet nach Erfolg ab. 2.000 kostenlose Credits pro Monat, ohne Karte.

Google-Trends-APIPreise ansehen