Für den KI-Sichtbarkeits-Report haben wir 193 Mittelständler durch 986 KI-Antworten geschickt. 116 von ihnen kamen vor, 77 in keiner einzigen Antwort zu ihrer Branche. Beim Vergleich der beiden Gruppen blieben sieben Merkmale übrig, die sich nachbauen lassen.
Links laufen die Verbindungen zusammen, rechts läuft es ins Leere. In KI-Antworten entscheidet genau dieser Unterschied. Foto: U.Lucas Dubé-Cantin auf Pexels
Warum die Frage nach dem Wie überhaupt drängt
Ein Einkäufer, der wissen will, wer Sondermaschinen baut oder Paletten durch Süddeutschland fährt, tippt das heute oft in einen Chat statt in ein Suchfeld. Das ECC KÖLN hat im Januar 2026 zusammen mit dotSource 200 Beschaffende und 180 Vertriebsmitarbeitende befragt. 37 Prozent der Beschaffenden informieren sich für A- und B-Teile über KI-Chatbots wie ChatGPT, Gemini oder Perplexity. Zum Vergleich: 54 Prozent setzen bei der Informationssuche weiterhin auf persönlichen Kontakt. Der Vertrieb schätzt die Lage anders ein, 61 Prozent der befragten Vertriebsleute glauben, die Mehrheit der Beschaffenden arbeite bereits mit KI-Chatbots.
Ein Drittel klingt nach wenig, bis man sich ansieht, was am Ende dieser Suche steht: ein fertiger Absatz mit einer Handvoll Firmennamen. Es gibt keine zweite Ergebnisseite, auf der man notfalls auf Platz 14 noch gefunden wird.
Genau deshalb haben wir gemessen, statt zu schätzen. Die Ergebnisse stehen im KI-Sichtbarkeits-Report Mittelstand 2026, die Zusammenfassung im Launch-Artikel zur Studie. Dieser Text hier nimmt sich Kapitel 6 vor: die sieben Muster, und was du je Muster tun kannst.
Woher die sieben Muster stammen
Kurz zur Basis, damit du die Zahlen einordnen kannst. Im Panel stehen 193 unabhängige, familien- oder eigentümergeführte Unternehmen aus 10 Branchen, zwischen etwa 50 und 5.000 Mitarbeitern, keine Konzerntöchter. Pro Branche haben wir 10 Fragen so formuliert, wie Entscheider sie stellen, und jede Frage dreimal an Perplexity (sonar-pro) und dreimal an Google Gemini (2.5 Flash mit aktiver Google-Suche) geschickt. Dazu kam ein Direktcheck pro Firma und System. Insgesamt 986 Antworten mit über 12.000 zitierten Quellen, Messzeitraum 17. Juli 2026.
Unsichtbar heißt: In allen 60 Antworten zur eigenen Branche taucht ein Unternehmen weder im Text auf noch in den Quellen. Das trifft auf 77 der 193 Firmen zu, also 39,9 Prozent. Die verbleibenden 116 haben wir gegen diese 77 gestellt und die Quellenlisten ausgewertet. Daraus stammen die sieben Muster. Nicht jedes davon ist harte Kausalität, das gehört dazugesagt. Zusammen ergeben sie ein Profil, das sich in den Daten deutlich abzeichnet.
Muster 1: Die eigene Website beantwortet Kundenfragen
54 der 193 Firmen wurden überhaupt jemals über ihre eigene Domain belegt, das sind 28 Prozent. Schaut man sich deren Seiten an, ähneln sie sich: Anwendungsfälle, konkrete Leistungsbeschreibungen, Zahlen. Seiten, die wie Antworten funktionieren.
Der Gegenentwurf steht auf sehr vielen Mittelstands-Websites. Eine Startseite mit „Willkommen bei Firma X”, eine Seite über den Maschinenpark, eine Seite mit Zertifikaten. Für ein Modell, das eine Einkäuferfrage beantworten soll, steht dort nichts, was sich zitieren ließe. Das Problem ist keine schlechte Website, es ist eine Website, die über sich selbst spricht statt über das Problem des Kunden.
Muster 2: Ein Wikipedia-Artikel als Fundament
45 Prozent der sichtbaren Unternehmen haben einen Wikipedia-Artikel, bei den unsichtbaren sind es 26 Prozent. Der interessante Teil daran: Wikipedia wird nur in 13 Prozent der Antworten direkt zitiert. Der Effekt läuft also nicht über das Zitat. Ein Wikipedia-Artikel macht eine Firma für KI-Systeme zu einer klar identifizierbaren Entität, die sich einer Branche, einem Ort und einer Produktgruppe zuordnen lässt.
Bevor du jetzt jemanden beauftragst: Die deutschsprachigen Relevanzkriterien für Wirtschaftsunternehmen sind quantitativ und streng. Relevant ist unter anderem, wer mindestens 1.000 Vollzeitmitarbeiter hat, mehr als 100 Millionen Euro Jahresumsatz vorweist, an einer deutschen Börse im regulierten Markt gehandelt wird oder mindestens 20 Betriebsstätten besitzt. Für den typischen Mittelständler bleibt das Alternativkriterium: eine marktbeherrschende Stellung oder innovative Vorreiterrolle bei einer relevanten Produktgruppe, belegt durch eine unabhängige Quelle.
Manche Hidden Champions erfüllen genau diese Klausel, ohne es zu wissen. Wer Weltmarktführer bei einer engen Produktgruppe ist und das mit Fachpresse oder Verbandsquellen belegen kann, hat einen Fall. Werbeprosa fliegt dagegen raus, und ein gelöschter Artikel kostet dich Zeit und Reputation bei den Autoren.
Muster 3: Präsenz in Fachmedien und Bestenlisten
Die Quellenlisten der 986 Antworten sind voll mit Fachpresse, Regionalzeitungen und Ranglisten. Sichtbare Firmen tauchen dort auf, weil über sie geschrieben wird: Jubiläen, Innovationspreise, Werksneubauten, Studien. Bei den unsichtbaren Firmen findet sich häufig seit Jahren keine zitierfähige Erwähnung außerhalb der eigenen Website.
Dahinter steckt derselbe Mechanismus, den wir bei der Auswertung nach Branchen gesehen haben. Eine Selbstbeschreibung passt auf viertausend Betriebe, ein Satz aus einer Fachzeitschrift passt auf einen. Welche Strukturen das begünstigen und welche nicht, steht im Detail in der Branchenauswertung: warum 70 Prozent der Metallzulieferer in KI-Antworten fehlen.
Der Aufwand ist überschaubarer, als er klingt. Ein Anlass pro Quartal reicht: eine Zahl aus deinem Betrieb, ein abgeschlossenes Projekt, eine klare Position zu einem Branchenthema. Fachredaktionen suchen genau das. Und der Effekt ist nicht auf klassische Medien beschränkt, in einer früheren Messung war LinkedIn als Quelle an Wikipedia vorbeigezogen.
Muster 4: Gepflegte Verzeichnisprofile
Dieses Muster ist das unbequemste. In 61 Prozent aller Antworten stand mindestens eine Verzeichnis-Plattform als Beleg, „Wer liefert was”, Europages, IndustryStock und die Branchenverzeichnisse. Verglichen mit den 28 Prozent, die je über die eigene Domain belegt wurden, bedeutet das: Über weite Strecken erzählt ein Dritter die Geschichte deines Unternehmens.
Man muss diese Plattformen nicht mögen. Solange sie diesen Anteil der Belege stellen, entscheidet dein Profil dort mit, was über dich gesagt wird. Ein vollständiges, aktuelles Profil ist billig und wirkt schnell, weil es unmittelbar in den Quellen liegt, aus denen die Systeme schöpfen. Wichtig ist die Formulierung: Beschreibe deine Leistung dort mit denselben Worten wie auf deiner Website, sonst entstehen zwei halbe Profile.
Warum dieser Verdrängungseffekt so stark ist und was er strategisch bedeutet, haben wir separat aufgeschrieben: warum Verzeichnisse deine Website verdrängen.
„Es ist die halbe Miete der KI-Sichtbarkeit, ob man die Plattformen mag oder nicht.”
— KI-Sichtbarkeits-Report Mittelstand 2026, Kapitel 6, Muster 4
Muster 5: Eine spitze, benennbare Kompetenz
Die sichtbarsten Firmen des Panels tragen ein klares Etikett. Tesvolt ist „Batteriespeicher für Gewerbe”, KLS Martin steht für Chirurgie-Instrumente. KI-Systeme sortieren nach solchen Etiketten, weil sie eine konkrete Frage einer konkreten Kategorie zuordnen müssen.
Ein Bauchladen ohne erkennbaren Schwerpunkt ist für diese Zuordnung schwer zu greifen. Das ist die vielleicht unangenehmste Erkenntnis für Firmen, deren Stärke gerade in der Breite liegt. Die Lösung liegt aber selten im Sortiment, sondern in der Sprache: Auch ein Lohnfertiger mit breitem Portfolio kann eine Sache benennen, bei der er nachweislich vorne liegt, und ihr eine eigene Seite mit eigenem Namen geben.
Muster 6: Eine Produktmarke, die Spuren hinterlässt
Der Branchenvergleich zeigt es deutlich: Wo Endkunden oder der Fachhandel über Produkte sprechen, entsteht öffentliches Material, aus dem KI-Systeme schöpfen. Lebensmittelhersteller mit Marken im Regal liegen bei 15,8 Prozent Unsichtbarkeit, Metall- und Kunststoffverarbeiter bei 70 Prozent.
Ein B2B-Zulieferer kann keine Konsumentenmarke aufbauen, das ist ihm hier nicht vorzuwerfen. Er kann die Wirkung aber nachbauen. Referenzprojekte, Cases und Anwendungsgeschichten erzeugen dieselbe Art von Spuren: eine Verbindung zwischen deinem Firmennamen und einer konkreten, benennbaren Sache. Ein Kunde, der einen Anwendungsfall zur Veröffentlichung freigibt, ist für die KI-Sichtbarkeit oft mehr wert als eine neue Broschüre.
Muster 7: Ein eindeutiger, konsistenter Name
Firmen, die überall gleich heißen, werden sauber erkannt und zugeordnet. Umfirmierungen, wechselnde Schreibweisen und ein Nebeneinander von Marken- und Firmennamen kosten dagegen messbar Zuordnung. Wir mussten im Panel für etliche Unternehmen mehrere Namensvarianten hinterlegen, um sie in den Antworten überhaupt zuverlässig wiederzufinden. Ein KI-System hat dieselbe Mühe, nur ohne jemanden, der die Varianten pflegt.
Dieses Muster ist der billigste Hebel auf der ganzen Liste. Firmenname, Rechtsform, Adresse und Leistungsbezeichnungen einmal festlegen und dann überall identisch schreiben: Website, Impressum, Verzeichnisse, Social-Profile, Pressemitteilungen. Dazu ein sauberes „Über uns” mit Gründungsjahr, Mitarbeiterzahl, Standorten und Leistungen in klaren Sätzen.
Strukturierte Daten helfen bei der maschinellen Zuordnung zusätzlich, wobei hier eine Klarstellung wichtig ist. Sie sind keine Eintrittskarte in KI-Antworten. Google schreibt in der eigenen Dokumentation für Website-Betreiber unmissverständlich, dass es dafür keine besonderen Anforderungen gibt.
„There are no additional requirements to appear in AI Overviews or AI Mode, nor other special optimizations necessary. You don’t need to create new machine readable files, AI text files, or markup to appear in these features.”
— Google Search Central, AI Features and Your Website, Stand 10. Dezember 2025
Bedingung ist laut derselben Seite lediglich, dass eine Seite indexiert und für ein Snippet zugelassen ist. Schema.org-Auszeichnung bleibt trotzdem sinnvoll, weil sie deine Eckdaten maschinell eindeutig macht. Welche Strukturen für den Mittelstand tatsächlich etwas bringen, haben wir hier aufgeschlüsselt: Schema.org-Markup für den Mittelstand.
Der achte Befund, der die sieben einordnet
Ein Ergebnis aus dem Direktcheck relativiert alle Muster und macht sie gleichzeitig erst verständlich. Wir haben jedes Unternehmen einzeln abgefragt, nach dem Schema „Was macht die Firma X aus Y?”. Die Systeme kannten praktisch jede Firma des Panels, auch die 77 unsichtbaren. Der Anteil der Firmen, deren eigene Website im Direktcheck als Quelle herangezogen wird, liegt bei sichtbaren und unsichtbaren Unternehmen fast gleichauf, 84 gegen 87 Prozent.
Der Unterschied entsteht also nicht beim Kennen. Er entsteht beim Empfehlen. Wenn ein Modell aus dem gesamten Markt fünf Namen auswählen soll, greift es auf Material zurück, das die Auswahl begründbar macht, und das liegt fast immer außerhalb der eigenen Website.
Ein zweites Detail aus den Daten schärft das noch. Bei bundesweiten Anbieterfragen enthielten 63 Prozent der Antworten mindestens eine Firma aus dem Panel. Bei kaufnahen Problemfragen, etwa „unsere Stromkosten steigen, welche Anbieter kommen infrage?”, waren es nur 42 Prozent. Je näher eine Frage an einer echten Kaufentscheidung liegt, desto seltener nennen die Systeme konkrete Mittelständler und desto öfter füllen sie die Antwort mit Ratgebertext und Plattformverweisen. Die wertvollsten Fragen sind für den Mittelstand die verlorensten.
In welcher Reihenfolge du die sieben Muster angehst
Alle sieben gleichzeitig anzupacken funktioniert in keinem Betrieb. Aus den Daten lässt sich eine Reihenfolge begründen, sortiert nach Aufwand und Wirkgeschwindigkeit.
- Diese Woche, ohne Budget: Namenskonsistenz herstellen (Muster 7) und die Verzeichnisprofile vervollständigen (Muster 4). Beide Hebel liegen unmittelbar in den Quellen, aus denen 61 Prozent der Antworten stammen. Vorher misst du deinen Status quo, damit du später einen Vergleichswert hast.
- Im nächsten Quartal: Der Satz, der deine Spezialisierung benennt (Muster 5), und daraus abgeleitet die Seiten, die echte Kundenfragen beantworten (Muster 1). Hier steckt die meiste Arbeit, und hier liegt der Unterschied zwischen einer Website, die sich vorstellt, und einer, die zitiert wird.
- Über das Jahr: Zitierfähige Erwähnungen aufbauen (Muster 3), Referenzprojekte und Anwendungsgeschichten veröffentlichen (Muster 6) und, falls die Relevanzkriterien wirklich erfüllt sind, den Wikipedia-Fall prüfen (Muster 2). Das sind Quartals-Themen, keine Wochenaufgaben.
Ein Hinweis zur Messung selbst, weil er häufig unterschätzt wird: Nur 60 der 193 Unternehmen waren in beiden geprüften Systemen sichtbar, 56 weitere jeweils nur in einem. Wer seinen Stand in einem System prüft und dort auftaucht, hält sich für sichtbar, obwohl er im zweiten nicht existiert. Prüfe deshalb immer mindestens zwei, und wiederhole es quartalsweise. KI-Antworten schwanken in beide Richtungen.
Dein nächster Schritt dauert zwanzig Minuten: Stell Perplexity und Gemini jeweils dreimal die Frage, mit der ein Kunde deine Leistung suchen würde, ohne deinen Firmennamen zu nennen, und notiere die genannten Anbieter samt Quellen. Damit hast du deinen Ausgangswert und siehst sofort, welche der sieben Muster bei dir fehlen. Die vollständigen Zahlen, die Methodik und die sieben Umsetzungsschritte stehen im KI-Sichtbarkeits-Report. Wenn du die Messung und die Maßnahmen als festen Regelkreis aufsetzen willst, beschreibt unsere Leistungsseite zur KI-Sichtbarkeit, wie wir dabei vorgehen.
Häufige Fragen
Wie kann ein Unternehmen seine KI-Sichtbarkeit verbessern?
Über die sieben Muster, die im KI-Sichtbarkeits-Report die 116 sichtbaren von den 77 unsichtbaren Unternehmen trennen: Seiten, die echte Kundenfragen beantworten, ein Wikipedia-Artikel als Entitäts-Fundament, Erwähnungen in Fachmedien und Bestenlisten, vollständige Verzeichnisprofile, eine benennbare Spezialisierung, öffentliche Spuren aus Produkten oder Referenzprojekten und ein überall identisch geschriebener Firmenname. Der Einstieg kostet kein Budget: Stell zwei KI-Systemen dreimal die Frage, mit der ein Kunde deine Leistung sucht, ohne deinen Namen zu nennen, und notiere die genannten Anbieter samt Quellen.
Reicht eine technisch gute Website für KI-Sichtbarkeit aus?
Nein. Google schreibt in der eigenen Search-Central-Dokumentation, dass es für AI Overviews und AI Mode keine zusätzlichen Anforderungen gibt, keine maschinenlesbaren KI-Dateien und kein spezielles Schema.org-Markup. Bedingung ist nur, dass eine Seite indexiert und für ein Snippet zugelassen ist. In unserer Messung waren im Direktcheck bei sichtbaren und unsichtbaren Firmen fast gleich oft die eigenen Websites als Quelle im Spiel, 84 gegen 87 Prozent. Der Unterschied entsteht dort, wo die KI aus mehreren Anbietern auswählt.
Wie wichtig ist ein Wikipedia-Artikel für die Sichtbarkeit in KI-Antworten?
Er ist ein starkes Fundament, aber keine Pflicht. 45 Prozent der sichtbaren Unternehmen im Panel haben einen Wikipedia-Artikel, bei den unsichtbaren sind es 26 Prozent. Direkt zitiert wird Wikipedia allerdings nur in 13 Prozent der Antworten. Die deutschen Relevanzkriterien nennen unter anderem 1.000 Vollzeitmitarbeiter, mehr als 100 Millionen Euro Jahresumsatz, mindestens 20 Betriebsstätten oder eine Notierung im regulierten Markt. Für kleinere Firmen bleibt das Alternativkriterium der marktbeherrschenden Stellung oder innovativen Vorreiterrolle bei einer relevanten Produktgruppe, für das eine unabhängige Quelle erforderlich ist.
Wie lange dauert es, bis Maßnahmen in KI-Antworten ankommen?
Das lässt sich aus einer Momentaufnahme nicht seriös beziffern, deshalb messen wir das Panel ab sofort quartalsweise mit identischen Fragen. Was sich aus den Daten ableiten lässt: Die schnell wirksamen Muster sind die konsistente Schreibweise des Firmennamens und die Verzeichnisprofile, weil beide unmittelbar in den Quellen liegen, aus denen 61 Prozent der Antworten schöpfen. Fachmedien-Erwähnungen und ein Wikipedia-Artikel brauchen Quartale statt Wochen. Prüfe deinen Stand deshalb regelmäßig in mindestens zwei Systemen, denn nur 60 der 193 Unternehmen waren in beiden sichtbar.
Quellen & Referenzen
- Collective Brain: KI-Sichtbarkeits-Report Mittelstand 2026, Kapitel 6 mit den 7 Mustern sichtbarer Unternehmen, Methodik und Rohdaten, Messzeitraum 17. Juli 2026. collectivebrain.de
- IFH KÖLN und ECC KÖLN: Studie „Agentic Readiness im B2B Commerce” mit dotSource, Befragung von 200 Beschaffenden und 180 Vertriebsmitarbeitenden im Januar 2026. ifhkoeln.de
- Google Search Central: AI Features and Your Website, offizielle Dokumentation zu Anforderungen für AI Overviews und AI Mode, Stand 10. Dezember 2025. developers.google.com
- Wikipedia: Relevanzkriterien für Wirtschaftsunternehmen, quantitative Schwellen und das Alternativkriterium der marktbeherrschenden Stellung. de.wikipedia.org
