Wenn ChatGPT einen Anbieter empfiehlt, steht die Kandidatenliste meist schon fest, bevor die erste Seite geladen wird. Das Modell schreibt Markennamen aus seinem eigenen Gedächtnis in seine Suchanfrage, und eine Marke, die dort steht, taucht in 68,9 Prozent der Fälle in der Antwort auf. Eine Marke, die erst beim Suchen dazukommt, in 2,1 Prozent. Ihre Website entscheidet also nicht darüber, ob Sie überhaupt in Betracht kommen. Sie entscheidet darüber, ob Sie aus dieser Liste heraus tatsächlich empfohlen werden.
Das sind zwei Filter hintereinander, und sie werden mit völlig verschiedenen Mitteln behandelt. Ich gehe beide durch und sage am Ende, was Sie heute bei sich prüfen können.
Warum die KI den Wettbewerber nennt, obwohl Ihre Website besser ist
Weil die Auswahl nicht auf Ihrer Website stattfindet. Das Modell beginnt eine Empfehlung nicht mit einer Recherche, sondern mit einer Vorauswahl aus dem, was es über die Kategorie ohnehin gespeichert hat. Erst danach sucht es, und es sucht bereits nach diesen Namen.
Für Sie heißt das: eine schnelle, sauber strukturierte, technisch einwandfreie Seite gewinnt keine Empfehlung, wenn Ihr Name in der Vorauswahl nicht vorkommt. Sie wird in diesem Fall nicht schlechter bewertet. Sie wird gar nicht erst aufgerufen. Suganthan Mohanadasan formuliert es im Search Engine Journal so: wer die Auswahlliste verpasst, dessen Website wird nie angesehen, wie gut sie auch gebaut ist. Die Entscheidung fällt, bevor irgendetwas Ihren Server berührt.
Was passiert, bevor die KI eine einzige Seite öffnet
Das Modell formuliert zuerst seine eigene Suchanfrage, und in diese Anfrage setzt es Markennamen, die im Gespräch nie gefallen sind. Auf die Frage nach der besten Notiz-App mit KI erzeugte ChatGPT die Suchanfrage «best AI note taking apps 2026 official pricing features Granola Notion AI Otter Fireflies Fathom Mem Limitless». Sieben Produkte, die der Nutzer nicht genannt hatte, standen bereits in der Anfrage.
In 21 von 27 untersuchten Gesprächen enthielt die erste Suchanfrage Marken, nach denen niemand gefragt hatte. Die eigentliche Recherche prüft danach nur noch, ob diese Namen sich halten lassen: Preise, Funktionen, aktuelle Angaben. Es ist kein offener Wettbewerb, sondern eine Bestätigungsrunde für eine Liste, die schon existiert. Quelle: Search Engine Journal, ChatGPT Already Knows Who It'll Recommend Before It Searches.
68,9 gegen 2,1 Prozent: was 27 Gespräche zeigen
Eine Marke, die in der selbst erzeugten Suchanfrage des Modells steht, erscheint in 68,9 Prozent der Fälle in der finalen Antwort. Eine Marke, die dort nicht steht und erst über die Suche geladen wird, erscheint in 2,1 Prozent der Fälle. Das ist der Faktor 33, und er beschreibt die Chance, empfohlen zu werden, nicht die Menge an Reichweite.
Die dritte Zahl gehört dazu, weil sie die Größenordnung ehrlich macht: von 3.554 abgerufenen Seiten wurden 110 zitiert, also 3,1 Prozent. Der Abruf einer Seite ist noch keine Sichtbarkeit.
Zur Belastbarkeit dieser Zahlen gehört die Methodik, und ich nenne sie mit, weil sie den Rahmen setzt: Die Daten stammen aus einem einzigen ChatGPT-Plus-Konto in Dubai, erhoben am 24. und 25. Juli 2026, ausgewertet wurden 57 Gespräche für die Zitatdaten und 27 Gespräche für den Test der ersten Suchanfrage, über zwölf Produktkategorien. Der Autor bezeichnet seine Ergebnisse selbst als richtungsweisend und nicht als abschließend. Es ist also kein Branchenbenchmark, sondern ein sauber dokumentierter Blick in den Mechanismus. Für die Praxis reicht das, weil der Abstand zwischen 68,9 und 2,1 zu groß ist, um an der Stichprobe zu liegen.
Warum technische Optimierung nur um die 2,1 Prozent kämpft
Weil Technik erst wirkt, wenn die Seite bereits abgerufen wird, und der Abruf gehört zur zweiten Gruppe. Alles, was auf der Website liegt, also Ladezeit, Struktur, Schema-Auszeichnung, saubere Überschriften, verbessert Ihre Position innerhalb dieser 2,1 Prozent. Es verschiebt Sie nicht in die 68,9.
Das ist kein Argument gegen technische Arbeit. Eine Seite, die die KI nicht auslesen kann, verliert auch dann, wenn sie es auf die Liste geschafft hat. Es ist ein Argument gegen die Reihenfolge, in der die meisten Unternehmen vorgehen: erst ein halbes Jahr Website, danach die Frage, warum sich nichts bewegt. Ich habe das an meinem eigenen Projekt gemessen. Die Seite ist mit 44 Seiten indexiert, die Auszeichnung ist in Ordnung, und die nicht markenbezogenen Anfragen liegen trotzdem auf den Positionen 44 bis 90. Fehlende Technik war dort nie das Problem.
Der zweite Filter: warum nicht jeder empfohlen wird, den die KI betrachtet
Weil die KI am Ende keine Produkte empfiehlt, sondern Entscheidungen, und dafür braucht sie Belege. Bill Hunt nennt das Decision Coverage: wie vollständig ein Unternehmen die Nachweise offengelegt hat, die eine KI benötigt, um sein Angebot zu bewerten, zu vergleichen, zu qualifizieren und mit Überzeugung zu empfehlen.
Hier liegt der Teil, den Sie selbst in der Hand haben. Auf die Auswahlliste kommen Sie über Präsenz außerhalb Ihrer Domain, über Vergleiche, Übersichten, Fachbeiträge, Bewertungen. Aus der Auswahlliste heraus empfohlen werden Sie über das, was auf Ihrer Website steht. Zwei Stufen, zwei verschiedene Aufgaben, und keine ersetzt die andere.
Auswahlliste: entscheidet, wer überhaupt betrachtet wird. Wirkt über unabhängige Erwähnungen außerhalb Ihrer Domain.
Belege: entscheiden, wer aus den Betrachteten empfohlen wird. Wirken über die Inhalte auf Ihrer eigenen Website.
Der Fall: wie fehlende Belege für kleine Kunden Empfehlungen gekostet haben
Ein B2B-Anbieter von Software wurde bei Anfragen kleiner und mittlerer Unternehmen kaum noch empfohlen, obwohl er genau diese Kunden betreute und in seine Autorität investiert hatte. Die Anfragen aus diesem Segment gingen zurück. Der Grund war kein Autoritätsproblem, sondern ein Belegproblem.
Es fehlten Inhalte über die spezifischen Schwierigkeiten kleiner Unternehmen, Hinweise zur Einführung mit einem schlanken Team, Stimmen von kleineren Kunden und Fallbeispiele aus diesem Segment. Dazu kam eine Formulierung, die sich gegen den Anbieter drehte: Er beschrieb sich als weitgehend konfigurierbar. Im Enterprise-Umfeld ist das ein Vorteil. Für kleine Teams lasen die KI und die Kundenbewertungen daraus einen höheren Verwaltungsaufwand, und die Wettbewerber wirkten für Teams ohne eigene Technikabteilung passender. Ausgeschlossen wurde der Anbieter also nicht wegen Schwäche, sondern weil die Nachweise fehlten. Quelle: Search Engine Journal, Decision Coverage.
Was Sie heute bei sich prüfen: die Beleg-Checkliste
Nehmen Sie Ihre wichtigste Zielgruppe und suchen Sie auf der eigenen Website nach sechs Dingen. Was Sie nicht finden, kann die KI auch nicht finden.
- Beschreiben Sie die Probleme dieser Zielgruppe in ihren Worten, getrennt von den anderen Segmenten.
- Gibt es einen Vergleich mit den Alternativen, zu denen auch der Verzicht auf eine Lösung gehört.
- Steht irgendwo, was bei der Einführung je nach Unternehmensgröße zu beachten ist.
- Benennen Sie ehrliche Kompromisse, also wofür Ihr Angebot nicht die richtige Wahl ist.
- Haben Sie Stimmen von Kunden genau dieses Typs und nicht nur von den größten Namen.
- Beantworten Sie die Fragen, die vor dem Kauf gestellt werden, in vollständigen Sätzen auf einer eigenen Seite.
Und prüfen Sie eine Formulierung mit: Welche Eigenschaft betonen Sie am stärksten, und wie liest sich diese Eigenschaft aus der Sicht Ihres kleinsten Kunden. Der Fall oben ist genau an dieser Stelle gekippt.
Womit anfangen, wenn Sie in keinem Vergleich vorkommen
Mit einer einzigen Kategorie und zwei Orten, an denen Ihre Branche tatsächlich stattfindet. Die Auswahlliste entsteht aus dem, was das Modell über eine Kategorie gespeichert hat, und dorthin kommt man über Fachbeiträge, Übersichten und Bewertungen, nicht über zehn leere Profile.
Praktisch in dieser Reihenfolge: Formulieren Sie zuerst die Kategorie, unter der Sie gefunden werden wollen, und prüfen Sie, ob die KI Sie ihr überhaupt zuordnet. Diesen Schritt habe ich im Beitrag über Category Framing auseinandergenommen. Stimmt die Kategorie und Sie fehlen trotzdem, geht es um Erwähnungen außerhalb Ihrer Domain, und warum die KI fremden Quellen dabei mehr glaubt als Ihrer eigenen Seite, steht im Beitrag darüber, dass die KI 96 Prozent der Marken kennt und kaum eine empfiehlt. Parallel dazu füllen Sie die Beleg-Checkliste, denn beide Stufen brauchen Zeit und laufen unabhängig voneinander.
Wenn Sie wissen wollen, an welcher der beiden Stufen es bei Ihnen konkret hängt, sehe ich mir das im Audit der KI-Sichtbarkeit für 120 Euro an.
Häufige Fragen zur Auswahl vor der Suche
Heißt das, meine Website spielt für KI-Empfehlungen keine Rolle mehr?
Nein, sie entscheidet nur an einer anderen Stelle. Ob Sie überhaupt betrachtet werden, entscheidet die Auswahlliste, die das Modell vor der Suche aus seinem Gedächtnis bildet. Ob Sie aus dieser Liste heraus empfohlen werden, entscheiden die Belege auf Ihrer Website: Segmente, Vergleiche, Kompromisse, Kundenstimmen des passenden Typs. Ohne diese Belege verlieren Sie auch dann, wenn Sie es auf die Liste geschafft haben.
Was bedeutet der Faktor 33 genau?
Er beschreibt die Chance, in der Antwort genannt zu werden, und keine Reichweite. Marken aus der selbst erzeugten Suchanfrage des Modells landeten in 68,9 Prozent der Fälle in der Antwort, Marken, die erst beim Suchen dazukamen, in 2,1 Prozent. Das Verhältnis dieser beiden Werte ergibt den Faktor 33.
Wie belastbar sind diese Zahlen?
Sie stammen aus einer dokumentierten Einzeluntersuchung, nicht aus einem Branchenbenchmark: ein ChatGPT-Plus-Konto in Dubai, 24. und 25. Juli 2026, 57 Gespräche für die Zitatdaten und 27 Gespräche für den Test der ersten Suchanfrage über zwölf Produktkategorien. Der Autor nennt die Ergebnisse selbst richtungsweisend. Der Mechanismus ist damit belegt, die genauen Prozentwerte können in anderen Konten und Branchen abweichen.
Was ist Decision Coverage?
Decision Coverage beschreibt, wie vollständig ein Unternehmen die Nachweise offengelegt hat, die eine KI braucht, um sein Angebot zu bewerten, zu vergleichen, zu qualifizieren und mit Überzeugung zu empfehlen. Gemeint sind nicht Produktbeschreibungen, sondern Entscheidungswissen: Probleme je Segment, Vergleiche mit Alternativen, Hinweise zur Einführung, ehrliche Kompromisse, Stimmen passender Kunden und Antworten auf die Fragen vor dem Kauf.
Wie prüfe ich, ob ich auf der Auswahlliste stehe?
Stellen Sie die Frage so, wie ein Kunde sie stellt, also ohne Ihren Markennamen: «empfiehl mir [Kategorie] für [Aufgabe]». Notieren Sie, welche Namen genannt werden. Wiederholen Sie das mit drei bis fünf Formulierungen derselben Aufgabe. Kommt Ihr Name in keiner davon vor, während die KI Sie auf direkte Nachfrage korrekt beschreibt, fehlen Sie auf der Auswahlliste und nicht in der Datenbank.
Wollen Sie wissen, ob die KI Sie schon empfiehlt oder nur kennt?
Ich sehe mir Ihre Website und Ihre Off-site-Präsenz an, messe Citation Rate und Brand Mention Rate getrennt und zeige Ihnen, was zuerst zu reparieren ist, damit ChatGPT und Perplexity Sie beim Namen nennen statt Ihren Text stillschweigend mitzunehmen.
