KI-Sichtbarkeit: Die Hälfte des deutschen Mittelstands ist für ChatGPT unsichtbar

Ein Einkäufer in einem Industrieunternehmen sucht eine Logistiksoftware. Er fragt nicht mehr Google, er fragt ChatGPT: „Welche Anbieter für modulare Logistiksoftware gibt es im DACH-Raum?” Die Antwort nennt fünf Namen. Ein etablierter deutscher Anbieter mit über 50 Millionen Transaktionen im Jahr ist nicht dabei.

Das ist kein Gedankenexperiment. Wir haben deutsche B2B-Softwareanbieter durch unseren GEO-Scanner geschickt — jeweils gefragt, ob ChatGPT, Perplexity, Google Gemini und Claude die Marke in den Antworten zur eigenen Kategorie nennen, ohne dass der Markenname vorgegeben wird. Bei der Logistiksoftware aus dem Beispiel: 0 Prozent. Die KI kennt die Kategorie, sie kennt Wettbewerber, sie kennt diese Firma nicht.

Was wir gemessen haben

GEO — Generative Engine Optimization misst, ob eine Marke in den generierten Antworten der KI-Suchmaschinen vorkommt. Wir bewerten drei Säulen über vier Antwortmaschinen (Perplexity, ChatGPT, Google Gemini, Claude): ob die KI dich zur Kategorie nennt (KI-Visibility), ob ein KI-Crawler deine Seite technisch sauber lesen kann (Agent-Readiness) und ob deine Inhalte zitierfähig aufgebaut sind (Content-Zitierbarkeit).

Die Spreizung im Sample ist groß. procilon führt mit einem GEO-Score von 77 bei 88 Prozent Kategorie-Visibility, MACH für den öffentlichen Sektor folgt mit 74 (81 Prozent), FOCONIS mit 70. Am anderen Ende: solide geführte, PE-finanzierte Firmen mit 0 Prozent Kategorie-Visibility. cisbox, über 11.000 Kunden im Procure-to-Pay, wird von keiner der vier Engines zur eigenen Kategorie genannt.

Sichtbarkeit folgt nicht der Marktposition

Der unbequeme Teil: Der GEO-Score korreliert kaum mit Umsatz, Kundenzahl oder Produktqualität. MACH ist im öffentlichen Sektor stark — und Inhalte zur öffentlichen Beschaffung sind im Netz dicht dokumentiert, in Fachmedien, Ausschreibungen, Vergleichsportalen. Die KI hat viel Material, aus dem sie zitieren kann. Eine Logistiksoftware oder ein No-Code-BPM-Anbieter sitzt in einer Nische, in der wenig öffentlich erklärt wird. Das Produkt kann hervorragend sein. Im Trainings- und Retrieval-Material der Modelle taucht es trotzdem kaum auf.

Wer in seiner Kategorie ranken will, braucht zitierfähige Substanz: erklärte Use Cases, FAQ-Strukturen, Vergleiche, Drittquellen, die die Marke der Kategorie zuordnen. Genau das, was im Wettbewerb um klassisches SEO über Jahre liegen geblieben ist, entscheidet jetzt darüber, ob eine KI dich in der Antwort nennt.

Warum das jetzt zählt

Die Verlagerung der Anbieterrecherche von der Suchmaschine in die Antwortmaschine läuft. Für den B2B-Einkauf heißt das: Die Longlist entsteht teilweise in einem Chatfenster. Wer dort nicht vorkommt, ist im Auswahlprozess nicht präsent — unabhängig vom Google-Ranking.

Die gute Nachricht für die 0-Prozent-Fälle: Agent-Readiness und Content-Zitierbarkeit sind beeinflussbar. Eine llms.txt, sauberes JSON-LD, semantisches HTML und vor allem zitierfähige Inhalte verschieben den Score messbar. Die schlechte: Niemand misst es, solange er nicht hinschaut.

Die gemessenen Anbieter und die Methodik stehen in der GEO-Übersicht. Die eigene Domain lässt sich kostenlos prüfen.