Der Buyer ist schon fertig, bevor ihr anfangt
Was der neue Google AI Mode mit B2B-Demand-Gen macht – und warum die meisten Teams noch mit 2023-Logik planen
Ein Kollege erzählte mir letzte Woche, dass sein Team die Content-Strategie für Q3 plant. Keyword-Cluster, Pillar Pages, organischer Traffic als primärer Demand-Gen-Kanal. Ich habe nichts gesagt. Aber ich habe gedacht: die planen gerade für ein Suchverhalten, das so nicht mehr existiert.
Am 6. Mai hat Google fünf Änderungen an AI Mode und AI Overviews ausgerollt. Links erscheinen jetzt direkt neben dem generierten Text, nicht mehr gesammelt am Ende. Perspektiven aus Reddit-Threads, Foren und Social Media tauchen mit Creator-Namen und Handles auf. Hover-Previews zeigen Domain und Seitentitel vor dem Klick. Artikel-Empfehlungen am Ende jeder AI-Antwort sollen weiterführendes Lesen anstoßen. Und Abonnements werden mit einem Subscribed-Label markiert – mit messbarem Effekt auf die Klickrate.
Das klingt nach einer UI-Anpassung. Es ist keine. Es ist die nächste Eskalationsstufe in einer Entwicklung, die B2B-Demand-Gen-Teams schon länger hätte beschäftigen sollen.
Was die Daten zeigen – und was Teams daraus nicht schlussfolgern
Ich will keine Panik verbreiten. Aber die Zahlen sind zu eindeutig, um sie wegzudiskutieren.
Seer Interactive hat im September 2025 dokumentiert, dass der organische CTR bei Queries mit AI Overviews von 1,76 Prozent auf 0,61 Prozent gefallen ist – ein Rückgang von 61 Prozent. HubSpot hat zwischen November 2024 und Q2 2025 70 bis 80 Prozent seines organischen Traffics verloren. Das ist kein Ausreißer. Laut einer Auswertung von ABM Agency haben 73 Prozent der B2B-Websites zwischen 2024 und 2025 signifikante Traffic-Verluste erlitten, im Schnitt 34 Prozent Jahr-über-Jahr. B2B-SaaS-Queries gehören laut mehreren unabhängigen Analysen zu den am stärksten betroffenen Kategorien.
Gleichzeitig: 94 Prozent der B2B-Käufer nutzen generative AI-Tools während ihres Kaufprozesses. Forrester hat in seiner State of Business Buying 2026 Studie festgestellt, dass generative AI-Tools die meistgenutzte Quelle für selbstgesteuertes Research sind. G2 berichtet aus einer März-2026-Befragung von über 1.000 B2B-Software-Käufern, dass 51 Prozent ihren Kaufprozess mittlerweile in einem AI-Chatbot beginnen – nicht in Google.
Der häufige Reflex darauf: Wir müssen für AI Overviews optimieren. GEO statt SEO. Das greift zu kurz. Denn das eigentliche Problem liegt nicht bei der Sichtbarkeit. Es liegt bei dem, was passiert, wenn der Lead trotzdem ins CRM kommt.
Der Buyer kommt anders an – das verändert die gesamte Funnel-Logik
Stell dir vor, du planst ein Dinner und weißt nicht, dass dein Gast bereits gegessen hat.
Genau das passiert gerade in B2B-Demand-Gen-Teams. Die Funnel-Architektur ist darauf ausgelegt, dass ein potenzieller Käufer mit einer vagen Suchanfrage beginnt, über mehrere Content-Touchpoints informiert wird, und irgendwo in dieser Journey als Lead qualifiziert werden kann. Dieses Modell setzt voraus, dass das Team den Buyer während seines Rechercheprozesses begleitet.
Das stimmt nicht mehr. Bain & Company hat festgestellt, dass 85 Prozent der B2B-Käufer bereits eine Liste bevorzugter Anbieter haben, bevor sie zum ersten Mal mit einem Vertriebsmitarbeiter sprechen. Diese Liste entsteht heute in AI-Conversations – nicht in Google-Suchen, nicht auf eurer Website. Forrester beschreibt den Effekt präzise: AI-Tools bestimmen den Consideration Set, menschliche Peer-Validation entscheidet am Ende. Das heißt: Wer beim AI-Research nicht auftaucht, kommt auf keine Shortlist.
Für Demand-Gen bedeutet das konkret: Der Lead, der heute ein Formular ausfüllt oder auf eine LinkedIn-Ad klickt, hat oft schon drei bis vier Wochen eigenständiges AI-Research hinter sich. Er hat Anbieter verglichen. Er hat Einwände gegen euer Produkt bereits gehört – in einem Reddit-Thread, den Google jetzt direkt in seine AI-Antworten einbettet. Er hat möglicherweise schon einen Favoriten.
Wenn euer Nurturing dann bei Null anfängt – mit einem Awareness-Artikel, einer Intro-E-Mail, einem „Was ist eigentlich Marketing Automation?“-Webinar – verliert ihr ihn. Nicht weil das Angebot schlecht ist, sondern weil ihr falsch eingeschätzt habt, wo er steht.
Ein Beispiel aus dem Mittelstand
Ein mittelständischer Maschinenbauer mit 400 Mitarbeitern sucht eine CRM-Lösung für seinen Vertrieb. Der zuständige Projektleiter – Anfang 40, technisch versiert, kein Digital Native, aber kein Anfänger – öffnet ChatGPT und stellt über zwei Wochen immer detailliertere Fragen. Welche CRMs eignen sich für den Investitionsgütervertrieb mit langen Sales-Zyklen? Welche Probleme haben Nutzer mit Anbieter X? Was sagen Leute auf Reddit über die Implementierung bei ähnlichen Unternehmensgrößen? Wie verhält sich Anbieter Y beim Thema Datenschutz nach DSGVO?
Nach zwei Wochen hat er eine Shortlist von drei Anbietern. Er füllt bei zwei davon ein Kontaktformular aus. Der dritte, bei dem er kein Formular ausfüllt, ist trotzdem auf seiner Liste – weil ein Mitbewerber ihn negativ erwähnt hat und das für ihn ein Qualitätssignal war.
Einer der Anbieter, bei dem er ein Formular ausgefüllt hat, schickt ihm am nächsten Morgen eine automatisierte Nurturing-Sequenz. E-Mail eins: „Warum CRM für den Mittelstand wichtig ist.“ Der Projektleiter liest die ersten zwei Sätze und meldet sich ab. Nicht weil das CRM schlecht ist. Sondern weil die E-Mail zeigt, dass der Anbieter keine Ahnung hat, wo er in seiner Kaufentscheidung steht.
Das ist kein Einzelfall. Das ist der Normalfall.
Was sich an der Architektur ändern muss
Wenn der Buyer bereits informiert ankommt, müssen drei Dinge neu gedacht werden: Lead-Scoring, Nurturing-Einstiegspunkte und Content-Strategie.
Lead-Scoring-Modelle, die heute auf Website-Besuchen und Content-Downloads basieren, messen das alte Kaufverhalten. Wer die Whitepaper-Strecke durchläuft, ist heute oft der informationsscheue Buyer, nicht der ernsthafte Interessent. Der ernsthafte Interessent recherchiert in AI-Tools und kommt direkt bei einer Demo-Anfrage oder einem Preisvergleich-Intent an. Das Scoring muss lernen, diesen Intent frühzeitig zu erkennen – über Signale wie direkte Produktanfragen, spezifische Feature-Fragen oder hohe Abschlussabsicht beim ersten Formular-Submit.
Nurturing-Strecken müssen von hinten aufgebaut werden, nicht von vorne. Wer mit einer Demo-Anfrage kommt, braucht keinen Einstiegs-Content. Er braucht Vertrauen, Differenzierung und Entscheidungshilfe. Das ist inhaltlich etwas völlig anderes als Awareness-Content – und es muss bei der Sequenz-Architektur berücksichtigt werden, nicht erst beim zweiten oder dritten Follow-up.
Content-Strategie muss verstehen, dass der neue Wettbewerb nicht mehr um Ranking-Positionen geht, sondern um AI-Zitation. Forrester beschreibt es klar: AI-Tools bestimmen den Consideration Set. Wer in den Antworten von ChatGPT, Perplexity oder Google AI Mode nicht vorkommt, existiert für einen wachsenden Teil der Buyer zu Beginn ihres Prozesses schlicht nicht. Das bedeutet, Inhalte so zu strukturieren, dass AI-Systeme sie vertrauenswürdig und zitierfähig finden: klare Autorenschaft, nachvollziehbare Argumentation, echte Erfahrungsperspektive.
Die gute Nachricht dabei: Brands, die in AI Overviews zitiert werden, erzielen laut Seer Interactive 35 Prozent mehr organische Klicks als nicht-zitierte Wettbewerber für dieselben Queries. Der Traffic, der über traditionelle Rankings verloren geht, kehrt zum Teil zurück – aber nur zu denen, die als autoritative Quelle wahrgenommen werden.
Was das konkret für Teams bedeutet, die jetzt planen
Ich arbeite selbst mit Teams, die globale Kampagnen-Frameworks betreiben und deren Leadprozesse auf Salesforce-Automationen basieren. Die Versuchung, das bestehende System einfach weiterzuführen, ist groß. Die Systeme laufen. Die Reports sehen halbwegs gut aus. Die Pipeline bewegt sich.
Aber der Blick fehlt: Was genau weiß der Buyer bereits, wenn er bei uns als Lead auftaucht? Wie weit ist er in seinem Prozess? Welche Einwände hat er aus seiner AI-Research mitgebracht, die wir nie gehört haben, weil wir nie danach gefragt haben?
Das sind keine philosophischen Fragen. Das sind operative Fragen, die sich direkt in Conversion-Rates und Sales-Zyklen übersetzen. Ein SDR, der mit einem Buyer spricht, der schon eine Shortlist hat, braucht andere Gesprächsführung als einer, der Awareness aufbaut. Eine Nurturing-Sequenz, die für einen informierten Buyer gebaut ist, hat andere Touchpoints, andere Inhalte, andere CTAs.
Der sinnvollste erste Schritt ist nicht, das gesamte Demand-Gen-System umzubauen. Es ist, die Annahmen zu überprüfen, auf denen das System aufgebaut ist. Welchen Informationsstand setzt ihr beim eingehenden Lead voraus? Wie habt ihr das zuletzt validiert? Nicht durch Bauchgefühl, sondern durch Gespräche mit echten Käufern, durch Auswertung von Sales-Calls, durch ehrliches Hinterfragen der eigenen Content-Logik.
Der Buyer war schon da
Mein Kollege, der gerade Keyword-Cluster für Q3 plant, macht nichts grundsätzlich falsch. Organischer Traffic ist nicht tot. Inhalte sind nicht wertlos. Aber er plant für einen Buyer, der in seiner Annahme am Anfang eines linearen Rechercheprozesses steht. Dieser Buyer existiert in dieser Form seltener als früher.
Die fünf Google-Updates vom 6. Mai sind kein Alarmsignal. Sie sind die sichtbare Bestätigung einer Verschiebung, die schon seit Monaten im Gange ist. Google selbst reagiert darauf, weil Klickraten sinken und Publisher Druck machen. Das System passt sich an. Die Frage ist, ob eure Demand-Gen-Architektur das auch tut.
Der Buyer hat sich nicht schlechter informiert. Er hat sich besser informiert – nur eben woanders. Wenn ihr das nicht in eurer Funnel-Logik abbildet, schickt ihr weiter Awareness-Content an Leute, die bereits entschieden haben.
Der Buyer ist schon fertig, bevor ihr anfangt.