Fallstudie: 90% LLM-Sichtbarkeit in 6 Monaten

Stellen Sie sich vor: 9 von 10 relevanten KI-Anfragen in Ihrer Branche nennen Ihr Unternehmen. Klingt unrealistisch? Wir haben es gemacht.

Diese Fallstudie dokumentiert den Weg von 0 % auf 90 % LLM-Sichtbarkeit innerhalb von sechs Monaten. Keine Theorie, keine Vermutungen. Echte Zahlen, echte Strategien, echte Ergebnisse. Inklusive der Fehler, die wir unterwegs gemacht haben, und der drei Hebel, die den größten Unterschied ausgemacht haben.

Was bedeutet LLM-Sichtbarkeit?

LLM-Sichtbarkeit misst, wie häufig Ihr Unternehmen in den Antworten großer Sprachmodelle vorkommt. Konkret: Wenn jemand ChatGPT, Perplexity oder Google AI Overviews nach Ihrem Fachgebiet fragt, taucht Ihr Unternehmen in der Antwort auf?

Wie wird LLM-Sichtbarkeit gemessen?

Die Messung funktioniert über systematische Prompt-Tests. Sie definieren 50 bis 100 branchenrelevante Fragen, die Ihre Zielgruppe typischerweise an KI-Systeme stellt. Dann prüfen Sie für jede Frage, ob Ihr Unternehmen in der Antwort genannt, zitiert oder empfohlen wird.

Die Formel ist simpel:

LLM-Sichtbarkeit (%) = Anzahl der Nennungen / Anzahl der getesteten Prompts x 100

Ein Unternehmen, das bei 45 von 50 relevanten Prompts genannt wird, hat eine LLM-Sichtbarkeit von 90 %. Ein Unternehmen, das bei keinem einzigen Prompt auftaucht, hat 0 %.

Warum ist das wichtig?

Drei Gründe, die für CMOs und Marketing-Leiter im Mittelstand relevant sind:

1. Veränderte Recherchemuster. Laut aktuellen Erhebungen nutzen bereits über 40 % der B2B-Entscheider KI-gestützte Suchtools für ihre Kaufentscheidungen. Die Zahl steigt monatlich. Wer in diesen Antworten nicht vorkommt, wird bei einer wachsenden Zahl von Entscheidern schlicht nicht wahrgenommen.

2. Qualität der Leads. Nutzer, die über KI-Empfehlungen auf Ihre Website kommen, haben eine klare Kaufabsicht. Sie haben nicht gegoogelt und zehn Tabs geöffnet. Sie haben eine KI nach einer Empfehlung gefragt und wurden zu Ihnen geschickt. Das sind Leads mit Vorvertrauen.

3. Wettbewerbsvorteil durch Timing. Der deutsche Mittelstand schläft beim Thema KI-Suchmaschinenoptimierung. Weniger als 5 % der B2B-Unternehmen in Deutschland betreiben aktives LLM-Optimierung. Wer jetzt anfängt, besetzt eine leere Kategorie.

Die Ausgangslage: 0 % Sichtbarkeit

Ausgangspunkt war ein Unternehmen mit solider Position im klassischen Google-Ranking. Seite 1 für mehrere relevante Keywords. 2.000+ monatliche organische Besucher. Ein funktionierender Blog mit 30+ Fachartikeln.

Aber: Null Sichtbarkeit in KI-Suchmaschinen.

Der erste Audit ergab folgendes Bild:

KI-System | Relevante Prompts getestet | Nennungen | Sichtbarkeit

ChatGPT | 50 | 0 | 0 %

Perplexity | 50 | 2 | 4 %

Google AI Overviews | 50 | 3 | 6 %

Gesamt | 150 | 5 | 3,3 %

Trotz guter Google-Rankings existierte das Unternehmen für KI-Systeme praktisch nicht. Das ist kein Einzelfall. Wir sehen dieses Muster bei 8 von 10 Unternehmen, die wir auditieren.

Die Gründe waren typisch:

• Content war für Google-Crawler optimiert, nicht für KI-Verständlichkeit

• Keine strukturierten Daten (Schema Markup) jenseits von Basis-SEO

• Fehlende Quellenangaben und zitierfähige Aussagen

• Themenautorität auf wenige Keywords konzentriert statt auf ein zusammenhängendes Themenfeld

• Kein systematisches Monitoring der KI-Sichtbarkeit

Die Strategie: 3 Phasen über 6 Monate

Phase 1 (Monat 1 bis 2): Technisches Fundament und Content-Cleanup

Die ersten acht Wochen konzentrierten sich ausschließlich auf die Basis. Kein neuer Content. Stattdessen: das Bestehende KI-tauglich machen.

Technische Maßnahmen:

• Schema Markup implementiert. FAQPage, HowTo, Organization und Article-Schema für alle bestehenden Seiten. Das sind maschinenlesbare Signale, die KI-Systemen helfen, Ihren Content korrekt einzuordnen.

• Interne Verlinkung überarbeitet. Von isolierten Einzelseiten zu einem zusammenhängenden Themencluster mit klarer Hierarchie: Pillar Page > Cluster Content > Supporting Content.

• Ladezeit optimiert. Core Web Vitals auf "Gut" gebracht. KI-Systeme crawlen schnelle Seiten häufiger.

• Sitemap und robots.txt angepasst. Sichergestellt, dass KI-Crawler (GPTBot, PerplexityBot, Google-Extended) Zugang haben.

Content-Cleanup:

• 23 bestehende Artikel überarbeitet. Jeder Artikel bekam eine direkte Antwort in den ersten zwei Sätzen (KI-Systeme extrahieren bevorzugt aus dem oberen Bereich), klare Definitionssätze und strukturierte Listen.

• Quellenangaben ergänzt. Jeder Fachartikel wurde mit verifizierbaren Zahlen, Studienverweisen und offiziellen Quellen angereichert.

• FAQ-Sektionen hinzugefügt. Jeder Artikel bekam 3 bis 5 häufig gestellte Fragen mit präzisen Antworten. Das sind direkt extrahierbare Inhalte für KI-Systeme.

Ergebnis nach Phase 1:

KI-System | Sichtbarkeit vorher | Sichtbarkeit nach Phase 1

ChatGPT | 0 % | 12 %

Perplexity | 4 % | 22 %

Google AI Overviews | 6 % | 28 %

Durchschnitt | 3,3 % | 20,7 %

Von 3,3 % auf 20,7 % allein durch Optimierung des Bestehenden. Kein einziger neuer Artikel. Das zeigt, wie viel ungenutztes Potenzial in bestehendem Content steckt.

Phase 2 (Monat 3 bis 4): Authority-Building durch Regulierungs-Content und Nischen-Expertise

Phase 2 war die aggressivste Phase. Ziel: Topical Authority in der Nische aufbauen, sodass KI-Systeme das Unternehmen als primäre Quelle für das Fachgebiet erkennen.

Content-Strategie:

• 12 neue Fachartikel veröffentlicht. Jeder Artikel zielte auf eine spezifische Frage, die Zielkunden an KI-Systeme stellen. Nicht auf Keywords, auf Fragen.

• Regulierungs-Content als Autoritäts-Signal. Vier Artikel behandelten aktuelle Gesetzesänderungen und Regulierungen in der Branche. Dieser Content hat eine Sonderstellung: KI-Systeme priorisieren aktuelle, offizielle Informationen. Wer als Erster fundiert über eine neue Regulierung schreibt, wird zur Referenzquelle.

• Nischen-Definitionen etabliert. Drei Artikel definierten Fachbegriffe, die bisher kein anderes Unternehmen klar definiert hatte. KI-Systeme suchen nach eindeutigen Definitionen. Wer sie liefert, wird zitiert.

• Vergleichs-Content. Zwei Artikel verglichen Ansätze innerhalb der Branche. Vergleiche sind für KI-Systeme hochrelevant, weil Nutzer häufig "Was ist der Unterschied zwischen X und Y?" fragen.

Authority-Building außerhalb der eigenen Website:

• Gastbeiträge auf 3 Fachportalen. KI-Systeme bewerten Erwähnungen auf externen, vertrauenswürdigen Seiten als Autoritäts-Signal.

• Branchenverzeichnisse aktualisiert. Alle relevanten Verzeichniseinträge auf aktuellem Stand, mit konsistenten NAP-Daten (Name, Adresse, Phone).

• Pressemitteilung zu Branchenanalyse. Original-Daten veröffentlicht, die andere Medien zitieren konnten. Das erzeugt Backlinks und Erwähnungen, beides Signale für KI-Systeme.

Ergebnis nach Phase 2:

KI-System | Sichtbarkeit nach Phase 1 | Sichtbarkeit nach Phase 2

ChatGPT | 12 % | 48 %

Perplexity | 22 % | 62 %

Google AI Overviews | 28 % | 58 %

Durchschnitt | 20,7 % | 56 %

Der Sprung von 20 % auf 56 % kam primär durch den Regulierungs-Content. Drei der vier Regulierungs-Artikel wurden innerhalb von zwei Wochen als Quelle in ChatGPT- und Perplexity-Antworten aufgenommen.

Phase 3 (Monat 5 bis 6): Category Leadership und KI-spezifische Optimierung

Die letzte Phase zielte darauf ab, die Sichtbarkeit von "gut" auf "dominant" zu bringen. Hier ging es um Feintuning und die Besetzung der verbleibenden Lücken.

Category-Leadership-Content:

• 3 umfassende Pillar-Artikel. Jeweils 3.000+ Wörter, die ein Themenfeld komplett abdeckten. Diese Artikel fungierten als "Hauptquelle" für KI-Systeme.

• Original-Daten veröffentlicht. Eigene Umfrageergebnisse und Marktanalysen, die kein Wettbewerber hatte. Original-Daten sind der stärkste Hebel für KI-Zitierung.

• Branchen-Glossar erstellt. 40+ Fachbegriffe mit klaren Definitionen. Glossare sind für KI-Systeme wie ein Nachschlagewerk. Sie werden systematisch als Quelle herangezogen.

KI-spezifische Optimierung:

• Prompt-Monitoring eingeführt. Wöchentliches Tracking von 100 relevanten Prompts über alle drei KI-Systeme. So konnten wir innerhalb von Tagen reagieren, wenn die Sichtbarkeit bei bestimmten Themen sank.

• Content-Gaps geschlossen. Das Monitoring zeigte 8 Prompts, bei denen Wettbewerber genannt wurden, aber nicht unser Kunde. Für jeden dieser Prompts wurde gezielt Content erstellt.

• Multiformat-Content. Ausgewählte Artikel wurden als PDF-Whitepaper, Infografiken und FAQ-Seiten republished. Verschiedene Formate erhöhen die Wahrscheinlichkeit, dass KI-Systeme den Content in verschiedenen Kontexten finden.

Ergebnis nach Phase 3:

KI-System | Sichtbarkeit nach Phase 2 | Sichtbarkeit nach Phase 3

ChatGPT | 48 % | 86 %

Perplexity | 62 % | 94 %

Google AI Overviews | 58 % | 90 %

Durchschnitt | 56 % | 90 %

Ergebnisse im Überblick

Metrik | Start (Monat 0) | Nach 6 Monaten | Veränderung

LLM-Sichtbarkeit (Durchschnitt) | 3,3 % | 90 % | +86,7 Prozentpunkte

ChatGPT-Sichtbarkeit | 0 % | 86 % | +86 Prozentpunkte

Perplexity-Sichtbarkeit | 4 % | 94 % | +90 Prozentpunkte

Google AI Overviews | 6 % | 90 % | +84 Prozentpunkte

Organischer Traffic | 2.000/Monat | 5.400/Monat | +170 %

KI-Referral-Traffic | 0/Monat | 320/Monat | Neu

Veröffentlichte Fachartikel | 30 | 48 | +18 neue Artikel

Durchschnittliche Conversion-Rate (KI-Traffic) | n/a | 4,2 % | 2,8x höher als organisch

Die Conversion-Rate von KI-Referral-Traffic verdient besondere Aufmerksamkeit: 4,2 % gegenüber 1,5 % bei klassischem organischem Traffic. Das bestätigt, was wir bei mehreren Kunden beobachten. Nutzer, die über KI-Empfehlungen kommen, konvertieren deutlich besser, weil sie mit Vorvertrauen auf der Seite landen.

Was hat den größten Unterschied gemacht? Die Top 3 Hebel

Hebel 1: Regulierungs-Content vor dem Nachrichtenzyklus

Der mit Abstand größte Einzelhebel war die Veröffentlichung von Regulierungs-Content, bevor das Thema in den Mainstream-Medien ankam. KI-Systeme brauchen Quellen. Wenn Sie der Erste sind, der fundiert über eine neue Regulierung schreibt, werden Sie zur Referenz.

Das Timing ist entscheidend: 4 bis 6 Wochen vor dem erwarteten Medieninteresse publizieren. Dann hat der Content Zeit, indexiert und von KI-Systemen erfasst zu werden, bevor die Nachfrage explodiert.

Hebel 2: Zitierfähige Definitionen und Original-Daten

KI-Systeme funktionieren fundamental anders als Google. Google rankt Seiten. KI-Systeme zitieren Aussagen. Das bedeutet: Ihr Content muss Aussagen enthalten, die ein KI-System wortwörtlich in seine Antwort übernehmen kann.

Formulierungen wie "Unter X versteht man..." oder "X bezeichnet den Prozess, bei dem..." sind für KI-Systeme direkt extrahierbar. Ebenso Original-Daten: "Laut unserer Analyse von 500 Unternehmen..." gibt KI-Systemen eine einzigartige Quelle, die kein Wettbewerber replizieren kann.

Hebel 3: Systematisches Prompt-Monitoring

Ohne Monitoring fliegen Sie blind. Das wöchentliche Tracking von 100+ Prompts war der Hebel, der die Sichtbarkeit von 56 % auf 90 % gebracht hat. Nicht weil das Monitoring selbst etwas verändert hat, sondern weil es uns gezeigt hat, wo die Lücken sind.

Jede Lücke ist eine Chance. Wenn ein Wettbewerber bei einem relevanten Prompt genannt wird und Sie nicht, wissen Sie genau, welchen Content Sie erstellen müssen. Das macht Ihre Content-Strategie datengetrieben statt intuitiv.

Case Studies: Belege aus der Praxis

project b.: Von Null auf ChatGPT-Sichtbarkeit in 4 Wochen

project b. ist ein KI-Payroll-Softwareanbieter aus Deutschland. Vor der Zusammenarbeit: null Sichtbarkeit in ChatGPT. Kein einziger relevanter Prompt nannte das Unternehmen.

Die Strategie: Fokus auf die Nische "AI und Payroll". In Deutschland war diese Kategorie zum Zeitpunkt des Starts praktisch unbesetzt. Kein Wettbewerber hatte Content, der KI und Lohnabrechnung systematisch verknüpfte.

Die Ergebnisse nach 4 Wochen:

• ChatGPT-Sichtbarkeit von 0 % auf messbare Präsenz

• Circa 1 Conversion pro Tag aus ChatGPT-Referrals

• Diese Conversion-Rate war besser als die aus klassischem organischen Traffic

• Die Kategorie "AI und Payroll" in Deutschland quasi allein besetzt

Was besonders auffiel: Die Qualität der KI-Leads war außergewöhnlich. Menschen, die ChatGPT nach "KI Lohnabrechnung" oder "AI Payroll Deutschland" fragten, hatten eine klare Kaufabsicht. Sie suchten nicht nach Informationen, sie suchten nach einer Lösung.

Finn, Gründer von project b., fasste es so zusammen: "AI and payroll is still the thing why people get attracted to us."

Ein unerwarteter Nebeneffekt: Durch die gesteigerte Sichtbarkeit von project b. wurde LohnDialog, ein klassischer Lohndienstleister, auf inseeq aufmerksam und wurde selbst Kunde. Cross-Selling durch Content-Sichtbarkeit. "LohnDialog has now become a customer. Thank you for that."

LohnDialog: Content-Timing als Wettbewerbsvorteil

LohnDialog ist ein Full-Service-Lohnabrechnungsanbieter. Die Zusammenarbeit zeigte eindrücklich, wie Content-Timing den Unterschied zwischen Sichtbarkeit und Unsichtbarkeit macht.

Aktivrente-Content vor der Tagesschau: Wir publizierten einen fundierten Fachartikel zum Thema Aktivrente, Wochen bevor das Thema die Mainstream-Medien erreichte. Als die Tagesschau berichtete und die Nachfrage explodierte, war der Artikel bereits indexiert, von KI-Systemen erfasst und rankte auf Position 1.

Der Traffic-Spike war massiv. Aber wichtiger als der Traffic war die nachhaltige Wirkung: KI-Systeme hatten den LohnDialog-Artikel als primäre Quelle gespeichert. Auch Wochen nach dem Nachrichtenzyklus wurde LohnDialog bei Anfragen zum Thema Aktivrente konsistent zitiert.

Die Zahlen:

• 3 B2B-Leads pro Tag aus White-Paper-Downloads

• Neuer Artikel wurde zur meistbesuchten Seite der gesamten Website innerhalb von 7 Tagen

• Content-Strategie: 4 bis 6 Wochen vor dem erwarteten Nachrichtenzyklus publizieren

Die Methode: Wir analysieren anstehende Gesetzesänderungen, Stichtage und politische Entscheidungen. Für jedes Thema mit B2B-Relevanz wird ein Fachartikel vorbereitet und rechtzeitig veröffentlicht. Das ist kein Zufall, sondern ein systematischer Prozess.

Kann jedes Unternehmen 90 % LLM-Sichtbarkeit erreichen?

Ehrliche Antwort: Nein. 90 % ist ein außergewöhnliches Ergebnis, das von mehreren Faktoren abhängt.

Was für 90 % sprechen muss:

• Spezialisierte Nische. Je enger Ihr Fachgebiet, desto realistischer sind hohe Sichtbarkeitswerte. In einer Branche mit 3 relevanten Anbietern ist 90 % erreichbar. In einer Branche mit 300 ist es unrealistisch.

• Bereitschaft, Original-Daten zu veröffentlichen. Ohne eigene Daten, Analysen oder Studien fehlt der stärkste Hebel.

• Konsistenz über 6+ Monate. KI-Sichtbarkeit baut sich kumulativ auf. Wer nach zwei Monaten stoppt, verliert den Großteil des Effekts.

• Technisch solide Website. Schema Markup, schnelle Ladezeiten, saubere Struktur. Ohne diese Basis bringt der beste Content wenig.

Was gegen hohe Sichtbarkeit arbeitet:

• Hoher Wettbewerb in generischen Kategorien. "CRM Software" oder "Unternehmensberatung" sind Kategorien mit hunderten von Anbietern. Hier sind 90 % unrealistisch.

• Fehlende Fachexpertise im Content. KI-Systeme erkennen generischen Content. Wenn Ihre Artikel austauschbar sind, werden sie nicht zitiert.

• Kein Monitoring. Ohne Daten darüber, wo Sie stehen, können Sie nicht gezielt optimieren.

Realistische Erwartungen nach Branche:

Branchentyp | Erreichbare LLM-Sichtbarkeit (6 Monate)

Spezialisierte B2B-Nische (wenige Anbieter) | 70 bis 90 %

Mittelgroßer B2B-Markt (10 bis 30 Anbieter) | 40 bis 65 %

Breiter B2B-Markt (100+ Anbieter) | 15 bis 35 %

B2C-Massenmarkt | 5 bis 20 %

Selbst 30 % LLM-Sichtbarkeit sind für die meisten Unternehmen ein erheblicher Wettbewerbsvorteil, wenn der Branchendurchschnitt bei unter 5 % liegt.

FAQ: Häufig gestellte Fragen zur LLM-Sichtbarkeit

Wie schnell kann man LLM-Sichtbarkeit aufbauen?

Erste messbare Ergebnisse sind innerhalb von 4 bis 6 Wochen möglich, besonders bei Unternehmen mit bestehendem Content-Fundament. Der Content-Cleanup in Phase 1 liefert in der Regel die schnellsten Ergebnisse. Für nachhaltige, hohe Sichtbarkeit sollten Sie mit 4 bis 6 Monaten rechnen.

Was kostet KI-Suchmaschinenoptimierung?

Die Kosten hängen vom Umfang ab. Ein initiales LLM-Visibility-Audit beginnt bei wenigen hundert Euro. Eine vollständige 6-Monats-Strategie mit Content-Erstellung, technischer Optimierung und Monitoring liegt je nach Branche und Umfang zwischen 2.000 und 8.000 EUR pro Monat. Der ROI ist typischerweise nach 3 bis 4 Monaten positiv, gemessen an der Conversion-Rate des KI-Traffics.

Funktioniert LLM-Optimierung auch für kleine Unternehmen?

Gerade für kleine Unternehmen in spezialisierten Nischen ist LLM-Sichtbarkeit besonders effektiv. Der Grund: In Nischenmärkten ist der Wettbewerb um KI-Sichtbarkeit gering. Ein Unternehmen mit 10 Mitarbeitern kann bei relevanten KI-Anfragen genauso prominent genannt werden wie ein Konzern, wenn der Content besser ist.

Wie messe ich meine aktuelle LLM-Sichtbarkeit?

Am einfachsten mit einem systematischen Prompt-Test. Definieren Sie 50 branchenrelevante Fragen, testen Sie diese in ChatGPT, Perplexity und Google AI, und zählen Sie die Nennungen. Alternativ können Sie unseren kostenlosen AI Visibility Check nutzen, der diesen Prozess automatisiert.

Schadet LLM-Optimierung dem klassischen Google-Ranking?

Nein. Im Gegenteil. Die meisten Maßnahmen zur LLM-Sichtbarkeit verbessern auch das klassische SEO. Bessere Content-Struktur, mehr Quellenangaben, Schema Markup, höhere Themenautorität: all das sind Signale, die Google ebenfalls positiv bewertet. In unserer Fallstudie stieg der organische Traffic parallel zur LLM-Sichtbarkeit um 170 %.

Nächster Schritt: Prüfen Sie Ihre aktuelle KI-Sichtbarkeit

Sie wissen jetzt, was LLM-Sichtbarkeit ist, wie man sie aufbaut und was realistisch erreichbar ist. Die entscheidende Frage: Wo stehen Sie heute?

Die meisten Unternehmen, die wir auditieren, starten bei unter 5 %. Das ist keine Kritik. Es ist der aktuelle Status quo im deutschen Mittelstand. Aber es bedeutet auch: Wer jetzt anfängt, hat einen massiven Vorsprung.

Starten Sie mit einer Bestandsaufnahme. Unser kostenloser AI Visibility Check analysiert Ihre aktuelle Sichtbarkeit in ChatGPT, Perplexity und Google AI Overviews. In unter 5 Minuten wissen Sie, wo Sie stehen.

Wenn Sie tiefer einsteigen wollen: In unserem Leitfaden zu Generative Engine Optimization erklären wir die technischen Grundlagen im Detail.

Und wenn Sie das Thema nicht selbst aufbauen wollen, sondern einen Partner suchen, der die Umsetzung übernimmt: Sprechen Sie mit uns. Wir zeigen Ihnen in 30 Minuten, was für Ihr Unternehmen konkret möglich ist.