In den vergangenen Monaten ist ein neues Thema in den Mittelpunkt vieler Marketing-Diskussionen gerückt:
GEO (Generative Engine Optimization).
Dabei geht es vereinfacht gesagt darum, wie Unternehmen in ChatGPT, Gemini, Perplexity, Claude und anderen KI-Systemen sichtbar werden.
Die meisten Diskussionen drehen sich aktuell um:
- AI Visibility
- Citations
- Mentions
- Share of Voice
- Discovery Visibility
Alles wichtige Themen.
Aber je mehr praktische Tests ich durchführe und je mehr Diskussionen ich verfolge, desto häufiger stelle ich mir eine andere Frage:
Wer bekommt eigentlich den Auftrag?
Denn aus Sicht eines Unternehmens ist nicht entscheidend:
Wird meine Marke erwähnt?
Sondern:
Wird mein Unternehmen ausgewählt?
Und genau hier beginnt die eigentliche Herausforderung für GEO im Jahr 2026.
Sichtbarkeit ist nicht das Ziel
Viele Unternehmen messen heute die KI-Erwähnungen, Zitationen, ihre KI-Sichtbarkeit und Wettbewerbervergleiche.
Das erinnert stark an die frühen SEO-Jahre. Damals was die entscheidende Frage:
Auf welcher Position stehe ich bei Google?
Heute lautet die Frage meist: Wie oft erscheine ich in den KI-Antworten?
Beides kann sinnvoll sein.
Aber beides beantwortet nicht die wichtigste Frage.
Eine Marke kann sichtbar sein, zitiert und erwähnt werden und in KI-Antworten auftauchen.
Und trotzdem keinen einzigen Auftrag gewinnen!
Die Falle der Brand Visibility
Ein interessantes Muster zeigt sich bei vielen GEO-Analysen:
Marken werden häufig bei Suchanfragen sichtbar, in denen ihr Name bereits vorkommt.
Beispiele:
- Was ist Unternehmen XY?
- Ist Unternehmen XY seriös?
- Erfahrungen mit Unternehmen XY?
Hier erscheint die Marke fast automatisch.
Das Problem:
Diese Sichtbarkeit kann den Eindruck erzeugen, dass alles in Ordnung ist.
In Wirklichkeit wird die entscheidende Frage oft gar nicht gestellt:
Taucht die Marke auch dann auf, wenn der Nutzer sie noch gar nicht kennt?
Discovery Visibility: Die eigentliche Bewährungsprobe
Ein potenzieller Kunde sucht nicht nach Ihrem Unternehmen.
Er sucht nach einer Lösung.
Er fragt z.B.: „Wie werde ich in ChatGPT sichtbar?“
Oder: „Wie prüfe ich, ob der GPTBot meine Website erreicht?“
Jetzt beginnt der eigentliche Wettbewerb.
Die KI muss entscheiden:
- Welche Quellen sind vertrauenswürdig?
- Welche Anbieter passen zur Frage?
- Welche Erfahrungen und Diskussionen sind relevant?
An dieser Stelle konkurrieren Unternehmen nicht nur mit Wettbewerbern.
Sie konkurrieren mit:
- Wikipedia
- Fachportalen
- Vergleichsseiten
- Community-Beiträgen
- Branchenverzeichnissen
Die Herausforderung lautet nicht mehr:
Bin ich sichtbar?
Sondern:
Bin ich sichtbar, bevor jemand meinen Namen kennt?
Sichtbarkeit bedeutet noch keine Empfehlung
Hier wird GEO besonders spannend.
Selbst wenn eine Marke sichtbar wird, ist der Weg noch lange nicht zu Ende.
Denn zwischen Sichtbarkeit und Auftrag liegen weitere Stufen.
Ein Nutzer kann im Verlauf der User Journey Ihre Marke sehen, auch Ihre Marke verstehen und sie sogar in Betracht ziehen.
Und: sich am Ende trotzdem für jemand anderen entscheiden.
Warum?
Weil zusätzliche Anforderungen ins Spiel kommen.
Zum Beispiel:
- Standort
- Preis
- Branche
- Spezialisierung
- Vertrauen
- konkrete Erfahrung
Eine KI kann durchaus wissen, dass ein Anbieter ein Experte ist.
Sie kann dennoch einen anderen empfehlen, weil dieser besser zu den Anforderungen des Nutzers passt.
Ein Blick in die Praxis: Vier Stufen bis zur Empfehlung
Wie groß die Lücke zwischen Sichtbarkeit und Auswahl tatsächlich ist, zeigt ein Test, den ich kürzlich mit einem noch jungen US-Tool durchgeführt habe. Das Tool zerlegt die KI-gestützte Kaufentscheidung in vier Stufen:
- Consideration – Werde ich überhaupt berücksichtigt?
- Options – Überstehe ich den Vergleich mit Wettbewerbern?
- Decision – Gewinne ich den Kriterienfilter?
- Attribution – Werde ich am Ende empfohlen?
Analysiert habe ich den von mir betreuten WooCommerce-Shop auf gasdruckfeder-grosshandel.de aus dem technischen B2C-Ersatzteilhandel. Das Ergebnis: Die Marke steigt in 57 % der Fälle in die KI-Kaufgespräche ein – gewinnt aber nur in 22 % der Sequenzen die finale Empfehlung. Über alle Plattformen gemittelt sieht der Verlauf so aus: 67 % Präsenz in Stufe 1, 33 % in Stufe 2, 33 % in Stufe 3 – und 0 % in Stufe 4.
Null Prozent. Die Marke ist sichtbar, wird verglichen, besteht teilweise sogar die Kriterienprüfung – und am Ende wird trotzdem jedes Mal ein Wettbewerber empfohlen.
Noch aufschlussreicher wird es im Plattformvergleich:
Gemini verhält sich wie ein klassischer Trichter: In Stufe 1 und 2 ist die Marke präsent, ab Stufe 3 ist sie raus. Gefunden, verglichen, aussortiert.
Perplexity dagegen zeigt ein Muster, das mit Trichterlogik nicht mehr erklärbar ist: Stufe 1 präsent, Stufe 2 nicht präsent, Stufe 3 – gewonnen. Die Marke besteht also den Kriterienfilter als beste Lösung. Und in Stufe 4? Empfohlen wird der Wettbewerber.
Dieses Zickzack-Muster legt eine Vermutung nahe: Die Systeme reichen offenbar keine Kandidatenliste von Stufe zu Stufe durch, sondern retrieven und bewerten in jeder Stufe neu. Wer in Stufe 2 fehlt, kann in Stufe 3 wieder auftauchen – und wer Stufe 3 gewinnt, hat Stufe 4 noch lange nicht sicher.
Eine wichtige Einschränkung: Das Tool befindet sich in einem frühen Stadium, die Vier-Stufen-Messung ist methodisch jung. Ein einzelner Test ist kein Beweis. Manuelle Gegenproben – im neutralen Browser, ohne KI-Login – zeigen im Google AI-Modus und in ChatGPT allerdings stark ähnliche Muster. Was reine Sichtbarkeits-Metriken verschleiern, bleibt damit sehr konkret sichtbar: Zwischen „Ich werde gesehen“ und „Ich werde empfohlen“ liegen drei Stufen, an denen man jeweils einzeln scheitern kann.
Vertrauen ist die fehlende Ebene
Die Frage, die GEO als Nächstes beantworten muss, lautet also nicht mehr ‚Wer wird gesehen?‘, sondern ‚Wer wird ausgewählt?‘ – und dafür braucht es eine Ebene, die in vielen aktuellen Modellen fehlt.
Die Testergebnisse zeigen deutlich: Sichtbarkeit allein reicht nicht aus. Eine Marke kann in 67 % der Fälle im Gespräch sein und trotzdem in 0 % der Fälle empfohlen werden.
Zwischen Sichtbarkeit und Auswahl liegt eine weitere Ebene: Vertrauen.
Langjährige Inhalte. Wiederkehrende Erwähnungen. Praktische Erfahrungen. Diskussionen in Communities. Konsistente Präsenz über Jahre hinweg.
Diese Signale wirken stärker, als viele aktuelle GEO-Modelle berücksichtigen – denn sie entscheiden offenbar genau dort, wo unser Testfall jedes Mal scheitert: auf der letzten Stufe, bei der finalen Empfehlung.
Mein Fazit für 2026
Die größte Herausforderung für GEO besteht nicht mehr darin, Sichtbarkeit zu messen. Die Daten dafür gibt es – und sie können trügerisch beruhigend aussehen: 57 % Einstieg in die Kaufgespräche klingt nach einem soliden Ergebnis. Bis man sieht, dass am Ende 0 % Empfehlungen stehen.
Die eigentliche Herausforderung besteht darin zu verstehen, was zwischen diesen beiden Zahlen passiert:
- Wann wird eine Marke erwähnt?
- Wann übersteht sie den Vergleich?
- Wann gewinnt sie den Kriterienfilter?
- Und warum verliert sie trotzdem die Empfehlung?
Deshalb lautet die Frage, die ich Unternehmen künftig stelle, nicht: „Wie sichtbar sind Sie in KI-Systemen?“
Sondern: „Auf welcher Stufe verlieren Sie?“
Denn Sichtbarkeit bringt Sie ins Gespräch. Vertrauen bringt Sie in die Auswahl. Aber erst die Auswahl bringt den Auftrag.