KI-Antwortmaschinen lassen Marken systematisch aus: Die neue Sichtbarkeitslücke

82,5 Prozent Abwesenheit: Die neue Sichtbarkeitslücke

Wenn Käufer KI-Systeme wie ChatGPT, Google AI Overviews, Perplexity oder Gemini fragen, welches Produkt sie wählen sollen, bleibt die eigentlich relevante Marke in den meisten Fällen ungenannt. Dieses Phänomen – von Fachleuten als 'AI Visibility Gap' bezeichnet – ist keine anekdotische Beobachtung mehr, sondern wird durch quantitative Studien belegt. Eine Auswertung von 177 Kaufabsicht-Prompts über 33 Marken zeigt: In 82,5 Prozent der Fälle war die geprüfte Marke abwesend oder nur am Rande erwähnt. Nur 17,5 Prozent der Antworten nannten die Marke überhaupt, und lediglich 5,1 Prozent setzten sie an die erste Stelle. Dabei handelte es sich nicht um unbekannte Anbieter: Alle geprüften Marken ranken in der klassischen Google-Suche, verfügen über echte Referenzen und haben in mehreren Fällen die Kategorie selbst erfunden. Die Engines konnten sie schlicht nicht sehen, wo es zählt.

Warum erkennen die KI-Engines diese Marken nicht? Ein zentraler Grund liegt in der Entitätserkennung: Die Modelle müssen eine Marke als eigenständige, klar beschriebene Entität identifizieren können. Fehlen in den Trainingsdaten eindeutige Beschreibungen und autoritative Erwähnungen, kann das Modell die Marke nicht sicher zuordnen und nennt sie deshalb nicht. Zusätzlich scheitert die Sichtbarkeit oft schon im vorgelagerten Suchschritt: Die Engine führt eigene Suchen durch, um Quellen zu finden. Wenn diese Suchen die Marke nicht aufspüren, gibt es für die Engine nichts zu lesen oder zu zitieren – die Marke bleibt unsichtbar. Eine weitere Studie beziffert die Unsichtbarkeit für ChatGPT auf 73 Prozent der Marken – unter anderem wegen schlechter Entitätserkennung und fehlender autoritativer Erwähnungen in den Trainingsdaten. Zusätzlich zeigt sich ein Zitationsproblem: 62 Prozent der KI-Zitationen sind 'Ghost Citations' – die Website wird als Quelle verlinkt, aber der Markenname erscheint nicht im Antworttext. Damit entsteht eine neue Sichtbarkeitslücke, die klassische SEO-Metriken nicht erfassen.

Plattform-Unterschiede: ChatGPT nennt selten, Gemini zitiert selten

Die großen KI-Systeme verhalten sich bei Markennennungen und Zitationen grundlegend unterschiedlich. ChatGPT weist eine Zitationsrate von 87 Prozent auf, nennt Marken aber nur in 20,7 Prozent der Fälle im Text. Gemini zeigt das umgekehrte Muster: Es nennt Marken in 83,7 Prozent der Antworten, zitiert sie jedoch nur in 21,4 Prozent der Fälle als Quelle. Diese Diskrepanz bedeutet, dass eine Marke auf einer Plattform sichtbar sein kann, auf einer anderen aber nicht. Die Überschneidung mit klassischen Google-Ergebnissen ist gering: Nur 12 Prozent der von KI-Systemen zitierten URLs finden sich auch in Googles Top-10-Ergebnissen. Perplexity ist am stärksten an traditionellem SEO ausgerichtet – fast jede dritte zitierte URL stammt aus Googles Top 10. ChatGPT bevorzugt zudem frische Inhalte: Seine Zitationen sind im Durchschnitt 25,7 Prozent aktueller als Googles organische Ergebnisse.

Warum reicht ein gutes Google-Ranking nicht aus? Jede KI-Plattform nutzt eine eigene Discovery-Pipeline: Gemini greift auf Google Search Grounding zurück, Copilot auf Bing, Perplexity auf native RAG und Claude auf eine Websuche. Diese Pipelines bewerten und selektieren Quellen nach eigenen Kriterien – nicht nach dem organischen Ranking von Google. Eine Seite, die bei Google auf Platz eins steht, wird von einer KI-Engine möglicherweise gar nicht abgerufen oder nicht als passende Quelle ausgewählt, weil die Engine andere Signale wie Aktualität, Struktur oder unabhängige Erwähnungen priorisiert. Deshalb ist plattformspezifische Optimierung erforderlich: Marketer müssen verstehen, welche Quellen jede Engine tatsächlich nutzt, und ihre Inhalte entsprechend aufbereiten.

Warum Marken unsichtbar bleiben: Entitäten, Pipelines, Prompts

Die Ursachen für die Unsichtbarkeit liegen auf mehreren Ebenen. Erstens scheitert die Entitätserkennung: Viele Marken werden von den Modellen nicht als eigenständige Entität erkannt, weil klare Beschreibungen und autoritative Erwähnungen in den Trainingsdaten fehlen. Zweitens unterscheiden sich die Discovery-Pipelines der Plattformen erheblich: Gemini nutzt Google Search Grounding, Copilot greift auf Bing zurück, Perplexity setzt auf native RAG, und Claude verwendet eine Websuche. Diese unterschiedlichen Wege führen dazu, dass dieselbe Marke auf einer Plattform gefunden wird, auf einer anderen nicht. Drittens beeinflusst der Query-Typ die Nennung: Kurze, konversationelle Anfragen erzeugen 30- bis 50-mal mehr Markennennungen als lange Prompts, die zwar mehr Zitationen, aber weniger Markennennungen auslösen. Viertens variieren die Nennungsraten stark nach Land: In Indien und Schweden werden Marken in 50 Prozent der Antworten genannt, in Italien, Brasilien und den Niederlanden nur in 18 bis 22 Prozent. Googles Dokumentation zu KI-Funktionen bestätigt, dass AI Overviews und AI Mode Query Fan-out nutzen können und Seiten normale Such-Eignung wie Indexierung und Snippet-Fähigkeit benötigen. OpenAI erklärt, dass die ChatGPT-Suche Webquellen abruft und Zitationen anhängt – doch die Auswahl der Quellen folgt eigenen Kriterien.

Widersprüchliche Zahlen: Was heißt 'Unsichtbarkeit'?

Die vorliegenden Studien liefern unterschiedliche Zahlen, die auf den ersten Blick widersprüchlich erscheinen. Eine Auswertung von 33 Marken und 177 Prompts kommt auf 82,5 Prozent Abwesenheit, während eine andere Studie 73 Prozent Unsichtbarkeit für ChatGPT angibt. Der Unterschied liegt in den Messgrößen: Die erste Studie misst die Abwesenheit in konkreten Antworten, die zweite die generelle Unsichtbarkeit von Marken über viele Anfragen hinweg. Auch die Nutzerzahlen variieren: Eine Quelle nennt über 800 Millionen wöchentliche Nutzer für ChatGPT, eine spätere OpenAI-Meldung spricht von 900 Millionen – eine zeitliche Aktualisierung. Bei der Plattform-Übereinstimmung zeigen sich ebenfalls Differenzen: Ein Vergleich von ChatGPT und Google AI ergibt Widersprüche in 61,9 Prozent der Fälle, während eine Sechs-Plattform-Studie nur 5,3 Prozent der Marken von allen Plattformen genannt sieht und eine durchschnittliche Überlappung von 31,9 Prozent zwischen zwei Plattformen misst. Diese Diskrepanzen erklären sich durch unterschiedliche Plattform-Sets und Fragestellungen. Zudem ist die normative Frage offen: Nicht jede Antwort erfordert eine Markennennung – eine Kategorie-Erklärung schuldet keine Marke. Die Messgrößen und Definitionen von 'Nennung' variieren, sodass die Zahlen nicht direkt vergleichbar sind.

Was Marketer jetzt tun können: Medien statt Eigenwerbung

Die praktischen Konsequenzen sind erheblich. KI-Suchbesucher konvertieren mit einer 4,4-fach höheren Rate als traditioneller organischer Such-Traffic – die Sichtbarkeit in KI-Antworten ist also kein Nice-to-have, sondern ein Umsatzfaktor. Doch der Weg dorthin führt nicht über mehr Eigenwerbung: 84 Prozent der KI-Zitationen stammen aus verdienter Medienberichterstattung, nicht aus markeneigenen Inhalten. Marken müssen daher in unabhängige, autoritative Erwähnungen investieren. Auch der Inhaltstyp spielt eine Rolle: Informationale Inhalte erhalten zwar Zitationen, aber selten Markennennungen. Vergleichende Inhalte erzeugen dagegen 2,4-mal mehr Markennennungen. Wer in KI-Antworten genannt werden will, sollte also vergleichende Formate und Medienpräsenz priorisieren. Die Auswirkungen dieser Entwicklung auf andere Bereiche der digitalen Wirtschaft werden in [weiteren KI-Folgen](/ki-folgen) gesondert betrachtet.