Irgendwann in den letzten Monaten hat dir jemand erklärt, dass du in ChatGPT nicht vorkommst.
Vielleicht war es eine Agentur. Vielleicht ein Werkzeug, das dir einen Sichtbarkeitswert ausgerechnet hat. Vielleicht war es ein Wettbewerber, der plötzlich in einer Antwort stand, in der du fehlst.
Danach kommt immer dieselbe Frage: Stimmt das – und was ist es wert, daran etwas zu ändern?
Für diese Frage gab es keine brauchbare Marktbeschreibung. Was kostet das eigentlich? Wer verspricht was? Und was davon hält einer Prüfung stand? Also haben wir nachgesehen. Das Ergebnis ist diese Untersuchung: 29 Seiten, frei verfügbar, mit vollständigem Quellenverzeichnis.
Sie ist keine Werbung für eine Leistung. Sie beschreibt einen Markt, in dem wir selbst anbieten – und das steht in der Untersuchung an der Stelle, an der es hingehört. Dazu unten mehr.
Die Untersuchung beschreibt den Markt für Messung und Beeinflussung von Sichtbarkeit in generativen Antwortsystemen: Preise, Anbieter, Wirkungsnachweise und Nachfrage. Sie stellt diesem Markt den bezahlten Diagnose-Einstieg gegenüber, wie er in etablierten Märkten seit Jahrzehnten funktioniert – vom Energieaudit über den Penetrationstest bis zur anwaltlichen Erstberatung.
Erhoben wurde am 31. August und 1. September 2026 über neun Deep-Research-Läufe: drei Briefings, jedes wortgleich an drei verschiedene Systeme, dazu handgeprüfte Kontrollwerte und eine maschinell gemessene Quellenüberschneidung über 271 unterscheidbare Quellen-URLs. Autor ist Peter Rochel, Oberwasser Consulting, Köln.
Der Befund in einem Satz: Der Markt ist jung, hoch kapitalisiert und ohne stabile Preislogik – und die belastbarste Evidenz widerspricht dem, was die Kategorie verkauft.
Genannt zu werden bedeutet nicht Traffic. Es bedeutet, in der Antwort vorzukommen, aus der der Kunde häufig nicht mehr herausklickt.
Verweise aus KI-Systemen machen im Durchschnitt 1,08 Prozent des Website-Traffics aus, gemessen über 13.770 Domains und 3,3 Milliarden Besuche. Wer KI-Sichtbarkeit als Traffic-Kanal verkauft, verkauft die falsche Größe. Der Wert liegt darin, in der Antwort selbst zu stehen – und währenddessen wandern in den USA rund 58,5 Prozent der Suchen ganz ohne externen Klick zu Ende.
| Titel | Wer genannt wird, wenn der Markt fragt |
| Untertitel | Der Markt für Sichtbarkeit in generativen Antwortsystemen: Preise, Wirkung, Nachfrage und der bezahlte Diagnose-Einstieg |
| Autor | Peter Rochel, Oberwasser Consulting, Köln |
| Fassung | 1.0 vom 1. September 2026 |
| Erhebungszeitraum | 31. August und 1. September 2026 |
| Umfang | 29 Seiten |
| Erhebungsart | Neun Deep-Research-Läufe: drei Briefings, je wortgleich an drei Systeme |
| Belegbasis | 271 unterscheidbare Quellen-URLs über 182 Hosts; Quellenüberschneidung maschinell gemessen |
| Kontrolle | Zwei bis drei hart nachprüfbare Werte je Briefing, nach Rücklauf von Hand gegengeprüft |
| Lizenz | Creative Commons Namensnennung 4.0 International (CC BY 4.0) |
| DOI | 10.5281/zenodo.22237512 |
| Nicht enthalten | Handlungsempfehlungen, Anbieterempfehlungen, eigene Angebotsdaten |
Messwerkzeuge beginnen bei 29 US-Dollar im Monat, doch die günstigsten Stufen sind eng geschnitten: 15 Abfragen, im Einstieg teils nur ein einziges Antwortsystem. Entscheidend sind die Zusatzkosten. Beim gemessenen Beispielanbieter deckt der meistbeworbene Tarif für 189 US-Dollar vier Basissysteme ab; Claude kostet 109 Dollar extra, Gemini 59, AI Mode 59. Aus 189 US-Dollar werden real 307 bis 357 Dollar für ein Sechs-System-Bild und 416 Dollar für alle sieben Systeme. Unternehmensstufen beginnen bei rund 1.000 Dollar. Im deutschsprachigen Raum verkaufen Dienstleister Umsetzung als Monatspauschale zwischen 750 und 5.000 Euro.
Preisstabilität gibt es nicht: Ein Anbieter änderte seine öffentliche Preisseite binnen eines Tages, ein anderer zeigt Preise ausschließlich über nachgeladenes Skript und war im Seitenquelltext nicht auslesbar. Dauerhaft kostenlose Stufen existieren im spezialisierten Segment praktisch nicht, weil jede Abfrage beim Modellanbieter Geld kostet.
Der breiteste unabhängige Test des Feldes, veröffentlicht auf der Konferenz NeurIPS 2025, prüft die dokumentierten Optimierungsmethoden systematisch und findet sie „largely ineffective“ – und im Wettbewerbsfall sogar schädlich, sobald mehrere Akteure dieselbe Taktik anwenden.
Google ist in der eigenen Dokumentation noch deutlicher. Auf der Seite „AI features and your website“, Stand 10. Dezember 2025, steht wörtlich:
„There are no additional requirements to appear in AI Overviews or AI Mode, nor other special optimizations necessary.“ … „There’s also no special schema.org structured data that you need to add.“
Die häufig empfohlene Datei llms.txt ist damit erledigt: Messungen zeigen keinen Unterschied, und Google rät ausdrücklich, solche Behelfslösungen zu ignorieren.
Der Gegenbefund gehört dazu, und er steht in der Untersuchung ungeglättet: Die Ursprungsarbeit des Feldes von 2023/24 hatte für Statistiken, Expertenzitate und Quellenangaben Sichtbarkeitsgewinne von bis zu 41 Prozent gemessen – allerdings auf einer speziellen Kennzahl, in einem synthetischen Aufbau und auf dem Modellstand von damals. Beide Arbeiten sind begutachtet. Der neueren ist nach Breite und Aktualität der Vorzug zu geben.
Eine Auswertung über 75.000 Marken misst: Erwähnungen einer Marke im Web hängen mit KI-Sichtbarkeit deutlich stärker zusammen (Rangkorrelation 0,664) als Verweise auf die eigene Seite (0,218). Am stärksten korrelieren Erwähnungen auf YouTube mit 0,737. Die Quelle weist selbst darauf hin, dass Korrelation keine Ursache ist.
Dazu kommt die Wirkung der Markenstatur. Eine Auswertung über mehr als 100.000 Antworten – Anbieterdaten eines Messwerkzeugs, als Preprint ohne Begutachtung veröffentlicht – findet einen Sprung von rund 30 Prozentpunkten je Bekanntheitsstufe: Globale Marken werden in 73 Prozent der einschlägigen Antworten genannt, mittelgroße in 44, Nischenmarken in 11 Prozent.
Das heißt: Was in Antwortsystemen wirkt, entsteht überwiegend außerhalb der eigenen Website.
Dieselbe Frage, innerhalb von 24 Stunden wiederholt, liefert je nach System nur zu 23 bis 51 Prozent dieselben Quellen – ChatGPT 23, Perplexity 28, AI Mode 32, Gemini 51 Prozent. Von einem Tag auf den nächsten wechseln über ein Beobachtungsfenster von 45 bis 46 Tagen rund 58 bis 66 Prozent der zitierten Quellen. Die Zitationskonzentration ist zugleich hoch: Wenige Domains bekommen die meisten Zitate (Gini 0,715).
Eine Studie des Tow Center der Columbia University über acht Antwortsysteme fand in über 60 Prozent der Abfragen falsche Quellenangaben.
Wer aus einem Einzelabruf eine Platzierung ableitet, misst Rauschen. Aussagekraft entsteht erst über viele Fragen und wiederholte Messung nach festem Verfahren.
In Deutschland nutzen 50 Prozent der Internetnutzer zumindest gelegentlich KI-Chats statt der klassischen Suche, 5 Prozent ausschließlich; 31 Prozent nutzen KI-Chatbots bereits zur Produktrecherche. Unter Unternehmensentscheidern erwarten 58 Prozent Kundenverluste ohne KI-Sichtbarkeit – und 41 Prozent kennen den Fachbegriff dafür nicht.
Im Geschäftskundengeschäft steht daneben ein Befund, der die Rangordnung erklärt: 69 Prozent der Käufer wenden sich nach der KI-Recherche an den Vertrieb, um die Erkenntnisse zu validieren. Die KI ersetzt den Vertrieb also nicht, sie geht ihm voraus. Wer in der vorgelagerten Antwort nicht vorkommt, kommt in die nachgelagerte Validierung gar nicht erst hinein.
Zur Einordnung gehört die Herkunft: Auftraggeberin der Entscheider-Erhebung ist eine SEO-Agentur und damit Interessenvertreterin im untersuchten Feld. Das steht so auch in der Untersuchung.
Eine kostenpflichtige Erst-Analyse als abgeschlossenes Produkt, nicht als kostenloser Köder, ist im Feld belegt: im deutschsprachigen Raum zwischen 490 und 3.500 Euro („je Scope“ nach oben offen), bei einem belgischen Anbieter 499 Euro, international beobachtet zwischen 99 und 2.500 US-Dollar; ein Anbieter verortet das obere Marktende bei 5.000 Dollar.
Interessanter als der Preis ist die Anrechnung auf die Folgeleistung. Die Untersuchung findet dafür drei gegensätzliche Antworten:
Die Schlussfolgerung liegt nicht im Preis, sondern in der Rolle. Wer Diagnose und Umsetzung aus einer Hand anbietet, steht vor derselben Frage, die der Gesetzgeber anderswo schon beantwortet hat. Ohne eine selbstauferlegte Unabhängigkeitsmechanik – etwa die ausdrückliche Bereitschaft, von einer Umsetzung abzuraten – bleibt die Anrechnung nach Einordnung dieser Untersuchung ein Verkaufsinstrument mit eingebautem Interessenkonflikt.
Eine Nachmessung als ausgewiesener Bestandteil des Diagnose-Produkts fand sich in der gesamten Erhebung genau einmal.
Neun Deep-Research-Läufe: drei Briefings, jedes wortgleich an drei verschiedene Systeme geschickt. Das System war die einzige Variable. In die Aufträge eingebaut waren Quellenpflicht je Aussage mit URL, Datum und Belegart, eine Pflichtsektion mit den stärksten Belegen gegen die naheliegende Antwort, eine Pflichtsektion „Was ich nicht gefunden habe und wo ich gesucht habe“ – und ein ausdrückliches Verbot von Handlungsempfehlungen. Empfehlungen konvergieren, Befunde lassen sich vergleichen.
Positivkontrollen. Jedes Briefing enthielt zwei bis drei hart nachprüfbare Einzelwerte, die nach Rücklauf von Hand gegengeprüft wurden. Ein System bestand alle drei Kontrollen, eines zwei von drei, eines eine von drei. Zwei Instrumentenfehler wurden dadurch gefangen: Ein System prüfte eine gleichnamige, aber geparkte Fremd-Domain statt der Anbieterseite und erklärte daraufhin, der Anbieter weise überhaupt keine Preise aus. Ein anderes nannte für ein Audit einen Preis, den die Anbieterseite nicht trägt. Beide Berichte waren sauber formatiert, ausführlich belegt und überzeugend geschrieben.
Gemessene Quellenüberschneidung. Nach Rücklauf wurden alle Quellen-URLs maschinell extrahiert und die Mengen paarweise verglichen: 271 unterscheidbare Quellen-URLs über 182 Hosts. Die Überschneidung der berichteten Systempaare liegt bei vier bis sechs Prozent (Jaccard 0,043 · 0,055 · 0,047). Übereinstimmende Befunde stammen also aus weitgehend getrennten Quellenmengen und können kein bloßer Widerhall derselben Fundstellen sein. Auffällig ist, worin die Systeme übereinstimmen: fast ausschließlich in amtlichen und wissenschaftlichen Primärquellen. Sie konvergieren auf das Belastbare und divergieren überall sonst.
Grenzen. Drei Systeme sind eine Stichprobe von drei aus einem geteilten Trainingsuniversum – nicht dasselbe wie drei unabhängige Analysten. Alle Preisangaben sind Momentaufnahmen des Erhebungsfensters; in diesem Markt ändern sich Preise binnen Tagen. Wer die Zahlen später verwendet, muss sie an der Anbieterseite nachmessen. Was nur aus Anbieterkommunikation stammt, ist im Text als „berichtet“ gekennzeichnet, von Hand geprüfte Werte als „gemessen“.
Der methodisch wichtigste Satz der Arbeit steht in eigener Sache: Bei maschinengestützter Recherche entscheidet nicht die Plausibilität des Berichts, sondern die Nachprüfbarkeit einzelner Werte.
Herausgeber dieser Untersuchung ist Oberwasser Consulting – ein Beratungsunternehmen, das im untersuchten Feld selbst anbietet, einschließlich eines bezahlten Diagnose-Einstiegs zum Festpreis. Die Erhebung diente zunächst der eigenen Preis- und Positionsfindung. Erst danach wurden die Befunde von den internen Schlussfolgerungen getrennt und zu dieser Untersuchung verdichtet.
Deshalb nennt die Untersuchung keine eigenen Preise, spricht keine Anbieterempfehlung aus und führt ihre Quellen vollständig auf. Und deshalb steht der Befund zum Interessenkonflikt bei der Anrechnung darin, obwohl er sich gegen die eigene Konstruktion richtet.
Du musst uns das nicht glauben. Du kannst es nachrechnen – dafür ist das Quellenverzeichnis da.
Wer genannt wird, wenn der Markt fragt
29 Seiten · Fassung 1.0 vom 1. September 2026 · CC BY 4.0 · PDF, 0,4 MB
Untersuchung herunterladen (PDF)
Kein Formular, keine Anmeldung. Du darfst sie weitergeben, zitieren und weiterverwenden, solange du die Quelle nennst – das ist der Sinn der Lizenz.
So zitierst du diese Untersuchung
Rochel, Peter (2026): Wer genannt wird, wenn der Markt fragt. Der Markt für Sichtbarkeit in generativen Antwortsystemen. Oberwasser Consulting, Köln. Fassung 1.0, 1. September 2026. DOI: 10.5281/zenodo.22237512
Lizenz: CC BY 4.0 · Erhebungszeitraum: 31. August und 1. September 2026 · Belegbasis: 271 Quellen-URLs über 182 Hosts · Auch auf Zenodo
Zweite Untersuchung mit DOI von Oberwasser Consulting: Bitcoin-Adoption in DACH – Die JTBD-Adoptionsstudie 2026 – 35 Tiefeninterviews, 1.207 codierte Belege, sechs Käufersegmente.
Die Untersuchung sagt nichts über dich. Sie beschreibt einen Markt.
Was sie allerdings zeigt: Ein bezahlter Diagnose-Einstieg ist in diesem Feld kein Sonderweg, sondern etabliert – im deutschsprachigen Raum zwischen 490 und 3.500 Euro. Unsere Positionsbestimmung liegt mit 1.900 Euro netto in diesem Band: sieben Antwortsysteme, vier Werktage bis zum Bericht, bei einer Umsetzung voll angerechnet – und sie kommt vom Autor dieser Marktuntersuchung, gemessen mit der Wiederholungslogik, die oben in Befund 4 begründet ist.
Zur Anrechnung gehört nach dem eigenen Befund aus Kapitel 6 eine Mechanik, die den Interessenkonflikt aufhebt. Unsere lautet: Wenn die Messung zeigt, dass sich eine Umsetzung für dich nicht lohnt, sagen wir dir das. Und wenn der Bericht dir nicht zeigt, wo du stehst, bekommst du das Geld zurück, ohne Rückfrage.
Was wir nicht zusagen, steht ebenfalls auf der Seite: keine Platzierung, kein Termin, an dem es ankommt. Nach dem, was du oben gelesen hast, weißt du auch, warum das niemand seriös zusagen kann.
Positionsbestimmung ansehen Kurzgespräch buchen (20 Min., kostenlos)
Sie beschreibt den Markt für Messung und Beeinflussung von Sichtbarkeit in generativen Antwortsystemen: Preise und Angebote, Wirkungsnachweise, Nachfrage sowie den bezahlten Diagnose-Einstieg im Vergleich zu etablierten Märkten wie Energieaudit, Penetrationstest oder anwaltlicher Erstberatung. Autor ist Peter Rochel (Oberwasser Consulting, Köln), Fassung 1.0 vom 1. September 2026, 29 Seiten, CC BY 4.0.
Auf neun Deep-Research-Läufen vom 31. August und 1. September 2026: drei Briefings, jedes wortgleich an drei verschiedene Systeme. Die Rückläufe wurden über handgeprüfte Kontrollwerte gewichtet und ihre Quellenmengen maschinell verglichen – 271 unterscheidbare Quellen-URLs über 182 Hosts, Überschneidung der berichteten Systempaare vier bis sechs Prozent.
Messwerkzeuge beginnen bei 29 US-Dollar im Monat, sind auf dieser Stufe aber eng geschnitten; ein Bild über sechs bis sieben Antwortsysteme kostet beim gemessenen Beispielanbieter real 307 bis 416 US-Dollar statt der beworbenen 189, Unternehmensstufen beginnen bei rund 1.000 Dollar. Dienstleister im deutschsprachigen Raum rechnen Umsetzung als Monatspauschale zwischen 750 und 5.000 Euro ab. Eine bezahlte Erst-Analyse kostet im deutschsprachigen Raum zwischen 490 und 3.500 Euro. Alle Werte sind Momentaufnahmen vom 31. August und 1. September 2026 und müssen bei Verwendung nachgemessen werden.
Nach der breitesten unabhängigen Prüfung des Feldes (NeurIPS 2025) sind die dokumentierten Optimierungsmethoden überwiegend wirkungslos und im Wettbewerbsfall sogar schädlich. Google dokumentiert ausdrücklich, dass es für KI-Übersichten und AI Mode keine zusätzlichen Anforderungen, keine besonderen Dateien und keine spezielle strukturierte Auszeichnung braucht. Messbar mit Sichtbarkeit zusammen hängt vor allem die Außenwahrnehmung: Erwähnungen im Web korrelieren mit 0,664 gegenüber 0,218 für Verweise.
Nein. In der ausgewerteten Fachöffentlichkeit gelten Platz-1-Versprechen als unseriös, und mehrere Anbieter grenzen sich ausdrücklich dadurch ab, dass sie eine solche Zusage verweigern – bis hin zur wörtlichen Antwort „Nein“ im eigenen Fragenkatalog. Ein etablierter, objektiver Erfolgsmaßstab für das Feld fand sich in den ausgewerteten Quellen nicht. Hinzu kommt die Instabilität der Systeme: Dieselbe Frage liefert binnen 24 Stunden je nach System nur zu 23 bis 51 Prozent dieselben Quellen.
Die belastbaren Werte stammen von den Systembetreibern und sind grob. OpenAI nennt rund 24 Stunden, bis eine Änderung an der robots.txt in den Suchergebnissen greift. Google nennt für die Neuindexierung „several days to several months“. Anbietermessungen nennen genauere Werte – einen Median von rund acht Tagen bis zur sichtbaren Antwortänderung, wobei 16 Prozent der verfolgten Änderungen auch nach 45 Tagen nicht sichtbar waren –, sind aber als Anbieterdaten gekennzeichnet. Als Größenordnung: Tage bis wenige Wochen für das Erscheinen, Monate für Verlässlichkeit.
Ja. Sie steht unter CC BY 4.0. Du darfst sie teilen, zitieren und weiterverwenden, auch kommerziell, solange du die Quelle nennst. Zitiervorschlag: Rochel, Peter (2026): Wer genannt wird, wenn der Markt fragt. Der Markt für Sichtbarkeit in generativen Antwortsystemen. Oberwasser Consulting, Köln. Fassung 1.0, 1. September 2026. DOI: 10.5281/zenodo.22237512
Herausgeber: Oberwasser Consulting, Peter Rochel, Richard-Wagner-Str. 31, 50674 Köln. Diese Untersuchung ist keine Anbieterempfehlung. Alle Preisangaben sind Momentaufnahmen vom 31. August und 1. September 2026.