Warum Ihre Website nicht in ChatGPT auftaucht

Zusammenfassung. Wir haben dasselbe AI-Visibility-Audit auf sechs bekannte deutsche Marken (m-net, Elli, thinX, carwow, Zeppelin, HDBW) aus Telekommunikation, Elektromobilität, Automotive, Industrie, Beratung und Hochschule angewandt. Der Durchschnitts-Score lag bei 36 von 100. Drei strukturelle Gründe erklären das: Schema-Markup-Lücken, Crawler-Konfiguration und Quellen-Abwesenheit. Keiner der drei braucht einen neuen Tech-Stack — sie brauchen jemand, der das funktionsübergreifende Problem besitzt. Die Lösung liegt näher an SEO 2004 als an einem neuen Modell.

Letzte Woche haben wir sechs bekannte deutsche Marken mit derselben Methodik geprüft: m-net (Telekommunikation), Elli (Elektromobilität, VW-Tochter), thinX (Beratung), carwow (Auto-Marketplace), Zeppelin (Industrie) und die HDBW (Hochschule der Bayerischen Wirtschaft). Der durchschnittliche AI-Visibility-Score lag bei 36 von 100. Die beste Marke — carwow — kam auf 53. Die schwächste auf 26. Keine einzige dieser Marken erscheint zuverlässig in den Antworten, die ChatGPT, Claude oder Perplexity zu ihrem eigenen Marktsegment generieren. Carwow taucht nicht auf, wenn jemand nach dem besten Weg fragt, in Deutschland ein gebrauchtes Auto zu verkaufen. Zeppelin taucht nicht auf, wenn ein Einkäufer nach Anbietern für industrielle Baumaschinen fragt. Die HDBW taucht nicht auf, wenn ein Berufstätiger nach berufsbegleitenden Studiengängen in Bayern fragt. Die Websites existieren, sie ranken bei Google, sie haben anständigen Traffic. Sie sind schlicht unsichtbar für die neue Software-Schicht, die zunehmend die Frage "Mit wem soll ich reden?" beantwortet.

Die übliche Reaktion fällt in eine von zwei Kategorien: "KI ist Hype, echte Kunden kommen weiterhin über Google" oder "wir kümmern uns darum, wenn es ein echter Kanal wird". Beide Aussagen sind 2024 vertretbar und 2026 selbstzerstörerisch. Die Verschiebung von Suche zu Antwort passiert in Zeitlupe, aber sie hat die Schwelle bereits überschritten, ab der das Ignorieren keine taktische Entscheidung mehr ist, sondern eine strategische Haltung.

Von Suche zu Antwort

Suchmaschinen liefern eine Liste von Links. Antwort-Engines liefern eine Antwort. Klingt wie eine kleine UI-Änderung. Ist es nicht. Das Modell "Liste von Links" belohnt eine Seite dafür, eine von zehn plausiblen Kandidaten zu sein. Das Modell "Antwort" belohnt eine Seite dafür, eine von einer bis drei Marken zu sein, die ein Modell laut, mit Selbstvertrauen und mit Quellenangabe nennt. Der Unterschied zwischen Rang zehn und Rang eins war ein Click-Through-Rate-Problem. Der Unterschied zwischen zitiert und nicht zitiert ist binär. Sie stehen im Satz, oder Sie sind nicht im Gespräch.

Robert Solow schrieb 1987, dass man das Computerzeitalter überall sehen könne, nur nicht in den Produktivitätsstatistiken. Das Muster hat sich mit Internet, mit Mobile und mit SaaS wiederholt: Eine neue Schicht wird zum Standard, bevor jemand die Diskussion abgeschlossen hat, ob sie real ist. Die Schicht heute heißt generative Antwort-Engines. ChatGPT hat Anfang 2026 die 800-Millionen-Wochennutzer-Marke überschritten. Perplexity ist für eine ganze Kohorte von Beratern und Analysten, mit denen ich bei Accenture, Telefónica und Volkswagen arbeite, zur Standard-Recherche-Oberfläche geworden. Google hat AI Overviews über den organischen Ergebnissen auf den meisten kommerziellen Anfragen eingebaut. Die Frage "spielen KI-Antworten für meine Branche schon eine Rolle?" ist die falsche Frage. Die richtige Frage lautet: In drei Jahren, wenn die Hälfte der Kaufrecherche in einer Chat-Oberfläche beginnt, welche Belege soll das Modell bis dahin über Ihre Marke gesehen haben?

Drei strukturelle Gründe, warum Seiten unsichtbar sind

Die sechs Audits brachten immer wieder dieselben drei Probleme zutage. Keines davon ist neu. Keines erfordert eine neue Technologie. Alle drei erfordern, dass jemand zehn Zeilen auf einer Roadmap nimmt und sie wirklich umsetzt.

Schema-Markup-Lücken. Moderne Websites sind für menschliche Augen gebaut. Sie sind nicht für maschinelle Leser gebaut. JSON-LD — das strukturierte Datenformat, das schema.org vor über einem Jahrzehnt standardisiert hat — fehlt oder ist unvollständig auf fünf der sechs auditierten Seiten. Carwow hat überall Vehicle- und Product-Schema, weil es muss, der Rest kratzt kaum an Organization. Die Mittelstandsbesessenheit von "unsere Website ist responsiv und modern" hat den Teil übersprungen, in dem Maschinen tatsächlich parsen, was die Seite sagt. Eine KI-Engine, die zusammenfassen will, "was macht Firma X", liest zuerst die strukturierten Daten. Wenn keine strukturierten Daten da sind, rät die Engine aus dem Fließtext, und Fließtext ist mehrdeutig. Schema-Markup ist für KI-Antwort-Engines, was der Title-Tag 2004 für Google war: billig, gut dokumentiert, peinlich unter-implementiert. Dieselben Agenturen, die 60.000 € für einen Relaunch berechnen, lassen Schema stillschweigend aus dem Pflichtenheft fallen, weil im Briefing niemand danach fragt.

Crawler-Konfiguration. Die Hälfte der auditierten Marken blockt entweder GPTBot und Anthropic explizit in robots.txt oder lässt nur Wildcard-Regeln stehen, die zufällig alles erlauben. Keine der beiden Haltungen ist eine Entscheidung. Das Block kam aus einer 2023er Panik vor "KI trainiert auf unseren Inhalten", ohne Nachfolge-Review, als dieselben Firmen sich sechs Monate später beschwerten, dass sie in den Antworten nicht vorkommen. Das Wildcard kam daher, dass niemand jemals robots.txt geöffnet hat. Die saubere Haltung liegt irgendwo dazwischen: explizite Allow-Regeln für Crawler, in denen Sie sichtbar sein wollen, explizite Block-Regeln für Crawler, in denen Sie es nicht sein wollen, und Content-Signal-Direktiven, die Absicht für AI-Training, AI-Inference und Suche getrennt deklarieren. Wir haben Content-Signal-Support in unseren eigenen Audits vor zwei Wochen ergänzt, nachdem der isitagentready.com-Test sichtbar gemacht hat, dass der Standard existiert und kaum jemand ihn nutzt.

Quellen-Abwesenheit. Selbst mit perfektem Schema und sauberen Robots kann ein Modell nur zitieren, worauf es trainiert wurde. Reddit, LinkedIn, Wikipedia, YouTube und eine Handvoll Medien-Outlets machen zusammen rund 40 % der Domains aus, die ChatGPT, Claude und Perplexity zitieren (Semrush, Oktober 2025). Wenn Ihre Marke auf diesen Domains nicht präsent ist, hat das Modell nichts zu zitieren, selbst wenn es wollte. Der deutsche Mittelstand ist hier strukturell unterrepräsentiert. Es gibt Weltklasse-Hidden-Champions in industrieller Automatisierung, in Family-Office-Vermögensverwaltung, in B2B-SaaS — und sie haben keinen Wikipedia-Artikel, keinen Reddit-Thread, keine LinkedIn-Thought-Leadership-Kadenz. Das Modell behandelt Abwesenheit als Nicht-Existenz. Das ist hart, aber es ist dieselbe Logik, die Google 2004 auf Backlinks angewandt hat und die LinkedIn heute auf Ihr Netzwerk zweiten Grades anwendet. Die Präsenz einer Entität im Trainingskorpus ist der neue Backlink-Graph.

Was sich ändert, wenn Sie messen

Der Grund, warum die sechs Audits Augen öffneten, ist nicht, dass die Scores niedrig waren. Jeder im Raum hatte eine Vermutung, dass die Scores niedrig sein würden. Die Verschiebung passierte, als die Scores eine Zahl mit Audit-Trail wurden. "Wir sind wahrscheinlich unsichtbar" ist eine Diskussion, die ins Leere führt. "Unsere Schema-Abdeckung liegt bei 11 % und der Anthropic-Crawler hat unsere Preisseite seit 90 Tagen nicht gesehen, weil robots.txt sie blockt" ist eine Diskussion, die bis zum Ende des Meetings ein Backlog-Ticket produziert. Dieselbe Dynamik spielte sich 2020 mit Core Web Vitals ab: nichts änderte sich, solange "Seite ist langsam" ein Gefühl war. Dinge änderten sich, als Lighthouse eine Zahl und eine Liste von Dateien ausspuckte. Messung verwandelt strategische Angst in eine Engineering-Aufgabe, und Engineering-Aufgaben werden erledigt.

Das ist der Moment, zu erkennen, dass AI-Visibility keine Marketing-Initiative ist, auch wenn Marketing das Gespräch zunächst führen wird. Es ist eine Technik-Content-Strategie-Schnittstelle, die in den meisten Mittelstandsunternehmen aktuell niemand besitzt. Der CMO besitzt nicht robots.txt. Der CTO besitzt nicht, welche Pressemitteilungen verteilt werden. Die Agentur besitzt nicht, welche Wikipedia-Einträge existieren. Die Arbeit fällt zwischen die Stühle, weshalb ich sechs Monate nach dem AI-Overviews-Rollout immer noch Firmen finde, die nicht ein einziges AI-Visibility-Audit auf der eigenen Startseite gemacht haben.

Die Lösung ist kein neuer Tech-Stack. Sie ist eine Person, die das Audit anschaut, entscheidet, welche fünf Fixes am wichtigsten sind, und sie in einem Sprint umsetzt. Die Fixes selbst sind überwiegend langweilig: LocalBusiness-Schema schreiben, GPTBot freischalten, llms.txt publizieren, den Wikipedia-Artikel durch das Review bringen, einen einzigen Branchen-Analyst pitchen, einen quartalsweisen Re-Scan einrichten. Es gibt keine KI-Magie in der Reaktion — nur die Geduld, die neue Schicht so zu behandeln, wie wir SEO vor zwanzig Jahren behandelt haben, bevor es überhaupt ein Vokabular dafür gab.

Wie Sie anfangen

Wenn Sie Ihre eigene Zahl sehen wollen, ist der einfachste Weg ein Audit und fünf Minuten dabei zu sitzen. Wir haben dieselbe Methodik, die wir auf den sechs Marken angewandt haben, live unter produktentdecker.com/ai-visibility, mit den sechs Referenzreports auf der Seite verlinkt, damit Sie Ihre Domain gegen eine bekannte Baseline vergleichen können. Es gibt auf der Seite aktuell kein Upsell; das Ziel ist, das Audit als eigenständiges Artefakt nützlich zu machen und dem Gespräch einen Ausgangspunkt zu geben, der nicht anekdotisch ist. Zwei Folge-Beiträge werden in die technischen Fixes hineingehen — ein Schema-für-GenAI-Deep-Dive und eine nüchterne Marktübersicht zu AI-Visibility-Tools.

Der wirkungsvollste Einzelhebel, den ich dieses Jahr gesehen habe, ist keine neue Werbekampagne und kein Modell-Finetuning. Er ist, ein Audit der eigenen Startseite zu lesen, die drei Befunde auszuwählen, die das Engineering-Team vor dem nächsten Board-Meeting umsetzen kann, und acht Wochen später einen Re-Scan zu fahren. Sechs Marken, jeweils zwei Stunden Arbeit, Durchschnittsscore von 36 auf 70. Das ist die Größe der Lücke. Das ist auch die Größe der Chance.