Das Wichtigste in Kürze
Wir haben eine mittelständische Werbeagentur geprüft: zehn kaufnahe Fragen an vier KI-Modelle. Zwei davon durften während der Antwort das Web durchsuchen, zwei antworteten allein aus dem, was beim Training hängen geblieben ist.
Die beiden suchenden fanden die Firma, sechs- und zweimal von zehn. Die beiden anderen nannten sie in keiner einzigen von zwanzig Antworten. Das ist weniger eine Aussage über die Modelle als über die Firma: Im Gedächtnis der Modelle kommt sie nicht vor. Sichtbar wird sie nur, wenn ein System live nachschlägt.
Prüfen kannst du das für deine eigene Adresse kostenlos unter check.waterproof.agency.
Der Anlass: Einkäufer fragen zuerst die KI
G2 hat im März 2026 gut tausend B2B-Entscheider befragt. 51 Prozent von ihnen starten die Software-Recherche inzwischen häufiger im KI-Chatbot als bei Google. Im April 2025 waren es 29 Prozent. Und 69 Prozent gaben an, aufgrund einer KI-Empfehlung bei einem anderen Anbieter gelandet zu sein als ursprünglich geplant.
Das ist die eigentliche Verschiebung. Nicht, dass weniger Menschen suchen, sondern dass die Vorauswahl woanders passiert. Wer in dieser Vorauswahl nicht vorkommt, steht im Kaufentscheid nicht zur Debatte, auch mit guten Rankings nicht.
Was das auf der Google-Seite kostet, haben wir mit den SISTRIX-Zahlen aufgeschrieben. Kurz: die Klickrate auf Position 1 fällt von 27 auf 11 Prozent. Ein randomisiertes Feldexperiment von Agarwal und Sen misst dasselbe von der anderen Seite und kommt auf 38 Prozent weniger organische Klicks.
Der Befund, und was er nicht ist
Wir stellen jedem Modell exakt dieselben Fragen. Nicht ausgedachte Suchbegriffe, sondern Sätze, wie ein Einkäufer sie tippt: „Wer bietet in [Region] zuverlässige Konzept- und Designleistungen für mittelständische Firmen an?“ Zehn davon, verteilt über Empfehlung, Preis, Problemlösung und Vergleich. Der Ort ist hier ersetzt, die Firma soll anonym bleiben.
Das Ergebnis, Lauf vom 25.08.2026:
| Modell | Websuche | Antworten | davon mit Nennung |
|---|---|---|---|
| perplexity/sonar | ja | 10 | 6 |
| openai/gpt-4.1-mini | ja | 10 | 2 |
| anthropic/claude-haiku-4.5 | nein | 10 | 0 |
| google/gemini-2.5-flash | nein | 10 | 0 |
Die zweite Spalte entscheidet über die Lesart. Die Trennlinie verläuft nicht zwischen den Anbietern, sondern zwischen suchen und nicht suchen. Wer nachschlagen durfte, fand die Firma. Wer aus dem Gedächtnis antworten musste, kannte sie nicht, in keiner von zwanzig Antworten.
Damit wäre die Überschrift „vier Systeme, vier Meinungen“ widerlegt, bevor sie jemand schreibt. Der Abstand zwischen 0 und 2 geht vollständig auf unseren Messaufbau zurück: Wir lassen im kostenlosen Check höchstens zwei Modelle live suchen, weil jede Suche Geld kostet, die übrigen antworten ohne. Und den Abstand zwischen 6 und 2 interpretieren wir nicht. Kein Modell lief bei uns in beiden Betriebsarten, also lässt sich nicht trennen, was am Anbieter liegt und was an der Suche.
Der eigentliche Befund ist unbequemer und für den Betrieb wichtiger: Diese Firma existiert im Modellgedächtnis nicht. Bei Fragen, die ein Kaufinteressent stellt, fällt ihr Name dort nicht. Das ist kein Ranking-Problem, das man mit einer besseren Überschrift löst. Modelle lernen ihren Weltstand beim Training, und in den nächsten Trainingsstand kommt nur, wer bis dahin an genug Stellen im Netz vorkommt, auf die sich solche Modelle stützen.
Für dich heißt das zweierlei. Kurzfristig hilft alles, was ein suchendes System findet: aktuelle, korrekt verlinkte Einträge dort, wo über deine Branche geschrieben wird. Langfristig zählt nur, ob dein Name so oft und so eindeutig im Netz steht, dass er beim nächsten Trainingsstand hängen bleibt. Das erste ist eine Aufgabe für diesen Monat. Das zweite dauert länger als jede Kampagne, und niemand kann dir dafür ein Datum nennen.
Was der Check tut
Er lädt deine Startseite, leitet daraus ein Firmenprofil ab und erzeugt daraus zehn Fragen, die zu deinem Geschäft passen. Diese Fragen gehen an vier Modelle.
Die Fragen stammen also aus deiner eigenen Außendarstellung, und darin steckt eine Annahme: dass du dein Geschäft auf der Startseite ungefähr so beschreibst, wie deine Kunden danach fragen. Stimmt das nicht, prüfst du die falschen Fragen. Deshalb stehen alle zehn im Report, im Wortlaut. Wenn du sie liest und denkst, so fragt bei uns niemand, ist das bereits ein Befund, und zwar kein kleiner. Danach zählt er, in wie vielen Antworten dein Name vorkommt, mit welchen Wettbewerbern zusammen, und in welchem Zusammenhang.
Was du bekommst: vier Kennzahlen von 0 bis 100, die Aufschlüsselung je Modell, die Original-Zitate im Wortlaut und eine Liste der Anbieter, die stattdessen genannt werden. Dazu priorisierte Hebel, jeder mit dem Befund, auf dem er steht.
Die vier Kennzahlen messen Verschiedenes. Sichtbarkeit ist der Anteil der Antworten, in denen dein Name auftaucht. Rechne dabei mit einer Decke: Wenn zwei der vier Modelle ohne Suche antworten und dein Name im Modellgedächtnis fehlt, sind rund 50 von 100 das Erreichbare. Volle 100 bedeuten, dass dich auch die nicht suchenden Modelle von sich aus nennen. Genauigkeit bewertet, ob die KI dich richtig einordnet, wenn sie dich nennt. Struktur prüft deine Website auf das, woran auch klassische Suchmaschinen hängen. Autorität zählt, wie viele Nennungen ein Vertrauenssignal tragen, also Bewertung, Referenz oder Erfahrung.
Eine Nennung ist bei uns erst einmal nur das: dein Name kommt im Antworttext vor. Ob das Lob oder Warnung war, entscheidet die Sichtbarkeit nicht, dafür ist die Genauigkeit da. Wir trennen das bewusst, weil sonst zwei Fragen in einer Zahl steckten.
Der Check kostet nichts und verlangt kein Konto. Du gibst eine Adresse ein, damit der Report bei dir ankommt.
Was der Check nicht tut
Er misst Modelle, nicht Apps. Die Anfragen laufen über die Programmierschnittstellen der Anbieter, nicht über die Chatfenster, die deine Kunden benutzen. Ein Chatfenster kennt den Gesprächsverlauf, den Standort und das Nutzerkonto, unsere Messung kennt nichts davon.
Warum ist das trotzdem brauchbar? Weil eine Messung mit Verlauf, Standort und Konto für niemanden reproduzierbar wäre. Sie fiele bei jedem Nutzer anders aus, und zwei Läufe ließen sich nicht vergleichen. Genau das ist aber der Zweck: kein hübscher Einzelwert, sondern ein Wert, den du in dreißig Tagen erneut misst. Dafür brauchst du gleiche Bedingungen, und die gibt es nur über die Schnittstelle. Dazu kommt, dass hinter jedem Chatfenster dasselbe Modell sitzt: Was es nicht gespeichert hat, muss es auch dort erst suchen.
Was wir dir dazu noch schuldig sind: Wir wissen noch nicht, wie stark derselbe Lauf am selben Tag schwankt. Modelle antworten nicht immer gleich. Solange diese Zahl fehlt, ist bei einem Vergleich zweier Läufe eine Differenz von ein, zwei Nennungen kein Signal. Wir messen das nach und schreiben es dazu.
Google AI Overviews fehlen noch. Für die KI-Antwort über der Trefferliste gibt es keine Schnittstelle. Google wählt dort die Quellen selbst aus, nach eigenen Regeln, und das ist etwas anderes als ein Modell im Gespräch. Wir nehmen sie als eigene Zeile auf, sobald die Messung verlässlich steht. Bis dahin steht im Report, dass sie fehlt.
Es gibt keine Garantie. Google hat seine Hinweise zu Drittanbieter-Werkzeugen am 5. Juni 2026 aktualisiert und nennt dort „AEO“ und „GEO“ ausdrücklich beim Namen. Der Satz lautet: „Google doesn't evaluate third-party services, so be wary of such claims and those making them. Keep in mind that using a service or tool doesn't guarantee ranking success.“ Das gilt für unser Werkzeug genauso wie für jedes andere. Wir messen, was messbar ist, und sagen dazu, wie wir es gemessen haben. Wer dir eine Position in KI-Antworten zusichert, verkauft dir etwas, das er nicht liefern kann.
Zehn Fragen sind eine Stichprobe. Bei einer kleinen Datenbasis steht das im Report als Hinweis an der Kennzahl, nicht im Kleingedruckten. Ein Wert aus drei Datenpunkten sagt weniger als einer aus dreißig, und das gehört dorthin, wo die Zahl steht.
Was du mit dem Ergebnis anfängst
Das Nützlichste am Report sind nicht die Kennzahlen, sondern die Zitate. Wenn ein Modell deine Firma nennt, aber falsch einordnet, ist das ein anderes Problem als gar nicht genannt zu werden, und es braucht eine andere Antwort. G2 hat in derselben Befragung nachgefragt: 64 Prozent der Einkäufer sind schon auf ungenaue KI-Empfehlungen gestoßen. Falsch beschrieben zu werden ist die häufigere Lage, nicht die seltenere.
Zu jedem Befund steht im Report, wie du ihn selbst angehst. Ein fehlender Verzeichniseintrag ist eine halbe Stunde Arbeit, und dafür brauchst du niemanden. Das wirkt allerdings zuerst dort, wo ein System live sucht. Beim Modellgedächtnis wirkt es erst mit dem nächsten Trainingsstand, wenn überhaupt; dafür liefert der Check eine Diagnose, kein Versprechen. Wenn du willst, dass wir die Umsetzung übernehmen, steht der Preis dabei.
Der Check läuft ab sofort unter check.waterproof.agency. Er ist auch von unserer Tool-Übersicht verlinkt.
Häufige Fragen
Warum vier Modelle und nicht eines?
Weil zwei Fragen dahinterstecken: Was findet ein System, das nachschlägt, und was weiß ein Modell ohne Suche über dich? Ein einzelnes Modell beantwortet immer nur eine der beiden.
Kostet der Check wirklich nichts?
Ja. Ohne Konto, ohne Kreditkarte. Wir begrenzen ihn auf drei Läufe je Anschluss und Tag, weil jede Abfrage bei den Modellanbietern Geld kostet.
Wie lange dauert es?
Etwa eine Minute. Du bekommst sofort eine Seite mit dem Zwischenstand, die sich selbst aktualisiert, und danach den Report zusätzlich per Mail.
Was passiert mit meiner E-Mail-Adresse?
Sie geht an dich selbst, mit dem Report. Wir melden uns nur, wenn du es willst. Nach 180 Tagen wird der Datensatz samt Adresse automatisch gelöscht.
Ersetzt das SEO?
Nein. Die Struktur-Kennzahl prüft genau die Dinge, an denen auch klassische Suchmaschinen hängen. Google selbst schreibt, dass Sichtbarkeit in KI-Antworten aus seiner Sicht weiterhin SEO ist. Wir sehen es genauso, ausführlicher hier.
Quellen
- G2, The Answer Economy, Befragung von 1.076 B2B-Entscheidern, 2026-03. prnewswire.com
- Search Central, Guidance on using third-party SEO tools and services, Stand 2026-06-05. developers.google.com
- Agarwal und Sen, randomisiertes Feldexperiment zu AI Overviews, 2026. searchenginejournal.com
- SISTRIX-Analyse von 100 Millionen Keywords zum Klickverlust, 2026-02-25. collectivebrain.de