KI-Sichtbarkeit: Die Shortlist entsteht ohne dich

Ein Einkaufsteam fragt ChatGPT nach Lieferanten für Praxisbedarf. Die Antwort nennt fünf Anbieter. Deiner ist nicht dabei. Deine Commerce-Plattform kann schnell, sauber und gut sortiert sein: In diesem Moment spielt sie keine Rolle.

Genau das betrifft fast jedes zweite Unternehmen im B2B-Gesundheitsmarkt. Im B2B Commerce Report HEALTH erreichten 48 % der 64 untersuchten Hersteller und Großhändler beim AI Visibility Score null Punkte. In den Antworten auf typische Käuferfragen tauchten sie nicht auf.

KI-Sichtbarkeit gehört damit auf die Agenda von Commerce-Verantwortlichen. Wer sie nicht misst, weiß nicht, ob die Shortlist längst ohne das eigene Unternehmen entsteht.

Das erwartet dich:

• Was KI-Sichtbarkeit ist und wie der Report sie gemessen hat

• Warum technische Readiness allein niemanden in die Antwort bringt

• Wer im Unternehmen zuständig sein sollte

• Fünf Schritte zu einem messbaren GEO-Backlog

Die Shortlist entsteht im Chatfenster

B2B-Einkauf beginnt immer seltener mit einer Suchergebnisliste. Laut Forrester Buyers' Journey Survey 2025 nutzten 94 % der B2B-Käufer:innen KI im Einkaufsprozess, im Vorjahr waren es 89 % (veröffentlicht Januar 2026).

Recherche, Vergleich und Vorauswahl wandern damit in KI-Assistenten. Dort fasst ein System die Optionen zusammen, bevor jemand eine einzige Lieferanten-Website öffnet. Wer in dieser Antwort fehlt, muss hoffen, dass Einkaufsteams anderswo auf ihn stoßen.

Der Haken dabei: Die Forrester-Zahl beschreibt den Markt. Wie oft deine Kund:innen KI nutzen und welche Fragen sie stellen, zeigt nur deine eigene Messung.

Was ist KI-Sichtbarkeit und wie misst man sie?

KI-Sichtbarkeit beschreibt, ob ein Unternehmen in KI-generierten Antworten auf relevante Käuferfragen genannt wird. Generative Engine Optimization (GEO) umfasst alle Maßnahmen, die diese Präsenz verbessern: klare Unternehmensfakten, strukturierte Daten und zitierfähige Inhalte.

Für den B2B Commerce Report HEALTH hat creativestyle die KI-Sichtbarkeit gemeinsam mit der Datenberatung WOXOW gemessen. Pro Marktsegment liefen zehn standardisierte Käuferfragen sieben Tage lang durch ChatGPT und Perplexity. Die Rohdaten sind archiviert.

Bewertet wurden fünf Kriterien, jeweils mit 0, 1 oder 2 Punkten und ohne Gewichtung:

• AI Visibility Score: Taucht das Unternehmen in den Antworten auf?

• Share of Voice: Wie groß ist sein Anteil an allen Erwähnungen?

• Citations: Wird die eigene Domain als Quelle verlinkt?

• Sentiment: In welchem Ton wird es beschrieben?

• SEO-Visibility: Wie sichtbar ist es in der organischen Suche?

Das Ergebnis beim AI Visibility Score: 48 % erfüllten das Kriterium nicht, 36 % teilweise, 16 % vollständig.

So ist die Zahl zu lesen: Sie ist eine dokumentierte Momentaufnahme für die definierten Fragen, Systeme und den Erhebungszeitraum (1. Juni bis 4. September 2026). Sie zeigt, wer fehlt. Warum jemand fehlt, zeigt sie nicht.

Lesbar für Maschinen heißt noch nicht genannt

Der Report prüft zwei Dinge getrennt. Agentic Readiness fragt, ob Maschinen deine Plattform nutzen können: Crawling-Zugriff, strukturierte Produktdaten, Richtlinien für KI-Agents, eine llms.txt. Erhoben wurde das mit dem Agentic Readiness Scanner von Shopware.

KI-Sichtbarkeit fragt etwas anderes: Wirst du genannt, wenn jemand eine passende Frage stellt?

Beides hängt zusammen, ist aber kein Automatismus. Eine Plattform kann technisch sauber vorbereitet sein und trotzdem fehlen, etwa weil die Modelle wenig oder Falsches über das Unternehmen wissen. Konkret heißt das: Technik öffnet die Tür. Ob ein Antwortsystem dich empfiehlt, entscheiden die Fakten, die es über dich findet.

Viele Antwortsysteme arbeiten mit Retrieval: Sie rufen passende Seiten ab und stützen ihre Antwort darauf. Klare, belastbare Quellen über dein Unternehmen sind deshalb kein Nice-to-have. Sie sind das Material, aus dem die Antwort gebaut wird.

Wer kümmert sich eigentlich darum?

KI-Sichtbarkeit fällt in vielen Unternehmen zwischen alle Stühle. Marketing sieht ein SEO-Thema, IT ein Datenthema, der Vertrieb merkt nur, dass weniger Anfragen kommen.

Unsere Empfehlung: Eine Person verantwortet die Messung, das Commerce-Team die Umsetzung. Die Rollen dahinter sind klar verteilt:

• Vertrieb liefert echte Fragen aus der Lieferantenauswahl.

• Marketing prüft Unternehmensbeschreibungen und externe Quellen.

• Commerce entscheidet, wo hilfreiche Antworten im Katalog oder im Content landen.

• Entwicklung steigt ein, wenn Zugriff, Rendering oder Datenausspielung klemmen.

In der Praxis zeigt sich ein typischer Fehler: Teams springen von der Beobachtung direkt zur Lösung. „Wir wurden nicht genannt“ ist eine Beobachtung. „Uns fehlen strukturierte Daten“ ist eine Hypothese. Wer beides verwechselt, plant einen Plattformumbau, wo eine korrigierte Unternehmensbeschreibung gereicht hätte.

Auch der Report zeigt das. Im Segment Praxisbedarf wird ein Anbieter zuerst genannt, ein vergleichbarer taucht gar nicht auf. Welche Eigenschaft den Unterschied macht, beantwortet ein einzelner Test nicht. Dafür braucht es eine eigene Baseline.

In fünf Schritten zum GEO-Backlog

1. Baseline aus echten Käuferfragen bauen. Sammle Fragen aus Vertriebsgesprächen und Ausschreibungen. Trenne Markenfragen von Kategoriefragen. Dokumentiere pro Test Prompt, System, Datum, Erwähnung und zitierte Quellen.

2. Antworten gegen deine Positionierung legen. Beschreibt die KI deine Produkte, Anwendungen und deine Rolle als Lieferant korrekt? Ein häufiges Muster: Ein Spezialanbieter erscheint als allgemeiner Händler. Sachliche Fehler korrigierst du zuerst.

3. Wikidata aufräumen. Unternehmensname, offizielle Website und relevante Beziehungen müssen stimmen und belegt sein. Das ist einer der Quick Wins, die WOXOW im Report empfiehlt.

4. Eine Entity Grounding Page veröffentlichen. Das ist eine Seite, die alle zentralen Unternehmensfakten an einem Ort bündelt: Kompetenzen, Marken, Zertifikate, Belege. Gib ihr eine verantwortliche Person, sonst veraltet sie.

5. Neu testen und sauber trennen. Lass nach jeder Änderung dieselben Fragen erneut laufen. Erfasse Erwähnungen und Zitate getrennt von qualifizierten Anfragen und Conversions. Mehr Sichtbarkeit ist ein Ergebnis, Umsatz ein anderes.

Fazit: KI-Sichtbarkeit messen, bevor du investierst

Fast die Hälfte der untersuchten Health-Anbieter fehlt in KI-Antworten auf typische Käuferfragen. KI-Sichtbarkeit ist damit messbar, und sie ist ungleich verteilt.

Für Entscheider:innen folgt daraus eine klare Reihenfolge: erst messen, dann diagnostizieren, dann investieren. Wer diese Reihenfolge einhält, bekommt ein Backlog mit überprüfbaren Aufgaben statt hektischer Einzelprojekte.

Die nächste Ausgabe des Reports wird zeigen, wie sich die Werte bewegen. Bis dahin lohnt sich die eigene Baseline. Denn eine einzelne Messung zeigt den Stand, erst die Wiederholung zeigt die Richtung.

FAQ

Was ist KI-Sichtbarkeit?

KI-Sichtbarkeit beschreibt, ob ein Unternehmen in KI-generierten Antworten auf relevante Käuferfragen genannt wird, etwa in ChatGPT oder Perplexity. Sie ist eine Kennzahl für Auffindbarkeit. Über Anfragen oder Umsatz sagt sie allein nichts aus.

Wie misst man KI-Sichtbarkeit?

Du definierst echte Käuferfragen, stellst sie über einen festen Zeitraum in mehreren KI-Systemen und dokumentierst Erwähnungen, Zitate und Tonalität. Der B2B Commerce Report HEALTH nutzt zehn Fragen pro Segment über sieben Tage.

Was ist der Unterschied zwischen GEO und SEO?

SEO zielt auf Rankings in Suchergebnislisten. Generative Engine Optimization zielt darauf, in KI-Antworten genannt und als Quelle zitiert zu werden. Beide Disziplinen profitieren von klaren, gut erreichbaren und belegten Inhalten.

Was ist eine Entity Grounding Page?

Eine Entity Grounding Page bündelt die zentralen Fakten eines Unternehmens auf einer strukturierten Seite: Leistungen, Marken, Kompetenzen und Belege. Sie gibt KI-Systemen eine verlässliche Quelle und sollte von einer festen Person gepflegt werden.

Quellen

• B2B Commerce Report HEALTH, Ausgabe 01, 2026

• Forrester: Buyers' Journey Survey 2025, veröffentlicht Januar 2026