Was KI über deine Marke entscheidet, bevor der Vorstand es erfährt.

Quellen aufdecken

Wir legen offen, welche Publikationen, Händler, Foren und Plattformen die KI-Antworten in deiner Kategorie tragen. Das ist die Liste, mit der Pressearbeit überhaupt zielgerichtet wird: nicht Reichweite, sondern die Domains, die KI tatsächlich zitiert.

Je Land messen, was KI denkt

Derselbe Korpus in der Landessprache, weil KI je Sprache aus anderen Quellen antwortet. Wir sehen, wo die Marke in Deutschland als Stilmarke gilt und in Frankreich gar nicht vorkommt, und wo ein Wettbewerber die Empfehlung besitzt.

Produktlaunch vorbereiten

Vor dem Start prüfen wir, welche Begriffe, Modellnamen und Claims die KI schon kennt und welche sie mit dem Vorgänger verwechselt. Nomenklatur und Garantieaussagen werden vor der Messung freigegeben, sonst produziert die Studie selbst die Falschaussage.

Marken- und Produktwahrnehmung

Was denkt KI über die Marke, über einzelne Produkte, über Qualität, Preis und Service? Wir werten Tonalität, Zuschreibungen und Verwechslungen je Cluster aus und stellen sie dem gegenüber, was der Konzern über sich selbst sagt.

Agentic-Purchase-Test

Wir lassen Einkaufsagenten deine Produkte kaufen und protokollieren, wen sie wählen: eigenen Shop, Händler, Marktplatz oder Wettbewerber. Daraus folgt die Agentic-D2C-Entscheidung, die Bain in drei Wege teilt: Drittagenten öffnen, eigenen Agenten bauen, eigene Seite befestigen.

Auswerten und entscheiden

Aus Messung und Erhebung entsteht die Vorlage: welche Inhalte auf der Website fehlen, welche Medienpartner die Lücke schließen, wie Social-Media und Händlerkommunikation ausgerichtet werden. Mit Rollenband, Reihenfolge und Messplan für die Wiederholung.

Die Quellen gehören fast nie der Marke.

Bei einer US-Workwear-Marke stammten 0,9 Prozent aller von KI zitierten Belege von der eigenen Domain. Der Rest kam von Händlern, Fachpresse und Foren. Wer die Antwort verändern will, muss diese Domains bearbeiten, nicht die eigene Website allein.

Eigene Messung, 500 Kauf-Fragen über fünf KI-Systeme, Deutschland 2026.

KI hat ein eigenes Bild der Marke.

Dieselbe Marke wurde bei Stil-Fragen in 72,5 Prozent der Antworten genannt, bei Warnschutz in null Prozent. KI verortete sie als Modemarke, nicht als Arbeitsschutzmarke. Der Konzern hatte das umgekehrt kommuniziert. Erst die Messung machte den Unterschied sichtbar.

Cluster-Vergleich je Intent statt Gesamtnote.

Die Vorauswahl bricht vor dem Vertrieb.

In der Consideration-Phase nannte KI Wettbewerber in 60,5 Prozent der Antworten, die Marke in 12,9 Prozent. Bei Fragen mit Markennennung lag sie bei 99,2 Prozent. Die Marke verliert nicht beim Kunden, der sie kennt, sondern beim Kunden, der noch sucht.

Branded und unbranded getrennt gemessen.

Käufer prüfen die Marke, sie suchen keine Kategorie.

Bei einem Automobil-OEM lag die gebrandete Suchnachfrage bei 53.650 Anfragen im Monat, die markenfreie Segmentnachfrage bei 30.380. Der Käufer kennt das Modell und prüft es nach. Deshalb muss der Korpus beides messen: Empfehlung bei offenen Fragen und Antwort bei Markenfragen.

Eigene Erhebung aus Suchvolumen, Foren und Händleranfragen.

Der stärkste Bedarf stand auf keiner Folie.

Händlersuche war beim selben OEM der größte messbare Bedarf, mehr als Reichweite, Preis oder Software. In den Marketingunterlagen kam das Händlernetz nicht vor. Die Erhebung aus Suchdaten und 1.500 Forenkommentaren hat die Priorität gedreht.

Themendichte in Foren und Suchvolumen je Cluster.

Beim Launch entscheidet die Nomenklatur.

Ein neues Modell trug eine Garantie, die für das etablierte Schwestermodell nicht galt. Ohne Trennung im Korpus hätte die Messung die Falschaussage selbst erzeugt. Deshalb werden Begriffe, Claims und Garantien vor der ersten Messung freigegeben.

Launch-Messung mit fester Benchmark-Stichprobe, vorher und nachher.