Marken verlieren zunehmend Umsatz, weil Kaufentscheidungen nicht mehr erst beim Klick auf „Kaufen“ fallen, sondern bereits im Dialog mit KI-Systemen wie ChatGPT, Perplexity oder Gemini getroffen werden. Die traditionelle Sichtbarkeit über Suchmaschinen-Optimierung (SEO) verliert an Bedeutung, während neue Regeln für die „Machine Equity“ – das Vertrauen, das ein KI-Modell einer Marke entgegenbringt – entscheidend werden.
Warum Kaufentscheidungen bereits im KI-Chat entstehen
Im Gespräch mit Stefan Herrmann, Business Analyst bei iteratec, wird deutlich: „Der Fehler liegt nicht im fehlenden Checkout, sondern in einer Phase davor. Die eigentliche Entscheidung fällt in der Empfehlungsphase.“ Nutzer stellen einer KI Fragen wie „Ich brauche Laufschuhe, laufe zweimal wöchentlich und habe Knieschmerzen“ und erhalten sofort begründete Empfehlungen – ohne vorher eine Ergebnisliste zu durchforsten. Diese sofortige Empfehlung ersetzt die klassische Funnel-Stufe „Recherche → Vergleich → Kauf“.
Unterschiedliche Auswahlkriterien von KI-Systemen
ChatGPT, Perplexy und Gemini im Vergleich
- ChatGPT stützt sich auf sein trainiertes Wissens-Corpus und liefert nur teilweise aktuelle Ergebnisse.
- Perplexity arbeitet suchmaschinenähnlich mit Echtzeit-Quellen und erzielt eine 65 %ige Übereinstimmung mit den Top-10-Ergebnissen von Google bei kurzen Prompts.
- Gemini folgt eigenen, nicht publizierten Auswahlkriterien, wobei ebenfalls ein Zufallsfaktor wirkt.
Eine Ahrefs-Studie bestätigt die Diskrepanz: Von 3 000 kurzen Prompts stimmte ChatGPT nur zu 10 % mit Google-Ergebnissen überein, während Perplexity und Google zu 65 % übereinstimmten.
Zufälligkeit und erkennbare Muster
Obwohl KI-Modelle probabilistisch arbeiten und Ergebnisse von Tag zu Tag variieren können, zeigen empirische Daten klare Muster. Fachzitate, verifizierbare Statistiken und semantisch relevante Inhalte werden bis zu 41 % häufiger in KI-Antworten einbezogen (Princeton-Studie, 2024). Im Gegensatz dazu führt klassisches Keyword-Stuffing auf generativen Plattformen zu einer Sichtbarkeits-Absenkung von 10 %.
Wissenschaftliche Grundlagen: Generative Engine Optimization (GEO)
Die Studie „GEO: Generative Engine Optimization“ von Princeton University, Georgia Tech und IIT Delhi (Aggarwal et al., 2024) liefert die ersten messbaren Kennzahlen:
- Präsenz-Steigerung durch Fachzitate und Belege: +41 % (2024, GEO-bench).
- Präsenz-Absenkung durch Keyword-Stuffing: -10 % (2024, Bewertungsmetriken von Perplexity und Gemini).
Die Autoren betonen: „Qualität von Inhalten entscheidet über die KI-Präsenz, nicht die reine Keyword-Dichte.“
Risiken: Zero-Click-Effekt und Verlust von Suchmaschinen-Traffic
Gartner prognostiziert, dass bis 2026 fast ein Viertel des traditionellen Suchmaschinen-Traffics (-25 %) auf KI-Dialogagenten verlagert wird. Der Zero-Click-Effekt entsteht, weil KI-Modelle komplette Antworten liefern und Nutzer selten noch auf externe Links klicken. Das führt zu sinkendem Referral-Traffic und reduziert die Messbarkeit von Kampagnen.
Praktische Maßnahmen für Marken – Weg zur Machine Equity
Um in den Empfehlungen von KI-Systemen aufzutauchen, sollten Unternehmen folgende Schritte umsetzen:
- Maschinenlesbare, strukturierte Daten: Implementieren Sie schema.org-Markups und JSON-LD, damit KI-Modelle Inhalte leicht extrahieren können.
- Verifizierbare Zitate und Statistiken: Nutzen Sie aktuelle, nachprüfbare Zahlen aus vertrauenswürdigen Quellen (z. B. Fachzeitschriften, Studien).
- Qualitativ hochwertige, nicht-generierte Inhalte: Vermeiden Sie reines Keyword-Stuffing; setzen Sie auf fundierte Fachartikel.
- Präsenz in relevanten Quellen: Erwähnungen in Reddit-Threads, Fachblogs oder wissenschaftlichen Publikationen erhöhen die Trainingsdaten-Basis der KI.
- Kontinuierlicher Daten-Check: Überprüfen Sie regelmäßig, ob Ihre Daten von KI-Systemen korrekt interpretiert werden.
Stefan Herrmann fasst zusammen: „Am Ende zählen strukturierte, maschinenlesbare Daten und Präsenz in den richtigen Quellen. Hochwertige Inhalte setzen sich zudem stärker durch.“
Schnellüberblick:
Was ist Machine Equity?
Machine Equity beschreibt das Maß an Vertrauen und semantischer Autorität, das ein KI-System einer Marke zuschreibt. Darauf basiert die Wahrscheinlichkeit, in direkten KI-Antworten genannt zu werden.
Warum weichen ChatGPT und Perplexity so stark von Google-Resultaten ab?
Perplexity funktioniert suchmaschinenähnlich mit Echtzeit-Quellen, während ChatGPT auf sein trainiertes Wissen zurückgreift. Deshalb stimmt Perplexity zu 65 % mit Googles Top-10-Ergebnissen überein, ChatGPT nur zu 10 %.
Wodurch kann ich die Sichtbarkeit bei KI-Systemen steigern?
Zitate aus sachlichen Quellen, verifizierbare Statistiken und hochwertig strukturierte Inhalte erhöhen die Wahrscheinlichkeit, dass Marken in KI-Antworten aufgenommen werden.
Quellen
- https://arxiv.org/abs/2311.09735
- https://ahrefs.com/blog/chatgpt-vs-google-search-study/
- https://www.gartner.com/en/newsroom/press-releases/2024-02-19-gartner-predicts-search-engine-volume-will-drop-25-percent-by-2026-due-to-ai-chatbots-and-other-virtual-agents