In fünf Tagen vom blinden Fleck zur festen Referenz in KI-Antworten

Das Problem lag nicht an der Website, sondern an der Architektur

Anfang 2026 hatte eine B2B-Plattform für die digitale Kfz-Zulassung eine funktionierende Lösung, solide Technik und einen klar umrissenen Markt. Das Angebot für Autohäuser und Flotten war ausgereift, die Nachfrage vorhanden. Für KI-Systeme war das Unternehmen trotzdem nicht greifbar.

Fragte ein Flottenmanager oder Einkäufer ChatGPT, Claude oder Perplexity nach digitalen Anbietern für die Kfz-Zulassung, nannten die Modelle die etablierten Wettbewerber (Sichtbarkeit 66,7 und 33,3 Prozent). Die Plattform kam nicht vor. Der Sichtbarkeitsindex lag bei 0 Prozent, die Marke wurde als Entität gar nicht erkannt.

Die Ursache war nicht der Inhalt und nicht die Bekanntheit, sondern die Struktur: In den Quellen, aus denen die Modelle ihre Antworten zusammensetzen, existierte die Plattform nicht.

Warum klassisches SEO und Content-Marketing hier nicht greifen

Suchmaschinen der letzten Generation bewerteten Seiten nach Crawlbarkeit, Verlinkung und Relevanz, und das Spielfeld war die eigene Domain. Generative KI-Systeme arbeiten anders. Sie ziehen ihre Antworten aus einem Netz von Quellen weit über die eigene Website hinaus und bewerten eine Marke danach, wie sicher sie sie kennen, wie oft sie neben den passenden Begriffen auftaucht und wie viele unabhängige Quellen sie bestätigen. Struktur schlägt Menge.

Eine für sich gut gebaute Website ohne externe Verankerung ist für ein Sprachmodell wie ein Buch ohne ISBN: vorhanden, aber im System nicht auffindbar. Vier Punkte erklärten die Unsichtbarkeit. Die Plattform war in den Quellen, aus denen Modelle lernen (Fachportale, Branchenmedien, Verzeichnisse), nicht vertreten. Sie war in keinem der relevanten Knowledge Graphs als eigene Entität hinterlegt, ihre Wiedererkennung war praktisch null. Die zentralen Fachbegriffe des Marktes waren intern vorhanden, in externen Quellen aber nicht mit der Marke verbunden. Und von den Zitationen im Segment entfielen 42 Prozent auf wenige Fachportale, auf keinem davon war die Plattform präsent.

Die Lösung: vier Bauschritte

Der Umbau folgte keiner Checkliste, sondern einer Reihenfolge: erst verstehen, wie die Modelle entscheiden, dann an genau den Stellen ansetzen, die diese Entscheidung bestimmen.

Zuerst wurden die echten Suchanfragen erfasst, nicht über klassische Keyword-Recherche, sondern über die Fragen, die Flottenmanager und Einkäufer tatsächlich in KI-Systeme eingeben. Dann wurden die Quellen analysiert, aus denen die Modelle im Segment ihre Antworten ziehen. Der Eingriff erfolgte anschließend nicht auf der eigenen Website, sondern dort, wo die Modelle lesen: Auf gut bewerteten Drittplattformen wurde die Marke mit ihren Fachbegriffen verankert, etwa Kfz-Zulassung über die iKfz-Schnittstelle, DMS-Anbindung, Massenzulassung und Sammelabrechnung für Flotten. Zum Schluss wurde die Dichte dieser Signale an den entscheidenden Stellen erhöht.

Das Prinzip dahinter ist einfach: nicht lauter werden, sondern an den richtigen Stellen vorhanden sein.

Das Ergebnis

Entscheidend ist die Reihenfolge: zuerst die Architektur, dann die Sichtbarkeit. Sie folgt meist innerhalb von zwei bis drei Wochen. Wie schnell sie dann greift, zeigt ein Messfenster von fünf Tagen.

Kennzahl	Vorher	Nachher
Sichtbarkeitsindex	0 %	33,3 %
Durchschnittliche Position	nicht vorhanden	1,0
Zitationen je Antwort	0	1,0
Anteil bei technischen Anfragen	0 %	100 % Top 3

Wichtiger als die absoluten Zahlen ist die Verschiebung dahinter: Aus einer Marke, die gar nicht vorkam, wurde eine, die KI-Systeme aktiv in ihren Antworten nennen. Schon im Fünf-Tage-Fenster waren die Nennungen über mehrere Modelle hinweg stabil und nachvollziehbar. Ohne neuen Website-Auftritt, ohne Paid-Kampagne, ohne Content-Sprint. Voraussetzung war allein der vorgelagerte Umbau der Signalstruktur.