Warum empfiehlt ChatGPT Ihre Wettbewerber — und nicht Sie?

KI-gestützte Antwortsysteme können die tatsächliche Qualität einer Dienstleistung nicht direkt bewerten. Sie stützen Empfehlungen vor allem auf öffentlich verfügbare digitale Signale wie Erwähnungen, Quellenlage, Bewertungen, strukturierte Daten und faktenbasierte Inhalte.

Wenn Nutzer KI-gestützte Suchmaschinen wie ChatGPT, Perplexity oder Google Gemini nach Empfehlungen für Dienstleister fragen, generieren diese Modelle direkte Antworten basierend auf den Daten, die sie als am relevantesten und vertrauenswürdigsten einstufen. Oftmals werden dabei bestimmte Unternehmen bevorzugt zitiert, während andere unerwähnt bleiben.

Dieses Phänomen lässt sich durch die Funktionsweise von Large Language Models (LLMs) erklären. Die Gründe, warum ein Wettbewerber empfohlen wird und das eigene Unternehmen nicht, lassen sich auf vier wesentliche Faktoren zurückführen.

1. Die Stärke der digitalen Entität

KI-gestützte Such- und Antwortsysteme berücksichtigen Entitäten, Beziehungen und externe Erwähnungen, um Unternehmen thematisch einzuordnen. Wenn ein Unternehmen auf Branchenportalen erwähnt wird, in Fachzeitschriften zitiert wird und auf Bewertungsplattformen präsent ist, stehen dem System mehr Datenpunkte zur Verfügung, um das Unternehmen einem bestimmten Thema oder einer Branche zuzuordnen.

Fehlen diese externen Datenpunkte und existiert das Unternehmen primär nur auf der eigenen Website, ist die Entität schwach. Die KI hat in diesem Fall nicht genügend Datenpunkte, um die Relevanz und Autorität der Marke zu verifizieren, und tendiert dazu, besser belegte Wettbewerber zu empfehlen.

2. Analytische Fakten vs. Marketing-Sprache

Klassische Unternehmenswebsites enthalten oft werbliche Formulierungen. Für ein KI-Modell sind solche Texte schwer auswertbar, da sie wenig faktischen Gehalt bieten. KI-Modelle suchen nach harten Fakten, klaren Definitionen und zitierfähigen Informationen.

Die Princeton University hat in ihrer Forschung zur Generative Engine Optimization (GEO) gezeigt, dass KI-Modelle Inhalte bevorzugen, die autoritativ formuliert sind, Statistiken enthalten und direkte Zitate aufweisen [1]. Websites, die klare Antworten auf Branchenfragen liefern, werden von der KI eher als Quelle herangezogen als solche, die primär aus Marketing-Texten bestehen.

3. Der Mangel an „Information Gain"

KI-Modelle bevorzugen Quellen, die einen sogenannten Information Gain (Informationsgewinn) bieten. Das bedeutet, dass die Quelle neue, einzigartige Daten, eigene Fallstudien oder spezifische Expertenmeinungen enthält, die das Modell in seinen Trainingsdaten oder im restlichen Web nicht in dieser Form findet. Wenn eine Website lediglich allgemein bekannte Informationen wiederholt, bietet sie der KI keinen Anreiz, sie als primäre Quelle zu zitieren.

4. Fehlende maschinenlesbare Struktur (Schema.org)

Strukturierte Daten (Schema.org Markup) können KI-gestützten Such- und Antwortsystemen helfen, Inhalte, Organisationen, Produkte und FAQs eindeutiger zu verstehen. Sie erhöhen die maschinelle Interpretierbarkeit, garantieren aber keine Erwähnung in KI-Antworten. Wenn ein Unternehmen seine Dienstleistungen, FAQs und Kundenbewertungen sauber mit Schema-Markup ausgezeichnet hat, vereinfacht das die Datenextraktion. Fehlt diese Struktur, ist die Extraktion fehleranfälliger, was dazu führen kann, dass Suchmaschinen und Retrieval-Systeme auf strukturiertere Quellen ausweichen.

Die Lösung: Generative Engine Optimization (GEO)

Durch GEO können Unternehmen ihre digitale Autorität systematisch aufbauen. Das umfasst:

• Den Aufbau einer starken, konsistenten digitalen Entität über das gesamte Web hinweg.
• Die Transformation von Marketing-Texten in zitierfähige, faktenbasierte Wissensquellen.
• Die Implementierung von strukturierten Daten (Schema.org), um die maschinelle Interpretierbarkeit zu verbessern.

Die Optimierung für KI-Suchmaschinen ist zunehmend relevant: Laut einer Studie von Semrush aus dem Juli 2025 konvertiert Traffic, der über KI-Empfehlungen auf eine Website gelangt, 4,4-mal besser als klassischer Suchmaschinen-Traffic [2].

Wie sichtbar ist Ihr Unternehmen für KI?

Unser AI Visibility Audit zeigt Ihnen in 5–7 Werktagen, wo Sie stehen.