GEO in Zahlen: Was die aktuellen Studien über KI-Suche zeigen

Die meisten Google-Suchen enden längst ohne Klick

Nach Analyse von SparkToro und Datos enden inzwischen rund 68 % aller Google-Suchen in den USA ohne einen einzigen Klick auf eine externe Webseite. Das bedeutet: Weniger als jede dritte Suche führt überhaupt noch zu einem Besuch im offenen Web.

Noch deutlicher wird es, sobald eine KI-generierte Übersicht erscheint. Sobald Google eine AI Overview einblendet, liegt die Zero-Click-Rate bei rund 83 %, in Googles neuem AI Mode sogar bei bis zu 93 %. Besonders bemerkenswert: Laut Pew Research Center klicken Nutzer:innen nur in etwa 1 % der Fälle auf eine der in einer AI Overview zitierten Quellen, obwohl diese Quellen dort sichtbar verlinkt sind. Genannt zu werden reicht offenbar aus – der Klick bleibt trotzdem meist aus.

Für Unternehmen hat das spürbare Konsequenzen, die über einen reinen Traffic-Rückgang hinausgehen. Klassische Erfolgskennzahlen wie Sitzungen, Seitenaufrufe oder Formular-Conversions auf der eigenen Webseite verlieren an Aussagekraft, wenn ein wachsender Teil der Zielgruppe die relevante Information nie mehr auf der Seite selbst abruft.

Das betrifft insbesondere Content, der auf Aufmerksamkeit am Anfang der Kaufentscheidung ausgelegt ist: Ratgeberartikel, Produktvergleiche oder FAQ-Seiten können weiterhin stark genutzt werden, ohne dass sich das in den bekannten Analytics-Zahlen zeigt. Wird das nicht mitgedacht, entsteht leicht der falsche Eindruck, ein Thema oder Content-Format habe an Relevanz verloren, obwohl es lediglich anders,nämlich innerhalb einer generierten Antwort statt auf der eigenen Seite konsumiert wird.

Gleichzeitig verschiebt sich der eigentliche Werttreiber: Nicht der Klick entscheidet über Wirkung, sondern die Frage, ob das eigene Unternehmen in der Antwort überhaupt genannt wird, wie es dort dargestellt wird und ob diese Nennung später zu einer bewussten, direkten Suche nach der Marke führt.

Die KI-Suche wächst schneller, als die meisten erwarten

Google selbst gab auf der I/O 2026 bekannt, dass der AI Mode die Marke von einer Milliarde monatlich aktiver Nutzer:innen überschritten hat, wobei sich das Abfragevolumen von Quartal zu Quartal mehr als verdoppelt. ChatGPT verarbeitet mittlerweile schätzungsweise 1,6 bis 2 Milliarden Anfragen täglich.

Gartner hatte bereits 2024 prognostiziert, dass das Volumen klassischer Suchmaschinenanfragen bis 2026 um 25 % zurückgehen wird, da generative KI-Lösungen zunehmend als Ersatz für klassische Suchanfragen fungieren. Ob dieser konkrete Wert exakt eingetreten ist, wird in der Branche kontrovers diskutiert – der grundsätzliche Trend hin zu fragmentierter Suche über mehrere KI-Engines hinweg gilt jedoch als unstrittig.

B2B-Einkäufer:innen nutzen KI längst als primäres Rechercheinstrument

Für den B2B-Bereich ist eine Zahl besonders aufschlussreich: Laut Forrester nutzen inzwischen 89 % der B2B-Einkäufer:innen generative KI als primäres Werkzeug für die selbstständige Recherche. Gartner ermittelte in einer aktuellen Befragung von 645 B2B-Einkäufer:innen, dass 45 % bei ihrem letzten Kauf generative KI eingesetzt haben, im Schnitt jedoch weiterhin sieben verschiedene Informationsquellen konsultiert wurden, bevor eine Entscheidung fiel.

Eine Folge davon: Die durchschnittliche Anzahl an Anbietern, die B2B-Einkäufer:innen überhaupt noch in die engere Auswahl nehmen, ist von 3,2 auf 2,5 gesunken. Wer in dieser verkürzten Shortlist nicht auftaucht, wird im Beschaffungsprozess schlicht nicht mehr berücksichtigt – unabhängig davon, wie gut das eigene Angebot inhaltlich wäre.

Wie sich das konkret auswirkt, zeigt sich gut am Beispiel eines Industriezulieferers für Maschinenkomponenten: Ein Einkäufer, der einen Ersatz für einen bestimmten Ventiltyp mit spezifischen Druck- und Temperaturwerten sucht, fragt heute zunehmend direkt ein KI-Tool nach passenden Herstellern, statt sich durch mehrere Kataloge zu klicken. Genannt wird dabei nur, wessen technische Daten über alle Quellen hinweg eindeutig und konsistent gepflegt sind. Sind die Angaben nur auf der eigenen Seite aktuell, im Partnerportal aber veraltet, taucht der Hersteller in der Antwort mit hoher Wahrscheinlichkeit gar nicht auf – selbst wenn sein Produkt technisch die passende Lösung wäre. Der Einkäufer bekommt stattdessen zwei oder drei Alternativen genannt und trifft seine Vorauswahl, ohne dass der eigentlich passende Anbieter je Teil davon war.

Hohe Nutzung – Aber mit Vorbehalt

Interessant ist auch die Vertrauensfrage: 70 % der B2B-Einkäufer:innen bevorzugen laut Gartner inzwischen eine vollständig digitale, selbstgesteuerte Kauferfahrung ohne direkten Vertriebskontakt, wobei 45 % davon während Ihrer Recherche eine KI verwendet haben. Gleichzeitig geben 69 % an, die von KI gelieferten Informationen im Anschluss noch mit einer Vertriebsperson validieren zu wollen, unter anderem weil 51 % der Befragten davon ausgehen, in generativer KI eher auf irreführende Informationen zu stoßen als in einem klassischen Verkaufsgespräch.

Dieses Spannungsfeld – hohe Nutzung bei gleichzeitig vorsichtigem Vertrauen – erklärt auch, warum laut Forrester-Zahlen 20 % der Einkäufer:innen sich nach einer KI-gestützten Recherche sogar unsicherer in ihrer Entscheidung fühlten als zuvor, weil sie auf unzuverlässige oder widersprüchliche Informationen gestoßen waren.

Was diese Zahlen für Marketingverantwortliche bedeuten

Zusammengenommen ergibt sich ein klares Bild: KI-generierte Antworten sind für viele Auswahlprozesse bereits heute der erste und oft einzige Kontaktpunkt, bevor ein Vertriebsgespräch überhaupt stattfindet. Gleichzeitig bleibt der Klick auf die eigene Webseite dabei zunehmend aus, selbst wenn das eigene Unternehmen in der Antwort genannt wird.

Für Unternehmen bedeutet das eine Verschiebung, die sich nicht mehr allein mit klassischen SEO-Kennzahlen erfassen lässt. Wer heute noch ausschließlich auf Rankings, Sitzungen und Klickraten schaut, sieht einen wachsenden Teil des eigenen Auswahlprozesses gar nicht mehr, weil er bereits vorher – innerhalb einer generierten Antwort – stattgefunden hat. Die eigentliche Frage lautet deshalb nicht mehr, wie man für eine Suchmaschine rankt, sondern ob das eigene Unternehmen überhaupt Teil der Antwort ist, die eine KI einer potenziellen Kundin oder einem potenziellen Kunden liefert. Und diese Frage lässt sich nicht einmalig beantworten und dann abhaken: Da sich die zugrunde liegenden Modelle kontinuierlich weiterentwickeln, kann eine heute bestehende Sichtbarkeit morgen bereits wieder verschwunden sein, ohne dass am eigenen Unternehmen inhaltlich etwas verändert wurde.

Diese Verschiebung wirft zwangsläufig die Frage auf, was ein Unternehmen eigentlich liefern muss, damit es in diesen generierten Antworten überhaupt vorkommt – und zuverlässig genannt wird, sooft sich die zugrunde liegenden Modelle weiterentwickeln. Ein zentraler Baustein dafür sind konsistente, strukturierte Produktdaten, wie sie typischerweise in PIM- und DAM-Systemen gepflegt werden. Ebenso entscheidend ist ein fortlaufendes Monitoring der eigenen Sichtbarkeit, denn nur wer regelmäßig prüft, wie und ob das eigene Unternehmen in relevanten KI-Antworten auftaucht, kann rechtzeitig gegensteuern, statt eine schleichend verlorene Sichtbarkeit erst zu bemerken, wenn sie sich bereits in ausbleibenden Anfragen niederschlägt. Wie genau dieser Zusammenhang aussieht und wie sich eine solche fortlaufende Beobachtung organisatorisch abbilden lässt, haben wir in zwei separaten Beiträgen ausführlicher betrachtet.

Zahlen kennen ist der erste Schritt – Wir zeigen Ihnen, wo Sie heute stehen

Studienwerte wie diese sind ein guter Weckruf, sagen aber noch nichts darüber aus, wie sichtbar das eigene Unternehmen konkret in ChatGPT, Perplexity, Gemini oder Google AI Overviews ist. Genau hier setzt communicode an: Mit einer strukturierten AI-Visibility-Analyse ermitteln wir, wie oft und wie prominent Ihr Unternehmen in generativen Antworten zu relevanten Themen auftaucht, wie sich das im Vergleich zum Wettbewerb darstellt und an welchen Stellen Content- oder Datenlücken die Sichtbarkeit aktuell noch ausbremsen. Daraus entsteht eine priorisierte, umsetzbare Roadmap – der ideale Ausgangspunkt, um von den Studienzahlen zur eigenen, belastbaren Faktenlage zu kommen.