GEO-Studie B2B Mittelstand 2026 Unsichtbar für KI, unsichtbar im B2B Einkauf

Anbieter zum Thema

FIS Informationssysteme und Consulting GmbH

Vogel Communications Group GmbH & Co. KG

Vogel Corporate Solutions GmbH

In 93 Prozent der getesteten KI-Abfragen blieben die geprüften B2B Mittelständler unerwähnt. Die GEO-Studie DACH 2026 zeigt, warum Marktstärke nicht vor Unsichtbarkeit im Einkauf schützt und Unternehmen so Aufträge verlieren, ohne es zu merken.

Ein Drehteilhersteller aus Baden-Württemberg, 90 Jahre Marktpräsenz, IATF-16949-zertifiziert, mehrere DAX-Konzerne unter den Referenzkunden. In den Tests der GEO-Studie DACH-Mittelstand 2026 erreicht das Unternehmen bei ChatGPT einen Sichtbarkeits-Score von null Prozent. Bei Gemini, Perplexity und Copilot zeigt sich dasselbe Bild.

Auf Google rankt das Unternehmen für seine Kernbegriffe sauber, die Website ist gepflegt, der Vertrieb läuft. Wenn allerdings ein Einkäufer eine KI fragt, welche deutschen Hersteller für Präzisionsdrehteile mit IATF-Zertifizierung in Frage kommen, taucht das Unternehmen in keinem der getesteten Systeme auf.

Solche Befunde sind in der Studie kein Einzelfall, sondern eher die Regel. Sie zeigen eine Lücke, die im B2B Vertrieb der meisten Mittelständler bisher gar nicht erkannt wurde.

Die Datenbasis: 960 Einzelabfragen aus dem B2B Einkauf

Für die GEO-Studie DACH-Mittelstand 2026 wurden 24 produzierende Mittelständler aus Branchen wie Maschinenbau, Präzisionsfertigung und Automotive systematisch geprüft. Jedes Unternehmen wurde mit zehn typischen Einkäufer-Prompts in vier KI-Systemen abgefragt: ChatGPT-4o, Google Gemini Advanced, Perplexity und Microsoft Copilot. In Summe ergaben sich 960 Einzelabfragen.

Die 24 Unternehmen wurden so ausgewählt, dass sie die Bandbreite des produzierenden DACH-Mittelstands abbilden: Industriebetriebe aus verschiedenen Branchen, in unterschiedlichen Größenklassen (Mitarbeiterzahl, Umsatz) und mit verschiedenen Zielmärkten, von regional über deutschlandweit bis DACH. Die Stichprobe ist damit nicht statistisch repräsentativ, sondern als typologische Auswahl angelegt.

Aus B2B Vertriebssicht sind die Ergebnisse ernüchternd. In 93 Prozent der Abfragen tauchten die jeweils geprüften Unternehmen überhaupt nicht auf. 42 Prozent ohne eine einzige Nennung. Für die getesteten Anfragen waren sie damit faktisch unsichtbar.

Auffällig: Unter den nicht gefundenen Anbietern befinden sich Betriebe mit bis zu 90 Jahren Marktpräsenz, einschlägigen Zertifizierungen und DAX-Konzernen als Referenzkunden. Klassische Bonitätsmerkmale wie Unternehmensgröße, Auditierungen oder Google-Ranking zeigten in der Stichprobe keine belastbare Korrelation mit dem Auftauchen in KI-Antworten. Wer im Markt einen Namen hat, hat ihn in den Sprachmodellen nicht zwangsläufig auch.

Warum klassische SEO-Logik nicht greift

Generative KI-Systeme funktionieren technisch anders als Suchmaschinen. ChatGPT und Gemini kombinieren Trainingswissen mit unterschiedlich gewichtetem Web-Zugriff. Wann und in welchem Umfang einzelne Inhalte in die Antworten einfließen, ist von außen nur begrenzt nachvollziehbar. Perplexity setzt stark auf Live-Suche, Copilot zieht Bing-Ergebnisse heran. Jedes System bringt eigene Auswahllogiken mit. Damit hat es auch eigene blinde Flecken.

Wie stark sich das auswirkt, zeigt besonders ein Fall aus der Studie: Ein Maschinenbauer erreicht bei Gemini 80 Prozent, bei Copilot null. Identische Website, identische Prompts. Die Differenz entsteht nicht durch den Content, sondern durch die Architektur der Systeme. Für den B2B Vertrieb folgt daraus: Sichtbarkeit muss pro System geprüft werden, eine pauschale KI-Sichtbarkeit gibt es nicht.

Der blinde Fleck im B2B Vertriebstrichter

Das eigentliche Problem ist nicht die Unsichtbarkeit, sondern dass Unternehmen sie nicht bemerken. Es gibt kein Logfile für eine Anfrage, die nie gestellt wurde. Wer in der KI-Empfehlung fehlt, sieht das nicht in seinen Analytics. Der Einkäufer erhält drei Empfehlungen und kontaktiert diese. Die übrigen Anbieter erfahren von dem Vorgang nichts.

Für den B2B Vertrieb verlagert sich damit ein Teil der ersten Stufe des Kaufprozesses, die Lieferantenrecherche, in KI-Systeme. Wer dort nicht vorkommt, fällt aus dem Trichter, bevor er überhaupt erfasst wird. GEO ist damit weniger eine Marketing- als eine Vertriebsfrage. Es geht nicht um Reichweite, sondern um konkrete Anfragen, die nie ankommen.

Was die sichtbaren B2B Unternehmen unterscheidet

Der Best Case der Studie erreicht einen GEO-Score von 48 Prozent, das 6,9-Fache des Durchschnitts. Bei näherer Prüfung lassen sich drei Muster erkennen, die dieses und einige andere besser auffindbare Unternehmen gemeinsam haben.

Erstens arbeiten sie mit zitierfähigen Aussagen statt mit Marketing-Sprache. Wer auf seiner Website von innovativen Lösungen und partnerschaftlicher Zusammenarbeit spricht, liefert einer KI keinen verwertbaren Satz. Konkrete Angaben zu Fertigungsverfahren, Materialien, Toleranzen, Kapazitäten und Zertifizierungen lassen sich dagegen direkt als Beleg in eine KI-Antwort einbetten.

Zweitens stimmt die Content-Architektur. Strukturierte Daten über Schema.org, also maschinenlesbare Auszeichnungen der Website-Inhalte, allein reichen nicht, können aber unterstützen. Entscheidender ist, dass die Website klar kommuniziert, was hergestellt wird, für welche Branchen und mit welchen Qualifikationen. Fehlt diese Zuordnung in der Seitenstruktur, hat ein Sprachmodell wenig, woran es sich orientieren kann.

Drittens existieren externe Belege. KI-Systeme trainieren nicht nur auf der eigenen Website, sondern auch auf Fachartikeln, Branchenportalen, Lieferantenverzeichnissen und teilweise auf Wikipedia. Unternehmen, die dort durchgängig auftauchen, werden eher als relevanter Anbieter eingeordnet. Wer extern wenig Spuren hinterlässt, hat es schwerer, in einer Empfehlung zu landen.

Fünf Ansätze für B2B Vertriebsverantwortliche

Aus den Studienergebnissen lassen sich fünf konkrete Ansätze ableiten, die Vertriebsverantwortliche in B2B Industrieunternehmen kurzfristig umsetzen können.

• 1. Eigene Sichtbarkeit testen. Die wichtigsten Einkäufer-Anfragen in ChatGPT, Gemini, Perplexity und Copilot stellen, mit den Prompts, die ein Einkaufsverantwortlicher tatsächlich benutzen würde. Die Ergebnisse fallen für viele Unternehmen ernüchternd aus.

• 2. In Einkäufer-Prompts denken. Welche Frage stellt jemand, der einen Lieferanten wie das eigene Unternehmen sucht? Wer liefert Bauteil X mit Zertifizierung Y in Region Z? Diese Prompts definieren das Suchfeld, in dem Sichtbarkeit überhaupt entstehen kann.

• 3. Kernkompetenzen zitierfähig formulieren. Statt von maßgeschneiderten Lösungen zu sprechen, besser konkret werden: Präzisionsdrehteile von 0,5 bis 65 mm Durchmesser, Serien bis 100.000 Stück, IATF 16949. Solche Sätze finden den Weg in eine KI-Antwort.

• 4. Externe Präsenz aufbauen. Fachartikel, Verzeichnis-Einträge, Fallstudien bei Kunden, Erwähnungen in Branchenmedien. Diese Inhalte bilden das Material, aus dem KI-Systeme ihre Empfehlungen ableiten.

• 5. GEO als Vertriebskennzahl führen. Wie oft taucht das Unternehmen in welchem Kontext in welchen Systemen auf? Diese Kennzahl regelmäßig zu erheben, ist aktuell noch unüblich. In den nächsten Jahren dürfte sie ähnlich selbstverständlich werden wie das Tracking von Conversion Rates.

Konsequenz für den B2B Vertrieb

Jeder Tag, an dem ein Unternehmen für diese Systeme unsichtbar bleibt, ist ein Tag mit potenziell verlorenen Anfragen.

Die vollständige GEO-Studie DACH-Mittelstand 2026 mit Methodik und Einzelergebnissen ist hier kostenlos verfügbar.

*Tobias Ackermann verantwortet als Head of GEO Operations & AI Visibility bei der Johannes Bopp GmbH in Braunschweig den Bereich KI-Sichtbarkeit. Er ist Autor der GEO-Studie DACH-Mittelstand 2026.

(ID:50854684)