Identitätslücke: Marke, Suche und KI angleichen

Die Kluft zwischen dem, was ein Unternehmen über sich selbst sagt, und dem, was Suchmaschinen und KI-Systeme daraus machen, ist in der Suche kein neues Phänomen. Künstliche Intelligenz hat diese Diskrepanz jedoch sichtbar gemacht: Vier KI-Engines, dieselbe Marke, vier völlig unterschiedliche Identitäten. SEO basiert stillschweigend auf der Annahme, dass vier Signale zusammenpassen – was das Unternehmen kommuniziert, was die Suchmaschine entscheidet, wofür KI-Systeme die Marke zitieren und wer tatsächlich kauft. In der Praxis stimmen sie selten überein, und die Lücke bleibt oft jahrelang unbenannt.

Woher kommt die Identitätslücke?

Jede technische Entscheidung sendet ein Signal: Startseiten-Text, interne Verlinkung, Schema-Markup – und gleichzeitig sagt die Marke auf LinkedIn etwas anderes als im Sales-Deck. Widersprüchliche Signale werden zu Rauschen, das sich über Jahre ansammelt. Produkt-, Brand-, Content- und Sales-Teams treffen diese Entscheidungen getrennt; SEO kann deshalb nicht mehr isoliert arbeiten.

KI liest dieselben Signale wie Google schon immer. Was sich geändert hat, ist die Ausgabe: Statt einer Position in einer Ergebnisliste liefert KI einen Fließtext als erste Antwort. Erkennt sie Rauschen, interpretiert sie falsch oder ignoriert die Daten. Ein randomisiertes Feldexperiment des ISB Institute of Data Science aus Anfang 2026 zeigt: Erscheint eine KI-Zusammenfassung, sinken ausgehende Klicks auf Publisher um 38 Prozent. Das Tow Center beziffert falsch zugeordnete Zitate auf über 60 Prozent – und Korrekturbuttons fehlen zunehmend.

Drei Symptome der Identitätslücke

Drei Muster lassen sich mit konkreten Tests identifizieren – unabhängig vom Begriff dahinter. Jeder Test lässt sich montags starten.

Entity-Dissonanz

Bei Entity-Dissonanz klassifizieren Such- und KI-Systeme das Unternehmen falsch: falsche Kategorie, falscher Standort, falscher Gründer oder Verwechslung mit einem Namensvetter. Dixon Jones und Jason Barnard haben dieses Terrain jahrelang bearbeitet – wie Maschinen eine klare Markenidentität halten.

Test: Fragen Sie jede Engine direkt, wer Ihr Unternehmen ist. Lesen Sie Knowledge Panel, Sitelinks und „Ähnliche Suchen“. Stellen Sie dieselbe Frage an ChatGPT, Gemini und Perplexity und vergleichen Sie Kategorie, Standort, Gründer und Angebot. Dissonanz liegt vor, wenn Engines widersprechen, die Kategorie vom Traffic-Magneten statt vom Produkt kommt oder der Standort die registrierte Adresse statt des Zielmarkts widerspiegelt.

Audience-Mismatch

Audience-Mismatch bedeutet: Der Traffic passt nicht zu den Käufern. Die Suchenden sind eine andere Population als die Schließenden. Rand Fishkins Zero-Click-Arbeit bei SparkToro untersucht seit Jahren die Lücke zwischen Suchtraffic und realer Nachfrage.

Der Test beginnt nicht in der Search Console mit niedrigen Klickraten, sondern beim Käufer: Interviews, echte Voice-of-Customer-Daten und evidenzbasierte Personas. Legen Sie Traffic-Queries neben CRM-Abschlüsse nach Quelle und Intent – beschreiben beide dieselbe Person? Stanford-Forschung zeigt: Ein KI-Agent, trainiert auf einem zweistündigen Interview, reproduziert Umfrageantworten zu 85 Prozent so genau wie die befragte Person selbst zwei Wochen später.

Citation Drift

Citation Drift liegt vor, wenn KI die Marke zitiert – aber für falsche Angebote: alte Inhalte, aufgegebene Gratis-Tools oder ein Image, das das Unternehmen hinter sich lassen will. Fragen Sie Engines, wofür die Marke bekannt ist, und vergleichen Sie die Antwort mit umsatzstarken Produkten. Die Distanz ist der Drift.

Praxisbeispiel: Vier Signale, ein Unternehmen

Ein anonymisiertes Audit einer Buchhaltungssoftware für Freelancer und kleine Unternehmen zeigt alle drei Symptome gleichzeitig. Traffic kommt von kostenlosen Steuerrechnern; Umsatz von Abonnements für laufende Buchführung. Die Positionierung will Compliance-Plattform sein – doch Google verankert die Entity an Gratis-Tools und Blog, nicht am Produkt.

Vier KI-Engines lieferten vier Identitäten: eine kannte die Firma nicht, eine verwechselte den Gründer mit einem Namensvetter, eine beschrieb nur alte Inhalte, eine hatte die Geografie falsch. Sales-Calls über 1.300 Gespräche zeigen: Compliance gewinnt fast ein Viertel der Deals; Preis rangiert unten, Datenmigration ist der häufigste Einwand. Die Fragen, die Abschlüsse bringen, tauchen kaum im Traffic auf.

Die Lücke schließen: Zwei getrennte Aufgaben

Schließen heißt zwei Jobs, nicht einen. Erstens klassisches SEO: Keyword-Recherche nach Thema, Wettbewerb und Trend. Zweitens – und hier liegt der häufige Blindspot – die Buyer Journey mappen: Jeden Zweifel von erstem Blick bis Kaufentscheidung abdecken. In dem Audit lagen die schließenden Fragen – „Kann ich letztjährige Bücher migrieren?“, „Bin ich bei einer Prüfung abgesichert?“ – unterhalb der Keyword-Tool-Schwelle.

Query Fan-out, wie Mike King und Dan Petrovic beschrieben haben, lebt fast vollständig in diesem blinden Fleck: Rund 95 Prozent der Subqueries haben laut Studien von Seer Interactive und AirOps kein messbares Suchvolumen. Keyword-Tools sehen den Funnel-Boden nicht – Sales-Calls und jetzt auch Suchmaschinen schon.

Der größere Teil ist Entity-Cleanup: Dissonanz beheben, Topic-Gaps schließen, Content prunen, der die Identität zum Traffic-Magneten zieht. Bewusst Traffic verlieren, der nur Rauschen erzeugt, damit Engines und echte Käufer dieselbe Marke erkennen.

Ein SEO-Problem, kein KI-Problem

Die KI-Schicht hat die Diskrepanz nicht erzeugt – sie hat sie von der Suche geerbt und dem Nutzer die Korrektur entzogen. Der Fix liegt upstream in der Entity-Schicht und der Positionierung. SparkToro fand: Hundert identische Prompts an ChatGPT liefern dieselbe Markenliste seltener als einmal von hundert – Positionen optimieren ist sinnlos; die Entity muss eindeutig werden.

Ranking garantiert keine Zitation mehr. Ahrefs und seoClarity messen unterschiedliche Dinge, zeigen aber dasselbe Muster: Ein gut rankender Anker plus mehrere tiefer platzierte Fan-out-Quellen. Ranking hilft – reicht aber nicht. Bevor Entity-Layer und Content angefasst werden, müssen Business, Marketing, Produkt und Sales festlegen, wer das Unternehmen ist, was es verkauft und an wen. Ein internes Referenzdokument hält die vier Signale zusammen, bevor eine Answer Engine die Lücke einem Käufer als Fakt zurückgibt.