Wie die KI den Handel verändert – Wenn Themenkompetenz die Marke schlägt

Wie valide ist das Ergebnis der KI-Antwort für den eingangs erwähnten Marketer? Kann man die Sichtbarkeit einzelner Marken bei bestimmten Fragen wirklich messen? Gut möglich nämlich, dass die Kollegin des Marketers auf dieselbe Frage an dieselbe KI eine ganz andere Antwort bekommt, die ganz andere Brands (darunter auch die eigene) empfiehlt.

Das Audience-Research Team von Sparktoro hat in einer aufwändigen und gut dokumentierten Versuchsanordnung erhoben, wie konsistent die Antworten von Large Language Models (LLMs) sind. Ihr Fazit in Kurzform:

• KIs geben selten zweimal dieselbe Liste von Marken oder Empfehlungen an (in weniger als einem von 100 Fällen, unabhängig von der Frage).
• Und die KIs geben fast nie dieselbe Liste von Marken/Empfehlungen in derselben Reihenfolge aus – selbst in Bereichen, in denen die Zahl der Optionen begrenzt ist, wie beispielsweise bei Händlern in einer Region oder in einem begrenzten Wettbewerbsfeld wie SaaS-Cloud-Computing-Anbietern.
• Aktuell gilt die Sichtbarkeitsrate in Prozent als wichtigste Messgröße für Marken in KI-Übersichten – gemessen über Dutzende oder Hunderte von mehrfach ausgeführten Eingabeaufforderungen. Jedes Tool, das eine Rangposition in der KI angibt, ist Unsinn.

Was können Marken tun, damit sie in den Antworten bei Chat GPT, Gemini, Claude, Perplexity & Co. auftauchen? Die meisten Analysen zeigen: Wird in der traditionellen Suche nach Markenbegriffen die Marke in aller Regel auf Platz 1 mit ihrer Domain genannt, ist dies in KI-Antworten nicht mehr gewährleistet. Denn die KI-Übersichten antworten mit der ganzen Breite an Information, die die digitale Landschaft über die Marke bereitstellt. Markenautorität (Brand authority), wie wir sie aus der traditionellen Suche kennen, scheint hier nicht mehr die Priorität zu haben. Wichtiger ist die Topical authority, die Themenautorität, die es selbst Startups ermöglicht, in KI-Antworten vor arrivierten Marken zu rangieren. Vorausgesetzt, sie bieten die vermeintlich besseren und aktuelleren Informationen für die KI.

Brand Authority und Topical Authority spielen bei der Sichtbarkeit in LLMs eine fundamentale, aber anders gelagerte Rolle als in der klassischen Suchmaschinenoptimierung. Die Topical Authority ist dabei der stärkere Hebel, die Brand Authority wirkt als Verstärker und Vertrauensanker.

Die Topical Authority entscheidet darüber, ob Marken-Content überhaupt für eine Antwort ausgewählt wird, wenn die KI per Search Grounding das Web durchsucht.

• Semantische Kohärenz: Large Language Models (LLMs) bewerten die mathematische Nähe des Contents zum Thema und erkennen semantische Kohärenz durch ihre Trainingsarchitektur. Wenn beispielsweise eine Website über „nachhaltige Mode“ jeden Aspekt – von Materialien bis zu Lieferketten – des Themas abdeckt, erkennt das Modell sie als „Themenexperten“ an.
• Lückenschluss (Information Gain): LLMs bevorzugen Quellen, die nicht nur den Konsens zu einem Thema wiederholen, sondern einzigartige Daten, Fallstudien oder tiefere Einblicke bieten. Eine hohe Topical Authority bekommt man dadurch, dass „Edge Cases“ und komplexe Unterthemen behandelt werden, die oberflächliche Konkurrenten ignorieren.
• E-E-A-T als technisches Signal: Google nutzt für seine KI-Übersichten weiterhin E-E-A-T (Experience, Expertise, Authoritativeness, Trustworthiness). Topical Authority ist hierbei das Herzstück: Wenn das System erkennt, dass eine Marke konsistent über ein Thema schreibt, wird sie als „Primärquelle“ für KI-Zusammenfassungen bevorzugt.

Large Language Models bewerten semantische Tiefe und Kohärenz über gesamte Inhaltsstrukturen hinweg. Sie erkennen, ob eine Quelle konsistent qualitativ hochwertige Informationen zu einem Themencluster liefert. Und sie bevorzugen vernetzte Content-Ökosysteme zu einem Thema, denn diese signalisieren eine höhere Themenkompetenz als einzelne optimierte Seiten. Deshalb werden Websites, die ein Thema umfassend abdecken, in der Regel bevorzugt zitiert. Umgekehrt werden Marken-Websites, die Themen lückenhaft oder oberflächlich behandeln, als Quelle möglicherweise vernachlässigt.

LLMs sind darauf trainiert, Halluzinationen zu vermeiden. Wenn sie eine Marke empfehlen oder zitieren, brauchen sie ein hohes Maß an „Vertrauen“ in die Datenquelle.

• Präsenz in den Trainingsdaten: Bekannte Marken sind tief in den statischen Gewichten der Modelle verankert. Wenn eine Marke oft in hochwertigen Quellen wie Wikipedia, Fachmedien oder großen Nachrichtenportalen vorkommt, kennt das LLM die Marke bereits, ohne im Web suchen zu müssen.
• Zitierwürdigkeit (Citations): In Systemen wie Perplexity oder Googles KI-Übersichten werden Quellen bevorzugt, die als Marktführer oder etablierte Experten gelten. Je öfter der Markenname im Kontext eines Problems auftaucht („Was ist das beste Produkt/Tool/Anbieter für mein Problem?“), desto stärker wird die Assoziation im Vektorraum des Modells.
• Sentiment & Trust: LLMs bewerten nicht nur die Häufigkeit der Nennung, sondern auch den Kontext. Positive Erwähnungen in Foren wie Reddit oder auf Bewertungsportalen stärken die Brand Authority im internen Modell der KI-Welt.

Beim Optimieren von Markeninhalten für SEO und GEO verschmelzen beide Konzepte zur Citability, zur Zitierfähigkeit. Sind die Inhalte so strukturiert, vertrauenswürdig und präzise aufbereitet, dass sie ein Large Language Model als zuverlässige Quelle nutzen würde? Um diesen Status für ChatGPT und Co. zu erreichen, müssen unterschiedlichste Maßnahmen umgesetzt werden. Helfen können dabei u.a. diese vier Schritte:

• Definitional content (Glossare, Standards, Frameworks) erstellen
• Originäre Daten, Studien, Primärquellen publizieren
• Content für Extraktion strukturieren (Definitionen, (Rang)Listen, Fakten)
• Thementiefe über Breite aufbauen

Mein persönlicher Tipp: SEO- und GEO-Aktivitäten vernünftig ausbalancieren. SEO und der traditionelle Weg werden Online-Verkaufszahlen noch auf absehbare Zeit treiben. Trotzdem sollten Marketer sich frühzeitig auf die Zeit vorbereiten, in der die KI zu einem ernstzunehmenden Dialogpartner für Konsument:innen wird. KI wird sukzessive nicht nur die Art und Weise prägen, wie Verbraucher:innen Produkte entdecken, bewerten und kaufen, sie schafft damit auch eine neue Quelle kommerzieller Macht, weil sie sich wie ein übergeordneter Layer über bereits bestehende Plattformen legt. Die Zeit, in der man seine Produkte an Perplexity, ChatGPT oder Google weitergibt, damit diese direkt dort auf der Plattform gekauft werden können, ist bereits da. Pushte Amazon den Wandel von Offline- zum Online-Handel so treiben ChatGPT, Gemini, Claude & Co. einen neuerlichen Wandel im Handel: von der Suche zum Dialog.