KI-Optimierung im Mittelstand: Wie Consumer-Brands bis zu 150 Mitarbeitern ihre Sichtbarkeit in Large Language Models messbar erhöhen

Auf einen Blick

• Veränderte Konsumgewohnheiten machen KI-Optimierung für Consumer Brands zur Pflicht, um langfristig im Wettbewerb zu bestehen
• Es gibt zahlreiche Möglichkeiten, die Sichtbarkeit in KI-Modellen seiner eigenen Brand zu erhöhen
• Die Informationsdichte auf der eigenen Website muss sowohl hoch als auch glaubwürdig sein, um zuverlässig von KI-Modellen empfohlen zu werden
• Ausblick und Empfehlung, was kleine und mittelständische Consumer Brands nun für ihre KI-Optimierung tun können

Die Konsumgewohnheiten ändern sich

ChatGPT, Perplexity und Co. sind aus unserem Alltag nicht mehr wegzudenken. Auch und gerade vor konkreten Kaufentscheidungen nutzen Kunden aktiv KI-Modelle: bereits 2025 haben 59% der Verbaucher in Deutschland KI herkömmlichen Suchmaschinen für die Produktsuche vorgezogen. Fast 70% der deutschen Verbraucher erwarten dabei, dass Large Language Models (LLM) plattformübergreifend Informationen zusammentragen und konkrete Produktempfehlungen aussprechen. 

Führen sich Entscheider von Consumer Brands nun noch vor Augen, dass KI-Traffic um 31% besser konvertiert als organischer Traffic, wird ihnen klar: sie müssen für die KI sichtbar werden.

Wie Mittelständler ihre Sichtbarkeit in ChatGPT und Co. steigern

Wessen Marke also von LLM nicht genannt wird, lässt viel Potenzial liegen und verringert signifikant die Chance, dass Kunden kaufen.

Kleine und mittelständische Unternehmen haben dabei vielzählige Möglichkeiten, von LLMs empfohlen zu werden. Wichtig ist dabei zunächst das technische Grundgerüst: KI-Modelle brauchen mithilfe eines sogenannten Crawler-Zugriffs eine Erlaubnis, die Website des Unternehmens automatisiert zu durchsuchen. Versperrt der IT-Administrator des Unternehmens also GPTBot, ClaudeBot, PerplexityBot etc. den Zugang zur eigenen Website, erschwert es den LLMs unnötig, ihre Produkte oder Dienstleistungen zu empfehlen. Oder anders formuliert: was die KI nicht weiß, kann sie nicht empfehlen.

Eine weitere große Hilfe für die LLMs sind Frequently Asked Questions (FAQs). Die deutsche PC Hardware-Marke ICY BOX hat für all ihre Produktkategorien dedizierte FAQs aufgeführt. Diese sind nicht bloß für die Besucher der Website hilfreich. Vor allem werden diese Fragen einer KI gestellt, die diese dann leicht beantworten kann – schließlich hat ICY BOX das für die KI bereits erledigt.

Large Language Models lieben Listen. Consumer Brands können diese Vorliebe ausnutzen, indem sie die wichtigsten Fakten über ihre Produkte in Listenform darbieten. Auch hier findet sich ein Beispiel bei ICY BOX, bei der die wichtigsten Eigenschaften des Produktes stichpunktartig am Anfang aufgeführt werden – quasi "mundgerecht" für die KI. 

Das Entscheidende passiert im Backend

KI-Optimierung – auch Generative Engine Optimization genannt – geschieht nicht nur für jeden sichtbar auf der Website im Frontend. Vor allem der für Website-Nutzer unsichtbare Teil im Backend ist entscheidend. So empfiehlt es sich als mittelständische Consumer Brand leere Felder im Backend entweder vollständig zu befüllen oder aber komplett zu löschen. Unvollständige Informationen senken die Wahrscheinlichkeit, dass eine KI die eigene Brand empfiehlt. 

Eine KI durchsucht eine Website zwar um ein Vielfaches schneller als es ein Mensch je könnte. Dabei geht sie aber erstaunlich ähnlich vor. Das bedeutet, dass auch eine KI klare, nachvollziehbare Strukturen bevorzugt. Die IT-Abteilung eines mittelständischen Unternehmens tut also gut daran, eine stringente Breadcrumb-Struktur einzuhalten. So kann die KI sich auf der Website besser orientieren, versteht ihren Aufbau und bleibt so länger auf selbiger. Was in letzter Instanz dazu führt, dass sie in ihrer Produktempfehlung mehr Informationen über das eigene Unternehmen einspeist.

Wie LLMs eine Consumer Brand als glaubwürdig einstufen

Fragt ein Kunde vor seiner Kaufentscheidung eine KI um Rat, ist diese bemüht, dem Kunden eine glaubwürdige Antwort zu liefern. Eine Consumer Brand ist folglich daran interessiert, von einer KI als glaubwürdig eingestuft zu werden. Am besten schafft sie das, indem sie ihre Mitarbeiter für sich bürgen lässt. So können mittelständische Unternehmen Biografien ihrer Ingenieure, Top Manager etc. veröffentlichen und diese etwas über die eigenen Produkte oder Dienstleistungen sagen lassen. Solche "Bürgschaften" schaffen ebenso Vertrauen wie authentische Kundenbewertungen bei Amazon oder vergleichbaren Online-Shops. Je mehr über das eigene Produkt gesprochen wird, desto wahrscheinlicher wird es empfohlen – vorausgesetzt natürlich, die Bewertungen sind annähernd gut.

Ist die eigene Brand vielleicht die erste ihrer Art in ihrem Heimatland? Oder ist sie die Nr. 1 in ihrer Nische? Erfüllt die eigene Brand solche Superlative, sollten sie genannt werden. Entscheidend ist dabei, dass solche Aussagen belegt werden. Unbelegte Aussagen wie Europas führende Marke für Elektronikprodukte werden von einer KI nicht nur nicht zitiert, sondern im Gegenteil sogar abgestraft. Können solche Claims hingegen durch aktuelle Marktdaten belegt werden, bedeutet das einen starken Boost in der Sichtbarkeit.

Was kleine und mittelständische Unternehmen jetzt tun können

Sichtbarkeit in KI-Modellen ist schon jetzt von entscheidender Bedeutung. Und die To-Dos scheinen lang. Consumer Brands mit bis zu 150 Mitarbeitern sind gut beraten, die Low hanging fruits zuerst zu ernten. Leere Felder im Backend notfalls zu löschen und 5-8 FAQs zu Produktkategorien hinzuzufügen geht deutlich schneller als die gesamte Unternehmenshistorie und ihre Meilensteine in einem Wikipedia-Artikel mit klaren Quellenangaben niederzuschreiben. Und der Effekt stellt sich sofort ein. 

Generative Engine Optimization ist dabei jedoch keine One-Man-Show. Auch wenn vor allem die IT operativ viel umsetzen muss, empfiehlt es sich eine KI-Taskforce im Unternehmen einzuberufen. Diese kann aus internen KI-Enthusiasten, einem Projektleiter und der IT-Abteilung bestehen.

Mittlerweile gibt es auch Agenturen und selbstständige Experten, die zum Thema KI-Optimierung beraten.