Wenn 96 Prozent der KI-Zitate an der Marke vorbeiführen: Was jetzt zu tun ist

Ausgangslage in drei Zahlen

Aus der Auswertung von 113.775 Zitaten in KI-Antworten: 2,2 Prozent der zitierten URLs sind Startseiten. 63 Prozent liegen zwei bis drei Ebenen tief. Und nur 3,7 Prozent aller Zitate führen auf die eigene Domain der Marke, für die gemessen wurde. 96,3 Prozent zeigen auf Portale, Fachpresse, Foren, Verzeichnisse und Händler.

Wer daraus den Schluss zieht, die eigene Website lohne sich nicht mehr, zieht den falschen. Die richtige Lesart: Die eigene Website hat die Rolle gewechselt, vom Schaufenster zur Quelle der Wahrheit, aus der Assistenten und Drittseiten ihre Angaben beziehen. Und die Sichtbarkeitsarbeit hat den Ort gewechselt, von der eigenen Domain in die Quellen, die die Maschine tatsächlich anführt.

Daraus folgen sieben Maßnahmen. Sie sind nach der Kette geordnet, in der eine KI-Antwort entsteht: Zugang, Lesbarkeit, Inhalt, fremde Quellen, Empfehlungslogik, Ankunft, Messung. Auf der eigenen Website kann jede Stufe die nächste entwerten: Es lohnt nicht, an Stufe drei zu arbeiten, solange Stufe eins geschlossen ist. Der beste Inhalt nützt nichts, wenn kein Crawler ihn abholen darf.

Maßnahme 1: Die Tür aufmachen, Bot-Zugang prüfen statt vermuten

Bevor irgendetwas optimiert wird: Kommen die Systeme überhaupt rein? Das steht in zwei Dateien und einem Logfile.

• robots.txt: Sind GPTBot, OAI-SearchBot, ClaudeBot, PerplexityBot und Google-Extended erlaubt oder gesperrt? Welche Kennungen es sonst noch gibt und welcher Anbieter dahintersteht, steht in unserem öffentlichen Bot-Katalog. Viele Websites sperren KI-Crawler pauschal, oft als Nebenwirkung einer Vorlage, nicht als Entscheidung. Wer gesperrt hat, sollte das als bewusste Abwägung dokumentieren können; wer es nicht bewusst entschieden hat, hat vermutlich ein Plugin entscheiden lassen.

• Server-Logs: Welche KI-Bots rufen tatsächlich ab, wie oft, welche Pfade? Der Unterschied zwischen „erlaubt" und „wird gelesen" ist eine eigene Erkenntnis.

• CDN- und Bot-Schutz: Die robots.txt kann erlauben, was die Firewall trotzdem abweist. Bei Cloudflare heißt die zuständige Stelle AI Crawl Control; die Blockier-Voreinstellungen sind unter Security Settings, Configure AI bot policies dokumentiert (Block AI Bots). Wichtig fürs Timing: Zum 15. September 2026 stellt Cloudflare die Voreinstellungen um. Bots der Kategorien „Training" und „Agent" werden auf Seiten mit Werbeanzeigen dann standardmäßig geblockt, nur „Search" bleibt erlaubt. Wer Cloudflare nutzt und nie eine bewusste Bot-Entscheidung getroffen hat, sollte das vor diesem Datum tun, sonst trifft Cloudflare sie.

So sieht eine bewusst getroffene Freigabe aus. Die Kennungen ausdrücklich nennen, statt sie einer Vorlage zu überlassen:

# Abruf für Antworten: erlaubt
User-agent: GPTBot
Allow: /

User-agent: OAI-SearchBot
Allow: /

User-agent: ClaudeBot
Allow: /

User-agent: PerplexityBot
Allow: /

User-agent: Google-Extended
Allow: /

# Alles Übrige
User-agent: *
Allow: /

Sitemap: https://www.beispiel.de/sitemap.xml

Drei Hinweise dazu, die wichtiger sind als die Zeilen selbst.

Google-Extended ist kein Suchmaschinen-Schalter. Google beschreibt den Token als Steuerung darüber, ob Inhalte für das Training von Gemini und für Grounding verwendet werden, also für das Heranziehen von Inhalten zur Antwortzeit. Und ausdrücklich: „Google-Extended does not impact a site's inclusion in Google Search nor is it used as a ranking signal in Google Search" (Google, Common Crawlers). Wer ihn sperrt, verliert also kein Ranking, schränkt aber die Grundlage für Antworten in Gemini ein. Das ist eine geschäftliche Entscheidung, keine technische.

Eine robots.txt ist eine Bitte, keine Sperre. Wer wirklich aussperren will, braucht die Regel in der Firewall dazu. Wer wirklich hereinlassen will, muss prüfen, dass die Firewall nicht das Gegenteil tut. Genau diese Differenz misst der Selbsttest unten.

Der Sitemap-Eintrag gehört dazu. Er kostet eine Zeile und ist der günstigste Wegweiser für maschinelles Lesen, den es gibt.

Unsere eigene liegt offen und ist absichtlich schlicht: klariton.com/robots.txt ist eine einzige Regel, die allen alles erlaubt, plus der Verweis auf die Sitemap. Daneben steht klariton.com/llms.txt als Beispiel für den Wegweiser aus Maßnahme 2.

Selbsttest 1: Kommt ein KI-Crawler durch?

Im Terminal denselben Abruf zweimal ausführen, einmal als gewöhnlicher Browser, einmal mit dem User-Agent eines KI-Crawlers, und nur den HTTP-Statuscode vergleichen:

curl -s -o /dev/null -w "%{http_code}\n" https://www.beispiel.de/produkte/waermepumpe
curl -s -o /dev/null -w "%{http_code}\n" -A "GPTBot/1.2 (+https://openai.com/gptbot)" https://www.beispiel.de/produkte/waermepumpe

Dasselbe in JavaScript (Node.js ab Version 18, im Browser geht es nicht, dort ist der User-Agent-Header geschützt):

const url = "https://www.beispiel.de/produkte/waermepumpe";
for (const ua of ["Mozilla/5.0", "GPTBot/1.2 (+https://openai.com/gptbot)"]) {
  const res = await fetch(url, { headers: { "User-Agent": ua } });
  console.log(ua.slice(0, 20), "->", res.status);
}

Interpretation: Liefern beide Abrufe 200, gibt es keine User-Agent-basierte Sperre. Antwortet der Bot-Abruf mit 403 oder 503, während der Browser-Abruf 200 bekommt, wird nach User-Agent gefiltert, durch robots.txt-verwandte Serverregeln, die Firewall oder den Bot-Schutz. Zwei Einschränkungen gehören zur ehrlichen Auswertung: Der Test läuft von der eigenen IP-Adresse, nicht von der des echten Crawlers. Dienste, die Bots zusätzlich über deren IP-Bereiche verifizieren, können einen nachgeahmten User-Agent abweisen und den echten Bot trotzdem durchlassen, oder umgekehrt. Welche Anbieter überhaupt einen prüfbaren Weg veröffentlichen und welche nicht, haben wir im Bot-Katalog offengelegt, samt der Quellen, gegen die wir prüfen. Ein 200 hier ist also ein starkes Indiz, kein Beweis. Den endgültigen Befund liefern die eigenen Server-Logs: Taucht der Bot dort mit 200-Antworten auf, ist die Tür offen.

Wer das nicht im Terminal prüfen will: Der Klariton Checker nimmt einem den Terminal-Teil ab. Er ruft die Seite mit einer KI-Bot-Kennung ab und wertet zusätzlich die robots.txt für die vier gängigen Crawler aus. Die Abruf-Antwort gilt also für einen Bot, die Freigabe-Übersicht für alle vier. Ohne Terminal, ohne Code, pro URL wiederholbar.

Maßnahme 2: Serverseitig antworten, die Lesbarkeits-Frage

Hier ist Präzision wichtig, weil eine verbreitete Verkürzung in die Irre führt: „KI liest kein JavaScript" stimmt so pauschal nicht. Googles Crawl-Infrastruktur rendert Seiten seit Jahren, und einzelne Systeme holen Inhalte auch über Browser-Agenten. Die belastbare Aussage lautet anders: Etliche KI-Crawler, darunter die Abruf-Bots hinter gängigen Assistenten, verarbeiten das serverseitig ausgelieferte HTML und führen clientseitiges JavaScript nicht oder nicht zuverlässig aus. Geschäftskritische Inhalte dürfen deshalb nicht davon abhängen, dass ein bestimmter Crawler ein Skript vollständig ausführt. Was nur nach JavaScript-Ausführung existiert, existiert für einen Teil der Systeme nicht, und niemand kontrolliert, für welchen.

Die Prüfreihenfolge für die wichtigsten Seiten:

1. Kerninhalte in den Roh-HTML-Text. Produktdaten, Preise, Verfügbarkeiten, Standorte, Zuständigkeiten müssen im ersten Antwort-Byte stehen, nicht nach einem Klick oder einem Skript.

2. Zahlen als Text, nicht als Bild. Eine Leistungstabelle als Grafik, ein Datenblatt nur als PDF-Download, ein Konfigurator als einzige Preisquelle, all das ist für die Maschine unsichtbar. Die Folge steht in Teil 1: Die Drittquelle, die die Zahl abgetippt hat, wird zur zitierten Wahrheit, auch wenn sie veraltet ist.

3. Interaktive Strecken doppeln. Händler- und Partnersuchen, Konfiguratoren, Verfügbarkeitsabfragen brauchen eine serverseitig lesbare Entsprechung, etwa Standortseiten je Region, die ohne Eingabe erreichbar sind. Die Suche bleibt für Menschen; die lesbare Fassung ist für Maschinen.

4. llms.txt als Wegweiser. Einzelne Hersteller legen bereits eine maschinenlesbare Inhaltsübersicht ab (Stand 11.08.2026 etwa Stiebel Eltron und Viessmann). Der Standard ist jung und seine Wirkung nicht abschließend belegt, aber er kostet einen Nachmittag, und er zwingt intern zu einer nützlichen Frage: Welche zwanzig Seiten sollen Maschinen zuerst lesen?

Ein Warnhinweis aus der Praxis: Ein Wegweiser ohne Ziel ist schlimmer als keiner. Wer eine llms.txt anlegt, die auf Seiten zeigt, die ohne JavaScript leer sind, dokumentiert seine Lücke maschinenlesbar.

Selbsttest 2: Steht der Inhalt im ausgelieferten HTML?

Der Test braucht nur einen Browser und drei Minuten je Seite:

1. Die zu prüfende Seite öffnen und den Seitenquelltext anzeigen, Strg+U (Windows) bzw. Cmd+Option+U (Mac), oder view-source: vor die URL setzen. Wichtig: Es muss der Quelltext sein, nicht der „Elemente"-Tab der Entwicklerwerkzeuge. Der zeigt das fertig gerenderte Dokument und führt bei diesem Test systematisch in die Irre.

2. Mit der Suchfunktion (Strg+F) zwei, drei geschäftskritische Angaben suchen, die auf der Seite sichtbar sind: einen Preis, eine Postleitzahl aus der Partnersuche, eine Modellbezeichnung, eine Kernaussage aus dem ersten Absatz.

3. Interpretation: Steht die Angabe im Quelltext, wird sie serverseitig ausgeliefert, jeder Crawler bekommt sie. Ist sie auf der Seite sichtbar, fehlt aber im Quelltext, wird sie clientseitig per JavaScript erzeugt, und ist für jeden Crawler unsichtbar, der keine Skripte ausführt. Genau diese Angaben sind die Kandidaten für Maßnahme 2, Punkte 1 bis 3.

Dasselbe im Terminal, wenn viele Seiten zu prüfen sind:

curl -s https://www.beispiel.de/partnersuche | grep -c "78628"

Liefert der Befehl 0, kommt die gesuchte Angabe im ausgelieferten HTML nicht vor.

Der Klariton Checker macht beide Prüfungen in einem Schritt: Er ruft die Seite so ab, wie ein Crawler sie sieht, mit einer KI-Bot-Kennung, ohne JavaScript-Ausführung, und weist aus, wie viel lesbarer Text dabei ankommt und ob die Kerninhalte der Seite darin enthalten sind, zusammen mit den Zugangs-Ergebnissen aus Maßnahme 1. Der Vorteil gegenüber dem Handtest liegt weniger im Einzelergebnis als in der Fläche: Der Quelltext-Test prüft eine Seite und eine Angabe; der Checker prüft die Strecke systematisch und wiederholbar, und macht das Ergebnis dokumentierbar, statt es im Gedächtnis eines Entwicklers abzulegen.

Maßnahme 3: Inhalte an realer Nachfrage ausrichten, nicht eine Seite pro Frage

2,2 Prozent der Zitate zeigen auf Startseiten. Die Maschine zitiert die Seite, die eine konkrete Frage konkret beantwortet, und die liegt zwei, drei Klicks tief. Aus diesem Befund folgt ein verlockender Fehlschluss: für jede denkbare Frage eine eigene Seite anzulegen. Das skaliert nicht, und es setzt voraus zu wissen, welche Fragen tatsächlich an KI-Assistenten gestellt werden. Diese Information gibt es nicht: Kein Anbieter legt seine Prompt-Protokolle offen. Wo früher das Keyword-Tool stand, steht heute eine Lücke.

Der tragfähige Weg dreht die Reihenfolge um: reale Nachfrage erkennen, Fragen clustern, priorisieren, zitierbare Antworten schaffen.

Schritt 1: Reale Fragen finden, nicht erfinden. Die Fragen der Zielgruppe stehen öffentlich, in Fachforen, auf Reddit, in Community-Diskussionen. Dort fragen Menschen in ihrer eigenen Sprache und mit vollem Kontext: Baujahr, Budget, Fehlermeldung, Vorgeschichte. Es ist dieselbe Sprache, in der später ein Assistent gefragt wird. Klariton setzt an zwei Stellen an: Es wertet aus, welche Foren und Community-Seiten in KI-Antworten zu den eigenen Themen überhaupt zitiert werden, und es sammelt die Fragen, die Besucher an den eigenen Touchpoints tatsächlich stellen. Das Durchsehen der Foren selbst bleibt vorerst Handarbeit. Eine ehrliche Einordnung gehört dazu: Beides ist ein Näherungswert für reale Informationsbedürfnisse, keine Messung, wie häufig ein Prompt in ChatGPT gestellt wird. Diese Zahl kennt außerhalb der Anbieter niemand, und wer sie verspricht, verspricht zu viel.

Schritt 2: Clustern statt zählen. Wiederkehrende und semantisch ähnliche Fragen werden zu Themenclustern zusammengeführt und priorisiert, nach Wiederkehr, nach Nähe zur Kaufentscheidung und danach, ob die eigene Marke die Antwort glaubwürdig geben kann. Hundert Forenfragen sind am Ende oft acht Themen.

Schritt 3: Die Cluster gegen den Bestand halten. Bevor irgendetwas Neues entsteht, wird jedes priorisierte Cluster gegen die vorhandenen Inhalte geprüft: Was ist bereits beantwortet, was nur halb, was gar nicht? Die Lücken, nicht die Cluster selbst, sind der Arbeitsvorrat. Oft ist die richtige Antwort kein neuer Inhalt, sondern die Erweiterung einer bestehenden Seite um die drei Fragen, die dort fehlen.

Schritt 4: Erst jetzt über Formate entscheiden. Nicht jede Frage benötigt eine eigene URL. Zwei Formate decken die meisten Lücken ab:

• Zitierbare FAQs für Bündel eng verwandter, konkreter Fragen: mehrere Fragen auf einer thematisch passenden Seite, jede mit einer klaren, eigenständig verständlichen Antwort. Das ist die effizienteste Form, ein Cluster, eine Seite, viele adressierte Fragen.

• Eigenständige Ressourcen für umfangreiche, strategisch wichtige oder erklärungsbedürftige Themen: ein vertiefender Artikel, ein Guide, ein Vergleich, eine Produktseite. Der Aufwand lohnt dort, wo das Cluster groß genug ist, ihn zu tragen.

Was eine zitierbare Antwort auszeichnet: Sie beantwortet eine konkrete Frage direkt, im ersten Satz, nicht im fünften Absatz, sie ist ohne den Kontext vorhergehender Absätze verständlich, und ihre Aktualität ist prüfbar (Stand-Datum an Förderzahlen, Preisen, Verfügbarkeiten). Kein Format garantiert ein Zitat, diese Behauptung wäre unseriös. Aber eine Antwort, die nur im Zusammenhang von drei Absätzen davor funktioniert, kann eine Maschine nicht herauslösen; eine in sich geschlossene kann sie.

Zwei Randbedingungen bleiben aus der bisherigen Logik bestehen: Spezifisch schlägt vollständig. Ein Abschnitt, der eine Frage abschließend beantwortet, ist näher am Zitat als ein 40-Absätze-Ratgeber, in dem die Antwort in Abschnitt 17 steht. Und die klassische Ranking-Logik nicht dagegenrechnen: Teil 1 zitiert den Befund, dass fast 90 Prozent der von ChatGPT angeführten Seiten in der organischen Suche jenseits von Position 20 stehen. Wer Inhalte nur nach Suchvolumen priorisiert, baut am KI-Zitat vorbei. Die Forenfrage ohne Suchvolumen kann die Frage sein, die der Assistent morgen beantwortet.

Damit ist die Nachfrageseite bearbeitet: Es ist bekannt, welche Fragen den Markt beschäftigen und wo die eigenen Antworten stehen. Die nächste Maßnahme wendet denselben Blick auf die andere Seite, auf die Quellen, aus denen die Maschine ihre Antworten zu genau diesen Fragen baut.

Maßnahme 4: Das Quellenumfeld inventarisieren, Präsenz dort, wo zitiert wird

Der größte Posten und der am meisten vernachlässigte. Wenn 96,3 Prozent der Zitate auf fremde Seiten führen, entscheiden diese Seiten über das Bild, das die Maschine von der Marke zeichnet. Maßnahme 3 hat gefragt, was der Markt wissen will; Maßnahme 4 fragt, aus welchen Quellen die Maschine ihre Antworten darauf baut, und ob die eigene Marke in diesen Quellen vorkommt. Zusammen sind beide keine zwei SEO-Tipps, sondern zwei Blickrichtungen derselben datenbasierten Analyse: Nachfrageseite und Quellenumfeld.

Die Inventur, vom Prompt zur Lücke. Der Ausgangspunkt ist nicht die eigene Website, sondern die Antwort der Maschine:

1. Relevante Prompts analysieren.

2. Die Quellen identifizieren, die in den Antworten auftauchen.

3. Quellen nach Typ clustern: Fachforum, Magazin, Testbericht, Verzeichnis.

4. Relevanz für Marke und Thema bewerten.

5. Prüfen, ob und wie die eigene Marke dort vorkommt.

6. Die relevanten Lücken benennen.

Klariton liefert dafür die Datengrundlage: Zu jedem untersuchten Prompt werden die Antworten der untersuchten KI-Systeme ausgewertet. Sichtbar wird, welche externen Quellen und Quellentypen im Umfeld der eigenen relevanten Fragen tatsächlich auftauchen. Kunden sehen dazu die relevanten Fachforen, Magazine und Testberichte ihrer Themen; diese Liste ist der Ausgangspunkt der Inventur, nicht ihr Ergebnis. Eine saubere Lesart gehört dazu: Dass eine Quelle in einer ausgewerteten KI-Antwort auftaucht oder zitiert wird, ist ein Indikator für ihre Sichtbarkeit im untersuchten Antwortumfeld, kein Beleg, dass genau diese Quelle eine Antwort oder Empfehlung kausal beeinflusst hat.

Am Ende beantwortet die Inventur Fragen, die vorher niemand im Haus beantworten kann:

• Welche Fachforen spielen bei unseren Themen eine Rolle?

• Welche Magazine und redaktionellen Angebote tauchen auf?

• Welche Test- und Vergleichsseiten sind relevant?

• Wird unsere Marke dort überhaupt erwähnt?

• Ist die Darstellung aktuell und sachlich korrekt?

• Welche Wettbewerber werden stattdessen genannt?

• Bei welchen relevanten Quellen besteht eine erkennbare Präsenzlücke?

Was daraus ausdrücklich nicht folgt: wahllos möglichst viele Erwähnungen und Links aufzubauen. Entscheidend ist, die Quellen zu verstehen, die im relevanten Informationsumfeld tatsächlich sichtbar sind, und dann zu prüfen, ob die Marke dort angemessen, korrekt und nachvollziehbar vertreten ist. Drei Arbeitsfelder ergeben sich daraus fast immer:

• Einträge korrigieren, bevor sie multipliziert werden. Veraltete Adressen, alte Produktlinien, falsche Zuständigkeiten in Verzeichnissen und Portalen wandern von dort in KI-Antworten, und werden nie von allein korrigiert. Die Quelle der Wahrheit (Maßnahme 2) nützt nichts, wenn die zitierte Drittquelle etwas anderes behauptet.

• Fachpresse mit Daten statt mit Botschaften. Redaktionen, und Maschinen, zitieren belegte Zahlen. Eine eigene Auswertung mit offener Methodik ist der zuverlässigste Weg zu Erwähnungen, die zitiert werden. Genau deshalb existiert Teil 1 dieses Artikels.

• Foren doppelt nutzen. In Maßnahme 3 waren Foren die Datenquelle für die Nachfrage, hier sind sie selbst zitierte Quellen. Wer dort mit belegten, hilfreichen Antworten präsent ist (transparent als Hersteller), beantwortet nicht nur die Frage eines Nutzers, sondern baut an den Seiten mit, aus denen künftige KI-Antworten entstehen.

Maßnahme 5: Das Partnernetzwerk befähigen, Sichtbarkeit, die skaliert

Das Beispiel in Teil 1 zeigt einen Assistenten, der ungefragt schreibt: Die Qualität des Installateurs sei mindestens so wichtig wie die Marke. Für jede Marke, die über Partner, Händler, Integratoren oder Fachbetriebe verkauft, heißt das: Die Maschine empfiehlt am Ende einen Betrieb, und die Marke gewinnt nur, wenn sie an diesem Betrieb hängt. Die ausführliche Herleitung, warum in mehrstufigen Dialogen die dritte Runde über den Betrieb entscheidet, steht im Beitrag „Runde 3 entscheidet"; hier folgt die Umsetzung.

Die Empfehlung lautet ausdrücklich nicht, dafür zu sorgen, dass Partner die Marke „irgendwo erwähnen". Sie lautet: das bestehende Partnernetzwerk aktiv befähigen. Ein konkreter Ansatz sind gebrandete Partnerseiten, fertige oder leicht konfigurierbare Seiten und Seitenbausteine, die die Marke ihren Partnern bereitstellt und die jeder Partner auf seiner eigenen Website veröffentlicht und um seine Angaben ergänzt. Eine solche Seite macht die Beziehung vollständig verständlich:

• die Marke: eindeutige Nennung und kurze Beschreibung;

• der Partner: Name, Standort, Art der Partnerschaft, Spezialisierungen und Zertifizierungen;

• die Leistung: relevante Produkte, konkrete Leistungen rund um die Marke, Einsatzgebiete und Zielgruppen;

• dazu weiterführende Verweise und, wo möglich, strukturierte Daten.

Entscheidend ist die Form: Diese Angaben dürfen nicht ausschließlich in Logos, Bildern, JavaScript-Komponenten oder Widgets stecken. Wer ist der Partner, mit welcher Marke arbeitet er, was bietet er für diese Marke an, für welche Produkte, Regionen und Anwendungsfälle, das muss im crawlbaren HTML-Text stehen (Maßnahmen 1 und 2 gelten auf Partnerseiten genauso). Sonst kennt die Maschine den Betrieb, aber nicht die Verbindung.

Der strategische Vorteil ist die Skalierung. Externe Sichtbarkeit Seite für Seite einzeln aufzubauen ist mühsam (Maßnahme 4). Ein Partnernetzwerk existiert bereits: Aus zehn, hundert oder tausend Partnern kann ein verteiltes, konsistentes Informationsnetz rund um die Marke entstehen, wenn die Marke die Inhalte und technischen Bausteine liefert. Zentral gepflegte Templates oder Website-Baukästen machen das auch über große Händlernetze handhabbar. Eine Grenze gehört dazu: Die Seiten dürfen keine identischen Massenkopien sein. Ein gemeinsamer struktureller Kern, gefüllt mit realen partnerspezifischen Informationen, nicht tausend nahezu gleiche Doorway-Seiten mit ausgetauschtem Ortsnamen. Dünne Duplikate nützen niemandem und beschädigen im Zweifel beide Seiten.

Der Prozess:

1. Relevante Partner identifizieren.

2. Standardisierte Partnerseiten oder Content-Bausteine bereitstellen.

3. Partnerspezifische Informationen ergänzen.

4. Marke, Partner und Leistung eindeutig verbinden.

5. Technische Zugänglichkeit sicherstellen.

6. Veröffentlichung und Aktualität regelmäßig prüfen.

Den ersten Schritt liefert die Inventur aus Maßnahme 4: Wenn die Auswertung zeigt, welche Fachforen, Magazine, Testberichte und Partnerseiten im relevanten Antwortumfeld auftauchen, lässt sich ablesen, welche Partner bereits sichtbar sind und wo Präsenzlücken bestehen. Analyse und Umsetzung greifen ineinander: Quellenumfeld verstehen, relevante Partner identifizieren, Partnerpräsenz systematisch ausbauen. Zwei flankierende Punkte aus den vorigen Maßnahmen bleiben bestehen: die eigene Partnersuche maschinenlesbar machen (für Partnermarken der wichtigste Einzelfall von Maßnahme 2) und die Ko-Präsenz von Betrieb und Marke in den zitierten Verzeichnissen.

Auch hier keine Garantie-Rhetorik: Eine Partnerseite führt nicht automatisch dazu, dass ein KI-System die Marke empfiehlt oder zitiert. Konsistente, öffentlich zugängliche und eindeutig formulierte Informationen auf relevanten Drittseiten vergrößern das Informationsangebot, auf das Such- und KI-Systeme zurückgreifen können. Mehr lässt sich seriös nicht versprechen, und weniger sollte niemand ungenutzt lassen. Die Kernbotschaft: Partner-Sichtbarkeit nicht dem Zufall überlassen. Das Netzwerk existiert; die Marke muss es befähigen, die Beziehung zwischen Marke, Partner und Leistung im offenen Web eindeutig und maschinenlesbar abzubilden.

Maßnahme 6: KI-Traffic richtig weiterführen, Intent statt Informationsmenge

Mit dieser Maßnahme wechselt die Perspektive. Maßnahme 3 sorgt dafür, dass relevante Fragen beantwortet werden; Maßnahme 4 dafür, dass das Quellenumfeld verstanden wird; Maßnahme 5 erweitert die Präsenz über Partner. Die Maßnahmen eins bis fünf beantworten also die Frage: Wie werde ich auffindbar, verständlich und sichtbar? Maßnahme 6 beantwortet die Frage danach: Was passiert mit dem Nutzer, wenn aus Sichtbarkeit tatsächlich ein Besuch wird?

Der Befund dahinter: Zitierort und Ankunftsort fallen auseinander. Zitiert wird die tiefe Seite, die die Antwort belegt, 63 Prozent der Zitate liegen zwei bis drei Ebenen tief. Der Besuch danach kommt häufig woanders an: Branchenauswertungen, die Teil 1 zitiert, beobachten Ankunftsmuster überwiegend auf Startseiten und internen Suchseiten. Ob das auf der eigenen Website genauso aussieht, zeigt nur die eigene Messung, und eine saubere Lesart gehört auch hier dazu: Dass eine tiefe Seite zitiert wurde und ein Nutzer später auf der Startseite ankommt, sind zwei Beobachtungen. Welche Antwort welchen Besuch ausgelöst hat, kann eine Messung nur behaupten, wenn ihre Methodik das trägt.

Entscheidend ist, was aus dem Befund nicht folgt: die Startseite mit Kaufphasen-Fragen, FAQs und Detailantworten zu überladen. Das würde die saubere Informationsarchitektur zerstören, die Maßnahme 3 gerade aufgebaut hat, die tiefen, zitierbaren Seiten bleiben der Ort der Antworten. Die richtige Schlussfolgerung setzt beim Besucher an: Wer nach einer KI-Recherche ankommt, kann in seiner Entscheidung deutlich weiter sein als ein klassischer Besucher. Er muss nicht erneut informiert werden. Die Einstiegsseite muss seine Absicht erkennen lassen und ihn mit möglichst wenig Reibung zum nächsten Schritt führen, nicht alle Antworten selbst enthalten.

Die Startseite als Verteiler, nicht als Wissensspeicher. Eine gute Einstiegsseite für KI-induzierten Traffic macht die wichtigsten Absichten in einem Blick anschlussfähig:

• Produkt finden: direkt zu den Produkten;

• Optionen abwägen: Vergleich oder Entscheidungshilfe;

• Preis oder Verfügbarkeit suchen: ohne Umweg zur Angabe;

• Händler oder Partner benötigen: direkter Partner-Finder;

• eine konkrete Fachfrage mitbringen: schnell zur passenden Detailseite;

• kaufbereit sein: direkter Weg zu Anfrage oder Kauf, nicht durch mehrere Ebenen Marken- und Einführungstext.

Die Leitfrage für jede Einstiegsseite: Wie viele Schritte braucht ein Besucher mit bereits konkreter Absicht vom Einstieg bis zur passenden Information oder Handlung? Jeder Schritt, der nur der Selbstdarstellung dient, ist für diesen Besucher Reibung.

Interne Suchseiten differenziert behandeln. Wo die eigene Messung zeigt, dass die interne Suche relevanten KI-induzierten Verkehr empfängt, ist sie keine technische Restseite mehr, sondern eine Landestrecke, und verdient dieselben Fragen: Liefert die Suche bei konkreten Produkt- und Problembegriffen gute Ergebnisse? Werden wichtige Produkte, Ratgeber und Partner zuverlässig gefunden? Sind die Ergebnisse verständlich priorisiert? Gibt es bei Nulltreffern sinnvolle Alternativen statt einer leeren Seite? Und führt von jedem Treffer ein direkter Weg zum nächsten sinnvollen Schritt?

Die Kernbotschaft: KI-Traffic nicht zum Informationsanfang zurückschicken. Nutzer können mit konkreter Absicht ankommen, die Website muss diese Absicht möglichst schnell zur richtigen Information, zum richtigen Produkt, zum richtigen Partner oder zur richtigen Handlung weiterführen.

Maßnahme 7: Messen wie ein Skeptiker, sonst sind die Maßnahmen eins bis sechs Glaube

Alles Vorstehende ist steuerbar. Ob es wirkt, ist messbar, aber nur mit drei Trennungen, ohne die jede KI-Sichtbarkeitszahl in die Irre führt:

• Nennung und Zitat getrennt zählen. Das Beispiel in Teil 1: neun Hersteller bewertet, keiner verlinkt. Eine Marke kann empfohlen werden, ohne je zitiert zu werden, und zitiert werden, ohne empfohlen zu sein. Wer beides in eine Kennzahl mischt, kann keine der beiden Fragen beantworten.

• Voraussetzungen und Wirkung getrennt halten. Bot-Zugang und Lesbarkeit sind steuerbar; Zitate und Nennungen sind gemessen. Ein gemeinsamer „Score" über beide vermischt Diagnose und Ergebnis.

• Das eigene Prompt-Korpus kennen und offenlegen. Welche Fragen, wie viele, nach welcher Logik gezogen, ein Turn oder mehrere? Ohne diese Angabe ist jede Verbesserung von Messrauschen nicht zu unterscheiden, und jede Dienstleister-Zahl unprüfbar.

Die Reihenfolge, wenn die Ressourcen knapp sind

Für die meisten Marken ist die wirksamste Reihenfolge: 1, dann 2, dann 4. Zugang und Lesbarkeit sind einmalige, technisch begrenzte Eingriffe mit sofortiger Wirkung auf alles Weitere. Die fremden 96 Prozent sind danach der größte Hebel, und der einzige, der ohne die ersten beiden trotzdem funktioniert, weil er nicht auf der eigenen Infrastruktur stattfindet. Nachfrageorientierte Inhalte (3), Partnerlogik (5) und Intent-Routing (6) folgen dem Geschäftsmodell: Direktverkäufer zuerst 6, Partnermarken zuerst 5. Die Messung (7) läuft von Anfang an mit, sonst lässt sich in sechs Monaten nicht sagen, was davon gewirkt hat.

Teil 1 mit der vollständigen Datengrundlage, Methodik und den Grenzen der Auswertung: „Wir haben 113.775 KI-Zitate gezählt. Nur vier von hundert führen zur Marke selbst." Herstellerbeispiele nach öffentlich abrufbaren Seiten, Stichtage im Text.