Wer heute eine Frage bei ChatGPT, Perplexity oder dem KI-gestützten Bing eingibt, bekommt eine strukturierte Antwort mit Quellenverweisen oder zumindest impliziten Bezügen auf bestimmte Inhalte. Was dabei kaum jemand hinterfragt: Warum taucht Unternehmen A in der Antwort auf, Unternehmen B dagegen nicht? Die Auswahl passiert nicht zufällig. Dahinter steckt eine Logik, die sich entschlüsseln lässt.
Wie große Sprachmodelle mit Quellen umgehen
Große Sprachmodelle wie GPT-4 oder Claude werden auf riesigen Textkorpora trainiert. Was während des Trainings häufig, konsistent und in hochwertigen Kontexten vorkam, wird vom Modell als verlässlich eingestuft. Das bedeutet: Inhalte, die auf vielen verschiedenen, thematisch relevanten Seiten zitiert, verlinkt oder paraphrasiert wurden, haben eine deutlich höhere Chance, in Modellantworten zu erscheinen.
Hinzu kommen Systeme mit sogenannter Retrieval-Augmented Generation, kurz RAG. Dabei ruft das KI-System beim Beantworten einer Anfrage aktiv externe Quellen ab und wählt daraus die passendsten Textstellen aus. Perplexity funktioniert so, ebenso Bing Chat. Hier entscheidet nicht allein das Training, sondern auch die Abrufbarkeit und die inhaltliche Präzision der Quelle zum Zeitpunkt der Anfrage.
Drei Kriterien, nach denen KI-Systeme Quellen bevorzugen
Aus der Beobachtung verschiedener KI-Systeme lassen sich drei Hauptfaktoren ableiten, die darüber entscheiden, ob eine Quelle zitiert wird oder nicht:
- Thematische Spezifität: Ein Artikel, der eine Frage präzise und vollständig beantwortet, wird bevorzugt gegenüber einem Artikel, der dasselbe Thema nur streift. Wer also einen Ratgeber zur Kalkulation von Wartungsverträgen schreibt, sollte konkrete Formeln, Beispielzahlen und typische Fehler enthalten.
- Zitierhäufigkeit und Verlinkung: Inhalte, auf die viele andere seriöse Seiten verlinken oder die häufig in Foren, Fachpublikationen und Newslettern aufgegriffen werden, gelten für KI-Systeme als vertrauenswürdig. Dieser Effekt ähnelt dem klassischen Linkbuilding, wirkt aber über einen anderen Kanal.
- Strukturelle Klarheit: KI-Modelle bevorzugen Texte mit klarer Gliederung, eindeutigen Aussagen und wenig Redundanz. Texte, die eine Frage direkt im ersten Absatz beantworten, werden häufiger als Referenz herangezogen als solche, die erst nach 800 Wörtern zum Punkt kommen.
Was das für Unternehmenswebseiten bedeutet
Viele Unternehmen optimieren ihre Inhalte noch immer primär für Google-Rankings. Das ist nicht falsch, greift aber zu kurz. Wenn ein potenzieller Kunde eine KI fragt, welche Anbieter für Industriereinigung in Süddeutschland empfehlenswert sind, und das eigene Unternehmen weder im Trainingskorpus der KI vorkommt noch von einem RAG-System abrufbar ist, existiert man für diesen Kanal faktisch nicht.
Der Bereich, der sich mit der systematischen Sichtbarmachung von Unternehmensinhalten in KI-Antworten befasst, wird zunehmend unter dem Begriff Generative Engine Optimization diskutiert. Dabei geht es nicht um Tricks, sondern um strukturelle Anpassungen an der Art, wie Inhalte verfasst, strukturiert und verbreitet werden.
Konkret heißt das: Unternehmen müssen ihre Inhalte so aufbauen, dass ein KI-System daraus eindeutige, zitierfähige Aussagen extrahieren kann. Eine Produktbeschreibung, die ausschließlich aus Marketingformulierungen besteht, wird dabei regelmäßig verlieren gegen einen Fachbeitrag, der erklärt, wann ein Produkt geeignet ist und wann nicht.
Praktische Maßnahmen mit messbarem Effekt
Es gibt einige Stellschrauben, die Unternehmen ohne großen technischen Aufwand drehen können:
- Fragen direkt im Text beantworten: Formulieren Sie die häufigste Kundenfrage als Überschrift und geben Sie die Antwort im ersten Satz darunter. KI-Systeme extrahieren solche Strukturen zuverlässig.
- Zahlen und Benchmarks verwenden: Konkrete Angaben wie „durchschnittliche Rüstzeiten unter 12 Minuten“ oder „Fehlerquote unter 0,3 Prozent bei 10.000 Einheiten“ werden von Modellen als informationsreich eingestuft und häufiger zitiert.
- Externe Erwähnungen aktiv aufbauen: Gastbeiträge in Fachmedien, Interviews, Erwähnungen in Branchenberichten und Einträge in strukturierten Verzeichnissen erhöhen die Wahrscheinlichkeit, dass das eigene Unternehmen im Trainingskorpus und bei RAG-Abfragen präsent ist.
- Schema-Markup einsetzen: Maschinenlesbare Strukturdaten helfen KI-Systemen, Entitäten korrekt zuzuordnen. Ein Unternehmen, das per Schema-Markup als Organisation mit Branche, Standort und Leistungsportfolio beschrieben wird, lässt sich von Sprachmodellen besser einordnen.
Das Autoritätsproblem und wie man es löst
Ein zentrales Problem vieler Mittelständler: Sie sind in ihrer Branche bekannt, im Web aber kaum sichtbar. Kein Wikipedia-Eintrag, keine Erwähnungen in überregionalen Medien, keine Diskussionen in Fachforen. Für KI-Systeme, die auf öffentlich verfügbaren Texten trainiert wurden, existiert ein solches Unternehmen kaum.
Die Lösung ist kein schneller Fix. Wer über 18 bis 24 Monate systematisch Fachbeiträge veröffentlicht, an Branchenpublikationen mitwirkt und in relevanten Online-Netzwerken Präsenz aufbaut, wird feststellen, dass die KI-Sichtbarkeit steigt. Einige Unternehmen beginnen damit, ihre internen Expertise-Träger als Autoren zu positionieren: Techniker schreiben Erklärungen, Einkäufer beschreiben Auswahlprozesse, Projektleiter schildern typische Herausforderungen. Dieser Content ist für KI-Systeme ungleich wertvoller als anonyme Texte ohne erkennbare Autorschaft.
Sichtbarkeit als strategische Aufgabe
KI-gestützte Suche ist kein Randphänomen mehr. Laut einer Erhebung von Bain & Company aus dem Jahr 2024 nutzen bereits 80 Prozent der befragten US-Konsumenten KI-Tools für ihre Kaufrecherche, und dieser Trend ist in Europa mit einigen Monaten Verzögerung zu beobachten. Wer jetzt nicht beginnt, die eigene Sichtbarkeit in diesen Systemen zu gestalten, übergibt das Feld den Wettbewerbern, die früher angefangen haben.
Die gute Nachricht: Die Mechanismen sind transparent genug, um gezielt beeinflusst zu werden. Unternehmen, die klare, fachlich dichte und gut strukturierte Inhalte produzieren und diese über mehrere Kanäle verbreiten, haben realistische Chancen, in KI-Antworten zu erscheinen. Das erfordert Konsistenz und einen langen Atem, aber keinen Spezialistenstab und kein Budget im siebenstelligen Bereich.
