Marken, die die KI schon kennt, werden 3,2-mal so oft gesucht

Die Seite ist überarbeitet, und die KI nennt dich trotzdem nicht

Jemand schreibt die Produktseite neu, sortiert die Überschriften, hängt unten noch einen FAQ-Block dran. Dann öffnet er ChatGPT, stellt die naheliegende Frage aus der eigenen Branche — und die eigene Firma steht nirgends in der Antwort.

Mir ist das „und was fassen wir jetzt an?” schon gestellt worden, ohne dass ich eine Antwort hatte. Es war halt keine Seite mehr übrig, auf die ich hätte zeigen können.

Was meistens heißt: Ich schaue sehr genau an der falschen Stelle hin.

Denn bevor dir das Modell überhaupt etwas schreibt, sucht es erst mal selbst. Jemand hat 13.281 dieser Suchen durchgezählt und nachgesehen, wessen Namen darin auftauchen.

Nach welchen Marken sucht das Modell, bevor es antwortet?

Von den Marken, die das Modell schon im Gedächtnis hatte, wurden 55,7 Prozent überhaupt gesucht. Von denen ohne diesen Eintrag 17,4 Prozent — ein Verhältnis von rund 3,2 zu 1 (geoSurge, veröffentlicht Anfang Juni 2026).

Gemessen wurde vom 29. Mai bis zum 9. Juni 2026. 66 Fragen aus neun Branchen, jede 60-mal gestellt, und in keiner einzigen Frage stand ein Markenname.

Jeder Name, der auftauchte, kam also von allein. Herausgekommen sind dabei rund 3.960 Antworten, 13.281 interne Suchen und 1.416 Beobachtungen auf Markenebene. geoSurge hat das Modellgedächtnis mit einem eigenen Verfahren bewertet; die Suchvorgänge wurden ausschließlich auf Gemini 3.5 Flash beobachtet.

Was ist so eine interne Suche eigentlich? Man nennt das inzwischen Fan-out: die Suchanfragen, die ein Modell an sich selbst schickt, bevor es die erste Zeile schreibt. Zu sehen bekommst du davon nichts.

Frag es nach den besten Team-Chat-Tools, dann tippt es diesen Satz eben nicht in eine Suchmaske. Es zerlegt die Frage — „Team-Chat-Tools Vergleich”, „Firma A Preise”, „Firma B Fallstudie” — und geht damit los.

Ob dein Name an der Stelle von „Firma A” steht oder eben nicht, darum geht es beim Abstand zwischen 55,7 und 17,4 Prozent. Macht drei Stufen, wo die meisten von uns eine gezählt haben: erinnert werden, gesucht werden, genannt werden.

Diese Stufe entscheidet sich, bevor eine einzige Zeile Antwort geschrieben ist.

Die Suchen sammeln sich bei einer Handvoll Namen

Von den Suchen mit einem konkreten Markennamen gingen 63 Prozent an eine der fünf Marken, die das Modell am besten erinnert. Alle übrigen teilten sich den Rest.

Diese 63 Prozent und die 55,7 von oben sind nicht von derselben Sorte. 55,7 und 17,4 Prozent sind Anteile der beobachteten Marken, die überhaupt gesucht wurden. Die 63 Prozent sagen, wie sich die Suchen mit Markennamen verteilt haben. Andere Nenner, also nicht nebeneinanderstellen und schon gar nicht addieren.

Beide zeigen allerdings in dieselbe Richtung: Die Konzentration passiert oberhalb von allem, was du in einer fertigen Antwort lesen kannst.

Aber 17,4 Prozent sind eben nicht null. Auch ohne Gedächtniseintrag landet ungefähr jede sechste dieser Marken überhaupt in einer Suche.

Das ist die Zahl mit Luft nach oben.

Die erste Stufe entscheidet sich außerhalb deiner Website

Was das Modell über deine Branche aufgesogen hat, hat sich woanders angesammelt als auf deiner Domain: in Vergleichsartikeln, Interviews in Fachmedien, Einträgen auf Bewertungsportalen, Branchenreports. An diese Sammlung fremder Texte kommst du mit einer Überarbeitung deiner Seite nicht heran.

Andere Fläche, andere Leute — und doch dieselbe Budgetdiskussion.

Deine eigenen Seiten haben deshalb ja nicht ausgedient. Sie stehen bloß später in der Reihenfolge. Das Modell nimmt deinen Namen für eine Suche, die Suche muss irgendwo landen, und dieses Irgendwo ist deine Seite — der Text dort zahlt sich also erst aus, nachdem man dich nachgeschlagen hat.

Bei mir stand das Geld für KI-Sichtbarkeit ausschließlich in der Anzeigenspalte. Ob die Stufe, die ich da einkaufe, überhaupt die ist, auf der wir rausfallen — gefragt habe ich mich das nie.

Wie weit trägt dieses 3,2 zu 1?

Nicht bis zu einer Zielzahl auf einer Folie. Zwischen dieser Zahl und jedem Ziel, das du daraus ableiten willst, stehen sechs Vorbehalte, und ich würde alle sechs stehen lassen.

• Der Herausgeber schreibt selbst hin, dass es sich um einen Zusammenhang in explorativen Daten handelt und nicht um eine Ursache
• Bekannte Marken werden leichter erinnert und häufiger gesucht, ein Teil des Zusammenhangs dürfte also schlicht Bekanntheit sein (steht ebenfalls beim Herausgeber)
• Die Werte je Branche werden als Hinweis bezeichnet, nicht als gesichert — wieder mit den Worten des Herausgebers
• Beobachtet wurden die Suchvorgänge nur auf einem einzigen Modell, Gemini 3.5 Flash. Wie die anderen ihr Fan-out bauen, hat noch niemand gemessen
• geoSurge verkauft Messung von KI-Sichtbarkeit, das Ergebnis passt dem Anbieter also gut ins Geschäft
• Die Fragen sind für Einkäufer in den USA geschrieben. Über andere Märkte steht hier nichts

Der erste Punkt ändert, wie du das im Meeting sagen darfst. „Wer erinnert wird, wird gesucht” ist ein Ursachensatz, und so weit trägt die Studie nicht. Vielleicht schafft das irgendwann eine Studie, die Ursache und Wirkung wirklich trennt — bisher aber nicht.

An der Reihenfolge rüttelt trotzdem keiner der sechs. Wird dein Name nicht als Suchmaterial benutzt, kann ihn die fertige Antwort gar nicht enthalten — egal ob das Verhältnis am Ende bei 3,2 liegt, bei 2,5 oder bei irgendetwas anderem auf einem Modell, das noch keiner geprüft hat.

Finde heraus, auf welcher der drei Stufen du rausfällst

Erinnert werden, gesucht werden, genannt werden — jede der drei Stufen prüfst du anders, und teuer ist keine davon.

Zähl, wie oft dein Name in fertigen Antworten steht, dann hast du die dritte. Stell einem Modell die Fragen deiner Kategorie und lies mit, welche Suchen es dabei abfeuert — das ist die zweite. Frag ein Modell nur nach deinem Firmennamen, und was zurückkommt, ist ein grober Anhaltspunkt für die erste.

Mach das auf mehreren Modellen: Gemessen wurde hier eines, und dass die übrigen in derselben Reihenfolge suchen, verspricht dir niemand.

Wenn du auf der ersten Stufe rausfällst, hilft weitere Arbeit an der eigenen Website da oben nicht. Das Geld geht dorthin, wo andere deinen Namen hinschreiben — Vergleichsartikel, Fachpresse, Bewertungsportale.

Und beim nächsten Planungsgespräch hat „wohin mit dem KI-Budget” endlich eine Antwort mit einer Stufennummer drin. Wir fallen auf Stufe eins raus, also verstärken wir die Pressearbeit. Den Satz hätte ich gern ein Jahr früher gehabt.

---

Quellen

• geoSurge, “AI Searches What It Remembers”, veröffentlicht im Juni 2026 (Erhebung vom 29. Mai bis 9. Juni 2026: 66 Fragen aus 9 Branchen, jede 60-mal gestellt und ohne Markennamen in der Frage; daraus rund 3.960 Antworten, 13.281 interne Fan-out-Suchen und 1.416 Beobachtungen auf Markenebene. Marken, die im Modellgedächtnis lagen, wurden in 55,7 Prozent der Beobachtungen gesucht, Marken ohne Eintrag in 17,4 Prozent — ein Verhältnis von rund 3,2 zu 1; 63 Prozent der Suchen mit Markennamen gingen an eine der fünf Marken, die das Modell am besten erinnert. Das Gedächtnis wurde mit einem eigenen Verfahren von geoSurge bewertet, die Suchseite ausschließlich auf Gemini 3.5 Flash beobachtet. Der Herausgeber erklärt, dass es sich um Zusammenhänge in explorativen Daten und nicht um Kausalität handelt, dass Markenbekanntheit plausibel einen Teil des Zusammenhangs erklärt und dass die Branchenwerte hinweisend und nicht gesichert sind. geoSurge verkauft Werkzeuge zur Messung von KI-Sichtbarkeit. Die Fragen wurden für Einkäufer in den USA geschrieben.)
• Search Engine Land, “AI models favor familiar brands in search: Study”, 2026 (Sekundärberichterstattung über die geoSurge-Erhebung)