Marken-Sichtbarkeit · GEO
Touchpoint-Exzellenz ist GEO: Warum KI deine Marke zitiert — oder nicht
Die meisten suchen die Ursache für KI-Unsichtbarkeit im Marketing. Sie liegt am Empfang. Deine Kundenerfahrung erzeugt die Earned Signals — Reviews, Bewertungen, Erwähnungen in Drittquellen —, aus denen ChatGPT, Perplexity und die Google AI Overviews zitieren. Dieser Beitrag schließt die Brücke zwischen Touchpoint-Exzellenz und KI-Sichtbarkeit.
Wenn ChatGPT, Perplexity oder die Google AI Overviews eine Marke empfehlen, hat das selten mit deren Werbebudget zu tun. Die KI zitiert aus Erfahrungsdaten: Reviews, Bewertungen, Erwähnungen in Drittquellen. Diese Signale entstehen nicht in der Marketingabteilung, sondern am Empfang — an jedem Touchpoint, an dem ein Kunde etwas erlebt, das erzählbar ist. Wer austauschbar empfängt, produziert nichts Zitierfähiges. Und was nicht zitierfähig ist, taucht in KI-Antworten nicht auf.
Wer in KI-Antworten nicht vorkommt, hat kein KI-Problem, sondern ein Kontaktpunkt-Problem.
Die Kausalkette dahinter ist kurz: Erfahrung → Earned Signal → KI-Zitat. Darum geht es hier — nicht um noch eine GEO-Anleitung und nicht um eine weitere Touchpoint-Definition, sondern um die Brücke zwischen beidem.
Kapitel 1Warum baut Werbung nur 28 % deiner Marke?
Die Zahl kommt aus der Studie „Be Distinctive Everywhere” (JKR × Kantar 2026). Aufgeschlüsselt sind die 71 % genau 30 % Owned und 41 % Earned. Bezahlte Kampagnen sind der kleinere Teil. Dazu passt ein zweiter Kantar-Befund: Meaningful Difference erklärt 94 % der Preismacht (BrandZ). Wer spürbar anders ist, setzt höhere Preise durch. Wer austauschbar ist, konkurriert über Rabatt.
Beides zeigt in dieselbe Richtung: Marke entsteht im Kontakt, nicht in der Anzeige. Was ein Touchpoint genau ist und warum jeder Kontakt Marke baut oder zerstört, haben wir separat ausgeführt — Touchpoint-Exzellenz: Marke entsteht im Kontakt. Das setzen wir hier voraus. Interessant wird es an der Stelle, an der diese alte Wahrheit auf ein neues Verteilsystem trifft: die KI-Antwortmaschinen.
Kapitel 2Woraus zitiert eine KI wirklich?
Eine KI-Antwortmaschine erfindet ihre Empfehlungen nicht. Sie zieht sie aus Quellen, die sie für belastbar hält. Und laut JKR × Kantar 2026 ziehen KI-Assistenten stark aus Erfahrungsdaten — Reviews, Social, Foren, Earned Media. Genau die 41 % Earned aus Kapitel 1 sind der Rohstoff, aus dem KI-Antworten gebaut werden.
Eine KI zitiert nicht deine Werbebroschüre. Sie zitiert den Erfahrungsbericht deines Kunden.
Das ist die Brücke, die bisher fehlte. Auf der einen Seite die Erkenntnis, dass Marke im Erleben entsteht. Auf der anderen die Mechanik, wie eine KI aus Textquellen Antworten baut. Verbunden werden beide durch das Earned Signal: die konkrete, öffentlich auffindbare Spur, die eine Kundenerfahrung hinterlässt. Kein Erlebnis, keine Spur. Keine Spur, kein Zitat.
Verstärkt wird das dadurch, dass Menschen diesen Spuren ohnehin vertrauen: rund zwei Drittel der Konsumenten verlassen sich auf Reviews und Bewertungen (Kantar). Die KI modelliert dieses Vertrauen nach — sie gewichtet, was viele unabhängige Quellen bestätigen. Wie GEO das technisch nutzt — die Hebel, RAG, Share of Model — steht im GEO-statt-SEO-Artikel. Wir wiederholen es hier nicht. Der Punkt ist ein anderer: Selbst das beste GEO-Handwerk hat nichts zu optimieren, wenn keine Earned Signals existieren. Das Handwerk verteilt und schärft, was da ist. Es erzeugt es nicht.
Kapitel 3Was passiert, wenn deine Touchpoints austauschbar sind?
Stell dir eine einzige Prüffrage an jeden deiner Touchpoints: Könnte genau diese Erfahrung auch jeder andere in deiner Branche bieten?
Wenn die Antwort Ja ist, sitzt das Problem tiefer als Sichtbarkeit. Ein austauschbarer Erst-Termin, eine Standard-Angebotsmail, ein Onboarding wie bei allen anderen — daraus entsteht keine Rezension, die etwas Bestimmtes sagt. Bestenfalls „alles gut gelaufen, gerne wieder”. Solche Sätze sind für eine KI wertlos, weil sie nichts enthalten, was sie unterscheiden könnte. Austauschbar = kein Earned Signal = nichts, woraus die KI zitiert.
Hier eine Abgrenzung, die wichtig ist. Es gibt eine verwandte Frage: „Versteht die KI überhaupt, wofür du stehst?” — die Frage nach Positionierungs-Klarheit, die wir separat behandeln (Würde die KI deine Marke empfehlen?). Das ist nicht dieselbe Frage. Eine KI kann perfekt verstehen, was du anbietest, und dich trotzdem nicht empfehlen — weil die Belege fehlen, auf die sie sich stützen könnte. Verständnis ist die eine Bedingung. Belegbarkeit ist die andere. Unsere These betrifft die zweite: nicht „versteht die KI dich”, sondern „zitiert die KI dich, weil deine Erfahrung Earned Signals erzeugt”. Klarheit ohne Belege ist eine gut sortierte Visitenkarte, die niemand weiterreicht.
Das häufigste Missverständnis
Eine Beratung baut die technisch saubere GEO-Website — Definitionen am Absatzanfang, Schema, Entitäten, alles. Nur sind ihre Erst-Termine so austauschbar wie die des Wettbewerbs. Es entstehen keine spezifischen Rezensionen, keine Fachforen-Erwähnungen, keine Fallstudien mit Detail. Ergebnis: Die KI findet eine perfekt aufbereitete Seite — und keinen einzigen unabhängigen Beleg, den sie zitieren könnte. Optimiert wird am Nichts. Die Sichtbarkeit bleibt aus, obwohl das Handwerk stimmt.
Kapitel 4Wie erzeugst du Erfahrungen, die KI zitiert?
Die Aufgabe ist konkreter, als sie klingt. Du brauchst nicht mehr Werbung. Du brauchst Touchpoints, die zwei Dinge gleichzeitig produzieren: einen erzählbaren Beweis und einen Moment, in dem dieser Beweis in eine Bewertung oder Erwähnung fließt.
Erzählbar heißt spezifisch. Nicht „guter Service”, sondern ein Detail, das ein Kunde von sich aus nacherzählt — weil es ihn überrascht hat, weil es ein konkretes Problem gelöst hat, weil es anders war als erwartet. Genau dieses Detail greift die KI später als Beleg auf. Der zweite Teil wird oft vergessen: Der beste Moment verpufft, wenn er nirgends festgehalten wird. Zum Touchpoint-Design gehört deshalb die Frage, an welcher Stelle du den Kunden einlädst, das Erlebte zu bewerten oder zu erwähnen — ohne Druck, aber bewusst platziert.
Der praktische Einstieg ist ein Touchpoint-Audit: Welche Kontaktpunkte gibt es, welcher erzeugt heute schon eine spezifische Spur, welcher könnte es? Wie du das systematisch durchgehst, steht im Touchpoint-Artikel; wie du die entstehenden Signale anschließend für KI-Antworten aufbereitest, im GEO-Artikel. Die Reihenfolge ist nicht verhandelbar: erst die Erfahrung, dann das Signal, dann die Sichtbarkeit.
Kapitel 5Von der Erfahrung zum Zitat: vier Muster
| Touchpoint | erzeugtes Earned Signal | wie die KI es nutzt |
|---|---|---|
| Erst-Termin, der überraschend tief in die Situation des Kunden einsteigt | 5-Sterne-Rezension mit konkretem Detail („haben unser Pricing-Modell im ersten Gespräch neu gedacht”) | zitiert das Detail als Beleg für Kompetenz in genau diesem Punkt |
| Service-Fall mit offenem Umgang mit einem eigenen Fehler | Bewertung oder LinkedIn-Post („Fehler passiert — Lösung war schneller und fairer als erwartet”) | führt dich als Marke mit verlässlichem Support und fairer Fehlerkultur |
| Workshop, der ein klares Entscheidungsergebnis liefert statt nur Folien | Erfahrungsbericht in einer Drittquelle („nach einem Tag eine klare Markenentscheidung”) | verweist auf dich, wenn nach praxisnaher, ergebnisorientierter Arbeit gefragt wird |
| Angebotsprozess mit transparentem Pricing und klaren Grenzen | wiederkehrendes Lob über mehrere Bewertungen („kein Rabatt-Poker, klare Preisbegründung”) | verdichtet die Häufung zu einer belastbaren Aussage über deine Preislogik |
Das Muster ist immer gleich: Ein spezifisches Erlebnis wird zu einer spezifischen Spur, und die Spur wird zum Baustein einer KI-Antwort. Je konkreter das Detail, desto zitierfähiger.
„In fast jedem Mandat finden wir Marken, die sauber positioniert sind und trotzdem in keiner KI-Antwort vorkommen. Der Grund liegt fast nie im Marketing. Er liegt am Empfang — an Touchpoints, die so austauschbar sind, dass kein Kunde etwas Bestimmtes über sie zu sagen hat. Wer nichts Erzählbares erlebt, hinterlässt nichts Zitierfähiges. Sichtbarkeit in KI-Antworten beginnt nicht bei der Technik, sondern bei der Frage, ob dein Erst-Termin es überhaupt wert ist, erwähnt zu werden.”
— Karsten Düh, Geschäftsleitung Essentials Concept
Kapitel 6Häufige Fragen
Reicht es, viele Reviews zu haben, um von KI zitiert zu werden?
Nein. Menge ohne Spezifik hilft kaum. Zwanzig Bewertungen mit „alles top” enthalten nichts, das eine KI von deinem Wettbewerb unterscheiden könnte. Wenige, aber konkrete Rezensionen mit nachvollziehbaren Details sind wertvoller als eine große Zahl austauschbarer Sterne.
Was, wenn wir in unserer B2B-Branche gar nicht bewertet werden?
Dann fehlt der Rohstoff — und das ist der eigentliche Befund, kein Randproblem. Prüfe zuerst deine Touchpoints: Gibt es einen Moment, der erzählenswert ist, und eine Stelle, an der Kunden ihn festhalten (Fallstudie, LinkedIn-Erwähnung, Fachforum, Referenz)? Fehlt beides, ist der erste Schritt das Touchpoint-Design, nicht das GEO-Handwerk.
Können wir uns die KI-Sichtbarkeit einfach erkaufen?
Nur zu einem kleinen Teil. Bezahlte Medien bauen laut Kantar 28 % der Markenequity — den Rest trägt Erfahrung. KI-Antwortmaschinen ziehen ihre Belege überwiegend aus Earned-Quellen. Werbung kann verstärken, was existiert. Sie kann kein Earned Signal ersetzen, das nie entstanden ist.
Garantiert uns das Platz 1 bei ChatGPT?
Nein, und wer das verspricht, verkauft etwas anderes als die Wahrheit. KI-Antworten sind nicht steuerbar wie ein Werbeplatz. Beeinflussbar ist die Grundlage: ob deine Erfahrung überhaupt zitierfähige Signale erzeugt. Ohne diese Grundlage ist jede Sichtbarkeitsarbeit ein Optimieren am Nichts.
Willst du wissen, ob deine Touchpoints Earned Signals erzeugen — ob deine Marke überhaupt zitierfähig ist? In einem 30-minütigen Erstgespräch gehen wir die entscheidenden Kontaktpunkte durch und zeigen dir, wo heute die Lücke zwischen Erfahrung und KI-Zitat liegt.
30-Minuten-Erstgespräch buchenQuellen
- JKR × Kantar (2026): „Be Distinctive Everywhere. The Experience Edition.” — 71 % der Markenequity aus direkter/indirekter Erfahrung (Owned 30 % / Earned 41 %), 28 % aus bezahlten Medien; KI-Assistenten ziehen stark aus Erfahrungsdaten (Reviews, Social, Foren, Earned Media).
- Kantar: BrandZ — Meaningful Difference erklärt 94 % der Preismacht.
- JKR × Kantar (2026): „Be Distinctive Everywhere.” — rund zwei Drittel der Konsumenten verlassen sich auf Reviews und Bewertungen.