Über GEO als Disziplin habe ich hier schon geschrieben — was Generative Engine Optimization von SEO unterscheidet und welche Hebel wirken. Dieser Beitrag ist das Gegenstück aus der Praxis: Was passiert eigentlich auf der Kundenseite, wenn die Suche durchs Gespräch läuft statt durch die Trefferliste? Und woran entscheidet sich, wen die KI empfiehlt?
Die neue Kundenreise hat drei Schritte — und keinen Klickpfad
Die klassische Reise war messbar: Suche, Klick, Website, Formular. Die AI-Search-Reise sieht anders aus:
- Die Frage. Nicht „Immobilienmakler Bonn", sondern: „Ich will mein Haus in Bad Godesberg verkaufen — wie finde ich einen guten Makler, und wen würdest du empfehlen?" Die Frage ist länger, konkreter und enthält den Kontext, den früher niemand mitgeliefert hat.
- Die Empfehlung. Der Assistent nennt zwei, drei Namen — mit Begründung. Wer hier auftaucht, steht auf der Auswahlliste. Wer nicht auftaucht, existiert in diesem Gespräch nicht, ganz gleich, wie gut er bei Google rankt.
- Der Direktkontakt. Der Interessent tippt den Namen direkt ein oder ruft an. In der Statistik sieht das aus wie Direktzugriff oder Markensuche — der eigentliche Auslöser bleibt unsichtbar.
Das erklärt einen Effekt, den gerade viele Unternehmen sehen: Die organischen Klicks stagnieren, aber die Qualität der Anfragen steigt. Wer über eine KI-Empfehlung kommt, hat den Vergleich schon hinter sich.
Warum es Immobilien zuerst trifft
Dass mich Kunden inzwischen über „Immobilien + AI Marketing" finden, ist kein Zufall. Die Immobilienbranche hat genau die Merkmale, bei denen Menschen eine KI um Rat fragen statt eine Liste zu überfliegen:
- Hoher Einsatz, seltene Entscheidung. Ein Hausverkauf passiert ein-, zweimal im Leben. Niemand hat Routine, jeder will eine Empfehlung.
- Vertrauensfrage statt Produktvergleich. „Wen nehme ich?" ist eine Frage nach Menschen und Belegen — genau das Format, in dem Assistenten stark sind.
- Lokale Autorität zählt. Die KI begründet ihre Empfehlung mit dem, was sie belegen kann: Stadtteilkompetenz, Referenzen, Spezialisierung. Wer das maschinenlesbar zeigt, wird zitiert.
Dieselbe Logik gilt für jede beratungsintensive Leistung — Steuerberater, Agenturen, Fractional CMOs. Immobilien sind nur der Frühindikator.
Was die KI braucht, um dich zu empfehlen
Eine KI empfiehlt keine Marke, die sie nicht versteht. Vier Dinge entscheiden, ob du in der Antwort stehst:
1. Eine Entität, die sie greifen kann
Wer bist du, wo sitzt du, was machst du, seit wann? Das gehört als Organization- oder Person-Auszeichnung auf die Website und muss überall gleich lauten — Website, LinkedIn, Verzeichnisse. Widersprüchliche Fakten kosten die Empfehlung.
2. Belege statt Behauptungen
„Führender Makler" ist für ein Sprachmodell wertlos. „2.500 Nutzer im ersten Monat nach Go-live" ist zitierfähig. Konkrete Zahlen, benannte Referenzen und nachprüfbare Ergebnisse sind die Währung, mit der eine KI ihre Empfehlung begründet.
3. Antworten auf echte Fragen
Assistenten setzen Antworten aus Passagen zusammen, die für sich stehen können. Ein FAQ-Abschnitt, der „Was kostet …", „Wie lange dauert …", „Funktioniert das mit …" vollständig beantwortet, liefert genau diese Passagen — als sichtbarer Text und als FAQPage-Auszeichnung.
4. Offene Tür für die Crawler
Eine llms.txt, die beschreibt, wofür du stehst, und eine robots.txt, die GPTBot, ClaudeBot und PerplexityBot nicht versehentlich aussperrt. Klingt banal, ist aber der häufigste Grund, warum technisch gute Seiten in KI-Antworten fehlen.
Der Selbsttest: 30 Minuten, keine Tools
So findest du heraus, wo du stehst
- Stell die Kundenfrage. Öffne ChatGPT, Perplexity und Claude und frag so, wie dein Kunde fragt: „Ich suche [deine Leistung] in [deine Stadt] — wen empfiehlst du und warum?" Nicht deinen Namen nennen.
- Protokolliere die Antworten. Wer wird genannt? Mit welcher Begründung? Die Begründungen verraten, welche Belege die KI gefunden hat — und welche dir fehlen.
- Frag nach dir. „Was weißt du über [dein Unternehmen]?" Wenn die Antwort dünn oder falsch ist, weißt du, woran es liegt: Die Maschine kann dich nicht greifen.
- Wiederhole das monatlich. Gleiche Fragen, gleicher Rhythmus, kurzes Protokoll. Das ist kein Laborwert, aber ein belastbarer Trend — und der einzige, den es in diesem Kanal gibt.
Messen, was nicht klickt
AI Search taucht in Analytics kaum auf. Drei Quellen ersetzen den fehlenden Klickpfad:
- Die Quelle-Frage im Erstgespräch. „Wie sind Sie auf mich gekommen?" — konsequent gestellt und notiert. Bei mir ist das inzwischen die aufschlussreichste Marketing-Kennzahl überhaupt.
- Referrer-Reste. Verweise von
chatgpt.comundperplexity.aierscheinen, wenn doch jemand klickt. Klein in der Zahl, groß als Signal. - Serverlogs. Besuche von GPTBot & Co. zeigen, ob deine Inhalte überhaupt eingesammelt werden. Keine Crawler, keine Empfehlungen.
Der ehrliche Schluss
AI Search belohnt genau das, was gute Arbeit ohnehin auszeichnet: klare Positionierung, belegbare Ergebnisse, vollständige Antworten. Es gibt keinen Trick, der eine schwache Substanz in eine Empfehlung verwandelt — aber es gibt sehr viel verschenkte Sichtbarkeit bei Unternehmen, deren Substanz längst reichen würde. Die Maschine kann sie nur nicht lesen.
Wenn du wissen willst, wie das konkret aussieht: Für Immobilienunternehmen habe ich den kompletten Ansatz auf der Seite Immobilienmarketing mit KI beschrieben, die technische Seite steht unter Propstack- & onOffice-Integration — und branchenübergreifend zeigen die KI-Marketing Use Cases, welche Systeme bei mir selbst laufen.