Aus welchen Quellen KI ihr Bild einer Marke zusammensetzt — und warum die Website nicht die Hauptrolle spielt

Ende 2025 unterzog eine B2B-Plattform ihre Website einer gründlichen Überarbeitung: Produktbeschreibungen aktualisiert, Fallstudien neu geschrieben, Seitenstruktur entlang von Kundenaufgaben aufgebaut. Einen Monat nach dem Relaunch fragte der Marketingverantwortliche ChatGPT: „Welche Plattformen eignen sich für die Automatisierung des Einkaufs in einem mittelständischen Fertigungsunternehmen?" Die Antwort war unerwartet. Das Modell nannte die Marke zwar — beschrieb sie aber mit den Worten eines zwei Jahre alten Branchenportal-Testberichts. Die Kategorie stammte aus einem G2-Profil. Die Preisspanne aus einer Reddit-Diskussion. Die neue Website — jene, in die monatelange Arbeit geflossen war — existierte in der Maschinenantwort praktisch nicht. Das ist kein Fehler eines bestimmten Systems. So funktioniert die Umgebung: Die KI bildet ihre Meinung über ein Unternehmen aus mehreren Schichten gleichzeitig, und die Website ist darin eine wichtige Stimme, aber bei Weitem nicht die einzige.

Dieser Artikel untersucht den Mechanismus selbst: Aus welchen Schichten genau setzt sich die Maschinenmeinung zusammen, und wie verhalten sie sich zueinander? (Die Frage, welche externen Quellen einer Marke das Recht geben, empfohlen zu werden — und nicht nur erwähnt —, wird ausführlicher in einem eigenen Artikel zur externen Autorität behandelt.) Die Architektur sieht folgendermaßen aus. Google Search Central gibt ausdrücklich an, dass AI Overviews und AI Mode eine fächerförmige Zerlegung der Anfrage nach Unterthemen und Datenquellen verwenden und anschließend ein breiteres und vielfältigeres Set an unterstützenden Links anzeigen als die klassische Websuche [1]. In der AI-Mode-Hilfe ergänzt Google, dass das System die Frage in Unterthemen aufteilt und gleichzeitig nach relevantem Material für jedes einzelne sucht [2]. OpenAI beschreibt ChatGPT Search als einen Mechanismus für schnelle, aktuelle Antworten auf der Grundlage von Webquellen und unter Berücksichtigung des gesamten Gesprächskontexts [3][4]. Perplexity formuliert dieselbe Idee mit maximaler Direktheit: Das System durchsucht das Internet in Echtzeit, sammelt Informationen aus vertrauenswürdigen Quellen und fasst sie in einer kurzen Erklärung zusammen [5].

Übersetzt man dieses technische Bild in die Sprache der Marke, ergibt sich eine einfache, aber wichtige Schlussfolgerung: Das Bild, das KI von einem Unternehmen hat, setzt sich mindestens aus fünf Schichten zusammen.

Die erste Schicht sind die eigenen Kanäle der Marke. Dazu gehören die Website, die Dokumentation, Bereiche mit häufig gestellten Fragen, Produktbeschreibungen, Tarifseiten, Case Studies, öffentlich zugängliche Studien, der Pressebereich, Expertenblogs und mitunter auch Video-Transkripte und technische Wissensbasen. Diese Schicht legt den Ausgangsthesaurus fest: wie die Marke sich selbst bezeichnet, welcher Kategorie sie sich zuordnet und welche Eigenschaften sie in den Vordergrund rückt. Wenn in den eigenen Kanälen bereits Verwirrung herrscht, rettet auch die beste externe Reputation nichts. Die Maschine braucht ein Ausgangsgerüst.

Die zweite Schicht ist der Such- und Verweiskontext. Selbst wenn die Antwort für den Nutzer wie ein Gespräch wirkt, arbeitet in ihr oft weiterhin die Logik der Suchinfrastruktur. Google erinnert daran, dass Seiten für die Teilnahme an KI-Funktionen indexiert sein und grundsätzlich für die gewöhnliche Suche geeignet sein müssen [1]. Vereinfacht gesagt beginnt der KI-Vermittler nur selten bei null: Er stützt sich auf die bereits bestehende Schicht aus Auffindung, Indexierung und Auswahl von Web-Dokumenten. Deshalb sind die technische Zugänglichkeit der Website, die Qualität der Texte und grundlegende Suchdisziplin keineswegs verschwunden. Sie garantieren aber keine Dominanz mehr. Sie lassen die Marke lediglich überhaupt mitspielen.

Die dritte Schicht sind externe redaktionelle und branchenspezifische Quellen. Dazu zählen Reviews, Vergleiche, Rankings, Interviews, Analysen, Publikationen von Branchenmedien, Verzeichnisse und Unternehmensprofile. Gerade hier erhält die Marke in der Regel etwas, das sie sich selbst nicht geben kann: externe Bestätigung. Wenn die offizielle Website behauptet, das Unternehmen sei stark in komplexer Unternehmensanalytik, unabhängige Quellen es aber als Nischenwerkzeug für kleine Unternehmen beschreiben, muss das KI-System diese Versionen miteinander in Einklang bringen. Und sehr oft entscheidet es sich für diejenige, die besser belegt ist und klarer in das Verweisnetz eingebettet ist. In Antwortsystemen wiegt Selbstdarstellung ohne externe Verifizierung weniger, als Marken es sich wünschen würden.

Die vierte Schicht ist die Nutzerspur. Hierzu gehören Rezensionen, Diskussionen in Foren, Fragen und Antworten in Communities, Erwähnungen in sozialen Netzwerken, Meinungskataloge, Support-Seiten und überhaupt jenes lebendige, nicht immer ordentliche Geflecht des Internets, in dem Menschen einander erklären, was für ein Produkt das ist und wie es funktioniert. Diese Schicht ist laut und unzuverlässig, doch sie lässt sich nicht ignorieren. Sie formt häufig die Sprache der realen Nachfrage. Ein Unternehmen kann von sich als „modulare Umgebung für intelligentes Datenmanagement“ sprechen, während Nutzer es als „praktischen Service für komplexes Reporting ohne schwere Implementierung“ diskutieren. Für KI ist genau diese Sprache bedeutsam, weil in ihr die alltäglichen Fragen formuliert werden.

Die fünfte Schicht ist strukturiertes Wissen. Dazu gehören Entitätsdatenbanken, offene Wissensgraphen, Kataloge, Unternehmensverzeichnisse, Organisationsprofile, standardisierte Beschreibungen und mitunter auch Schema-Markup auf der Website selbst. Überblicksarbeiten zur Integration externen Wissens in Sprachmodelle zeigen, dass die Verbindung von KI mit Wissensbasen und Wissensgraphen die faktische Genauigkeit, die Nachvollziehbarkeit und die Erklärbarkeit der Antwort erhöht [6][8]. Für die Marke bedeutet das, dass die Rolle „langweiliger“ und formal wirkender Quellen zunimmt. Sie erzeugen selten eine strahlende Reputation, sichern aber häufig die stabile Identifikation der Entität.

Gerade das Zusammenspiel dieser Schichten erklärt, warum die Website nicht die Hauptrolle spielt. Sie kann die wichtigste Primärquelle sein, aber nicht die wichtigste Instanz. Antwortsysteme bewerten nicht nur, was die Marke über sich selbst sagt, sondern auch, wie diese Aussage von anderen Akteuren im Netz bestätigt, wiederholt, bestritten oder umformuliert wird. Man kann es auch schärfer sagen: Die Website erklärt, als was die Marke gelten möchte; die Außenwelt zeigt, als was sie tatsächlich gilt; und die KI versucht, aus diesen Versionen einen arbeitsfähigen Kompromiss zu bauen.

Daraus ergeben sich mehrere Folgen, die für die Praxis wichtig sind.

Erstens lässt sich an KI-Sichtbarkeit nicht ernsthaft arbeiten, wenn man sich auf die Startseite beschränkt. Selbst eine hervorragend geschriebene Website garantiert nicht, dass die Marke in der Antwort auftaucht, wenn externe Quellen die entscheidenden Eigenschaften entweder nicht bestätigen oder anders bestätigen. Zweitens bleibt die offizielle Website weiterhin von kritischer Bedeutung — gerade weil sie die kanonische Struktur der Entität vorgibt. Ihre Funktion verändert sich jedoch. Sie muss nicht nur eine schöne Vitrine sein, sondern ein verlässlicher Ort der Synchronisierung: ein Ort, an dem KI und Mensch Name, Kategorie, Eigenschaften und Nachweise gleichermaßen klar erkennen. Drittens muss die Marke nicht nur den eigenen Text steuern, sondern auch das Ökosystem der Bestätigungen: Wer und wie über sie schreibt, in welchen Vergleichen sie vorkommt, in welchen Katalogen und Wissensbasen sie vertreten ist, wo ihre Methodik präsent ist und wer ihre Rolle im Markt unabhängig bestätigen kann.

Besonders wichtig ist, dass unterschiedliche KI-Plattformen diese Umgebung unterschiedlich lesen. Google stützt sich auf seine eigene Suchinfrastruktur und auf KI-Modi, in denen Indexierbarkeit und die Eignung einer Seite zur Anzeige wichtig sind [1][2]. ChatGPT Search bindet Web-Quellen auf Anfrage oder automatisch ein und berücksichtigt dabei den Dialogkontext [3][4]. Perplexity setzt auf nahezu kontinuierliches Web-Retrieval in Echtzeit und auf explizite Links [5]. Microsoft Copilot beschreibt Antworten ebenfalls als in Websuche und externen Links verankert [9][10]. Für die Marke bedeutet das, dass es keine einzige „Quelle der Wahrheit“ gibt, aus der alle Maschinen ein Unternehmen auf identische Weise lesen. Es gibt ein Netzwerk von Quellen, das jedes System nach seiner eigenen Logik zusammensetzt.

Deshalb beginnt eine reife Strategie mit einer erwachseneren Frage. Nicht: „Wie beschreiben wir uns besser auf der Website?“, sondern: „Welche Gesamtheit von Quellen formt das maschinelle Bild von uns — und wo sind wir in dieser Gesamtheit stark, und wo arbeiten Rauschen, Leere oder Fremdinterpretation gegen uns?“ Erst mit dieser Frage hört Content-Arbeit auf, Kosmetik zu sein, und wird zur Steuerung von Wissen.

Genau hier zeigt sich auch die neue Rolle der Marke im Internet. Früher konnte sie es sich leisten, die Website als Hauptbühne zu sehen und alles andere als lauten Außenhintergrund. Heute kehrt sich dieses Bild um. Die Website bleibt die Bühne, doch das Stück wird längst nicht nur dort gespielt. Inszeniert wird es vom gesamten Internet. Und das KI-System ist darin nicht Zuschauer, sondern Redakteur, der aus vielen Stimmen eine endgültige Fassung für den Nutzer zusammenstellt. In dieser Logik gewinnt nicht, wer am lautesten über sich selbst spricht, sondern wessen Entität im Netz am klarsten und konsequentesten bestätigt wird.