ECommerce Masterminds Podcast KI-Sichtbarkeit: Die Machine-Equity-Falle bei ChatGPT & Co.

Anbieter zum Thema

KNAPP AG

Arvato Systems GmbH

Marken kämpfen um Sichtbarkeit bei Google. Bei KI-Sichtbarkeit wählen KI-Modelle nach ganz anderen Regeln aus. Ein übersehenes Datenproblem entscheidet, ob eine Marke auftaucht – oder nicht. Iteratec-Experte Stefan Herrmann deckt die Logik auf.

Stefan, viele denken bei Agentic Commerce an einen KI-Assistenten, der per Knopfdruck bestellt. In Europa fehlt diese Funktion noch fast überall. Warum ist Warten trotzdem ein Fehler?

Stefan Herrmann: Der Fehler liegt nicht im fehlenden Checkout, sondern in einer Phase davor. Die eigentliche Entscheidung fällt in der Empfehlungsphase. Wer ChatGPT oder Perplexity nach einem Produkt fragt, bekommt eine fundierte Antwort. Taucht dabei die eigene Marke auf oder die des Wettbewerbers? Das entscheidet sich jetzt. Wer wartet, riskiert, dass sich diese Muster festsetzen.

Am Ende zählen strukturierte, maschinenlesbare Daten und Präsenz in den richtigen Quellen. Hochwertige Inhalte setzen sich zudem stärker durch. KI-Systeme bewerten rein maschinell erstellte Inhalte niedriger Qualität offenbar schlechter.

Stefan Herrmann, Business Analyst bei Iteratec

Sichtbarkeit war bislang gleich Google-Ranking. Jetzt sprechen Sie von „Share of Answer“. Was steckt dahinter?

Stefan Herrmann: Die alte, bisherige Logik bricht gerade auf. SEO baute jahrzehntelang auf einem festen Prinzip: Keywords optimieren, Ranking messen. Google war der einzige Türhüter. Heute gibt es mehrere Systeme gleichzeitig – ChatGPT, Gemini, Claude. Zudem funktionieren Prompts anders als Keywords. Wer tippt „Ich brauche Laufschuhe, laufe zweimal wöchentlich und habe Knieschmerzen", liefert Kontext, kein Stichwort. Die KI antwortet nicht mit einer Linkliste, sondern mit einer begründeten Empfehlung.

Machine Equity etabliert sich inzwischen als Gegenstück zur Markenbekanntheit – dem Vertrauen, das KI-Modelle einer Marke entgegenbringen. Wer das besitzt, taucht in Empfehlungen auf. Wer nicht, bleibt unsichtbar, unabhängig vom Google-Ranking. Früher googelte man, klickte sich durch, verglich und kaufte. Heute liefert die KI direkt eine Empfehlung. Mir selbst geht es oft so: Ich bekomme drei Hinweise. Ein Modell passt perfekt, eines ist die Budget-Alternative, eines eine dritte Option. Ich bin dann mental schon entschieden, bevor ich eine Produktseite gesehen habe. Der Shop wird zur reinen Bestätigungsstation.

Hören Sie sich das ausführliche Interview mit Stefan Herrmann in unserem ECOMMERCE MASTERMINDS PODCAST an

Kannst Du sagen, nach welchen Kriterien KI-Systeme ein Produkt auswählen?

Stefan Herrmann: Ein Stück Zufall gehört immer noch dazu. KI-Systeme sind nicht deterministisch, anders als eine Suchmaschine. Dasselbe Modell kann morgen ein anderes Ergebnis liefern als heute. Trotzdem gibt es Muster. Frühe Sprachmodelle lasen das Internet und Bücher, hatten einen Stichtag und veröffentlichten bereits veraltetes Wissen. Heute greifen die Systeme auf Werkzeuge zu: Websuche, Produktdatenbanken, Preisvergleiche. ChatGPT sucht aktiv, Perplexity ist von Grund auf als Suchsystem gebaut.

Eine Ahrefs-Studie zeigt das Ausmaß der Unterschiede: 3.000 kurze Prompts liefen durch ChatGPT, Perplexity und Google. Perplexity und Google stimmten zu 65 Prozent überein, weil beide ähnlich wie Suchmaschinen arbeiten. ChatGPT stimmte nur zu 10 Prozent mit Google überein. Wie genau die Modelle auswählen, verraten die Anbieter nicht. Bei komplexeren Prompts sinkt die Übereinstimmung weiter.

DER GESPRÄCHSPARTNER

Stefan Herrmann arbeitet seit zehn Jahren bei der iteratec GmbH. Er durchlief mehrere Rollen: Entwickler, Teamcoach, Projektverantwortlicher, heute ist er Business Analyst. Stefan gehört zur GenAI Excellence Group von iteratec und führt generative KI praktisch in Unternehmen ein. iteratec ist eine deutsche IT-Beratung und begleitet Unternehmen wie die Deutsche Bahn, BMW und Audi durch ihre digitale und KI-Transformation.

Was rätst Du Händlern, um trotzdem besser gefunden zu werden?

Stefan Herrmann: Eine gute SEO-Basis hilft weiterhin. Sie zeigt: Die Marke ist bekannt, viele Quellen schreiben über sie – genau darauf trainieren die Modelle. Wird eine Marke in einem Reddit-Thread erwähnt, zieht die KI daraus Empfehlungen. Am Ende zählen strukturierte, maschinenlesbare Daten und Präsenz in den richtigen Quellen. Hochwertige Inhalte setzen sich zudem stärker durch. KI-Systeme bewerten rein maschinell erstellte Inhalte niedriger Qualität offenbar schlechter.

ChatGPT & Co.

KI-Kaufberatung: Mit diesem Fahrplan bleiben Händler sichtbar