B2B-GEO: von Käufern in der KI-Suche gefunden werden
Warum AI-Sichtbarkeit oft Consumer-Noise statt B2B-Buyer bringt und wie Sie GEO-Content auf Kauf-Intent ausrichten: Signale, Prompt-Typen, Content-Formate.
Sichtbar ist nicht gleich gefunden: das Intent-Problem der KI-Suche
Wer heute an seiner AI-Sichtbarkeit arbeitet, optimiert meist auf eine Zahl: Wie oft wird meine Domain in Antworten von ChatGPT, Perplexity, Gemini und Co. zitiert? Diese Zahl kann steigen, während der geschäftliche Wert bei null bleibt. Der Grund ist banal und wird trotzdem fast immer übersehen: KI-Engines zitieren Sie für die Prompts, zu denen Ihr Content passt — nicht für die Prompts, zu denen Ihr Angebot passt.
Ein Blick in reale Search-Console-Daten macht das Muster sichtbar. Ein erheblicher Teil des Impression-Volumens rund um „KI”-Themen stammt aus Consumer-Anfragen: kostenlose Logo-Generatoren, KI-Influencer-Erstellung, „ki kostenlos nutzen”. Diese Queries erzeugen Reichweite in Dashboards, aber sie stammen von Bastlern, Studierenden und Hobby-Anwendern — nicht von Geschäftsführern, die gerade ein Vertriebsproblem lösen wollen. Wer seine GEO-Strategie (Generative Engine Optimization) am Gesamtvolumen ausrichtet, optimiert systematisch am eigenen Kunden vorbei.
Zwei Arten von KI-Suchenden — und warum nur eine zählt
Die Anfragen, die über KI-Suche und klassische Suche auf eine B2B-Domain treffen, zerfallen in zwei Klassen:
| Merkmal | Consumer-/Bastler-Intent | B2B-Buyer-Intent |
|---|---|---|
| Typische Prompts | „KI-Logo kostenlos”, „beste kostenlose KI-Tools” | „beste KI-Outbound-Agentur DACH”, „was kostet Outbound as a Service” |
| Preisbereitschaft | Keine („kostenlos” ist Teil der Query) | Budget vorhanden, Auswahlprozess läuft |
| Entscheidung dahinter | Ausprobieren | Anbieter-Shortlist, Beauftragung |
| Wert eines Zitats | Traffic ohne Pipeline | Platz in der Kaufentscheidung |
| Content, der zitiert wird | Tool-Listen, Tutorials | Vergleiche, Kostenrechnungen, Cases mit Zahlen |
Der entscheidende Punkt: KI-Engines behandeln beide Klassen gleich. Die Engine belohnt passenden Content — sie prüft nicht, ob der Suchende zu Ihrem ICP gehört. Die Intent-Steuerung ist allein Ihre Aufgabe, und sie passiert ausschließlich über die Themen- und Formatwahl Ihres Contents.
Das Targeting-Signal in Ihren eigenen Daten
Bevor Sie neue Inhalte planen, lohnt eine Inventur der vorhandenen Sichtbarkeit. Drei Quellen reichen:
- GSC-Queries nach Intent klassifizieren. Sortieren Sie den Suchanfragen-Bericht nicht nach Impressions, sondern gruppieren Sie nach Intent-Klasse: kaufnah (Vergleich, Kosten, Anbieter), informational-business (Wie setze ich X im Unternehmen um?), Consumer-Noise (kostenlos, Hobby, Job/Ausbildung). Das Verhältnis der drei Klassen ist Ihr wichtigstes GEO-Steuerungssignal.
- KI-Zitate nach Prompt-Kontext prüfen. Testen Sie ein festes Set echter Käuferfragen gegen mehrere Engines und dokumentieren Sie, wo Ihre Domain zitiert wird — und wo stattdessen Wettbewerber stehen. Wie das grundsätzlich funktioniert, zeigt In ChatGPT gefunden werden.
- Klick-Qualität statt Klick-Menge. Ein Artikel mit 50 Klicks aus kaufnahen Queries schlägt einen mit 500 Klicks aus „kostenlos”-Queries. Wer nur die Kurve ansieht, sieht diesen Unterschied nie.
GEO auf Kauf-Intent drehen: vier Hebel
1. Themen aus dem Business-Winkel besetzen statt aus dem Tool-Winkel. Dasselbe Themenfeld lässt sich fast immer in beide Richtungen schreiben. „KI-Bilder erzeugen” zieht Bastler; „KI-Bildanalyse zur Qualifizierung von Solar-Leads” zieht Vertriebsentscheider. Die Engine lernt aus Ihrem Gesamtprofil: Je konsequenter die Business-Perspektive, desto eher werden Sie in kommerziellen Kontexten zitiert.
2. Kaufnahe Content-Formate bauen. KI-Engines beantworten Vergleichs- und Empfehlungsprompts bevorzugt aus Seiten, die genau diese Struktur liefern: Vergleichstabellen, Kostenrechnungen, Kriterienlisten, nachprüfbare Zahlen. Ein Beispiel für dieses Format ist der AI-SDR-Tool-Vergleich für DACH. Generische Ratgeber werden für generische Prompts zitiert — und die stellen selten Käufer.
3. Noise-Themen bewusst nicht bedienen. Hohes Volumen ist kein Argument, wenn der Intent nicht passt. Jeder Consumer-Artikel verwässert das thematische Profil, auf dessen Basis Engines entscheiden, wofür Ihre Domain Autorität hat. Disziplin im Themenplan ist bei GEO ein Ranking-Faktor.
4. Messung auf Prompt-Ebene statt Domain-Ebene. Die relevante Frage ist nicht „Wie oft werde ich zitiert?”, sondern „Werde ich bei den 20 Prompts zitiert, die meine Käufer stellen?” Eine praxistaugliche Messanleitung liefert AI-Sichtbarkeit für Unternehmen, die Grundlagen zur Optimierung ChatGPT-Sichtbarkeit verbessern.
Was das operativ bedeutet
Die Konsequenz aus dem Intent-Problem ist ein anderer Content-Plan: weniger Volumen-Jagd, mehr kaufnahe Lückenfüllung. In der Praxis heißt das, die eigenen GSC- und KI-Zitierdaten regelmäßig als Targeting-Signal auszuwerten und jede Content-Entscheidung gegen eine einfache Frage laufen zu lassen: Sitzt hinter diesem Prompt jemand mit Budget und einem Problem, das wir lösen?
Genau nach diesem Prinzip arbeitet CegTec im eigenen System: Suchdaten und AI-Zitierraten fließen wöchentlich als Signale in die Content-Planung, kaufnahe Lücken werden priorisiert, Consumer-Noise wird bewusst ignoriert. Dasselbe datengetriebene Vorgehen steckt auch in GTM Goat, dem Outbound-System von CegTec — dort auf der Kampagnenseite: Statt mehr Volumen zu senden, wird auf die Segmente und Aufhänger optimiert, die nachweislich qualifizierte Antworten erzeugen. Wer wissen will, wie sichtbar die eigene Domain bei Käufer-Prompts ist, kann das im Rahmen eines kostenlosen GTM-Goat-Tests mit anschauen.
Häufige Fragen
Was ist der Unterschied zwischen AI-Sichtbarkeit und B2B-relevanter AI-Sichtbarkeit?
AI-Sichtbarkeit misst, ob eine Domain in KI-Antworten überhaupt zitiert wird. B2B-relevante AI-Sichtbarkeit fragt zusätzlich, bei welchen Prompts das passiert. Wer für 'KI-Logo kostenlos erstellen' zitiert wird, gewinnt Bastler-Traffic ohne Budget. Wer bei 'beste KI-Outbound-Agentur DACH' auftaucht, steht in einer Kaufentscheidung. Beide zählen als Sichtbarkeit, nur eine davon erzeugt Pipeline.
Woran erkenne ich, dass mein AI- und Such-Traffic Consumer-Noise ist?
Am Suchanfragen-Bericht der Google Search Console und an den Prompts, unter denen KI-Engines Sie zitieren. Typische Noise-Muster: 'kostenlos' als Bestandteil der Query, Consumer-Werkzeuge wie Logo- oder Bild-Generatoren, Ausbildungs- und Job-Anfragen. Solche Queries bringen Impressions und teilweise Klicks, aber keine Firmen mit Budget und Kaufabsicht.
Welche Prompt-Typen zahlen im B2B tatsächlich auf Termine ein?
Kaufnahe Prompt-Typen: Vergleichsfragen ('Anbieter X vs. Y'), Empfehlungsfragen ('beste Agentur für …'), Kostenfragen ('was kostet …') und Umsetzungsfragen mit kommerziellem Kontext ('Outbound DSGVO-konform aufsetzen lassen'). Wer für diese Prompts zitiert werden will, braucht Vergleichs- und Kostenseiten mit nachprüfbaren Daten, nicht generische Ratgeber.
Sollte ich Consumer-Keywords mit hohem Volumen trotzdem bedienen?
In der Regel nein. Consumer-Volumen kostet Content-Kapazität, verwässert das thematische Profil der Domain und zieht Zitate in Kontexten an, in denen nie ein B2B-Käufer sitzt. Sinnvoller ist, dasselbe Thema aus dem Business-Winkel zu besetzen: statt 'KI-Bilder kostenlos' etwa 'KI-Bildanalyse zur Lead-Qualifizierung'. So bleibt das Thema, aber der Intent dreht sich.
Wie messe ich, ob meine GEO-Strategie B2B-Intent trifft?
Mit einem laufenden Prompt-Set aus echten Käuferfragen, das regelmäßig gegen mehrere KI-Engines getestet wird: Wird die eigene Domain zitiert, wer wird stattdessen zitiert, bei welchen kaufnahen Prompts fehlt sie? Kombiniert mit GSC-Queries nach Intent-Klassen ergibt das ein Bild, das über die reine Zitierrate hinausgeht.