Erwähnung, Zitation und Einfluss: drei Ebenen der Markenpräsenz in KI-Antworten

In der Ära der klassischen Suche war das Gespräch über Markensichtbarkeit vergleichsweise einfach. Ein Unternehmen sah die Ergebnisseite, maß seine Position, zählte Klicks und zog daraus Rückschlüsse auf seine Bekanntheit. Antwortsysteme haben diese bequeme Linearität zerstört. Heute kann eine Marke in einer Antwort auftauchen, ohne einen Besuch zu erhalten. Sie kann zitiert werden und dennoch zweitrangig bleiben. Sie kann überhaupt nicht direkt genannt werden, obwohl ihre Daten, Formulierungen oder Argumente die endgültige Synthese faktisch bestimmen. Für Unternehmen bedeutet das, dass die frühere Frage „Werden wir gesehen?“ für sich allein nicht mehr trägt. An ihre Stelle tritt eine komplexere: „In welcher Rolle sind wir in der maschinellen Antwort präsent — als bloßer Name, als bestätigte Quelle oder als Kraft, die die Entscheidung selbst formt?“

Genau deshalb ist es sinnvoll, in der Antwortumgebung mindestens drei Ebenen der Präsenz einer Marke zu unterscheiden: Erwähnung, Zitation und Einfluss. Die Erwähnung ist die einfachste Form der Sichtbarkeit. Die Marke wird in der Antwort genannt: Das System listet Marktteilnehmer auf, vergleicht Optionen, beschreibt eine Kategorie und nimmt das Unternehmen in eine Reihe möglicher Antworten auf. Für die Kommunikation ist das bereits nützlich. Ein Nutzer, der die Marke zuvor womöglich überhaupt nicht kannte, stößt nun immerhin auf ihren Namen. Aus geschäftlicher Sicht reicht das jedoch nicht. Eine Erwähnung kann zufällig, oberflächlich und sogar nachteilig sein. Sie sagt weder etwas über den Status der Marke in der Antwort aus noch darüber, ob das System ihren Daten vertraut.

Die nächste Ebene ist die Zitation. Hier werden die Marke oder mit ihr verbundene Quellen bereits zur Stütze der Antwort. Anfang 2026 führte Microsoft in den Bing Webmaster Tools ein eigenes Dashboard AI Performance ein, das zeigt, wann eine Website in KI-Antworten zitiert wird, welche Seiten am häufigsten zitiert werden und über welche „Grounding“-Phrasen das System Inhalte findet [1]. Microsoft markiert jedoch selbst eine wichtige Grenze: Die Häufigkeit der Zitation entspricht weder der Bedeutung einer Seite noch ihrer konkreten Rolle in der jeweiligen Antwort [1]. Anders gesagt: Die Zitation ist gegenüber der bloßen Erwähnung ein Schritt nach vorn, erschöpft aber die Frage nach dem Einfluss nicht. Eine Marke kann in Quellenlisten häufig erscheinen und dennoch nur eine Hintergrundstütze für eine allgemeinere, entpersonalisierte Zusammenfassung bleiben.

Die tiefste Ebene ist der Einfluss. Damit ist die Fähigkeit einer Marke gemeint, die Architektur der Antwort zu bestimmen: den Vergleichsrahmen, das Set der Kriterien, die Sprache der Beschreibung einer Kategorie und die Vorstellung von Stärken und Schwächen einer Lösung. Einfluss ist sogar dann möglich, wenn der Nutzer keinen Klick ausführt und die Marke an der Oberfläche nicht immer sichtbar ist. Wenn ein System bei der Beantwortung der Frage nach der Wahl einer Lösung in Kategorien argumentiert, die eine Marke über Jahre in ihren eigenen Studien entwickelt hat, und dieselbe Beweislogik wiederholt, beeinflusst diese Marke bereits die Entscheidung des Nutzers — selbst wenn sich dieser Einflussakt nicht in die gewohnte Metrik eines Website-Besuchs übersetzen lässt.

Diese Unterscheidung ist nicht nur theoretisch wichtig. Sie verändert die Ökonomie der Aufmerksamkeit selbst. Google schreibt ausdrücklich, dass KI-Funktionen der Suche im gesamten Suchtraffic enthalten sind, Nutzer dabei jedoch längere und spezifischere Fragen stellen und Klicks von Seiten mit AI Overviews „höherwertig“ sind, also häufiger mit tieferem Engagement auf der Website einhergehen [2][3]. Microsoft berichtet seinerseits, dass der Weg des Nutzers in Copilot-gestützten Szenarien im Durchschnitt um ein Drittel kürzer ist und Kennzahlen für Handlungen mit hoher Intention deutlich höher liegen als in der traditionellen Suche [4]. Das bedeutet etwas sehr Einfaches: Ein Teil der Entscheidung fällt tatsächlich vor dem Besuch. Wer nur Website-Traffic misst, misst deshalb nur das Ende des Prozesses, nicht aber sein kausales Zentrum.

Die Forschungsliteratur bestätigt, dass Zitationen und Links in Antwortsystemen nicht nur eine Navigations-, sondern auch eine psychologische Funktion erfüllen. In der Arbeit SourceBench sagen die Autoren ausdrücklich, dass die Qualität der Webquellen die „Groundedness“ der Antwort bestimmt und dass das Vorhandensein von Links das Vertrauen der Nutzer spürbar erhöht, selbst wenn diese die Quellen später nicht überprüfen [5]. Search Arena kommt von einer anderen Seite zu einem ähnlichen Ergebnis: Nutzer bevorzugen im Durchschnitt Antworten mit einer größeren Zahl von Zitationen; besonders hoch bewertet werden Antworten in Szenarien von Empfehlungen und Informationssynthese [6]. Doch hier verbirgt sich ein feines Paradox. Wenn ein Link das Vertrauen schon für sich erhöht, wird die Zitation nicht nur zum Kanal der Überprüfbarkeit, sondern auch zu einem Element der Rhetorik. Dann reicht es einer Marke nicht mehr, „im Internet präsent“ zu sein; sie muss gerade zu jener Quelle werden, auf die sich das System gern stützt, um eine überzeugende Antwort zu erzeugen.

Vor diesem Hintergrund wird der Unterschied zwischen Erwähnung, Zitation und Einfluss praktisch messbar. Die Erwähnung lässt sich als Anteil der Antworten zählen, in denen die Marke ausdrücklich genannt wird. Die Zitation als Anteil der Antworten, in denen Links zur Website der Marke oder zu relevanten externen Quellen über sie erscheinen. Einfluss ist schwieriger: Er lässt sich nur indirekt über die semantische Nähe zwischen der endgültigen Antwort und jenem Wissen ableiten, das die Marke in die Quellenkontur eingebracht hat. In der praktischen Arbeit lässt sich dies zumindest konzeptionell mit einer einfachen Formel beschreiben:

P = aE + bZ + cI

wobei P die integrale Präsenz der Marke in der Antwortumgebung ist, E der Anteil der Erwähnungen, Z der Anteil der Zitationen, I der Anteil der Fälle semantischen Einflusses und die Koeffizienten a, b und c den geschäftlichen Wert jeder Ebene für eine konkrete Branche widerspiegeln. Bei einer Medienmarke kann der Koeffizient der Erwähnung höher sein, weil Öffentlichkeit als solche bereits Wert hat. Bei einer komplexen B2B-Lösung wird dagegen das Gewicht des Einflusses höher ausfallen: Die Marke gewinnt nicht dann, wenn sie nur genannt wird, sondern dann, wenn ihre Expertise die Auswahlkriterien und den Vertrauensrahmen bestimmt. Die Formel erhebt keinen Anspruch auf die Strenge eines akademischen Indikators; ihr Sinn liegt woanders. Sie zwingt Marketing und Analytik dazu, nicht länger eindimensional zu denken.

Genau hier entsteht für Unternehmen ein neues Problem. Aus Gewohnheit freuen sich viele noch immer allein darüber, dass ihr Name in KI-Antworten auftaucht. Doch eine Erwähnung kann nahezu leer sein. Die Marke wurde unter zehn Alternativen genannt — und das war alles. Der Nutzer erhielt keinen Grund, sie für verlässlich zu halten, sah keine bestätigenden Quellen und verstand nicht, worin sie sich von den anderen unterscheidet. In der Sprache der klassischen Werbung ähnelt das dem kurzen Aufblitzen eines Logos ohne Erklärung der Rolle des Produkts. Die Zitation ist bereits besser: Sie erzeugt den Eindruck von Überprüfbarkeit. Doch auch hier besteht ein Risiko. Das System kann nicht auf die stärkste Seite der Marke verweisen, sondern auf einen zufälligen Katalog, eine veraltete Übersicht oder eine schwache Produktkarte. Dann ist die Zitation zwar vorhanden, Steuerbarkeit aber nicht.

Die wertvollste Ebene — der Einfluss — wird am langsamsten erreicht, weil sie sich nicht auf ein einzelnes Dokument stützt, sondern auf eine abgestimmte Wissensökologie. Um eine Antwort zu beeinflussen, muss eine Marke nicht nur eine Produktbeschreibung veröffentlichen, sondern ihre Formulierungen in mehreren Quellentypen verankern: in eigenen Materialien, in unabhängigen Reviews, in Vergleichsveröffentlichungen, in Branchendiskussionen, in maschinenlesbaren Katalogen und nach Möglichkeit in belastbaren externen Bestätigungen. Erst dann beginnt ein KI-System, die Marke nicht mehr nur als einen Namen unter vielen zu behandeln, sondern als Entität, um die sich bereits eine stabile und reproduzierbare Kontur von Bedeutung gebildet hat.

Neue Daten zum Nutzerverhalten verstärken diese Schlussfolgerung. Eine Studie des Pew Research Center zeigt, dass Nutzer beim Erscheinen einer KI-Zusammenfassung deutlich seltener auf gewöhnliche Ergebnisse klicken als ohne sie und den Links innerhalb der Zusammenfassung nur in einem kleinen Anteil der Fälle folgen [7]. Eine weitere neue Arbeit mit Daten von Wikipedia liefert frühe kausale Evidenz: AI Overviews können den Traffic selbst jener Quellen senken, die in der Zusammenfassung häufig zitiert werden [8]. Zitation und Besuch driften also endgültig auseinander. Man kann für die Bildung einer Antwort wichtig sein und dennoch keinen entsprechenden Traffic erhalten. Daraus folgt jedoch nicht, dass Zitation nutzlos wäre. Im Gegenteil: Gerade sie wird zur Zwischenbrücke zwischen dem Text der Marke und ihrem Einfluss auf die Entscheidung.

Für ai100 eröffnet sich hier eine wichtige Forschungsperspektive. Wenn eine eigene Beobachtungsbasis aufgebaut wird, sollte nicht nur das binäre Merkmal „Marke war / war nicht in der Antwort“ erfasst werden, sondern mindestens drei Felder: Wurde sie genannt? Wurden sie oder ihr Umfeld zitiert? Und bestimmte sie die semantische Struktur der Antwort? Das letzte Feld mag anfangs subjektiv erscheinen, lässt sich im Laufe der Zeit jedoch durchaus normieren: indem man prüft, wessen Vergleichskriterien verwendet werden, wessen Begriffe wiederkehren, woher die Schlüsseldefinitionen stammen und ob die Logik der Synthese mit der Logik der Markenmaterialien übereinstimmt.

Daraus folgt auch die wichtigste praktische Schlussfolgerung. In der Antwortumgebung gewinnt eine Marke nicht dann, wenn sie bloß sichtbar ist, sondern dann, wenn sie für die Antwort intellektuell notwendig wird. Die Erwähnung schafft Präsenz. Die Zitation schafft Vertrauensgrundlage. Der Einfluss schafft Beteiligung an der Entscheidung. Wer lernt, diese drei Ebenen zu unterscheiden, wird die reale Struktur der neuen Sichtbarkeit erkennen. Wer weiterhin alles nur am Klick misst, betrachtet die neue Landkarte mit alten Augen — und wird zwangsläufig unterschätzen, wo Nachfrage heute tatsächlich entsteht.