„Wir sind Marktführer, das KI-Thema hat noch Zeit”
Der Satz fällt in der Planungsrunde, und niemand widerspricht.
Von der anderen Seite desselben Tisches kommt das Spiegelbild: „Eine Firma unserer Größe holt die KI nie hervor, warum also Geld reinstecken?”
Ich saß in einem Raum, in dem beide Sätze innerhalb von zehn Minuten fielen. Und ich konnte keinen davon entkräften — beide stimmen halb, und genau das ist das Unangenehme daran.
Dann hat jemand 533 Marken nach Bekanntheit sortiert, 37.000 Empfehlungen gegen sie laufen lassen und geschaut, wo jede Gruppe rausfliegt. Die Ausfallstellen waren verschieden. Nicht ein bisschen, sondern grundsätzlich.
Hängt der Grund fürs Übergangenwerden an deiner Größe?
Ja — und darin steckt der ganze Befund. Große Marken kommen fast immer auf die Kandidatenliste und verlieren dann die Auswahl; kleine schaffen es gar nicht erst auf die Liste.
In Zahlen: Kategorieführer landeten nur in 25 bis 41 Prozent der Fälle als finale Empfehlung, obwohl sie praktisch immer als Kandidat auftauchten. Long-Tail- und Regionalmarken scheiterten in 48 bis 52 Prozent der Durchläufe schon am ersten Schritt, weil das Modell sie überhaupt nicht hervorholte (Studie, Unusual.ai, arXiv:2605.27439, veröffentlicht am 22. Mai 2026).
Das Audit umfasst 37.000 KI-Empfehlungen, 533 Marken und 19 Branchen, sortiert in fünf Bekanntheitsstufen.
Eine Sache gehört gleich auf den Tisch, weil sie den Rest einfärbt: Alle vier Autoren arbeiten bei Unusual.ai, und die Firma verkauft KI-Sichtbarkeitsmessung. „Jede Stufe braucht andere Maßnahmen” ist damit genau die Schlussfolgerung, die ein Diagnose-Produkt verkauft.
Der Trichter reißt an drei verschiedenen Stellen
Das Team zerlegt eine Empfehlung in drei Stufen, und diese Zerlegung macht die Unterschiede zwischen den Bekanntheitsstufen überhaupt erst lesbar.
Stufe eins ist das Auffinden: Findet das Modell dich und kommt es an Informationen über dich heran? Stufe zwei ist die Nennung: Schreibt es deinen Namen tatsächlich in die Antwort? Stufe drei ist die Auswahl: Kürt es dich zum Sieger des Vergleichs?
Kategorieführer nehmen Stufe eins fast immer und fallen bei Stufe drei — die besagten 25 bis 41 Prozent. Das ist kein Auffindungsproblem, das ist Differenzierung, die im direkten Vergleich unterliegt.
Long-Tail- und Regionalmarken bleiben in rund der Hälfte der Läufe schon auf Stufe eins hängen. Der Vergleich findet gar nicht statt, weil das Modell nie so weit kommt, ihn aufzumachen.
Die Klage klingt in beiden Fällen gleich — „wir tauchen in KI-Antworten nicht auf” — und die Wand davor ist eine andere. Also gehört auch das Budget woandershin.
Die beste Trefferquote haben die Herausforderer
Hier kam die Zahl, mit der ich nicht gerechnet hatte. Die Stufe, die das Team etablierte Herausforderer nennt, setzt sich in 37 bis 52 Prozent der Fälle durch, sobald sie auf der Kandidatenliste steht. Das ist die beste Quote aller gemessenen Stufen.
Besser als die Kategorieführer mit ihren 25 bis 41 Prozent. Und ohne das Auffindungsproblem, das die Stufen darunter auffrisst.
Das Mittelfeld, eine Sprosse tiefer, verliert auf allen drei Stufen gleichzeitig und landet bei 34 bis 40 Prozent. Der Weg vom Herausforderer ins Mittelfeld ist also keine sanfte Rampe: Die Form des Verlierens ändert sich.
Du musst nicht der größte Name der Branche sein, um die Auswahl zu gewinnen. Wer es auf die Liste schafft, hat gute Chancen — in diesen Daten bessere als der Platzhirsch gegenüber.
Jede Stufe braucht einen anderen Zug
Weil die Verluststelle mit der Bekanntheit wandert, wandert auch der Zug. Was einem Marktführer hilft, bringt einer Regionalmarke gar nichts.
- Kategorieführer (werden gefunden, aber nicht gewählt): Differenzierungsinhalte, Position im Vergleich verteidigen
- Etablierte Herausforderer (beste Quote der Studie): Botschaft nach Segment zuspitzen und die Quote weiter hochziehen
- Mittelfeld (verliert auf allen drei Stufen): hybrid, also Auffindbarkeit und Differenzierung gleichzeitig finanzieren
- Long-Tail und Regional (verschwinden vor dem Auffinden): in die autoritativen Quellen kommen, also Branchenvergleiche, Rankings, Übersichtsseiten
Wähl den Zug einer Stufe, auf der du nicht stehst, und der ganze Aufwand geht ins Leere.
Was diese Studie nicht abdeckt
Vier Grenzen, und ich würde alle vier laut aussprechen, bevor die Zahl in irgendeine Folie wandert.
Gemessen wurde in den Märkten USA, Großbritannien und EU, über 19 Branchen. Eine deutschsprachige Messung ist nicht dabei, die Stufengrenzen sind also nicht automatisch deine.
Getestet wurden nur zwei Anbieter, OpenAI und Anthropic. Gemini und Perplexity fehlen in den Daten komplett.
Es ist eine Ein-Tages-Messung. Wie stark die Zahlen über die Zeit schwanken, steht hier nirgends (einmal auf die Waage steigen und daraus das nächste Jahrzehnt beschreiben).
Bleibt die Sache mit der Autorschaft. Der Drei-Stufen-Trichter trägt unabhängig davon, wer ihn veröffentlicht hat; das Gefälle Richtung „kauf dir eine Diagnose” rechnet man beim Lesen heraus.
Erst klären, an welcher Stufe du verlierst — dann Geld ausgeben
Der erste Handgriff ist nicht die Wahl der Stufen-Maßnahme. Er liegt davor.
Stell den Modellen die Fragen, die deine Käufer wirklich stellen, und sortier die Antworten auf zwei Stapel: Läufe, in denen dein Name gar nicht vorkommt, und Läufe, in denen er vorkommt und trotzdem jemand anderes empfohlen wird. Die beiden Stapel haben nichts gemeinsam außer dem Gefühl, zu verlieren.
Liegt fast alles auf dem ersten Stapel, geht das Geld dahin, wo die Modelle nachschauen: Vergleichsseiten, Rankings, Branchenübersichten. Liegt fast alles auf dem zweiten, gehört es in Differenzierung und in segmentspezifische Botschaften.
Und wenn du in der Herausforderer-Stufe landest: Das ist die beste Quote der ganzen Studie. Überleg dir zweimal, ob du den Kategorieführer kopierst — der setzt sich seltener durch als du.
Quellen
- Will Jack, Noah Lehman, Keller Maloney, Sarah Xu (Unusual.ai), „Prominence-Stratified Failure Modes in Retrieval-Augmented Commercial Recommendation: A 37,000-Run Audit”, arXiv:2605.27439v1, veröffentlicht am 22. Mai 2026, arxiv.org (37.000 KI-Empfehlungen, 533 Marken, 19 Branchen, Märkte USA, Großbritannien und EU. Die Empfehlung wird als dreistufiger Trichter modelliert: Auffinden, Nennung, Auswahl. Kategorieführer setzten sich in 25 bis 41 Prozent der Fälle durch, etablierte Herausforderer in 37 bis 52 Prozent, das Mittelfeld in 34 bis 40 Prozent; Long-Tail- und Regionalmarken scheiterten in 48 bis 52 Prozent der Durchläufe bereits am Auffinden. Nur zwei Anbieter, OpenAI und Anthropic; Ein-Tages-Messung ohne Drift-Analyse; alle vier Autoren sind bei Unusual.ai beschäftigt, einem Anbieter von KI-Sichtbarkeitsmessung.)
