Frag ChatGPT einmal nach dem besten Anbieter in deiner Branche. Oder nach dem passenden Produkt für dein Haus. Einer guten Software für dein Unternehmen. Dem besten Fachbetrieb in deiner Stadt.
Du bekommst keine zehn blauen Links. Du bekommst eine Antwort. Vielleicht drei Marken. Vielleicht zwei Anbieter. Vielleicht sogar eine klare Empfehlung.
Und jetzt kommt die unangenehme Frage: Bist du dabei? Und wenn nicht: Wer steht an deiner Stelle?
Ich glaube, wir unterschätzen gerade einen fundamentalen Wechsel im Kaufprozess. Jahrelang haben Unternehmen gelernt, bei Google sichtbar zu sein. Wir haben Rankings vermessen, Keywords optimiert und uns darum gestritten, wer auf Seite eins steht.
Jetzt verschiebt sich ein Teil dieser Entscheidung in Systeme, bei denen es gar keine Seite eins mehr gibt.
Früher wolltest du gefunden werden – heute willst du empfohlen werden
Bei Google bekamen die Kund:innen eine Liste und mussten selbst entscheiden, welchen Link sie öffnen. KI nimmt ihnen einen Teil dieser Entscheidung ab. Sie liest, verdichtet und empfiehlt.
Das ist komfortabel für die Kund:innen. Für Unternehmen ist es eine völlig neue Situation. Denn bei Google konntest du nachsehen, wo du stehst. Bei KI ist das deutlich schwieriger. ChatGPT kann etwas anderes empfehlen als Claude oder Perplexity. Auf Deutsch kann das Ergebnis anders aussehen als auf Englisch. In Wien anders als in Berlin. Selbst ähnlich formulierte Fragen können unterschiedliche Antworten erzeugen.
Und hier kommt der erste Fehler, den viele machen: Sie öffnen ihr eigenes ChatGPT und fragen, ob es die eigene Marke empfehlen würde. Das haben wir natürlich auch ausprobiert. Mein eingeloggtes Arbeitskonto empfahl bei einem Test in zehn von zehn Fällen genau jene Marke als erste Wahl, an der ich gerade arbeitete.
Großartig für das Ego. Wertlos für die Messung. Das System kannte meinen Kontext.
Seitdem gilt für uns: Wer "mal schnell bei ChatGPT nachschaut", misst im Zweifel nicht den Markt, sondern sich selbst.
Eine KI-Antwort ist eine Anekdote
Genau deshalb haben wir begonnen, GEO, also die Sichtbarkeit in generativen KI-Systemen, systematisch zu messen. Nicht mit der Frage: "Kennst du Marke X?" Sondern so, wie echte Kund:innen fragen. Welche Lösung passt zu meinem Problem? Welche Marken sollte ich vergleichen? Welchen Anbieter würdest du empfehlen? Wo finde ich einen passenden Betrieb?
Je Markt und Produktgruppe arbeiten wir mit rund 25 solcher Kauffragen entlang der Customer Journey. Jede Frage wird unterschiedlich formuliert, mehrfach gestellt und an verschiedene KI-Systeme geschickt. Mit Sprache und Standort des jeweiligen Marktes.
Bei einem größeren Lauf haben wir so zehn Länder und zwei Produktgruppen untersucht. Mehr als 18.000 Antworten wurden ausgewertet. Ein Teil über die Schnittstellen der Anbieter, ein Teil direkt über die Oberflächen, die Nutzer:innen im Browser sehen.
Das ist keine absolute Wahrheit. Aber es ist weit mehr als ein Screenshot. Und genau daraus entsteht der entscheidende Unterschied: Ein guter GEO-Radar zeigt nicht nur, wo du stehst. Er muss zeigen, was du als Nächstes tun solltest.
Die spannendste Zahl ist nicht dein eigener Score
Am Anfang dachte ich, die wichtigste Frage wäre: Wie oft wird meine Marke genannt? Natürlich ist das relevant. Aber inzwischen interessiert mich eine andere Zahl viel mehr: Wer wird genannt, wenn du nicht genannt wirst? Denn dort beginnt die strategische Information.
Wenn eine KI bei einer bestimmten Kaufabsicht immer wieder denselben Wettbewerber empfiehlt, hast du eine Spur. Wenn bestimmte Websites regelmäßig als Quelle auftauchen, ebenso. Wenn deine eigene Website nur bei ganz bestimmten Fragen herangezogen wird, sagt auch das etwas.
Wir haben das bei uns selbst gesehen. Bei einem kleinen Test rund um biteme tauchte eine unserer Leistungsseiten wiederholt als Quelle auf, wenn es um KI-Beratung ging. Nicht irgendeine Image-Seite. Sondern jene Seite, die die konkrete Frage des:der Nutzer:in beantwortete.
Das verändert Marketing. Die Frage lautet nicht mehr nur: Was wollen wir über uns erzählen? Sondern: Welche konkrete Frage beantworten wir so gut, dass eine Maschine uns dafür als Quelle heranzieht?
Unsere eigene Messung hat uns zuerst belogen
Auch unsere Messmaschine lag schon falsch. Bei einer Eigenmessung hieß es zunächst, biteme komme in zwei von 54 Antworten vor. Ein Gegencheck im Originaltext zeigte: Es waren 14.
Der Grund war fast schon komisch. Unser Firmenname ist gleichzeitig eine Domain: biteme.digital. Die Messlogik hatte eine vernünftige Regel eingebaut: Ein bloßer Link zählt nicht automatisch als Empfehlung. Nur hat sie dadurch unseren Namen auch dann verworfen, wenn er ganz normal im Fließtext vorkam. Also haben wir die Logik repariert, gegenprüfen lassen und neu ausgewertet.
Genau deshalb traue ich keiner GEO-Zahl, nur weil sie schön aussieht. Eine Marke zählt bei uns nur dann als genannt, wenn sie tatsächlich im Wortlaut vorkommt. Antworten werden nicht vom selben Anbieter bewertet, der sie erzeugt hat. Empfehlungen werden von einem Lesemodell beurteilt, das wir gegen menschliche Lesung geeicht haben. Und auch die Wiederholbarkeit gehört zum Ergebnis.
Perfekt ist das trotzdem nicht. Aber ein gutes Messsystem muss nicht so tun, als wäre es unfehlbar. Es muss zeigen, wo es belastbar ist und wo nicht.
Ein Radar, der nur zuschaut, ist mir zu wenig
Hier wird GEO für mich wirklich spannend. Denn wenn ein System erkennt, dass deine Marke bei bestimmten Kaufabsichten kaum vorkommt, sollte daraus nicht nur ein Bericht entstehen. Es sollte Arbeit entstehen.
Der Radar erkennt die Lücke. Der Agent analysiert, warum sie existiert. Welche Fragen beantwortet deine Website nicht gut genug? Welche Quellen tauchen in den Antworten der Maschinen auf? Welche Themen besetzen Wettbewerber besser?
Dann kann das System Maßnahmen daraus ableiten. Eine Landingpage für genau jene Kaufabsicht, bei der du bislang nicht vorkommst. Einen Fachartikel für eine Quelle, die in deinem Markt Relevanz besitzt. Eine neue FAQ-Struktur, weil bestimmte Fragen immer wieder auftauchen. Oder passenden Content für LinkedIn und andere soziale Kanäle.
Und dann wird es interessant: Der Agent kann diese Inhalte nicht nur vorschlagen, sondern auch erstellen. Wenn du willst, veröffentlicht er sie selbstständig. Wenn nicht, bleibt der Mensch im Loop. Das System erstellt, begründet und belegt den Vorschlag. Ein Mensch prüft Marke, Tonalität und Risiko und gibt frei.
Für mich liegt genau dort die sinnvolle Grenze. Nicht Autonomie um der Autonomie willen. Sondern Automatisierung dort, wo Evidenz reicht, und menschliches Urteil dort, wo Verantwortung beginnt.
Aus Sichtbarkeit wird ein Regelkreis
Damit entsteht etwas, das viel wertvoller ist als ein GEO-Dashboard. Ein geschlossener Kreislauf. Der Radar misst. Der Agent erkennt die Lücke. Er entwickelt eine Maßnahme. Die Maßnahme wird umgesetzt. Dann misst der Radar wieder.
Hat sich etwas verändert? Wird die Marke häufiger genannt? Taucht die neue Seite als Quelle auf? Verschiebt sich die Empfehlung? Wenn nein, war die Maßnahme vielleicht falsch. Wenn ja, haben wir mehr als eine Vermutung. Wir haben einen Lernzyklus.
Und genau deshalb sehe ich GEO nicht als neuen SEO-Aufguss. Suchmaschinen sortieren Links. Generative Systeme synthetisieren Antworten. Damit wandert Macht von der Platzierung zur Empfehlung. Für Unternehmen, die davon leben, empfohlen zu werden, wird diese Sichtbarkeit zunehmend zu einer Vertriebsfrage.
Die entscheidende Frage lautet deshalb nicht nur: Was sagen die Maschinen über uns, wenn wir nicht im Raum sind? Sondern: Was tut unser System, wenn uns die Antwort nicht gefällt?
Ein Report kann dir zeigen, dass du ein Problem hast. Ein gutes GEO-System misst, versteht, handelt und prüft danach, ob die Handlung funktioniert hat. Erst dann wird aus Sichtbarkeit Steuerung. Und aus Marketing ein lernendes System.
Die KI empfiehlt längst. Wer heute nur misst, wer genannt wird, beobachtet den Markt. Wer daraus handelt und wieder misst, beginnt ihn zu beeinflussen.
www.ahoi.biteme.digital
Kommentare auf LEADERSNET geben stets ausschließlich die Meinung des jeweiligen Autors bzw. der jeweiligen Autorin wieder, nicht die der gesamten Redaktion. Im Sinne der Pluralität versuchen wir, unterschiedlichen Standpunkten Raum zu geben – nur so kann eine konstruktive Diskussion entstehen. Kommentare können einseitig, polemisch und bissig sein, sie erheben jedoch nicht den Anspruch auf Objektivität.
Kommentar veröffentlichen