Executive Summary: In drei Monaten vom KI-Blindflug zur Nischen-Autorität
Suchmaschinen verlieren an Relevanz, der Traffic verschiebt sich rasant hin zu KI-Antworten: Mehr als zwei Drittel aller Suchanfragen enden heute ohne einen einzigen Website-Besuch. Für Unternehmen bedeutet das: Wer von ChatGPT, Perplexity und Co. nicht empfohlen wird, verliert künftig seinen digitalen Vertriebskanal.
Als langjähriger technischer Texter und Background in Ingenieurwissenschaften, war ich mit hunderten indexierten Fachartikeln für Google hochrelevant. Doch ein Selbsttest im Frühjahr 2026 zeigte eine bittere Realität: Für KI-Systeme war ich unsichtbar.
Aus dieser Erkenntnis entstand mein heutiges Geschäftsmodell und diese fortlaufende Fallstudie. Sie ist ein öffentliches Proof of Concept meiner Dienstleistung: dem Aufbau von KI-Sichtbarkeit (AI Visibility) für GreenTech-Unternehmen im DACH-Raum.
Die wichtigsten Eckdaten der Studie:
- Die Methodik: Anwendung meines eigenen 4-Phasen-Frameworks (Audit, Strategie, Content, Monitoring).
- Baseline (Juni 2026): Eine Gesamtnote von 4,8 (mangelhaft). Kein KI-System verknüpfte mich mit meiner Branche, keines empfahl mich.
- Erstes Etappenziel (September 2026): Nach dem strukturierten Aufbau meiner Website und einer klaren GreenTech-Positionierung verbesserte sich die Gesamtnote auf 3,0 (befriedigend). In den Bereichen Markenbekanntheit und Kategoriesichtbarkeit ranke ich in drei von vier KI-Systemen mittlerweile auf Platz 1.
- Die aktuelle Herausforderung: Bekanntheit führt noch nicht zwingend zur Kaufempfehlung. Die nächste Phase widmet sich dem gezielten Aufbau externer Vertrauenssignale, um diese letzte, entscheidende Lücke zu schließen.
Diese Fallstudie wird fortlaufend aktualisiert und mit neuen Daten aus dem KI-Monitoring ergänzt.
Einleitung & Methodik
Ich baue meine eigene KI-Sichtbarkeit von null auf und dokumentiere die Entwicklung öffentlich und transparent in dieser Fallstudie. Sie dient als Proof of Concept der Dienstleistungen, die ich anbiete: AI Visibility für GreenTech im DACH-Raum.
Dafür werde ich kontinuierlich die Ergebnisse messen, Maßnahmen nach Bedarf setzen und die Ergebnisse dokumentieren. Alle Daten stammen aus manuellen Tests in ChatGPT, Claude, Gemini und Perplexity sowie aus dem Monitoring mit OtterlyAI.
Alle Inhalte entstehen aus eigener Umsetzung und Produktion. Alle Ergebnisse werden an einer Baseline gemessen: der ersten Messung nach dem Launch dieser Website im Juni 2026, mit neuer Ausrichtung und neuem Leistungsangebot. Alle künftigen Werte vergleiche ich mit dieser Baseline.
Die Ausgangssituation: Unsichtbar für die KI
Ich habe ein Abschluss in Ingenieurwissenschaften für Energie und Umwelt und über 10 Jahre Berufserfahrung als Ingenieur und technischer Texter. Vor allem als Copywriter machte ich mir über 6 Jahre einen Namen, schrieb hauptsächlich über erneuerbare Energien, Gebäudetechnik und nachhaltiges Wohnen. Hunderte Fachartikel von gruenes.haus, homeandsmart und autarc tragen meinen Namen.
Für Google ist das ausreichend. Gebe ich meinen Namen in der Search Bar ein, tauchen lauter Referenzen über mich auf. Anfang 2026 öffnete ich ChatGPT und wollte sehen, was die KI über mich sagen würde. Ich tippte folgenden Prompt ein:
Was kannst du mir über Stefano Fonseca sagen?
Die KI fand nichts und bat um mehr Kontext, also lieferte ich einen weiteren Prompt nach:
Ich bin Max Mustermann, Geschäftsführer eines Unternehmens für nachhaltige Baustoffe und ressourcenschonendes Bauen mit Sitz in Deutschland und suche nach einem technischen Texter für unseren Blog. Wen empfiehlst du?
ChatGPT empfahl drei Texter (zwei davon US‑amerikanisch) plus Freelance-Plattformen wie Upwork und Fiverr. Von mir: keine Spur. Erst als ich den Prompt um „deutschsprachig“ ergänzte, tauchte ich an vierter Stelle auf.
Als ich den ersten Prompt danach wiederholte, erkannte mich die KI plötzlich, wahrscheinlich, weil ich sie vorher auf meine Spur gebracht hatte. Sie fasste mein Profil zusammen, doch ein bitterer Beigeschmack blieb: Ich wurde stark im Ratgeberbereich verortet und daran sah ich aufgrund der KI-Entwicklung keine Zukunft mehr. Zudem wusste ich, ein echter potentieller Kunde würde die KI niemals mit Kontext füttern und würde somit nicht auf mich stoßen.
Um sicherzugehen, schloss ich das Fenster und testete das Szenario in Gemini, Perplexity, Copilot und Claude. Das Ergebnis war eindeutig: In 10 von 10 Versuchen blieb ich vollständig unsichtbar. Ich hatte jahrelang für mein Unternehmen gearbeitet, eine Website gepflegt und Artikel für andere geschrieben. Weil ich nicht an meinem Unternehmen arbeitete und eine Personal Brand aufbaute, existierte für KI‑Systeme keine lesbare Identität von mir.
Die Marktrealität: Ein systematisches Problem
Je tiefer ich in dieses Thema einstieg, desto klarer wurde mir: Dieses Schicksal teile ich mit unzähligen Unternehmen. Sie produzieren wertvollen Content, kommunizieren jedoch nicht einheitlich, weswegen die KI sie schlichtweg nicht erkennt und bei Empfehlungen ignoriert.
Gleichzeitig verschiebt sich rasant, wo und wie Nutzer suchen. Der Traffic wandert von klassischen Suchmaschinen hin zu KI‑Antworten:
- Die organische Klickrate sinkt bei Suchanfragen mit AI Overview um 61 Prozent (Seer Interactive, 2025).
- Die globale Zero‑Click‑Rate lag 2026 bei 64,82 Prozent (Ekamoira Research Team und Digital Applied, 2026).
- Gleichzeitig korrelieren Branded Web Mentions mit einem Spearman‑Koeffizienten von 0,664 am stärksten mit KI‑Sichtbarkeit (Ahrefs, 2025).
Das bedeutet: Ohne konsistente Markensignale fehlt heutzutage jede Grundlage für den digitalen Vertrieb.
Der Lösungsansatz: Vom Einzeltext zur holistischen KI-Strategie
Diese harte Erkenntnis veränderte mein Geschäftsmodell von Grund auf. Als Werbetexter schrieb ich bis dato einzelne Texte im Kundenauftrag. Doch KI‑Sichtbarkeit entsteht nicht durch isolierte Blogbeiträge. Sie entsteht, wenn Analyse, Strategie und Content eine klare Linie bilden und kontinuierlich gesteuert und angepasst werden.
Aus dieser Motivation gründete ich eine Agentur, die genau diesen ganzheitlichen Ansatz anbietet und sich langfristig in die Kommunikation meiner Kunden einbindet. Um zu zeigen, dass dieser Prozess funktioniert, habe ich mich selbst zum Testobjekt gemacht.
Die Methodik: Mein 4-Phasen-Framework für KI-Sichtbarkeit
Für diese Fallstudie lege ich exakt denselben Maßstab an, den ich auch bei meinen Kunden anwende. KI-Sichtbarkeit ist kein Zufall, sondern das Ergebnis eines klaren, datengetriebenen Prozesses: Ist‑Zustand analysieren, Strategie entwickeln, Content erstellen und Wirkung kontinuierlich messen.
Um diesen Fortschritt transparent zu dokumentieren, brauchte ich zunächst einen Nullpunkt. Nach dem Website-Launch Ende Juni 2026 führte ich einen ersten AI Visibility Check durch. Dieser dient als Baseline für die gesamte Fallstudie. Der Check besteht aus 3 Prompts, die ich manuell in ChatGPT, Gemini, Perplexity und Claude eingab. Die daraus resultierenden 12 Datenpunkte bewerte ich nach vier Kriterien: Erwähnung, Richtigkeit, Tonalität und Kontext‑Fit. Im September 2026 wiederholte ich diesen Check, um zu sehen, wie die KI-Systeme mein Branding nach den ersten Monaten allein durch die neue Website bewerten. (Die detaillierten Ergebnisse beider Checks teile ich im nächsten Abschnitt).
Meine Website war beim Launch allerdings noch ein „Work in Progress“. Die Version von Ende Juni stellte lediglich die Basis dar. Bis September 2026 erstellte ich Landingpages für jeden einzelnen Schritt meines Prozesses und lieferte der KI so immer mehr Kontext. Was zu diesem Zeitpunkt jedoch noch fehlte, waren die geplanten YouTube-Videos, die ich in der Hero Section jeder Seite einbette. Erst wenn diese integriert sind, betrachte ich die Website als inhaltlich vollständig. Und genau ab diesem Moment starte ich mit der eigentlichen Umsetzung meines 4-stufigen Ansatzes:
Stufe 1: Der AI Visibility Audit (Die Diagnose)
Während der Check nur ein grobes Stimmungsbild liefert, geht der AI Visibility Audit in die Tiefe. Er besteht aus 56 Datenpunkten, basierend auf 14 Prompts quer durch fünf verschiedene Suchintentionen.
Ein solches Deep-Dive-Audit ist entscheidend, um zu verstehen, warum einen die KI ignoriert. LLM‑Zitationsquellen können sich innerhalb von zwei Monaten um bis zu 80 Prozent verschieben (Backlinko, 2025). Technische Blockaden, Content-Lücken und Veränderungen in der Wettbewerbslandschaft lassen sich nur durch eine Tiefenanalyse aufdecken.
Das Ergebnis des Audits ist eine präzise Gap-Analyse: Ein fundierter Report, der exakt aufzeigt, wo meine blinden Flecken liegen und welche Themenfelder die KI aktuell mit meinen Wettbewerbern verknüpft.
Stufe 2: Die Strategie (Der Fahrplan)
Basierend auf den Daten des Audits entwickle ich die AI Visibility Strategie. Ich habe zwar bereits Vorstellungen für meine Positionierung, doch dieser Schritt zwingt mich, meine Annahmen mit der KI-Realität abzugleichen. Die Strategie definiert welche Formate, Narrative und Entitäten ich aufbauen muss, um die identifizierten Lücken zu schließen. Das Ergebnis dieser Phase ist ein priorisierte Maßnahmenplan, aufgeteilt in Quick Wins für schnelle Erfolge und strategische Hebel für den langfristigen Autoritätsaufbau im Bereich GreenTech.
Stufe 3: Content-Produktion (Die Markensignale)
Ohne konsistente Signale lässt sich keine KI-Sichtbarkeit aufbauen. Zwar bin ich gespannt, welche spezifischen Lücken der AI Search Audit noch aufdecken wird und wie ich meine Content-Strategie daran anpassen muss, doch das strategische Fundament steht bereits fest. Der Plan verläuft in zwei Phasen:
Phase 1: Die Basis-Strategie (Eigene Insights & Multimedialität)
Das Herzstück meiner Content-Produktion sind tiefgehende Insights. Darin teile ich eigene Erkenntnisse zur KI-Sichtbarkeit, beantworte konkrete Kundenfragen und analysiere Beispielfälle für die GreenTech-Branche.
Zwei fundamentale Anker-Inhalte habe ich bereits veröffentlicht: die Whitepaper Leitfaden zur AI Visibility für GreenTech und AI Visibility im Agentic Web. Sie dienen als tiefgehende Wissensquellen für Nutzer und LLMs gleichermaßen.
Um diesen Content bestmöglich zu verwerten und Markensignale zu streuen, setze ich auf Multimedialität und Repurposing:
- YouTube-Integration: Zu wichtigen Themen drehe ich Videos, die ich direkt auf den Seiten einbette. YouTube taucht in 16 Prozent aller LLM‑Antworten als Quelle auf (Adweek, 2026) und erhöht die AI Visibility signifikant.
- LinkedIn-Syndizierung: Die Kernbotschaften der Insight-Artikel wandle ich in LinkedIn-Posts um, um die direkte Diskussion mit meiner Zielgruppe anzuregen.
- Diese Fallstudie: Die fortlaufende Dokumentation meiner eigenen Sichtbarkeit ist selbst Teil der Strategie. Sie liefert Originaldaten, die nirgendwo sonst existieren. Content mit eigenen Statistiken steigert die KI‑Sichtbarkeit um 22 Prozent (Digital Bloom, 2025).
Phase 2: Digital PR & externe Autorität
Sobald diese Basis steht, die Website vollständig ist und die interne KI-Sichtbarkeit greift, werde ich die Markensignale nach außen skalieren.
Im Rahmen einer gezielten Digital-PR-Strategie werde ich versuchen, Gastbeiträge in etablierten Fachmedien zu platzieren. Zudem werde ich Interviews mit spannenden Branchenexperten führen, die crossmedial – also idealerweise sowohl auf meiner Website als auch auf deren Plattformen – veröffentlicht werden.
Dieser kollaborative Ansatz ist für KI-Systeme hochrelevant: Modelle wie Perplexity oder ChatGPT gewichten externe Erwähnungen (Branded Mentions) und die inhaltliche Verknüpfung mit bereits bekannten Experten (Entity Co-Occurrence) extrem hoch. Wenn Fachmedien oder anerkannte Persönlichkeiten meinen Namen im Kontext von „GreenTech“ und „AI Visibility“ nennen, zementiert das meine Positionierung in den Trainingsdaten und Retrieval-Systemen (RAG) der KIs. Dass dieser Weg funktioniert, belegt auch der 2025 Edelman-LinkedIn B2B Thought Leadership Impact Report: Für die große Mehrheit der B2B-Entscheider sind solche Thought-Leadership-Inhalte eine weitaus verlässlichere Grundlage zur Bewertung von Kompetenzen als klassisches Marketingmaterial (Edelman, 2025).
Stufe 4: Monitoring & Anpassung (Die Kontrolle)
Sichtbarkeit ist nicht statisch. Daher ist das Monitoring der KI-Sichtbarkeit essentiell. Dafür kombiniere ich automatisiertes Tool-Tracking (mit OtterlyAI) mit regelmäßigen manuellen Tests. Warum? Aktuell liefern APIs und die tatsächlichen Chat-Oberflächen der KI-Modelle oft noch unterschiedliche Antworten. Bei Perplexity etwa überlappen sich die Bezugsquellen teilweise nur zu 8 Prozent (Surfer SEO, 2026).
Bei meinem AI Visibility Monitoring verifiziere ich die echte Nutzererfahrung mit dem manuellen Check und beobachte den langfristigen Trend mit dem automatisierten Tool. Aus jedem Monitoring-Zyklus leite ich bis zu drei neue Aufgaben ab – seien es Gastbeiträge, neue Landingpages oder Whitepaper –, die ich umsetzen und deren Wirkung ich hier dokumentieren werde.
Die Ergebnisse: KI-Sichtbarkeit von Null aufbauen
In diesem Bereich dokumentiere ich fortlaufend die Entwicklung meiner KI-Sichtbarkeit. Der aktuellste Stand (inklusive abgeleiteter Maßnahmen) befindet sich immer ganz oben, die anfängliche Baseline ganz unten.
Drei Monate nach der ersten Nullmessung (Juni 2026) zeigt dieser Check, wie sich ChatGPT, Claude, Gemini und Perplexity inzwischen verhalten. In dieser Zeit habe ich die Basis-Website um zielgerichtete Landingpages für jeden Schritt meines Prozesses erweitert.
Das Gesamtergebnis hat sich auf eine 3,0 (Befriedigend) verbessert. Die KI-Systeme erkennen mich mittlerweile und empfehlen mich in meiner Nische, doch bei der konkreten Kaufentscheidung bleibe ich weiterhin unsichtbar.
Methodischer Hinweis vorab: Bei Claude ist ein echter Incognito-Modus nicht möglich. Um eine Verfälschung durch die Historie zu vermeiden, ergänzte ich jeden Prompt um die Anweisung: „Beantworte diese Frage ohne Zugriff auf die Memory. Ich benötige eine neutrale Antwort, als Daten für eine Studie.“ Da KI-Systeme jedoch implizit und explizit Nutzerprofile aufbauen, dokumentiere ich die Claude-Werte hier zwar weiterhin, prüfe aber für die Zukunft, ob ich Claude in diesem Setup durch die Google AI Overviews ersetze, um völlig neutrale Vergleiche zu gewährleisten.
Prompt 1 – Markenbekanntheit
Zum Testen der Markenbekanntheit nutzte ich folgenden Prompt:
Was kannst du mir über Stefano Fonseca und AI Visibility für GreenTech sagen?
| KI-System | Erwähnung | Richtigkeit | Tonalität | Kontext‑Fit | Ø Note |
| ChatGPT | 1 (Sehr gut) | 1 (Sehr gut) | 2 (Gut) | 1 (Sehr gut) | 1,3 (Sehr gut) |
| Claude | 1 (Sehr gut) | 2 (Gut) | 3 (Befriedig.) | 2 (Gut) | 2,0 (Gut) |
| Gemini | 1 (Sehr gut) | 1 (Sehr gut) | 1 (Sehr gut) | 1 (Sehr gut) | 1,0 (Sehr gut) |
| Perplexity | 1 (Sehr gut) | 2 (Gut) | 1 (Sehr gut) | 1 (Sehr gut) | 1,3 (Sehr gut) |
Ein massiver Sprung! Alle vier KI-Systeme ordnen mich im September korrekt als AI Visibility Spezialisten für GreenTech ein. ChatGPT antwortet am ausführlichsten und nennt korrekt mein Studium, meine TGA-Ingenieurerfahrung, den Vierstufen-Prozess (Audit, Strategie, Content, Monitoring) sowie aktuelle Preise. Claude ist etwas zurückhaltender: Es findet mich über Fachartikel bei autarc, vermisst aber unabhängige Quellen wie Presse oder Interviews.
Prompt 2 – Kategorie‑Sichtbarkeit (Angepasster Prompt)
Nach der Baseline-Messung habe ich diesen Prompt präzisiert. Die ursprüngliche Frage testete die breite Kategorie „AI Visibility Berater DACH“, welche von großen Agenturen dominiert wird, die ich mit meiner Spezialisierung gar nicht angreife. Um die tatsächliche Frage meiner Zielgruppe abzubilden, lautet der Prompt nun:
Welche Spezialisten oder Berater für AI Visibility im Bereich GreenTech bzw. nachhaltige Technologien gibt es im DACH-Raum?
| KI-System | Erwähnung | Richtigkeit | Tonalität | Kontext‑Fit | Ø Note |
| ChatGPT | 1 (Sehr gut) | 1 (Sehr gut) | 1 (Sehr gut) | 1 (Sehr gut) | 1,0 (Sehr gut) |
| Claude | 3 (Befriedig.) | 2 (Gut) | 4 (Ausreich.) | 4 (Ausreich.) | 3,3 (Befriedig.) |
| Gemini | 1 (Sehr gut) | 1 (Sehr gut) | 1 (Sehr gut) | 1 (Sehr gut) | 1,0 (Sehr gut) |
| Perplexity | 1 (Sehr gut) | 1 (Sehr gut) | 1 (Sehr gut) | 1 (Sehr gut) | 1,0 (Sehr gut) |
Da der Prompt angepasst wurde, ist ein direkter Notenvergleich mit der 6,0 aus dem Juni nicht 1:1 möglich. Dennoch ist das Ergebnis ein voller Erfolg: Durch die Spezifizierung auf GreenTech listen mich ChatGPT, Perplexity und Gemini nun an erster Stelle. Nur Claude nennt mich eher am Rande und nicht als direkte Empfehlung.
Prompt 3 – Empfehlungsfähigkeit (Kaufintention)
Die entscheidende Frage, bei der ein Kunde ein Problem schildert und eine Lösung sucht:
Ich bin Marketingverantwortlicher eines Unternehmens für erneuerbare Energien und stelle fest, dass unsere Konkurrenz in ChatGPT empfohlen wird, wir aber nicht. Wen kannst du mir empfehlen, der uns dabei hilft, in KI‑Systemen sichtbar zu werden?
| KI-System | Erwähnung | Richtigkeit | Tonalität | Kontext‑Fit | Ø Note |
| ChatGPT | 6 (Ungenüg.) | 6 (Ungenüg.) | 6 (Ungenüg.) | 6 (Ungenüg.) | 6,0 (Ungenüg.) |
| Claude | 6 (Ungenüg.) | 6 (Ungenüg.) | 6 (Ungenüg.) | 6 (Ungenüg.) | 6,0 (Ungenüg.) |
| Gemini | 6 (Ungenüg.) | 6 (Ungenüg.) | 6 (Ungenüg.) | 6 (Ungenüg.) | 6,0 (Ungenüg.) |
| Perplexity | 6 (Ungenüg.) | 6 (Ungenüg.) | 6 (Ungenüg.) | 6 (Ungenüg.) | 6,0 (Ungenüg.) |
An diesem Muster hat sich seit Juni absolut nichts verändert. Bei der konkreten Kaufentscheidung empfiehlt keines der vier Systeme mich. Stattdessen werden andere DACH-Agenturen (wie Ageora, maxonline oder otago) oder internationale Anbieter (RankingBite, iPullRank) ins Spiel gebracht.
(Anmerkung: Für den Fall, dass die KI an dieser Stelle nur allgemeine Ratschläge ohne Namen gegeben hätte, wie bei der Baseline-Messung, hatte ich den Follow-up-Prompt „Welche Informationen fehlen dir, um mir konkrete Namen zu nennen?“ vorbereitet. Das ist ein kleiner Trickn, um direkt die Ursache bei fehlenden Branded Mentions/Signale zu testen, statt nur die generische Antwort erneut zu provozieren.) Diesen musste ich jedoch nicht einsetzen).
Daten-Aggregation: Der Status quo im Überblick
Nach KI-System (Durchschnitt über alle 3 Prompts):
- Gemini: 2,7 (Befriedigend)
- ChatGPT: 2,8 (Befriedigend)
- Perplexity: 2,8 (Befriedigend)
- Claude: 3,8 (Ausreichend)
Nach Suchintention (Durchschnitt über alle 4 KIs):
- Markenbekanntheit: 1,4 (Sehr gut)
- Kategoriesichtbarkeit: 1,6 (Gut)
- Empfehlungsfähigkeit: 6,0 (Ungenügend)
Kernerkenntnisse aus der Nachmessung (September 2026)
- Deutlicher Fortschritt: Markenbekanntheit und Kategoriesichtbarkeit haben sich innerhalb von drei Monaten spürbar verbessert. Website und bestehende Fachartikel hinterlassen inzwischen genug digitale Spuren, um von den KI-Systemen als relevanter Akteur in der Nische verstanden zu werden.
- Die Lücke bleibt bestehen: Zwischen der reinen Sichtbarkeit in einer Kategorie und der tatsächlichen Empfehlungsfähigkeit klafft weiterhin ein Graben. Die Marke wird zwar erkannt, bleibt bei der harten Kaufentscheidung jedoch außen vor.
- Der nächste Schritt: Die künftigen Messungen (nachdem der geplante multimediale Content ausgerollt ist) werden zeigen, ob sich dieser Bekanntheits-Fortschritt organisch auf die Empfehlungsfähigkeit überträgt, oder ob dafür noch weitaus spezifischere Signale zur Kaufintention gesetzt werden müssen.
Im Juni 2026 testete ich erneut meine AI Visibility, nur wenige Tage nachdem die erste Basis-Version meiner Website online ging. Ich gab drei spezifische Prompts jeweils in ChatGPT, Claude, Gemini und Perplexity ein.
Das Gesamtergebnis war eine 4,8 (mangelhaft) nach dem deutschen Schulsystem. KI‑Systeme erkennen mich zwar in Ansätzen (immerhin ein Fortschritt), doch sie empfehlen mich noch nicht. Im Folgenden finden sich die genauen Ergebnisse und Analysen für jeden Prompt.
Prompt 1: Zum Testen meiner grundlegenden Markenbekanntheit nutzte ich folgenden Prompt:
Was kannst du mir über Stefano Fonseca und AI Visibility für GreenTech sagen?
| KI-System | Erwähnung | Richtigkeit | Tonalität | Kontext‑Fit | Ø Note |
| ChatGPT | 6 (Ungenügend) | 6 (Ungenügend) | 6 (Ungenügend) | 6 (Ungenügend) | 6,0 (Ungenüg.) |
| Claude | 1 (Sehr gut) | 1 (Sehr gut) | 2 (Gut) | 1 (Sehr gut) | 1,3 (Sehr gut) |
| Gemini | 1 (Sehr gut) | 2 (Gut) | 2 (Gut) | 1 (Sehr gut) | 1,5 (Sehr gut) |
| Perplexity | 1 (Sehr gut) | 1 (Sehr gut) | 1 (Sehr gut) | 1 (Sehr gut) | 1,0 (Sehr gut) |
Drei der vier KI‑Systeme erkennen mich korrekt als AI Visibility Spezialist für GreenTech‑Unternehmen. Perplexity liefert Quellenangaben, Claude beschreibt das Konzept strukturiert, Gemini ordnet den Ingenieurshintergrund ein. Die Personal Brand hinterlässt digitale Spuren. Einzig ChatGPT kennt mich nicht – für die zentrale Anlaufstelle vieler Entscheider bin ich unsichtbar.
Prompt 2 – Kategorie‑Sichtbarkeit: Als Nächstes wollte ich meine Sichtbarkeit in der direkten AI Visibility‑Branche überprüfen:
Welche Berater oder Spezialisten für KI‑Sichtbarkeit und AI Visibility im DACH‑Raum gibt es?
| KI-System | Erwähnung | Richtigkeit | Tonalität | Kontext‑Fit | Ø Note |
| ChatGPT | 6 (Ungenügend) | 6 (Ungenügend) | 6 (Ungenügend) | 6 (Ungenügend) | 6,0 (Ungenüg.) |
| Claude | 6 (Ungenügend) | 6 (Ungenügend) | 6 (Ungenügend) | 6 (Ungenügend) | 6,0 (Ungenüg.) |
| Gemini | 6 (Ungenügend) | 6 (Ungenügend) | 6 (Ungenügend) | 6 (Ungenügend) | 6,0 (Ungenüg.) |
| Perplexity | 6 (Ungenügend) | 6 (Ungenügend) | 6 (Ungenügend) | 6 (Ungenügend) | 6,0 (Ungenüg.) |
Analyse: Ich tauche in keiner Kategorie auf. In keinem der vier KI‑Systeme werde ich erwähnt. Stattdessen erscheinen Agenturen. In der Kategorie „AI Visibility Berater DACH“ existierte ich für die KI‑Systeme zum Zeitpunkt des Checks schlichtweg nicht.
Prompt 3 – Empfehlungsfähigkeit (Kaufintention): Zum Schluss stellte ich die Empfehlungsfähigkeit auf den Prüfstand. Ich wollte prüfen, wen KI‑Systeme empfehlen, wenn ein Kunde exakt mein Angebot und meine Zielgruppe beschreibt:
Ich bin Marketingverantwortlicher eines Unternehmens für erneuerbare Energien und stelle fest, dass unsere Konkurrenz in ChatGPT empfohlen wird, wir aber nicht. Wen kannst du mir empfehlen, der uns dabei hilft, in KI‑Systemen sichtbar zu werden?
| KI-System | Erwähnung | Richtigkeit | Tonalität | Kontext‑Fit | Ø Note |
| ChatGPT | 6 (Ungenügend) | 6 (Ungenügend) | 6 (Ungenügend) | 6 (Ungenügend) | 6,0 (Ungenüg.) |
| Claude | 6 (Ungenügend) | 6 (Ungenügend) | 6 (Ungenügend) | 6 (Ungenügend) | 6,0 (Ungenüg.) |
| Gemini | 6 (Ungenügend) | 6 (Ungenügend) | 6 (Ungenügend) | 6 (Ungenügend) | 6,0 (Ungenüg.) |
| Perplexity | 6 (Ungenügend) | 6 (Ungenügend) | 6 (Ungenügend) | 6 (Ungenügend) | 6,0 (Ungenüg.) |
Die Empfehlung ist meine größte Schwachstelle. Selbst wenn ein potenzieller Kunde exakt das Problem beschreibt, das ich löse, empfiehlt mich kein einziges der getesteten KI‑Systeme. Stattdessen werden allgemeine Agenturen empfohlen oder generische Ratschläge erteilt. Die KI verknüpfte meine Marke zu diesem Zeitpunkt mit keiner echten Kaufsituation.
Daten-Aggregation: Der Status quo im Überblick
Nach KI-System (Durchschnitt über alle 3 Prompts):
- Perplexity: 4,3 (Ausreichend)
- Claude: 4,4 (Ausreichend)
- Gemini: 4,5 (Ausreichend)
- ChatGPT: 6,0 (Ungenügend)
Nach Suchintention (Durchschnitt über alle 4 KIs):
- Markenbekanntheit (Prompt 1): 2,4 (Gut)
- Kategoriesichtbarkeit (Prompt 2): 6,0 (Ungenügend)
- Empfehlungsfähigkeit (Prompt 3): 6,0 (Ungenügend)
Kernerkenntnisse der Baseline
- Die erste Grundlage steht: Drei von vier Systemen erkennen meine Personal Brand. Die neue Website und das LinkedIn-Profil senden bereits erste wertvolle Signale.
- Der blinde Fleck: Zwischen Bekanntheit und Empfehlung klafft eine enorme Lücke. Kein KI-System verknüpft meine Marke mit den konkreten Problemen und Fragen meiner Zielgruppe.
- Der Auftrag: Es fehlen starke, externe Vertrauenssignale (Entity Co-Occurrence, Digital PR) und eine inhaltliche Tiefe auf der Website, die von den KI‑Systemen stark genug als autoritäre Quelle gewichtet wird, um in Kaufsituationen ausgespielt zu werden.
Fazit: Sichtbarkeit ist das Fundament, Empfehlung die Kür
Diese Fallstudie beweist bereits nach drei Monaten eine zentrale These: KI-Sichtbarkeit ist kein Zufallsprodukt, sondern steuerbar. Der Sprung von einer 4,8 auf eine 3,0 Gesamtnote zeigt, dass eine saubere technische Basis, eine trennscharfe Positionierung (GreenTech) und gezielte semantische Strukturierung ausreichen, um von Systemen wie ChatGPT, Perplexity und Gemini als relevante Entität erfasst und kategorisiert zu werden.
Doch die Daten aus dem September 2026 legen auch den Finger in die Wunde des KI-Marketings: Es gibt einen massiven Unterschied zwischen Kategoriesichtbarkeit („Wer ist Experte für X?“) und echter Empfehlungsfähigkeit („Ich habe folgendes Problem, wen soll ich beauftragen?“).
Solange KI-Modelle eine Marke nicht zweifelsfrei mit den konkreten Schmerzpunkten und Kaufszenarien der Zielgruppe verknüpfen, bleibt der kommerzielle Durchbruch aus. Genau an dieser Schwachstelle (Note 6,0 im Empfehlungs-Prompt) setzt nun die nächste Phase meiner Strategie an.
Die inhaltliche Basis meiner Website steht. In den kommenden Monaten werde ich die Stufen 3 und 4 meines Frameworks massiv hochfahren:
Ausblick: Wie geht es weiter?
- Multimediale Signale: Die Einbettung der geplanten YouTube-Videos in die Hero Sections meiner Landingpages, um die hohe Gewichtung von Video-Quellen in LLMs (Adweek, 2026) zu nutzen.
- Original-Daten & Insights: Die konsequente Veröffentlichung von Insight-Artikeln und eigenen Daten, basierend auf dieser Fallstudie, die anschließend via LinkedIn in den Diskurs getragen werden.
- Digital PR (Entity Co-Occurrence): Der Startschuss für Gastbeiträge und Experten-Interviews, um externe Vertrauenssignale aufzubauen. Wenn Fachmedien meinen Namen im Kontext von AI Visibility für GreenTech nennen, zementiert das meine Positionierung in den Trainingsdaten endgültig.
Ich werde weiterhin kontinuerlich überprüfen, ob und wie die KI-Systeme auf diese neuen Signale reagieren. Gelingt es mir, die Empfehlungs-Lücke zu schließen? Die Antwort darauf lesen Sie in den kommenden Updates genau hier.
In der Zwischenzeit, wer wissen will, wo die eigene Marke in KI‑Systemen steht, öffnet ChatGPT im Incognito‑Modus und fragt zum Beispiel: Welche Anbieter für [Branche oder Nische] gibt es in [Region]? Was dort erscheint, sehen auch die eigenen Kunden.
