Die Shortlist steht, bevor der Einkäufer Ihre Seite öffnet

Vor zwei Wochen habe ich, während ich einen Report für unser internationales Campaign Framework vorbereitet habe, aus Neugier etwas ausprobiert. Ich habe ChatGPT gefragt, welche Anbieter es für eine bestimmte Maschinenkategorie in unserem Marktsegment empfehlen würde. Keine Studie, kein Experiment mit Methodik. Einfach die Frage, die ein Einkäufer heute stellt, bevor er überhaupt eine Suchmaschine öffnet.

Die Antwort kam in wenigen Sekunden. Drei Anbieter, kurz begründet, mit Verweis auf Fachforen und Branchenvergleiche. Ein Wettbewerber war dabei. Wir nicht.

Ich kenne diesen Moment aus vielen anderen Situationen im Kampagnenalltag. Man prüft eine Kleinigkeit nebenbei und merkt, dass eine Grundannahme, auf der ein ganzes Kampagnenjahr aufgebaut ist, nicht mehr trägt. In diesem Fall die Annahme, dass die Vorauswahl unserer Kunden nach wie vor über organische Suche und eine gut gebaute Landingpage läuft.

Der Kanal, der in keinem Kampagnenplan auftaucht

Nach zwanzig Jahren im B2B-Marketing sehe ich immer wieder dasselbe Muster: Ein neuer Kanal entsteht, Teams reagieren erst, wenn die Zahlen im eigenen Reporting nicht mehr erklärbar sind. Bei den KI-Assistenten ist dieser Punkt erreicht. Die sieben größten Anbieter kamen im Mai 2026 zusammen auf rund 10,4 Milliarden Web-Besuche weltweit, ein Plus von knapp 50 Prozent gegenüber dem Vorjahr. ChatGPT bleibt dabei mit deutlichem Abstand vorn, aber der Zuwachs kommt inzwischen überwiegend von den Herausforderern.

Gemini verzeichnete zwischen September 2024 und März 2026 ein Besucherwachstum um etwa das Neunfache, Claude wuchs im selben Zeitraum um rund 770 Prozent.
Quelle: Similarweb, Gen AI Stats 2026

Das ist kein Nischentrend, den man beobachten und später bewerten kann. Käufer stellen ihre erste Frage heute an einen Chat, nicht an eine Suchleiste. Und die Antwort, die sie bekommen, entscheidet in vielen Fällen bereits, welche drei Anbieter überhaupt in die engere Wahl kommen.

Ein zweiter Blick lohnt sich

Ich habe die Probe testweise auch für zwei Nachbarmärkte gemacht, in denen wir Kampagnen fahren, einmal auf Englisch für den nordamerikanischen Markt, einmal auf Deutsch für den DACH-Raum. Die Ergebnisse unterschieden sich deutlich. Im englischsprachigen Test tauchten wir gar nicht auf, im deutschsprachigen immerhin an dritter Stelle. Das lag vermutlich daran, dass unsere Fachartikel bislang fast ausschließlich auf Deutsch erscheinen. Für ein international aufgestelltes Kampagnenteam ist das eine unbequeme Erkenntnis: Die Sichtbarkeit in KI-Antworten ist kein globaler Wert, sie entsteht Markt für Markt, Sprache für Sprache, neu.

Warum das im Investitionsgüterbereich schwerer wiegt

Im Konsumgütermarketing lässt sich ein verlorener KI-Touchpoint noch über Retargeting oder eine zweite Kampagne ausgleichen. Im Maschinenbau, in der Automatisierung, im Anlagenbau funktioniert das nicht. Ein Einkäufer recherchiert dort selten mehr als drei bis fünf Anbieter, oft nur einmal pro Jahr, häufig im Auftrag eines internen Gremiums, das am Ende eine kurze Liste sehen will.

Wer bei dieser einen Recherche nicht auftaucht, bekommt keine zweite Chance im selben Zyklus. Das unterscheidet den B2B-Fall vom Endkundengeschäft. Es geht nicht um verlorenen Traffic. Es geht um Ausschluss aus einem Auswahlprozess, der Monate dauert und für den es keine Wiederholung gibt.

Ich habe das selbst in internationalen Rollouts erlebt. Eine Kampagne lief technisch sauber, Klickzahlen stimmten, Formulare wurden ausgefüllt. Aber die Anfragen aus den priorisierten Zielaccounts blieben aus. Die Entscheider waren längst mit einer anderen Shortlist ins interne Meeting gegangen. Eine, die niemand aus unserem Team kannte.

Wie die Antwort entsteht, wenn niemand mehr klickt

Ein Sprachmodell liest keine Landingpage wie ein Mensch. Es gewichtet Textstellen aus vielen Quellen gegeneinander: Fachartikel, Foren, Erfahrungsberichte, Produktvergleiche, seltener Pressemitteilungen, als viele annehmen. Perplexity zitiert häufig direkt aus frisch veröffentlichten Fachbeiträgen. ChatGPT gewichtet etablierte Autorität stärker. Claude zieht überdurchschnittlich oft längere, analytisch geschriebene Inhalte heran. Jedes Modell hat also eine eigene Logik, welche Quelle als glaubwürdig genug gilt, um in eine Antwort einzufließen.

Für Marketingteams heißt das: Die klassische Optimierung einer Produktseite reicht nicht aus, um in dieser Antwort vorzukommen. Es zählt, ob draußen im Netz überhaupt glaubwürdiger Text über das eigene Unternehmen existiert, den ein Modell zitieren kann. Fachartikel unter eigenem Namen, ehrliche Vergleiche, technische Tiefe, nachvollziehbare Praxisbeispiele. Genau die Inhalte, die viele B2B-Teams seit Jahren aus Zeitmangel als Nebensache behandeln.

Der eigentliche blinde Fleck

Was mich an diesem Thema am meisten beschäftigt, ist nicht die Technik. Es ist, wie leicht Teams eine veraltete Annahme über das Kundenverhalten weiterschleppen, ohne sie je wieder zu prüfen. Man hat vor Jahren einmal festgelegt, wie der Kunde recherchiert, ein Funnel-Modell gebaut, eine Kampagnenlogik daraus abgeleitet. Und dann arbeitet man Jahr für Jahr in diesem Modell weiter, ohne zu fragen, ob es noch stimmt.

Der Alltag lässt dafür kaum Raum. Reportings müssen fertig werden, Kampagnen müssen live gehen, das nächste Quartalsziel drängt. Wer soll da noch die Zeit finden, sich selbst als Kunden zu testen und zu prüfen, wie eine KI heute über das eigene Unternehmen urteilt? Genau diese Lücke zwischen Tagesgeschäft und Kundenperspektive ist es, die am Ende über die Sichtbarkeit entscheidet. Nicht das Budget, nicht das Tool.

Ich habe in Kampagnenteams selten erlebt, dass jemand bewusst gegen diese Prüfung entschieden hat. Meistens ist es schlicht nie auf die Agenda gekommen, weil niemand zuständig war. SEO gehört zum Content-Team, Paid Media zu einem anderen, und die Frage, wie ein Sprachmodell das eigene Unternehmen bewertet, fällt zwischen alle Zuständigkeiten. Genau in dieser Lücke entstehen die größten Verluste, nicht bei den offensichtlichen Fehlern, sondern bei den Themen, für die schlicht niemand den Auftrag hat.

Ein Beispiel aus der Praxis

Ein mittelständischer Sondermaschinenbauer aus dem süddeutschen Raum, gut zweihundertfünfzig Mitarbeiter, exportiert seit Jahren erfolgreich nach Mitteleuropa. Das Marketingteam hatte die organische Sichtbarkeit über Jahre sauber aufgebaut, gute Rankings, solide Klickzahlen, funktionierendes Retargeting. Als wir gemeinsam die zehn wichtigsten Kaufentscheidungsfragen der Branche testweise in vier verschiedene KI-Assistenten eingegeben haben, tauchte das Unternehmen in sechs von zehn Antworten nicht auf. Ein direkter Wettbewerber, kleiner, mit deutlich schwächerer Website, wurde dagegen in acht von zehn Antworten genannt.

Der Unterschied lag nicht am Produkt. Er lag daran, dass der Wettbewerber seit zwei Jahren regelmäßig Fachbeiträge in Branchenmedien und auf einschlägigen Portalen veröffentlicht hatte, während der Sondermaschinenbauer fast ausschließlich auf die eigene Website gesetzt hatte. Für einen Menschen macht das kaum einen Unterschied. Für ein Sprachmodell, das über die eigene Domain hinaus nach Bestätigung sucht, macht es den Unterschied zwischen Erwähnung und Auslassung.

Als wir das dem Geschäftsführer vorgelegt haben, war die erste Reaktion Skepsis. Zehn Fragen seien keine Stichprobe, hieß es, und vermutlich hätte man mit anderen Formulierungen ein anderes Bild bekommen. Beides stimmt. Trotzdem hat allein diese kleine Übung mehr über die aktuelle Wahrnehmung des Unternehmens im Markt ausgesagt als der letzte Wettbewerbsvergleich, der ein Jahr zuvor mit erheblichem Aufwand erstellt worden war. Der Grund ist einfach: Der alte Vergleich beschrieb, wie das Unternehmen sich selbst sah. Der KI-Test beschrieb, wie ein unbeteiligter Dritter es einschätzt, auf Basis dessen, was tatsächlich öffentlich über das Unternehmen zu finden ist.

Was das für die Kampagnenarchitektur bedeutet

Die Konsequenz ist keine neue Tool-Anschaffung und kein zusätzliches Reporting-Dashboard. Es ist eine Verschiebung der Frage, mit der man in die Kampagnenplanung geht. Nicht mehr nur: Wie ranken wir bei Google für unsere Keywords. Sondern zusätzlich: Was antwortet ein Sprachmodell heute, wenn man es nach unserer Kategorie fragt, und woher nimmt es diese Antwort.

Das lässt sich mit vertretbarem Aufwand prüfen, monatlich, über eine feste Liste realistischer Kaufentscheidungsfragen, über die vier bis fünf relevanten Assistenten hinweg, je nach Zielmarkt in der jeweiligen Landessprache. Wichtiger als die Prüfung selbst ist aber, was danach passiert. Die meisten Teams, die ich kenne, würden ein solches Ergebnis dokumentieren und zur nächsten Aufgabe übergehen. Die Frage, die wirklich weiterhilft, ist eine andere: Warum kennt das Modell unseren Wettbewerber besser als uns, obwohl unser Produkt mindestens gleichwertig ist?

In der Praxis läuft die Antwort fast immer auf dasselbe hinaus: der Wettbewerber lässt sich seit längerem außerhalb der eigenen Website zitieren, in Fachmedien, in Foren, in unabhängigen Vergleichen. Das eigene Unternehmen dagegen kommuniziert fast ausschließlich über eigene Kanäle. Für eine Suchmaschine war das lange kein großer Nachteil, solange die eigene Seite gut rankte. Für ein Sprachmodell, das nach externer Bestätigung sucht, ist es ein erheblicher.

Zurück zur ursprünglichen Frage

Ich habe die Anfrage von vor zwei Wochen letzte Woche noch einmal gestellt, mit denselben Worten, an denselben Assistenten. Der Wettbewerber stand wieder auf der Liste. Wir waren immer noch nicht dabei. Zwei Wochen sind zu kurz, um daraus eine Lehre zu ziehen. Aber der Test selbst hat mir etwas gezeigt, das über dieses eine Ergebnis hinausgeht.

Bevor ich diese Frage gestellt habe, war ich überzeugt, ziemlich genau zu wissen, wie unsere Kunden recherchieren. Nach der Antwort war ich es nicht mehr. Genau darin liegt der Wert dieser einfachen Übung. Nicht in der Zahl selbst, sondern darin, dass sie eine Annahme sichtbar macht, die sonst niemand mehr hinterfragt hätte.