AI Search 2026: Was bei der KI-Sichtbarkeit wirklich funktioniert
AI Search verändert gerade, wie Menschen Marken und Produkte finden. Immer mehr Kaufentscheidungen starten nicht bei Google, sondern in einem Chatbot. Wer in ChatGPT, Gemini und Perplexity nicht auftaucht, ist für eine wachsende Zielgruppe unsichtbar, egal wie gut das klassische SEO läuft. Malte Landwehr hat auf der OMR 2026 gezeigt, was wirklich funktioniert.
Auf der OMR-Bühne 2026 hat Malte Landwehr ausgepackt, was in der KI-Suche heute tatsächlich Wirkung zeigt und was nicht. Malte ist SEO-Urgestein und CPO bei Peec AI, einem der am schnellsten wachsenden Start-ups Europas. Peec AI analysiert für Großunternehmen, wie sie in den Antworten von LLMs auftauchen, und genau diese Daten hat er auf die Bühne gebracht. Kein Bauchgefühl, sondern echte Cases aus laufenden Projekten.
Sein Aufbau war einfach: Thesen aufstellen, was man tun könnte, und dann anhand der Daten bewerten, ob es klappt. Hier sind die zehn Hebel in Klartext, jeweils mit dem Beweis dahinter.
Warum AI Search jetzt zählt
AI Search ist kein SEO 2.0, sondern ein eigenes Spielfeld mit eigenen Regeln. LLMs nehmen sich nicht eure komplette Website, wenn sie eine Antwort generieren. Sie suchen das wichtigste Dokument zu einem Thema, ziehen einzelne Textabschnitte heraus und bauen daraus die Antwort. Wer versteht, welche Quellen LLMs anziehen und wie sie indexieren, kann gezielt beeinflussen, was über die eigene Marke gesagt wird. Wer wartet, verschenkt sechs bis zwölf Monate Vorsprung.
Die 10 Hands-on-Tipps für mehr KI-Sichtbarkeit
1. Eigene Inhalte erstellen, die zitiert werden
Inhalte auf der eigenen Website wirken messbar. In einem Kundencase von Peec AI lag die Zitierungsrate der eigenen Website anfangs bei drei Prozent. Nach dem Aufbau echter Experteninhalte stieg sie auf 60 Prozent. Im gleichen Zeitraum stieg die Nennung der eigenen Marke um rund 1100 Prozent. Wird die eigene Website als Quelle zitiert, fällt die Aussage über die Marke meist positiv aus.
2. Einen self-contained Textabschnitt weit oben platzieren
Setze weit oben auf jede Seite einen Absatz von rund 50 Wörtern, zwei bis drei Sätze, der für sich allein Sinn ergibt. Er muss in klarer, deklarativer Sprache geschrieben sein und ein paar konkrete Entitäten enthalten, also Marken, Begriffe, Zahlen. Genau diesen Abschnitt erkennt das LLM oft als Quintessenz und nutzt ihn, um die Antwort zu generieren. Chunking heißt nicht, den ganzen Text in Bullet Points zu zerlegen.
3. Zusammenfassungen über jeden Artikel setzen
Eine kurze Zwei-bis-drei-Sätze-Zusammenfassung über jedem Artikel funktioniert sehr gut. Sie ist der perfekte Happen für die KI. Vorsicht nur bei Zusammenfassungen pro Absatz, das kann den Lesefluss für menschliche Leser zerstören. Wenn in einer Tabelle oder einem Chart eine Kernaussage steckt, fasse genau diese in ein bis zwei Sätzen darunter zusammen. Nicht die Tabelle beschreiben, sondern die Quintessenz liefern.
4. Inhalte aktualisieren und auf Aktualität setzen
LLMs haben einen Recency Bias. Über alle großen Modelle hinweg werden neuere Dokumente klar bevorzugt, stärker noch als bei klassischen Suchmaschinen. Neue Inhalte produzieren oder bestehende aktualisieren wirkt also direkt auf die Zitierhäufigkeit.
5. Unique Content liefern, auch inhaltlich
Inhalte müssen nicht nur auf Wortebene einzigartig sein, sondern auch in der Information selbst. Der alte SEO-Trick, einen Wikipedia-Artikel leicht umzuschreiben und auf eine große Domain zu packen, funktioniert für LLMs nicht mehr. Die Modelle entscheiden sich dann immer für das Original. Gib jedem Inhalt eine eigene, einzigartige Information mit.
6. Listicles schreiben und sich selbst aufnehmen
Der peinlichste Trick, aber er funktioniert. LLMs nutzen sehr oft Fan-out-Queries wie bestes CRM 2026, und dann landen genau solche Listicles im Kontext. HubSpot, Zoho, SuperOffice, Monday: Bei vielen Empfehlungen ist die Quelle der Hersteller selbst. Im Bereich Professional Services sind rund 20 Prozent der von LLMs genutzten Listicles Self-Reference, gefolgt von SaaS. Wichtig: Hunderte AI-geschriebene Listicles zu skalieren kann Google-Rankings kosten, und ohne Google-Ranking findet der Grounding-Prozess der LLMs die Seite nicht. Also dosiert einsetzen.
7. Vergleichsseiten bauen
Wer vs. Wettbewerber funktioniert genauso. Bei einer Suche nach Rot vs. Grün ist die Quelle oft der Artikel des roten Wettbewerbers selbst, der dann komplett bestimmt, was im Vergleich steht. Marken bauen ganze Serien davon, Grün vs. Blau, Grün vs. Gelb, und werden durchgängig als Quelle gezogen. Dropbox vs. OneDrive ist kein Zufall. Auch hier gilt die Risikowarnung wie bei den Listicles.
8. Google Shopping Feed pflegen für ChatGPT Shopping
ChatGPT Shopping ist zu rund 99 Prozent gescraptes organisches Google Shopping. Peec AI hat den base64-codierten Datenblock im Code reverse engineered und kam auf eine Google-Shopping-URL mit exakt denselben Produkten. Praktische Folge: Wer einen Google-Merchant-Center-Feed hat und den Haken für organischen Traffic setzt, ist einen Tag später in ChatGPT Shopping. Im Test mit einem Online-Shop bestätigt. Klassische Google-Shopping-Optimierung reicht.
9. Inhalte auch auf Englisch anbieten
Auch bei einer deutschen IP, deutscher Sprache und deutscher Frage erstellen LLMs häufig mindestens ein englischsprachiges Fan-out-Query und ziehen englische Quellen heran. Eine deutsche Marke, die nur auf Deutsch kommuniziert, hat bei diesem Teil der Queries keine Chance, das Ergebnis zu beeinflussen. Sorge für englischsprachige Informationen über deine Marke, etwa Interviews, eine Content-Story auf Englisch oder eine digitale PR-Kampagne.
10. Fan-out-Begriffe beobachten und bedienen
In Fan-out-Queries tauchen Begriffe auf, die im ursprünglichen Prompt gar nicht vorkamen. Im E-Commerce bindet ChatGPT in rund 10 Prozent der Fälle das Wort Reviews ein. Auch das aktuelle oder das vergangene Jahr wird häufig ergänzt, deshalb haben Dokumente mit der Jahreszahl im Titel eine deutlich höhere Trefferchance. Tracke, welche Begriffe die LLMs einbauen, und bediene sie mit passenden Seiten, etwa einer Review-Seite oder einem Titel mit 2026.
Tracking als Grundlage
Ohne Daten optimiert man blind. Der erste Schritt ist immer: ein paar Prompts eingeben, anschauen, welche Quellen die LLMs zitieren, und prüfen, in welchen Quellen Wettbewerber genannt werden, man selbst aber nicht. Genau dort lässt sich gezielt ansetzen, indem man Erwähnungen anstößt. Tracken, in welchen Prompts man auftaucht, ist die Voraussetzung für jede sinnvolle AI-Search-Strategie.
Die Tricks mit Verfallsdatum
Einige Hebel funktionieren heute, haben aber ein absehbares Ablaufdatum. Advertorials, also bezahlte Artikel von Bild, Handelsblatt oder Wirtschaftswoche, werden von LLMs als Quelle herangezogen. Seit Oktober wurde dagegen nichts unternommen, aber das kann sich ändern. Ein weiterer Fund: Selbst ein gelöschter Wikipedia-Artikel wird noch monatelang zitiert, in einem Fall seit November mit nahezu gleichbleibender Häufigkeit. Wer das macht, bekommt aber vermutlich nie wieder einen echten Wikipedia-Artikel. Solche Hacks sind mit Vorsicht zu genießen.
Was laut Malte nicht funktioniert
Genauso klar war Maltes Liste dessen, was aktuell nicht trägt. Dazu gehören das Setzen auf reine Short-term-Trends, der Fokus nur auf Klicks, nur klassisches SEO, reddit-Spam und die Datei llms.txt. Ebenso ein Fehler: für alle LLMs denselben Ansatz zu fahren oder über alle Branchen hinweg gleich vorzugehen. Die Quellenauswahl unterscheidet sich je nach Modell und je nach Branche deutlich.
SEO allein reicht nicht mehr
Ein Finanzkunde aus den USA rankte exzellent in Google und Bing, hatte aber null Prozent Sichtbarkeit in Perplexity. Der Grund: Ein Textabschnitt auf der eigenen Seite empfahl fünf Wettbewerber. Das LLM nutzte genau diese entitätenreiche Tabelle, die eigene Marke kam nicht vor. Nach einer geänderten Überschrift und Platz 1 für sich selbst war der Kunde am nächsten Tag die sichtbarste Marke im Segment. Die Lehre: Gutes SEO ist die perfekte Grundlage für KI-Sichtbarkeit, aber es ist nicht genug.
Fazit
AI Search ist ein eigenes Spielfeld, kein Anhängsel von SEO. Die Mechanik ist anders, die Quellenauswahl ist anders, und die Hebel sind teils unbequem. Wer aber versteht, wie LLMs Quellen anziehen und indexieren, kann seine Sichtbarkeit in ChatGPT, Gemini und Perplexity heute aktiv gestalten. Manche Hacks haben ein Verfallsdatum, das Fundament aus Tracking, zitierfähigen Inhalten und englischsprachiger Präsenz hat keines.
Häufige Fragen zu AI Search
Was ist AI Search?
AI Search bezeichnet die Suche und Markenfindung über KI-Systeme wie ChatGPT, Gemini und Perplexity statt über klassische Suchmaschinen. Statt einer Linkliste liefern LLMs direkte Antworten und zitieren dabei einzelne Quellen. Für Marken entscheidet AI Search zunehmend darüber, ob sie in Kaufentscheidungen überhaupt noch auftauchen.
Warum reicht klassisches SEO für KI-Sichtbarkeit nicht aus?
Klassisches SEO ist die Grundlage, aber nicht ausreichend für KI-Sichtbarkeit. LLMs ziehen einzelne, entitätenreiche Textabschnitte als Quelle heran, nicht ganze Websites. Ein Finanzkunde mit Top-Google-Rankings hatte null Prozent Sichtbarkeit in Perplexity, weil seine Marke im genutzten Textabschnitt nicht genannt wurde.
Wie komme ich mit meinen Produkten in ChatGPT Shopping?
ChatGPT Shopping bezieht rund 99 Prozent seiner Produkte aus organischem Google Shopping. Wer einen Google-Merchant-Center-Feed pflegt und die Option für organischen Traffic aktiviert, erscheint typischerweise einen Tag später in ChatGPT Shopping. Klassische Google-Shopping-Optimierung ist damit der direkte Weg.
Welche Voraussetzungen brauche ich, um KI-Sichtbarkeit zu messen?
Die Voraussetzung für jede AI-Search-Strategie ist Tracking. Man definiert relevante Prompts, prüft, welche Quellen die LLMs dafür zitieren, und identifiziert, in welchen Quellen Wettbewerber genannt werden, man selbst aber nicht. Ohne diese Daten optimiert man blind.
Warum sollten deutsche Marken Inhalte auf Englisch anbieten?
Deutsche Marken sollten englische Inhalte anbieten, weil LLMs auch bei deutschen Fragen häufig englischsprachige Fan-out-Queries erstellen und englische Quellen heranziehen. Eine rein deutschsprachige Marke kann bei diesem Teil der Suchen das Ergebnis nicht beeinflussen. Englische Interviews, eine Content-Story oder digitale PR schaffen die nötigen Footprints.
