Veränderungen in der Informationsbeschaffung durch KI-gestützte Systeme

Die Landschaft der Informationsbeschaffung und Sichtbarkeit im digitalen Raum befindet sich im Wandel. Mit dem Aufkommen und der zunehmenden Integration von Large Language Models (LLMs) wie ChatGPT, Gemini und Perplexity in Suchprozesse und die Content-Generierung, stehen Unternehmen und Content-Ersteller vor neuen Herausforderungen und Möglichkeiten. Eine detaillierte Analyse von rund 70.000 LLM-Antworten durch das Kommunikationsunternehmen Blinq bietet aufschlussreiche Einblicke darüber, welche Quellen von diesen Systemen bevorzugt zitiert werden und welche Implikationen dies für die Content-Strategie in der B2B-Welt hat.

Die neue Realität der KI-Sichtbarkeit

Die Art und Weise, wie Nutzer Informationen finden und konsumieren, wird maßgeblich von KI-Systemen beeinflusst. Während traditionelle Suchmaschinenoptimierung (SEO) weiterhin relevant bleibt, verschiebt sich der Fokus zunehmend auf die Auffindbarkeit durch generative KIs. Lösungen wie AI Overviews und Core-Updates von Suchmaschinenbetreibern gestalten die Sichtbarkeit von Inhalten neu. Dies erfordert von Seitenbetreibern eine Anpassung ihrer Strategien, um von LLMs als vertrauenswürdige und relevante Informationsquelle erkannt zu werden.

Die Blinq-Analyse beleuchtet, welche Medientypen und Plattformen in den Antworten von KI-Systemen am häufigsten referenziert werden. Die Ergebnisse zeigen eine klare Struktur, aber auch eine wachsende Bedeutung bestimmter Kanäle.

Unternehmenswebsites als Fundament der KI-Sichtbarkeit

Ein zentrales Ergebnis der Untersuchung ist die weiterhin dominierende Rolle von Corporate Websites. Mit einem Anteil von 51,5 Prozent aller Referenzen bilden Unternehmens-Blogs und offizielle Websites das Rückgrat der Sichtbarkeit in KI-generierten Antworten. Dies unterstreicht die Bedeutung von eigenem, qualitativ hochwertigem und gut strukturiertem Content. LLMs bevorzugen Inhalte, die klar formuliert, inhaltlich fundiert und thematisch konsistent sind. Dies impliziert, dass oberflächliche SEO-Texte durch tiefgehende, vollständige Artikel ersetzt werden sollten, die ein Thema umfassend behandeln.

Neben den Corporate Sites spielen auch andere Medientypen eine Rolle:

• Review-Medien: 13,3 Prozent der Antworten stammen aus diesen Quellen, was auf die Relevanz von Produkt- und Dienstleistungsbewertungen für KI-Systeme hindeutet.
• Fachpresse und User-Generated Content (UGC): Beide Kategorien tragen jeweils rund 10 Prozent zu den zitierten Quellen bei. Dies zeigt, dass sowohl Expertenmeinungen als auch authentische Nutzerbeiträge an Bedeutung gewinnen.
• News-Seiten: Mit 8,9 Prozent machen reine Nachrichtenportale einen geringeren Anteil aus, werden aber oft für aktuelle oder spezifische Informationen herangezogen, insbesondere Wirtschafts- und Tech-Publisher.

Die wachsende Bedeutung von Social Media im B2B-Kontext

Ein besonders hervorstechender Befund der Analyse ist der signifikante Einfluss von Social-Media-Plattformen. Über 35 Prozent der zitierten Antworten speisen sich aus Social-Media-Inhalten. An der Spitze stehen dabei:

• Reddit: 15,3 Prozent
• YouTube: 14,3 Prozent
• LinkedIn: 6,1 Prozent

Diese Zahlen verdeutlichen einen Paradigmenwechsel: LLMs greifen gezielt auf authentische Erfahrungen, Diskussionen und Meinungen von Menschen zurück. Für den B2B-Bereich ist insbesondere LinkedIn von hoher Relevanz. Regelmäßige, fundierte Beiträge, die Expertise demonstrieren und echten Mehrwert bieten, können eine zweite Ebene der Sichtbarkeit aufbauen, die unabhängig von traditionellen Suchmaschinen agiert.

Die Präsenz auf Plattformen wie YouTube ist ebenfalls entscheidend. Videos mit klaren Titeln, präzisen Beschreibungen und Transkripten können von KI-Systemen als Referenzen herangezogen werden. Dies zeigt, dass die Optimierung von Video-Content über die reine Unterhaltung hinausgeht und zu einer wichtigen Quelle für KI-generierte Antworten wird.

Trainingsdaten vs. Grounding: Ein entscheidender Unterschied

Es ist wichtig, zwischen zwei Arten zu unterscheiden, wie Inhalte in KI-Antworten gelangen können:

1. Trainingsdaten: Inhalte, die Teil des Datensatzes waren, mit dem das Sprachmodell trainiert wurde (z.B. über das Common Crawl Project). Hierbei wird der Content nicht namentlich als Quelle genannt; das Wissen fließt anonym in das Modell ein.
2. Grounding (Echtzeit-Websuche): Bei aktuellen Anfragen durchsuchen LLMs das Web in Echtzeit und binden gefundene Quellen direkt mit Link und Quellenangabe in ihre Antwort ein. Dies ist der Weg, über den Unternehmen und deren Inhalte direkt sichtbar werden und Traffic generieren können.

Die Blinq-Studie konzentriert sich primär auf das Grounding. Die Ergebnisse zeigen, dass die Chance, von KI-Systemen zitiert zu werden, steigt, wenn Inhalte aktuell, gut strukturiert und für KI-Crawler zugänglich sind. Eine Kombination aus beiden Ansätzen ist ideal: qualitativer Content, der sowohl in Trainingsdaten einfließen als auch im Rahmen von Grounding-Anfragen direkt zitiert werden kann.

Plattformspezifische KI-Strategien

Die verschiedenen LLM-Systeme nutzen unterschiedliche Mechanismen zur Informationsbeschaffung, was Auswirkungen auf die Content-Strategie hat:

• ChatGPT: Nutzt Bing als Suchmaschine für sein Grounding. Eine gute Platzierung in Bing ist daher für die Sichtbarkeit bei ChatGPT relevant.
• Gemini: Greift auf Google Search zurück. Klassische SEO-Arbeit zahlt sich hier direkt aus, auch wenn Gemini die Ergebnisse oft zusammenfasst und nicht immer direkt auf die Originalquelle verlinkt.
• Perplexity: Verfügt über ein eigenes Crawling- und Indexierungssystem und zitiert Quellen transparent mit direkten Links. Dies macht Perplexity zu einer potenziell "faireren" Plattform für Content-Ersteller.

Diese Unterschiede bedeuten nicht, dass für jedes System eine separate Optimierung notwendig ist. Vielmehr unterstreichen sie die Notwendigkeit einer soliden technischen Basis und eines substanziellen Contents, der plattformübergreifend funktioniert. Das Bewusstsein für die jeweiligen Funktionsweisen kann jedoch helfen, Schwerpunkte in der Content-Verbreitung zu setzen.

Strategische Implikationen für B2B-Unternehmen

Die Analyse liefert klare Handlungsempfehlungen für B2B-Unternehmen, die ihre Sichtbarkeit in der Ära der generativen KI optimieren möchten:

1. Konsistente Content-Strategie über alle Kanäle

Um von LLMs als verlässliche Quelle wahrgenommen zu werden, ist eine kohärente Markenbotschaft über verschiedene Kanäle hinweg entscheidend. Wenn Blog-Artikel, YouTube-Videos und LinkedIn-Beiträge ein konsistentes Bild der Expertise eines Unternehmens vermitteln, steigt die Wahrscheinlichkeit, dass die KI-Systeme dieses Unternehmen als Autorität einstufen. Ein Pillar-Content-Ansatz, bei dem ein Kernthema auf verschiedenen Plattformen in angepassten Formaten behandelt wird, kann hier effektiv sein.

2. Fokus auf authentische und nutzergenerierte Inhalte

LLMs bevorzugen authentische Erfahrungen und den menschlichen Dialog. Unternehmen sollten daher nicht nur auf ihre eigenen Corporate Sites setzen, sondern auch die Präsenz auf Social-Media-Plattformen und Review-Seiten aktiv gestalten. Das gezielte Platzieren von Inhalten auf Reddit, YouTube und LinkedIn sowie die Interaktion in diesen Communities kann die Glaubwürdigkeit und Relevanz in KI-Antworten erhöhen.

3. Technische Grundlagen optimieren

Die technische Zugänglichkeit und Strukturierung von Inhalten sind für die Auffindbarkeit durch KI-Crawler essenziell. Dazu gehören:

• Strukturierte Daten und Schema Markup: Helfen KI-Systemen, den Content besser einzuordnen und zu verstehen. Insbesondere Author-Schema wird im Kontext von E-E-A-T (Experience, Expertise, Authoritativeness, Trustworthiness) immer wichtiger.
• Robots.txt und AI-Crawler: Sicherstellen, dass die Website für relevante KI-Crawler (z.B. GPTBot, Google-Extended, PerplexityBot, CCBot) zugänglich ist. Eine bewusste Entscheidung über die Freigabe dieser Crawler ist hierbei zu treffen.
• Grounding Pages: Die Erstellung von Seiten, die speziell für KI-Systeme aufbereitet sind und klar strukturierte Fakten zu Unternehmen, Produkten oder Expertise liefern.

4. GEO als Erweiterung von SEO verstehen

Die Generative Engine Optimization (GEO) ist keine Ablösung von SEO, sondern deren logische Weiterentwicklung. Während SEO die Inhalte für klassische Suchmaschinen optimiert, erweitert GEO diesen Ansatz auf KI-Systeme. Es geht nicht mehr nur um Top-Rankings in den Suchergebnissen, sondern darum, direkt in KI-generierten Antworten als Quelle zitiert zu werden. Dies erfordert eine inhaltliche Tiefe, Konsistenz über verschiedene Plattformen und eine technische Zugänglichkeit für KI-Crawler.

Fazit

Die Analyse der 70.000 LLM-Antworten unterstreicht, dass die Sichtbarkeit im digitalen Raum sich grundlegend verändert hat. B2B-Unternehmen, die relevant bleiben wollen, müssen ihre Content-Strategien an diese neuen Realitäten anpassen. Die eigene Website bleibt ein zentrales Fundament, doch die Rolle von Social Media als Quelle für authentische Erfahrungen und fachlichen Dialog wird immer wichtiger. Eine konsistente, qualitativ hochwertige und technisch optimierte Content-Strategie über vielfältige Kanäle hinweg ist entscheidend, um in den Antworten von ChatGPT, Gemini und Co. zitiert zu werden und somit die eigene KI-Sichtbarkeit nachhaltig zu stärken.

Bibliografie

- Blinq. (2026). Analyse von 70.000 LLM-Antworten. - Gottke, J. (2026). Zitiert in: Blinq-Analyse zu KI-Antworten – Das sind die wichtigsten Quellen. - Lewanczik, N. (2026). 70.000 LLM-Antworten analysiert: Warum Social Media für deine KI-Sichtbarkeit entscheidend wird. T3N. - Lewanczik, N. (2026). Welche Quellen zitieren AI Overviews, ChatGPT und Co.? 70.000 LLM-Antworten analysiert. OnlineMarketing.de. - Schulz, A. (2026). Von KI zitiert werden: So wirst du Quelle bei ChatGPT & Co. - Tronnier, N. (2026). #socialmediaschau. LinkedIn.