# Eure Kunden googeln nicht mehr — sie fragen > KI-Assistenten ersetzen die klassische Suche bei der Kaufrecherche. Was die Daten aus 2025/26 wirklich über AI Overviews und Klickraten sagen — und ein ehrliches Generative-Engine-Optimization-Playbook (GEO) für Sichtbarkeit in der KI-Suche. URL: https://twigbit.com/de/blog/your-customers-dont-google-anymore Published: 2026-07-21T00:00:00.000Z Updated: 2026-07-28T00:00:00.000Z Author: Moritz Morgenroth (Co-Founder & Geschäftsführer) Reviewed by: Emil Bergold Tags: GEO, Answer Engines, Sichtbarkeit --- Im Februar 2024 lieferte Gartner die Prognose, die seither in tausend Agentur-Pitchdecks steckt: [Das klassische Suchvolumen werde bis 2026 um 25 % einbrechen](https://searchengineland.com/search-engine-traffic-2026-prediction-437650), weil Nutzer zu KI-Chatbots und Agenten abwandern. Die Deadline ist jetzt — und die Abrechnung ist interessanter als die Prognose. Das Suchvolumen ist nicht von der Klippe gefallen. Was messbar fällt, Quartal für Quartal, ist das, was die Suche für Unternehmen bisher produziert hat: der Klick. Der Unterschied ist wichtig, denn beide Szenarien verlangen unterschiedliche Antworten. Würde die Suche sterben, müsstet ihr weg von ihr diversifizieren. Stattdessen mutiert sie zu einer Antwortschicht, die sich zwischen eure Inhalte und eure Käufer schiebt. Wenn ein Geschäftsführer „welche Angebotstools integrieren sich in unser ERP, und wer implementiert das?" in ChatGPT oder Googles AI Mode tippt, komponiert der Assistent eine Shortlist aus dem, was er gelesen und abgerufen hat. Entweder ihr steht in dieser Antwort — oder eben nicht. Niemand scrollt auf Seite zwei eines Absatzes. Dieser Beitrag sortiert, was die Daten aus 2025/26 tatsächlich zeigen, was Generative Engine Optimization (GEO) ist, wenn man das Schlangenöl abzieht, und welches Playbook wir mit Kunden fahren — inklusive der Punkte, für die wir kein Geld ausgeben würden. ## Die Suche ist nicht eingebrochen — der Klick schon Fangen wir mit dem sorgfältigsten verfügbaren Datensatz an. Das Pew Research Center hat 2025 das reale Surfverhalten von 900 US-Erwachsenen ausgewertet: [Erschien in einer Google-Suche eine AI-Zusammenfassung, klickten Nutzer nur noch in 8 % der Fälle auf ein klassisches Ergebnis — gegenüber 15 % ohne Zusammenfassung](https://www.pewresearch.org/short-reads/2025/07/22/google-users-are-less-likely-to-click-on-links-when-an-ai-summary-appears-in-the-results/). Auf einen Quellenlink *innerhalb* der Zusammenfassung klickten sie in gerade einmal 1 % der Fälle. Und sie beendeten ihre Session danach deutlich häufiger komplett (26 % vs. 16 %). In Pews Stichprobe lösten bereits 18 % aller Google-Suchen eine solche Zusammenfassung aus — im März 2025, bevor AI Mode in die Breite ging. Ahrefs hat dasselbe Signal von der anderen Seite gemessen. Der Vergleich von Search-Console-Daten über 300.000 Keywords vor und nach dem Rollout der AI Overviews zeigt: [Ein AI Overview drückt die Klickrate des ersten organischen Ergebnisses um rund 34,5 %](https://ahrefs.com/blog/ai-overviews-reduce-clicks/). Die beste Antwort auf eine Frage zu sein und trotzdem ein Drittel der Klicks zu verlieren — das ist bei informationalen Suchen der neue Normalfall. Auf Kanalebene wird das Bild fast paradox. Semrush hat Milliarden von Webbesuchen über 17 Branchen hinweg durch 2025 analysiert: [Referral-Traffic aus KI-Tools wuchs um 66 % — und macht trotzdem weniger als 0,15 % aller Besuche aus](https://www.semrush.com/blog/traffic-channel-mix-study/). In derselben Studie ging die organische Suche in 13 von 17 Branchen zurück, mit Einbrüchen um 25–30 % in Healthcare, Bildung und Banking. Der Gesamttraffic im Web blieb praktisch flach. Die Nachfrage nach Antworten ist kein bisschen geschrumpft; die Besuche, die Antworten früher erzeugt haben, werden eine Ebene weiter oben absorbiert. Gartners Zahl war also wohl falsch und die Richtung richtig — was, wie Search Engine Land schon damals anmerkte, [ungefähr das ist, was man von Analystenprognosen erwarten sollte](https://searchengineland.com/search-engine-traffic-2026-prediction-437650). Nehmt die 25 % als Rundungsfehler an der eigentlichen Lektion: Das Interface hat sich geändert, und Interfaces entscheiden, wer gesehen wird. ## Der B2B-Dreh: weniger Besucher, wärmere Besucher Wenn KI-Referrals in Summe ein Rundungsfehler sind — warum sollte es ein B2B-Unternehmen kümmern? Weil Durchschnitte verstecken, wo sich die Verschiebung konzentriert. B2B-Kaufrecherche ist genau der Anfragetyp, in dem Assistenten stark sind: vergleichend, mit vielen Nebenbedingungen, als Frage formuliert. „CRM für einen Industriedienstleister mit 40 Leuten, self-hosted, Datenhaltung in Deutschland" war schon immer eine unbeholfene Google-Suche. Als ChatGPT-Prompt ist es völlig normal. Die Referral-Daten spiegeln das. Semrushs Clickstream-Analyse zu ChatGPT — über eine Milliarde Zeilen US-Browsingdaten — zeigt: [Der ausgehende Referral-Traffic von ChatGPT ins Web wuchs zwischen Januar 2025 und Januar 2026 um 206 %](https://www.semrush.com/blog/chatgpt-search-insights/), und die Zahl der Domains, die davon etwas abbekommen, stieg von rund 71.000 pro Monat Ende 2024 auf in der Spitze etwa 260.000. ChatGPT wird zur Tür, nicht zum Endpunkt — eine kleine Tür, die schnell wächst, und zwar ungleich verteilt. Was wir in der Arbeit mit Kunden sehen, deckt sich mit der „wärmer"-These: Leads, die im Erstgespräch einen Assistenten erwähnen, kommen mit fertigem Vergleich. Sie haben eine synthetisierte Version eurer Positionierung gelesen, die eurer Wettbewerber, und irgendjemandes Urteil über beide. Der obere Teil eures Funnels ist nicht geschrumpft — er ist dorthin umgezogen, wo ihr ihn nicht seht. Das ist die praktische Bedeutung von „AI Search Visibility": Die Funnel-Phase, die ihr früher in Analytics beobachten konntet, passiert jetzt im Kontextfenster eines Modells. Eine dezidierte Beobachtung aus dieser Arbeit: Unternehmen, die wegen verlorenem Traffic in Panik geraten, messen meist das falsche Asset. Ein Dienstleister braucht keine 10.000 informationalen Besuche; er muss einer der drei Namen sein, die der Assistent nennt, wenn hinter der Frage Budget steht. Das sind zwei verschiedene Optimierungsziele — und die meisten SEO-Dashboards zeigen nur das erste. ## GEO ist real — aber es ist vor allem Handwerk, keine Trickkiste Der Begriff stammt aus einem echten Forschungspaper. Aggarwal et al. haben mit ["GEO: Generative Engine Optimization"](https://arxiv.org/abs/2311.09735) (KDD 2024) neun Inhaltsmodifikationen gegen generative Engines getestet und gezeigt, dass die besten davon [die Sichtbarkeit einer Quelle in generierten Antworten um bis zu 40 % steigern](https://arxiv.org/abs/2311.09735). Der nützliche Teil steckt im Detail: Am besten schnitten **Zitate, Statistiken und Quellenangaben** ab — während Keyword-Stuffing, die klassische dunkle Kunst, *schlechter* abschnitt als gar nichts zu tun. Engines, die Antworten schreiben, belohnen Inhalte, die sich wie Belege lesen. Haltet das gegen Googles offizielle Position — sie klingt wie ein Widerspruch und ist keiner. Google Search Central sagt unmissverständlich: [Es gibt keine zusätzlichen Anforderungen, um in AI Overviews oder AI Mode zu erscheinen — keine Spezialdateien, kein KI-Markup, kein neues Schema](https://developers.google.com/search/docs/appearance/ai-features); die KI-Features laufen auf denselben Kernsystemen der Suche, und ihr Traffic taucht in der Search Console unter dem normalen Typ „Web" auf. Beides stimmt gleichzeitig: Die *Retrieval*-Schicht ist weiterhin Suchinfrastruktur (Crawlbarkeit, Indexierung, Relevanz), während die *Synthese*-Schicht Passagen genau so auswählt, wie es das GEO-Paper beschreibt — zitierfähig, konkret, mit Attribution. Ehrlich definiert ist GEO: klassische Auffindbarkeit plus Inhalte, die es überleben, von einer Maschine paraphrasiert zu werden. ## Das Playbook, das wir tatsächlich fahren Die Reihenfolge ist Absicht; jeder Schritt verstärkt den nächsten. ### 1. Baseline: fragt die Engines nach euch selbst Bevor ihr irgendetwas anfasst: Stellt ChatGPT, Perplexity, Gemini und AI Mode die Fragen eurer Käufer — auch die ohne Markennennung („wer baut X für Unternehmen wie Y in Deutschland?"). Protokolliert die Antworten, die Zitate und wen die Engines statt euch empfehlen. Wiederholt das in festem Rhythmus. Das ist unglamourös und trotzdem die informativste Übung, die es gibt — denn eine Search Console für ChatGPT existiert nicht. ### 2. Öffnet die Tore — bewusst Answer Engines können nur zitieren, was sie lesen dürfen. OpenAI dokumentiert das explizit: Websites, die **OAI-SearchBot** blockieren, [werden in den Suchantworten von ChatGPT nicht angezeigt](https://developers.openai.com/api/docs/bots); empfohlen wird, ihn in der robots.txt zuzulassen. Beachtet die Trennung im selben Dokument: **GPTBot** steuert das Modell-*Training*, OAI-SearchBot die *Suchsichtbarkeit* — ihr könnt das eine ablehnen und das andere zulassen. Und wenn ihr schon dabei seid: Stellt sicher, dass eure wichtigsten Seiten serverseitig als HTML rendern. Eine Preistabelle, die erst nach clientseitigem JavaScript existiert, ist für die meisten Retrieval-Pipelines unsichtbar. ### 3. Schreibt Seiten, die die Synthese überleben Wendet die Paper-Befunde wörtlich an. Jede wichtige Seite braucht konkrete Zahlen, benannte Quellen, datierte Aussagen — und mindestens einen Satz, den ein Modell als vollständige Antwort wörtlich übernehmen könnte. „Führender Anbieter innovativer Lösungen" wird in einer synthetisierten Antwort zu nichts komprimiert; „wir haben ein ERP mit 200 Nutzern in 11 Wochen migriert, hier ist die Architektur" ist zitierfähig. Der erste Screen einer Leistungsseite beantwortet die eigentliche Frage des Käufers — statt sich erst zu räuspern. ### 4. Macht eure Entität eindeutig Modelle lösen Entitäten auf, keine Keywords. Ein kanonischer Firmenname, eine Beschreibung, eine Adresse, eine Gründungsgeschichte — konsistent über Website, Impressum, LinkedIn und Register hinweg — plus `Organization`- und `Person`-Markup, das zum sichtbaren Text passt ([Google macht genau diese Übereinstimmung zur Bedingung](https://developers.google.com/search/docs/appearance/ai-features)). Echte Autoren mit nachprüfbaren Rollen schlagen „admin"-Bylines aus demselben Grund wie in Googles Qualitätsrahmen: Attribution ist ein Beleg. ### 5. Messt wie 2026, nicht wie 2016 Verfolgt drei Dinge monatlich: Assistenten-Referral-Sessions (sie sind klein; entscheidend ist ihr Conversion-Verhalten), euren Zitatanteil in den Baseline-Fragen aus Schritt 1 und das Branded-Suchvolumen als Proxy für Antworten, die ihr nie zu sehen bekommt. Akzeptiert Unschärfe. Wer euch einen präzisen „AI-Rank" für ein probabilistisches System verkauft, das sich mit jedem Modell-Release ändert, verkauft Zuversicht, keine Messung. ## Wofür wir kein Geld ausgeben würden Drei ehrliche Anti-Empfehlungen. Erstens, der `llms.txt`-Kargokult: Google sagt ausdrücklich, dass [ihr keine KI-Textdateien oder neuen maschinenlesbaren Dateien anlegen müsst](https://developers.google.com/search/docs/appearance/ai-features), um in den KI-Features zu erscheinen — und keine große Engine hat sich zum Format bekannt. Es kostet wenig, aber behandelt es als Lotterielos, nicht als Strategie. Zweitens, Angebote mit Platzierungsgarantie: Retrieval bevorzugt Inhalte, die im offenen Netz konsistent zitiert werden — das dauert Monate und lässt sich nicht auf Termin kaufen. Drittens, die Jagd nach dem alten Traffic-Niveau: Die Pew- und Ahrefs-Zahlen oben beschreiben eine strukturelle Neubewertung des Klicks, keine Delle, aus der man sich herausoptimiert. Das Ermutigende ist, wie langweilig der Gewinnerzug ist. Fast alles, was die Evidenz belohnt — Konkretheit, Quellen, nachprüfbare Autorschaft, maschinenlesbare Struktur — ist das, was glaubwürdige Inhalte schon ausmachte, bevor irgendjemand irgendetwas zu GEO abkürzte. Die Engines haben sich geändert. Die Messlatte im Wesentlichen nicht. Sie wird nur endlich durchgesetzt.