Es gibt Zahlen, die beim ersten Hinsehen beruhigen und beim zweiten das Gegenteil bedeuten. Diese hier ist so ein Fall.
Wir haben in simulierten Kaufgesprächen jede einzelne KI-Antwort einer von drei Phasen zugeordnet: Orientierung, Abwägung, Kaufentscheidung. Dann geprüft, in wie vielen Antworten je Phase die untersuchte Marke vorkommt.
In der Orientierung: 60,5 Prozent. In der Abwägung: 64,4 Prozent. Wer hier aufhört zu lesen, sieht eine Marke, die gut dasteht und sogar zulegt.
Das ist der erste Einwand, den man erwarten würde, und er trifft hier nicht zu. Die Kaufphase ist mit 79 ausgewerteten Antworten die mit Abstand größte der drei Gruppen. Orientierung und Abwägung kommen zusammen auf 83.
Der Grund dafür ist die Gesprächsmechanik: Jede Konversation läuft so lange weiter, bis das Ziel der jeweiligen Phase erreicht ist. In der Kaufphase wird typischerweise am längsten nachgefragt, weil dort die konkreten Details geklärt werden. Es entstehen also mehr Antworten. Der Einbruch ist damit der am besten abgesicherte Befund der gesamten Analyse.
Schaut man in die Gesprächsverläufe, wird das Muster schnell klar. In der Orientierungsphase fragen Menschen nach Kategorien und Grundsätzlichem: Welches Akku-System, worauf achten, was brauche ich überhaupt. Darauf antwortet die KI mit Herstellernamen, weil ihre Quellen das hergeben.
In der Kaufphase ändert sich die Frage. Jetzt geht es um Verfügbarkeit, Lieferzeit, konkrete Preise, Garantiebedingungen, Servicezusagen, welcher Händler in der Nähe. Und genau diese Informationen liegen bei den meisten Herstellern nicht auf der eigenen Website, sondern beim Handel, in Testberichten oder in Foren.
Die KI macht dann das Naheliegende: Sie zitiert die Quelle, die die Frage beantworten kann. Das ist eben nicht der Hersteller. Ein Händler nennt seinen Preis und seine Lieferzeit, und in dieser Antwort steht dann möglicherweise eine andere Marke im Vordergrund.
Damit wird das Muster doppelt teuer. Die Marke verliert Sichtbarkeit in der Phase mit der höchsten Kaufabsicht. Und alles, was vorher in Orientierung und Abwägung investiert wurde, läuft an der letzten Hürde ins Leere.
Die gute Nachricht: Das ist eine der besser lösbaren Aufgaben im GEO-Feld, weil es meist nicht an fehlender Autorität liegt, sondern an fehlenden Inhalten.
Stellen Sie in einem frischen Chat drei kaufnahe Fragen ohne Ihren Markennamen: nach Preisrahmen, nach Lieferzeit, nach dem passenden Händler. Kommt Ihre Marke in keiner davon vor, haben Sie dasselbe Muster.
Gehen Sie Ihre Produktseiten durch und markieren Sie, was fehlt: unverbindliche Preisempfehlung, Lieferzeit, Garantiedauer, Servicebedingungen, Händlersuche. Das ist üblicherweise eine erschreckend lange Liste.
Eine Preisspanne oder eine UVP reicht völlig. Ohne jede Preisangabe fällt Ihre Seite bei jeder Budgetfrage schlicht aus der Antwort heraus, und der Handel übernimmt das Feld.
Über strukturierte Daten nach Schema.org, konkret die Felder Offer, availability und deliveryTime. Das ist überschaubarer Aufwand für die IT und macht die Information für Modelle direkt verwertbar.
Garantiebedingungen und Servicezusagen liegen oft nur als PDF vor oder gar hinter einem Login. Als normale HTML-Seite mit klaren Überschriften sind sie zitierfähig, als PDF praktisch nicht.
Wenn der Fachhandel Ihr Verkaufsargument ist, muss er auffindbar sein: Standorte, Öffnungszeiten, Serviceumfang, jeweils als eigene Seite mit LocalBusiness-Auszeichnung statt als Suchmaske, die eine KI nicht bedienen kann.
Wir haben diese Maßnahmen im Analysefall als höchste Priorität eingestuft, aber wir haben ihre Wirkung nicht gemessen. Das wäre nur mit einer Wiederholungsmessung nach der Umsetzung belegbar, und die stand zum Zeitpunkt der Analyse noch aus. Wer Ihnen an dieser Stelle eine Prozentzahl verspricht, rät.
Was sich sagen lässt: Die Lücke ist inhaltlicher Natur, nicht technischer. Es fehlt nicht an Autorität, sondern an Antworten auf konkrete Fragen. Das ist die deutlich einfachere Ausgangslage.
Ja, sogar besonders. Dienstleister haben oft gar keine Preisinformation online, dafür aber Wettbewerber mit Paketpreisen. Bei jeder Budgetfrage gewinnt dann automatisch der, der überhaupt eine Zahl nennt. Eine Preisspanne oder ein Ab-Preis genügt.
Vertrieblich ja, für die KI-Sichtbarkeit nein. Wenn die kaufnahen Informationen ausschließlich beim Handel liegen, zitiert die KI in der Kaufphase konsequenterweise den Handel. In dessen Antworten steht dann oft ein ganzes Sortiment mehrerer Marken. Sie geben damit die Kontrolle über die letzte Entscheidungsstufe ab.
In der klassischen Suche vielleicht. In den gemessenen KI-Gesprächen war das Bild anders: Händlerseiten waren zwar stark vertreten, die meistzitierte Einzelquelle war in der aktuelleren Erhebung aber die Herstellerdomain selbst mit 23 Prozent aller Quellenangaben. Das Feld ist also keineswegs vergeben.
Nur an einer Wiederholungsmessung mit demselben Modell, demselben Fragenwortlaut und derselben Anzahl Durchläufe. Ein einzelner Test nach der Umsetzung beweist nichts, weil die Schwankung zwischen Durchläufen größer sein kann als der Effekt.
Jede Konversation läuft in automatisch erzeugten Folgefragen weiter, bis das Ziel der jeweiligen Phase erreicht ist. Daher unterschiedliche Fallzahlen je Phase: Orientierung n=38, Abwägung n=45, Kaufphase n=79. Erhebung vom 26.07.2026, Modell gpt-5.6-terra, 162 ausgewertete Antworten insgesamt.
Hinweis zu diesem Beitrag: Recherche, Auswertung und Text wurden mit Unterstützung von KI-Systemen erstellt (Ex Tenebris Agenten-Team) und von Felix Zeh redaktionell geprüft. Alle genannten Zahlen stammen aus einer echten LUX-/GEO-Analyse; die analysierte Marke ist zum Schutz der Kundenbeziehung anonymisiert.
Die Methodik hinter diesem Artikel ist dieselbe, die wir für jede Standortbestimmung einsetzen — auf Ihre Kategorie, Ihre Wettbewerber, Ihre Bedarfsgruppen zugeschnitten.