KI-Chatbots suchen nach Marken, die sie bereits kennen

KI-Chatbots suchen nach Marken, die sie bereits kennen

Marketer, die ihr Budget für KI-Sichtbarkeit 2027 planen, zielen womöglich auf den falschen Punkt. Neue Forschungsergebnisse deuten darauf hin, dass ein KI-Assistent schon vor jeder Suche entscheidet, welche Marken überhaupt infrage kommen - und zwar anhand dessen, was das Modell beim Training gelernt hat, lange bevor eine Suche stattfindet.

Studie: GeoSurge Stand: 5. November 2026

Die Ergebnisse stammen von GeoSurge, einem Unternehmen für KI-Sichtbarkeit. Mitgründer und CEO Francisco Vigo veröffentlichte die Analyse als Meinungsbeitrag bei Marketing Dive am 5. November 2026.

Erinnerte Marken werden zu 55,7 Prozent gesucht, nicht 17,4

GeoSurge hat getestet, wie oft ein KI-Assistent bei der Live-Websuche - einem Verfahren namens Retrieval-Augmented Generation - tatsächlich nach einer bestimmten Marke sucht. Entscheidend war, ob das Modell die Marke bereits aus seinen Trainingsdaten kannte.

Marken, die das Modell bereits kannte, wurden zu rund 55,7 Prozent gesucht, gegenüber 17,4 Prozent bei unbekannten Marken - etwa die dreifache Rate. Laut GeoSurge zeigte sich das Muster in allen neun untersuchten Branchen.

Top-5-Marken erreichen eine Suchrate von 67 Prozent

Bei den bekanntesten Namen einer Branche ist der Effekt noch stärker. Für die fünf meist erinnerten Marken eines Modells kletterte die Suchrate auf 67 Prozent - fast zwei Drittel aller markenbezogenen Suchen von GeoSurge nannten eine dieser fünf Marken.

GeoSurge erklärt den Mechanismus einfach: Ein Modell schreibt Suchanfragen auf Basis derselben gelernten Verknüpfungen, die es auch für jede andere Aufgabe nutzt. Es sucht kaum nach einer Marke, die es nie gelernt hat - genauso wenig, wie jemand ein Restaurant googeln kann, von dem er noch nie gehört hat.

Die Studie erfasste 13.281 Suchen aus neun Branchen

Um auf diese Zahlen zu kommen, erfasste GeoSurge zunächst, welche Marken ein Modell ohne Internetzugriff aus neun Branchen abrufen konnte. Anschließend stellte das Unternehmen über 12 Tage hinweg 66 realistische Kaufanfragen je 60 Mal, was rund 4.000 vollständige Antworten ergab.

Innerhalb dieser Antworten erfasste GeoSurge 13.281 einzelne Suchen, die das Modell im Hintergrund ausführte, um seine Antworten zusammenzustellen. Rund 69 Prozent davon waren allgemeine Kategorie-Anfragen ohne Markennamen; die restlichen 31 Prozent nannten eine bestimmte Marke - und die meisten davon eine, die sich das Modell bereits gemerkt hatte.

Automobilbranche erreicht 82 Prozent, Fitness nur 50

Wie stark der Gedächtniseffekt ausfällt, hängt von der Branche ab. In der Automobilbranche nannten 82 Prozent der markenbezogenen Suchen eine der fünf meist erinnerten Marken des Modells; im Finanzbereich waren es 77 Prozent.

Bei Fitness und Wellness sah es anders aus: Dort nannten nur rund 50 Prozent der markenbezogenen Suchen eine Top-5-Marke, weil das Modell dort deutlich häufiger über sein Gedächtnis hinaus suchte. GeoSurge weist darauf hin, dass jede Branchenzahl auf nur sechs bis zwölf zugrunde liegenden Prompts beruht - eine kleine Stichprobe, die das Unternehmen selbst als Einschränkung der Studie nennt.

GeoSurges eigene Einschätzung, die laut eigener Aussage nicht direkt getestet wurde: Branchen, die von wenigen etablierten Marken dominiert werden, stützen sich stärker auf das Gedächtnis des Modells, während Branchen mit vielen kleineren oder neueren Anbietern das Modell dazu zwingen, über das Gelernte hinaus zu suchen.

Drei Budget-Verschiebungen für KI-Sichtbarkeit im Jahr 2027

Vigo zieht aus der Studie drei Schlüsse für die Budgetplanung 2027:

Optimierung zum Zeitpunkt der Anfrage bleibt wichtig, besonders für die rund 31 Prozent der Suchen, die tatsächlich eine Marke nennen, und allgemeine Kategorie-Anfragen lassen weiterhin Raum für kleinere, neuere Marken. GeoSurges zentrale These bleibt aber: Die meisten KI-Sichtbarkeits-Budgets zielen auf den falschen Moment im Prozess.

Häufige Fragen zur KI-Sichtbarkeit von Marken

Was hat die GeoSurge-Studie genau gemessen?

GeoSurge hat über 12 Tage 66 realistische Kaufanfragen je 60 Mal gestellt und dabei 13.281 einzelne Suchen ausgewertet, die ein KI-Assistent im Hintergrund ausführte. Entscheidend war, ob eine gesuchte Marke dem Modell schon aus dem Training bekannt war.

Warum suchen KI-Assistenten häufiger nach bekannten Marken?

Ein Modell schreibt Suchanfragen auf Basis derselben gelernten Verknüpfungen, die es für jede andere Aufgabe nutzt. Es sucht kaum nach einer Marke, die es nie gelernt hat - bekannte Marken wurden in der Studie zu 55,7 Prozent gesucht, unbekannte nur zu 17,4 Prozent.

Was sollten Marketer laut der Studie jetzt tun?

Vigo rät, zuerst zu prüfen, wie stark die eigene Branche vom Modellgedächtnis abhängt, Presseberichte und Bewertungen als langfristige Infrastruktur statt als Einzelaktion zu behandeln, und die Erinnerungsrate zu messen statt nur Zitationen in einzelnen Antworten.

Fazit

Wer sein Budget für KI-Sichtbarkeit nur auf die nächste Anfrage ausrichtet, kümmert sich um den falschen Moment. Die Entscheidung, ob eine Marke bei einer KI-Suche überhaupt vorkommt, fällt laut GeoSurge größtenteils schon beim Training des Modells - lange bevor jemand etwas fragt.

Wer jetzt in Sichtbarkeit und Traffic investiert, zahlt damit nicht nur auf die aktuelle Google-Suche ein, sondern auf das Gedächtnis der nächsten KI-Modell-Generation - die Lösungen für Webseitenbetreiber zeigen, wo das praktisch ansetzt.

Matthias Schulte
Produktentwickler, eBesucher
09 November 2026

Quelle: marketingdive.com