Wie genau ist ChatGPT bei Parfümnoten? 3 Engines getestet

Bei 100 Parfüms nannte ChatGPT in 82 % seiner Antworten alle Noten der offiziellen Liste, Perplexity in 78 % und Gemini in 69 %.¹ In 49 % seiner Antworten fügte Gemini mindestens eine Note hinzu, die nicht auf der offiziellen Liste stand – bei ChatGPT waren es 24 %, bei Perplexity 25 %.¹ Betrachten Sie die Antworten als guten ersten Anhaltspunkt und prüfen Sie anschließend die Website des Hauses.

• Bei den Noten selbst liegen alle drei Engines meist nah beieinander: Der Median des Recall lag bei jeder bei 1.00.¹
• Die Unterschiede zeigen sich bei zusätzlichen Noten. In 32 % seiner Antworten ergänzte Gemini eine Note, die nicht auf der offiziellen Liste stand und die keine der anderen beiden Engines nannte. Bei ChatGPT waren es 10 %, bei Perplexity 11 %.¹
• Je nach Engine enthielten Antworten zu Designerparfüms um 22 bis 32 Prozentpunkte häufiger eine Note, die nicht auf der offiziellen Liste stand, als Antworten zu Nischenparfüms.¹
• Bei 39 der 99 Parfüms, zu denen alle drei Engines eine Antwort gaben, stimmten alle drei exakt mit der offiziellen Liste überein.¹
• Gemessen wurden Antworten, bei denen das Web durchsucht wird – nicht, woran sich ein Modell erinnert. Claude wurde nicht getestet.¹

So haben wir getestet

Wir stellten ChatGPT, Gemini und Perplexity für 100 Parfüms aus 45 Häusern dieselbe einfache Frage: „Was sind die Kopf-, Herz- und Basisnoten von House Perfume?“ Jede Engine wurde am 20. Oktober 2026 von einem US-Standort aus auf Englisch einmal pro Parfüm abgefragt. Insgesamt waren es 300 Abfragen.¹

• Referenzliste. Scentos Perfume Compendium, das an diesem Datum 754 Einträge enthielt.² Ein Parfüm wurde nur berücksichtigt, wenn es eine vollständige Pyramide aus Kopf-, Herz- und Basisnoten gab, deren Quelle entweder die eigene Website des Hauses oder zwei übereinstimmende autorisierte Händler waren. Bei 91 der 100 Parfüms stammte die Referenz von der Website des Hauses, bei 9 von zwei übereinstimmenden Händlern.¹
• Stichprobe. 50 Designerparfüms (einschließlich traditionsreicher Häuser, da zu wenige als Designer eingestufte Einträge die Kriterien erfüllten) und 50 Nischenparfüms; arabische Häuser wurden bei beiden Gruppen ausgeschlossen. In jeder Gruppe waren 25 Düfte bekannt und 25 weniger bekannt – eine Einschätzung, die vor der Abfrage der Modelle festgehalten wurde. Die offiziellen Listen umfassen 1 bis 17 Noten, der Median liegt bei 8.5.¹
• Engines. ChatGPT und Gemini in ihren Verbraucher-Versionen (die API gab die Modelle als gpt-6 und 3,5 Flash-Lite an) sowie Perplexitys sonar-Modell mit Websuche.¹ Claude wurde nicht einbezogen.¹
• Bewertung. Ein Skript ohne Einsatz eines Sprachmodells ordnete jede genannte Note einem Glossar mit 411 Noten zu und verglich sie mit der offiziellen Liste. Wenn eine Antwort mehrere Varianten nannte, wurde die am besten passende bewertet. Bei einer manuellen Überprüfung von 20 Bewertungen stimmten 17 exakt und 19 bis auf eine Note überein. Die prüfende Person konnte das Ergebnis des Skripts sehen; die Überprüfung erfolgte also nicht verblindet.¹

Im Folgenden sind vier Messgrößen wichtig. Recall bezeichnet den Anteil der offiziellen Noten, die eine Antwort enthält. Präzision ist der Anteil der genannten Noten, die auf der offiziellen Liste stehen. Eine Note, die nicht auf der offiziellen Liste steht, kann trotzdem korrekt sein, denn Häuser veröffentlichen mitunter nur einige wenige wichtige Noten. Eine exakte Liste enthält alle offiziellen Noten und keine weiteren.¹

Ergebnisse für alle 100 Parfüms

Gemini beantwortete 99 der 100 Abfragen; eine Antwort scheiterte aufgrund eines Dienstfehlers. ChatGPT und Perplexity beantworteten alle 100. Keine der Engines verweigerte eine Antwort. In Geminis Antwort zu Juliette Has a Gun Not a Perfume wurde die einzige offizielle Note, Cetalox, im Fließtext genannt, jedoch ohne Aufteilung nach Kopf-, Herz- und Basisnote. Sie zählt daher nur für den Recall; Geminis Anteile für nicht gelistete Noten und exakte Listen basieren auf 98 Antworten.¹

Der Median des Recall lag bei allen drei Engines bei 1.00, und die mediane Platzierungsgenauigkeit (Noten in der richtigen Kopf-, Herz- oder Basisnote) betrug bei allen drei 100 %. Der Median der Präzision lag bei ChatGPT und Perplexity bei 1.00 und bei Gemini bei 0.97.¹ Da die Mediane am oberen Ende liegen, zeigt die Tabelle anhand von Anteilen und Mittelwerten, worin sich die Engines unterscheiden.

Die Ergebnisse der einzelnen Engines

ChatGPT

ChatGPT nannte in 82 % der Antworten jede offizielle Note und lieferte in 70 % eine exakt übereinstimmende Liste. In 24 % der Antworten ergänzte es eine Note, die nicht auf der offiziellen Liste stand.¹ In 85 seiner 100 Antworten führte es die eigene Website des Hauses als Quelle an.¹

Perplexity

Perplexity lag knapp dahinter: In 78 % der Antworten nannte es jede offizielle Note, in 70 % stimmte die Liste exakt überein, und in 25 % der Antworten kamen zusätzliche Noten hinzu.¹ In 74 Antworten führte es die Website des Hauses als Quelle an.¹

Gemini

Gemini nannte in 69 % der Antworten jede offizielle Note, stimmte in 43 % exakt mit der Liste überein und ergänzte in 49 % eine Note, die nicht auf der Liste stand. In 32 % seiner Antworten fügte es eine Note hinzu, die keine der beiden anderen Engines nannte.¹ In 55 seiner 99 Antworten führte es die Website des Hauses als Quelle an. In diesen Fällen lag seine mediane Präzision bei 1.00, ohne Quellenangabe bei 0.93.¹ Bei Perplexity betrug derselbe Unterschied 1.00 gegenüber 0.97 und bei ChatGPT 1.00 gegenüber 1.00.¹

Wo die Engines übereinstimmen

Von den 99 Parfüms, zu denen alle drei eine Antwort gaben, nannten alle drei bei 59 jede offizielle Note und lieferten bei 39 eine exakt übereinstimmende Liste. Mindestens eine Engine lieferte bei 79 eine exakte Liste; bei 20 gelang dies keiner.¹

Designer- versus Nischendüfte

Am deutlichsten zeigt sich das Muster bei den zusätzlichen Noten. Bei jeder Engine enthielten Antworten zu Designerparfüms häufiger eine Note, die nicht auf der offiziellen Liste stand, als Antworten zu Nischendüften.¹

Auch der Recall aller Noten fiel bei Designerparfüms geringer aus: 74 % bei ChatGPT gegenüber 90 % bei Nischendüften, 64 % gegenüber 73 % bei Gemini und 70 % gegenüber 86 % bei Perplexity.¹ Diese Unterschiede sind weniger sicher; die Intervalle für die Unterschiede bei ChatGPT und Perplexity berühren null, und das Intervall von Gemini schließt null ein.¹

Eine kürzere offizielle Liste könnte einen Teil davon erklären, da ein Haus, das vier Noten veröffentlicht, mehr Raum für zusätzliche Noten lässt. Deshalb verglichen wir Designer- und Nischendüfte bei gleicher Listenlänge und fassten die drei Engines zusammen. Der Unterschied blieb in allen drei Längenbereichen bestehen:¹

Die Studie kann nicht erklären, woran das liegt. Die Designer- und Nischendüfte stammten von unterschiedlichen Häusern und wurden auf unterschiedlichen Seiten präsentiert; das lässt sich hier nicht voneinander trennen.¹ Bekanntheit machte keinen klaren Unterschied: Der Abstand bei Noten außerhalb der offiziellen Liste zwischen bekannten und weniger bekannten Parfüms lag je nach Engine zwischen 4 und 8 Punkten, und jedes Intervall schloss null ein.¹

Fünf Beispiele

Viktor&Rolf Flowerbomb: die ältere Duftpyramide

Auf der Website des Hauses sind vier Noten aufgeführt: Pfingstrose in der Kopfnote, Centifolia-Rose in der Herznote sowie Freesie und Vanille in der Basisnote. Gemini und Perplexity gaben beide dieselbe Duftpyramide mit 11 Noten aus, fanden drei der vier offiziellen Noten (keine Pfingstrose) und nannten acht Noten, die nicht auf der Liste stehen. Perplexity ergänzte anschließend, die aktuelle Beschreibung der Marke „hebt Pfingstrose, Centifolia-Rose, Freesie und Vanille hervor“; damit berücksichtigte es beide Versionen, führte jedoch die ältere an. ChatGPT fand alle vier und ergänzte vier weitere: Jasmin, Orchidee, warmen Amber und Patchouli.¹

Prada Infusion de Vétiver: eine Liste wird verdreifacht

Auf der Website des Hauses sind vier Noten aufgeführt: Bergamotte; Ingwer und Kardamom; Vetiver. ChatGPT und Perplexity gaben genau diese Noten an genau diesen Stellen wieder. Gemini nannte 12 Noten, darunter alle vier offiziellen sowie acht, die keine der beiden anderen Engines nannte, darunter italienische Zitrone, italienische Mandarine, Limette, tunesischer Neroli, Estragon und türkische Rose. Seine Präzision im Vergleich zur offiziellen Liste betrug 0.33.¹

Montblanc Explorer: richtige Noten, vertauschte Duftphasen

Auf der Website des Hauses stehen Bergamotte, Pomarose und Salbei in der Kopfnote, Vetiver, Leder und Sandelholz in der Herznote sowie Patchouli, Ambrofix und Akigalawood in der Basisnote. ChatGPT ordnete Patchouli und Ambrofix der Herznote sowie Vetiver und Leder der Basisnote zu. Von den sechs Noten, die es richtig erkannte, waren zwei der richtigen Duftphase zugeordnet; die Platzierungsgenauigkeit betrug somit 33 %. Perplexity gab alle neun Noten in den richtigen Duftphasen wieder. Gemini fand sechs von neun, schrieb Ambroxan, wo das Haus Ambrofix aufführt, und ordnete jede übereinstimmende Note richtig zu.¹

Jean Paul Gaultier Le Male Elixir: derselbe Austausch, dreimal

Zwei autorisierte Händler nennen Lavendel in der Kopfnote, Tonkabohne in der Herznote und Benzoe in der Basisnote. Alle drei Engines lieferten dieselben sieben Noten in derselben Verteilung: Lavendel und Minze in der Kopfnote, Vanille und Benzoe in der Herznote, Honig, Tonkabohne und Tabak in der Basisnote. Jede fand alle drei offiziellen Noten, vertauschte die Positionen von Tonkabohne und Benzoe und ergänzte vier Noten, die nicht auf der Liste standen. Jede erreichte eine Platzierungsgenauigkeit von 33 % und eine Präzision von 0.43. Die Daten lassen nicht erkennen, warum die drei Antworten übereinstimmen.¹

Rochas Eau de Rochas: drei Ergebnisse auf eine Frage

Auf der Website des Hauses sind zehn Noten aufgeführt: Bergamotte, Mandarine, Zitrone und Eisenkraut in der Kopfnote; Narzisse, Jasmin und Maiglöckchen in der Herznote; Eichenmoos, Myrrhe und Patchouli in der Basisnote. Perplexity gab die Liste exakt wieder. ChatGPT nannte neun der zehn Noten, ließ Eisenkraut aus und ergänzte Iris. Gemini nannte 18 Noten, fand acht der zehn und führte zehn Noten auf, die keine andere Engine nannte, darunter Limette, Basilikum, Koriander, Nelke, Wildrose, Sandelholz und Amber.¹

Was diese Ergebnisse zeigen – und was nicht

• Recherche, nicht Gedächtnis. Alle drei Engines durchsuchen während der Antwort das Web, und die meisten Antworten verwiesen auf die Website des jeweiligen Hauses. Der hohe Recall zeigt, dass diese Produkte eine veröffentlichte Liste finden können. Sie zeigt nicht, dass ein Modell Noten kennt, und sagt nichts über Modelle ohne Suchfunktion aus.¹
• Eine Momentaufnahme. Ein Aufruf pro Parfüm und Engine am 20. Oktober 2026. Wir haben keine Wiederholungsläufe durchgeführt, daher ist die Schwankung zwischen einzelnen Durchläufen unbekannt.¹
• Eine veröffentlichte Liste. Eine Note, die in der offiziellen Liste fehlt, ist nicht automatisch falsch. Die Präzision ist eine Untergrenze für die Richtigkeit.¹
• Versionen. In der Frage wurde keine Konzentration genannt, und die offizielle Seite bezieht sich auf eine Version. Die Bewertung anhand der jeweils passenden Version mildert dieses Problem, beseitigt es aber nicht.¹
• Stichprobe und Bewertung. Die Stichprobe umfasst überwiegend westliche Designer- und Nischenhäuser, die Scento überprüfen konnte. Das Bewertungsskript wurde anhand derselben 100 Parfüms abgestimmt und vergibt keine Punkte, wenn eine Antwort und die Liste eine Note unterschiedlich detailliert benennen, etwa „Zimt“ und „Gewürze“.¹
• Nicht getestet. Claude, Engines ohne Websuche, andere Sprachen oder Länder sowie die Frage, ob die offiziellen Listen selbst korrekt sind.¹

Was das für Käufer bedeutet

Bei den meisten Parfüms gibt eine Antwort-Engine jede offizielle Note wieder. In dieser Stichprobe nannten alle drei Engines bei 59 von 99 Parfüms jede offizielle Note. Bei einem Viertel bis zur Hälfte der Antworten war jedoch mindestens eine Note dabei, die nicht auf der offiziellen Liste stand; solche Ergänzungen kamen bei Designerparfüms am häufigsten vor.¹ Drei Gewohnheiten helfen.

• Prüfen Sie die Website des Hauses. Von dort stammten 91 der 100 offiziellen Listen in dieser Studie; außerdem ist sie die erste Anlaufstelle für Informationen zu einer Neuformulierung oder einer neuen Duftpyramide.
• Lesen Sie lange Listen mit Bedacht. Nennt eine Antwort deutlich mehr Noten als die Website des Hauses, beschreibt sie womöglich eine ältere oder andere Version des Parfüms.
• Riechen Sie daran, bevor Sie sich entscheiden. Noten auf dem Papier verraten nie, wie sich ein Parfüm auf Ihrer Haut entwickelt. Mit Parfümproben können Sie es ausprobieren, bevor Sie einen ganzen Flakon kaufst.

Die offiziellen Listen in dieser Studie stammen aus Scentos Perfume Compendium, in dem für jeden Eintrag eine gespeicherte Quellseite hinterlegt ist. Entwickler können über die Seite zum Perfume Compendium und zur API darauf zugreifen.²

Quellen

1. 1Analyse der Antworten von ChatGPT, Gemini und Perplexity zu 100 Parfüms, bewertet anhand des Perfume Compendium von Scento, Scento, 20. Oktober 2026.
2. 2Scento Perfume Compendium, Scento. scento.com/developers, abgerufen am 21. Oktober 2026.