Wenn ein KI-Assistent auf eine Frage hin drei Marken empfiehlt, ist die Frage berechtigt, warum gerade diese drei. Die ehrliche Antwort: Kein Anbieter veröffentlicht eine Formel. Ein guter Teil der Mechanik ist jedoch dokumentiert, und der Rest lässt sich beobachten, indem man Antworten über die Zeit misst.
Dieser Artikel trennt Bekanntes von Abgeleitetem und macht aus beidem praktische Hebel.
Zwei Wege, auf denen ein Assistent eine Marke „kennt“
Ein Assistent kann Ihre Marke aus zwei grundsätzlichen Gründen erwähnen.
1. Wissen des Modells
Sprachmodelle werden mit großen Textmengen trainiert. Wurde Ihre Marke in diesem Material breit und einheitlich besprochen, verbindet das Modell sie möglicherweise mit Ihrer Kategorie. Dieses Wissen wird zum Zeitpunkt des Trainings festgeschrieben: Es aktualisiert sich nicht, wenn Sie heute eine neue Seite veröffentlichen.
Die Anbieter dokumentieren eigene Crawler für das Training. OpenAI gibt an, dass GPTBot dazu dient, seine generativen KI-Basismodelle nützlicher und sicherer zu machen, und Anthropic beschreibt ClaudeBot als den Crawler, der Webinhalte sammelt, die in das Modelltraining einfließen können.
2. Abruf beim Antworten
Viele Assistenten durchsuchen beim Antworten auch das Web und zitieren dann die genutzten Seiten. Hier kommen Ihre aktuellen Inhalte und die Berichterstattung Dritter ins Spiel.
Die Dokumentation ist recht eindeutig:
- OpenAI erklärt, dass OAI-SearchBot dazu dient, Websites in den Suchfunktionen von ChatGPT sichtbar zu machen, und dass Websites, die ihn ausschließen, in den Suchantworten von ChatGPT nicht angezeigt werden.
- Anthropic dokumentiert Claude-SearchBot zur Verbesserung der Suchergebnisse und Claude-User für den Abruf von Seiten, wenn ein Nutzer eine Frage stellt.
- Perplexity erklärt, dass PerplexityBot dafür gedacht ist, Websites in den eigenen Suchergebnissen sichtbar zu machen und zu verlinken, und dass Perplexity-User Seiten als Reaktion auf Nutzerfragen abruft.
- Google gibt an, dass KI-Übersichten und der KI-Modus eine „Query Fan-out“-Technik nutzen können, bei der mehrere verwandte Suchen zu Unterthemen und über verschiedene Quellen hinweg ausgeführt werden, um eine Antwort zu entwickeln.
In der Praxis sind die meisten Antworten zu Produkten und Dienstleistungen eine Mischung: Das Vorwissen des Modells prägt die Einordnung, und die abgerufenen Seiten liefern die Details und die Zitate.
Was das für die Auswahl von Marken bedeutet
Aus diesen beiden Mechanismen ergeben sich einige plausible Schlussfolgerungen. Es sind Ableitungen, keine dokumentierten Regeln. Behandeln Sie sie daher als Hypothesen, die Sie mit Messungen überprüfen.
Einheitlichkeit über Quellen hinweg zählt. Beschreiben viele unabhängige Seiten Ihre Marke gleich („ein Tool für Lohnabrechnung in kleinen Agenturen“), zeigen Trainingsdaten und abgerufene Seiten in dieselbe Richtung. Widersprüchliche oder veraltete Beschreibungen führen zu widersprüchlichen Antworten.
Die Frage bestimmt die Auswahl der Kandidaten. „Bestes CRM“ und „bestes CRM für ein Immobilienbüro mit 5 Mitarbeitenden“ lösen unterschiedliche Suchen und unterschiedliche Quellen aus. Nischenmarken tauchen oft bei spezifischen Fragen auf, lange bevor sie bei allgemeinen Fragen erscheinen.
Zitierte Seiten sind häufig Vergleiche, Bewertungen und Diskussionen. Bei Empfehlungsfragen greifen Assistenten oft auf Seiten zurück, die bereits Optionen vergleichen. Fehlen Sie auf diesen Seiten, ist es weniger wahrscheinlich, dass Sie in der Antwort vorkommen. Ihre Messdaten zeigen, welche Seitentypen in Ihrem Markt dominieren.
Zugänglichkeit ist eine Voraussetzung, keine Garantie. Kann ein Such-Crawler nicht auf Ihre Website zugreifen, können Ihre Seiten für diesen Assistenten nicht abgerufen werden. Zugänglich zu sein heißt aber nicht, dass Sie zitiert werden.
Antworten variieren. Dieselbe Frage kann bei verschiedenen Durchläufen unterschiedliche Marken liefern. Eine Marke, die manchmal erscheint, steht anders da als eine, die fast immer erscheint, und diesen Unterschied sehen Sie nur durch wiederholte Messung.
Was Google über seine eigenen KI-Funktionen sagt
Speziell für Google gibt es hilfreiche Klarheit. Google erklärt, dass es keine zusätzlichen Anforderungen gibt, um in KI-Übersichten oder im KI-Modus zu erscheinen, dass kein spezielles schema.org-Markup nötig ist und dass keine neuen maschinenlesbaren Dateien oder „KI-Textdateien“ erforderlich sind. Seiten müssen indexiert sein und die Voraussetzungen erfüllen, um mit einem Snippet angezeigt zu werden. Es gelten die üblichen Empfehlungen, darunter Googles Hinweise zu hilfreichen, verlässlichen Inhalten, bei denen der Mensch im Mittelpunkt steht.
Das ist ein nützlicher Realitätscheck: Für die KI-Funktionen von Google sind solide SEO-Grundlagen das Fundament, keine separate Disziplin.
Praktische Hebel
Hier ist, wo Sie ansetzen können, geordnet von dem, was Sie am stärksten selbst in der Hand haben, bis zu dem, was Sie am wenigsten steuern.
| Hebel | Was zu tun ist | Woran Sie erkennen, dass es gewirkt hat |
|---|---|---|
| Zugriff für Crawler | Prüfen, dass Such-Crawler und Crawler für Nutzerabrufe in der robots.txt nicht blockiert sind | Abruf möglich; Ihre Seiten tauchen allmählich als zitierte Quellen auf |
| Klare Positionierung auf Ihrer Website | Unmissverständlich sagen, wen Sie bedienen, was Sie tun, wo und in welchem Preissegment | Assistenten beschreiben Sie zutreffend |
| Seiten, die direkt antworten | Seiten, die die Fragen von Käufern direkt beantworten, inklusive Vergleichen und Anwendungsfällen | Ihre Seiten werden bei diesen Fragen zitiert |
| Präsenz auf zitierten Seiten Dritter | Auf den Vergleichs-, Bewertungs- und Verzeichnisseiten, die Assistenten zitieren, gelistet und zutreffend beschrieben sein | Erwähnungen steigen in der betreffenden Fragengruppe |
| Reputationssignale | Auf Bewertungen antworten, unzutreffende öffentliche Informationen korrigieren | Die Tonalität der Erwähnungen verbessert sich |
| Einheitlichkeit über die Zeit | Namen, Beschreibungen und Fakten überall abgestimmt halten | Weniger widersprüchliche Beschreibungen zwischen den Assistenten |
Ein Beispiel
Eine Gruppe von Boutique-Hotels stellt fest, dass Assistenten sie bei „familienfreundliche Hotels in Porto“ selten nennen, während zwei Wettbewerber häufig erscheinen. Die zitierten Quellen für diese Frage sind überwiegend Reiseführer und Bewertungsseiten. Die eigene Website des Hotels erwähnt Familienzimmer nur in einem Buchungs-Widget, nicht in lesbarem Text.
Die Maßnahmen sind konkret: eine klare Seite zu Familienaufenthalten mit Fakten (Zimmergrößen, Kinderbetten, Aktivitäten in der Nähe), Kontaktaufnahme mit den zitierten Reiseführern und Arbeit an den Bewertungsprofilen, auf die Assistenten verlinken. Anschließend wird die Fragengruppe in den folgenden Zeiträumen erneut gemessen, um zu sehen, ob die Veränderung Bestand hat.
Was Sie lassen sollten
- Jagen Sie keiner geheimen Formel hinterher. Es ist keine veröffentlicht. Arbeiten Sie mit dokumentiertem Verhalten und Ihren eigenen Messungen.
- Blockieren Sie Such-Crawler nicht versehentlich. Trainings-Crawler zu blockieren und Such-Crawler zu blockieren sind getrennte Entscheidungen, die jeder Anbieter getrennt dokumentiert.
- Urteilen Sie nicht nach einer einzigen Antwort. Schwankungen zwischen den Durchläufen sind normal.
- Ignorieren Sie Quellen Dritter nicht. Ihre eigene Website ist nur ein Teil dessen, was Assistenten lesen.
Checkliste
- Such-Crawler und Crawler für Nutzerabrufe für die Assistenten zugelassen, die für Sie wichtig sind
- Eine klare, einheitliche Beschreibung Ihrer Marke, die überall verwendet wird
- Seiten, die die wichtigsten Fragen Ihrer Käufer direkt beantworten
- Eine Liste der Quellen, die bei Ihren Kernfragen zitiert werden
- Präsenz und Richtigkeit auf diesen Quellen geprüft
- Wiederholte Messung vor und nach jeder Änderung
Wie SearchFirefly hilft
SearchFirefly stellt Ihre beobachteten Fragen in ChatGPT, Gemini, Perplexity, Google KI-Übersichten und im Google KI-Modus und zeigt für jede Antwort, welche Marken genannt und welche Quellen zitiert werden, zusammen mit Ihrem Share of Voice im Vergleich zu Wettbewerbern. Ansichten zur Reputation (Google-Bewertungen, Erwähnungen im Web, Diskussionen auf Reddit, Tonalität und Themen) zeigen mehr von dem, was diese Antworten prägt, und priorisierte Empfehlungen benennen genau die Korrektur, die zu tun ist.