Auf einen Blick
Marken werden von ChatGPT, Gemini, Perplexity und Google AI Overviews oft erkannt, aber selten empfohlen. Der B2B-Medienmanager Tony Uphoff testete das an sich selbst. Sein Newsletter tauchte in 0 von 12 Kategorie-Antworten auf, seine Beratung in 1 von 43. Greg Jarboe stellt in seiner Kolumne im Search Engine Journal (30. Oktober 2026) die Kernthese auf, dass die Messlücke zwischen „auffindbar" und „empfohlen" 2027 für die Pipeline relevant wird. Er empfiehlt, die Empfehlungsrate an den Anfang des Reportings zu stellen, veraltete Quellen zu korrigieren, auf die Roundup-Listen zu kommen, die KI-Systeme zitieren, und jeden Sichtbarkeitsgewinn in eigene Kundenbeziehungen zu übersetzen.
Dieser Beitrag stützt sich auf Jarboes Kolumne und die darin verlinkten Studien. Das Quellen-Paket enthielt zunächst nur den RSS-Teaser, deshalb wurde der Originalartikel ergänzend gelesen. Preise für Tools nennt er nicht.
Was die Quellen sagen
Der Selbsttest: 59 Antworten, 1 Treffer
Uphoff stellte ChatGPT, Gemini, Perplexity und Google AI Overviews die Fragen, die seine Interessenten stellen würden. Er zählte, wie oft die beiden Unternehmen auftauchten, die er im Februar gestartet hatte. Bei insgesamt 59 Antworten erschien sein Newsletter „Uphoff on Media" in 0 von 12 Kategorie-Antworten. Seine Firma Uphoff Advisory erschien in 1 von 43. Jede Engine, die auf „Wer ist Tony Uphoff?" antwortete, kannte seine Karriere. Er fasst das so zusammen: „The models know who I am. They almost never recommend what I’ve built."
Jarboe nennt das Ergebnis eine Messlücke. Teams prüfen, ob die KI die Marke kennt, aber nicht, ob sie die Marke empfiehlt. Uphoff bezeichnet den Check des eigenen Namens, der eine korrekte Antwort liefert, als „false positive".
Konsens: 4 von 4 Datenpunkten zeigen eine Verschiebung zur KI
Die Kolumne stützt ihre Argumentation auf mehrere externe Datenpunkte. Alle vier, die das Kaufverhalten und die Messpraxis betreffen, zeigen in dieselbe Richtung:
- G2-Umfrage (März 2026, 1.076 B2B-Software-Käufer): 51 % beginnen ihre Recherche häufiger mit einem KI-Chatbot als mit Google. Im G2-Report 2025 waren es 29 %. 69 % gaben an, dass ein Chatbot sie zu einem anderen Anbieter geführt hat als geplant. Jeder Dritte kaufte bei einem Anbieter, den er vorher nicht kannte.
- Corporate Ink (laut eMarketer, Mai): Nur 29 % der Marketer verfolgen und messen aktiv ihre KI-Sichtbarkeit.
- Friction-AI-Studie (Mai 2026, Maryanna Franco und João da Silva): Bei 14.140 Anfragen zu Activewear-Marken erschien Nike in rund 71 % der Athleisure-Empfehlungen. New Balance erschien „almost never", obwohl beide Marken im Google Knowledge Graph dieselbe Beschreibung haben.
- Collingwood Market Report 2026–27 (rund 100 Käufer von Unternehmen): 91 % nennen die KI-Resilienz eines Geschäftsmodells wichtig oder essenziell. 74 % sagen das Gleiche über eine direkte Kundenbeziehung.
4 von 4 Datenpunkten zeigen also, dass sich Entscheidungen in KI-Antworten verlagern und dass Marken ihre Position dort kaum messen. Die Friction-AI-Studie ergänzt, dass ein starker Knowledge-Graph-Eintrag allein keine Empfehlung garantiert.
Wer die Shortlist baut: 3 von 3 Befunden betreffen Drittquellen
Uphoffs Test lieferte drei Beobachtungen. In allen drei spielten Quellen eine Rolle, die nicht von der Marke selbst stammen.
- Veraltete Profile: Alle drei Engines, die Uphoff beschrieben, nannten ihn CEO von Pipeline360. Nur eine erwähnte die Firma, die er heute führt. Als Quellen nennt er Org-Chart-Aggregatoren, Executive-Datenbanken und alte Pressemitteilungen. Seine Faustregel lautet, dass Antwortmaschinen das wiedergeben, was das Web am häufigsten über einen sagt, „and most often usually means longest ago".
- Begriffe: Auf die Frage „What is Demand-as-a-Service?" definierten alle drei Engines den Begriff korrekt. Sie zitierten aber die Seiten von Pipeline360 und nicht Uphoff, der die Strategie mitentwickelt hat. Sein Fazit: „The models credit whoever publishes the clearest explanation, not whoever had the idea first."
- Roundups: Bei Kategoriefragen zitierten die Modelle selten die genannten Firmen selbst. Sie zitierten Listen wie „best AI newsletters" oder „best B2B marketing podcasts" von Zapier, Content Allies und anderen. Die einzige Erwähnung von Uphoff Advisory war Platz 2 von 4 bei der Frage „Wer berät Gründer von B2B-Informations- und Datenunternehmen?". Breite Fragen brachten nichts.
Daraus ergibt sich der Titel des entsprechenden Abschnitts: KI-Shortlists werden aus den Shortlists anderer gebaut.
Widersprüche und Einwände
Messdauer. Uphoff will seine Prompts im Januar wiederholen. Jarboe hält das für richtig, würde aber wöchentlich messen. 19 Prompts in einer Woche seien eine Momentaufnahme, und KI-Antworten schwanken von Lauf zu Lauf. „Citation Share of Voice" sei nur als Trendlinie aussagekräftig. Die Kolumne definiert diese Kennzahl nicht näher.
Anwendbarkeit. Uphoffs Perspektive stammt aus Medien und Beratung, wo er Unternehmen bewertet und Firmen führt. Jarboe übersetzt sie für SEO-Teams. Er räumt damit implizit ein, dass viele Empfehlungen nicht direkt aus SEO-Praxis entstanden sind. Die Kolumne nennt außerdem nur fünf Schritte von Uphoff, listet aber nicht alle auf. Jarboe verdichtet sie zu vier.
Eigene Rolle. Jarboe legt offen, dass er und Uphoff von 1988 bis 1993 gemeinsam bei Ziff-Davis arbeiteten. Die Kolumne ist also keine unabhängige Prüfung, sondern ein Kommentar unter Kollegen. Das Testdesign (59 Antworten, ein Anbieter) taugt als Illustration, nicht als Beleg für einen Markttrend.
Community-Meinungen
Das Quellen-Paket enthält keine Reddit- oder HackerNews-Diskussionen. Als Stimmen kommen deshalb nur die beiden Autoren zu Wort:
- Tony Uphoff schreibt: „For two decades the scoreboard was discoverability. SEO taught every marketing team to rank, earn the click and get found. Most companies carried that scoreboard straight into AI."
- Greg Jarboe hält dagegen, dass nicht Awareness zeigt, wer gewinnt, sondern Consideration. Teams, die weiter zuerst Rankings berichten, würden 2027 „eine Pipeline-Lücke erklären, die ihre Dashboards nie gezeigt haben".
Ein weiteres Zitat von Uphoff zielt auf Lead-Scoring: „A lead score isn’t a fact about someone’s business. It’s a fact about how well your content ranks."
Vergleich: KI-Antwortmaschinen und Messansätze
Das Quellen-Paket enthält keine Wettbewerber im Sinne kommerzieller Tools. Die Kolumne nennt vier Antwortmaschinen, und sie nennt Kennzahlen, die man dort messen kann. Die folgende Tabelle ordnet beides ein. Preise nennt die Quelle nicht.
| Tool / Kennzahl | Preis | Besonderheit |
|---|---|---|
| ChatGPT | Preise laut Anbieter-Website prüfen | Teil von Uphoffs Test (59 Antworten) |
| Gemini | Preise laut Anbieter-Website prüfen | Teil von Uphoffs Test, kannte seine Karriere |
| Perplexity | Preise laut Anbieter-Website prüfen | Teil von Uphoffs Test |
| Google AI Overviews | Preise laut Anbieter-Website prüfen | Teil von Uphoffs Test |
| Friction AI (Plattform) | Nicht genannt | Plattform der Studie mit 14.140 Activewear-Anfragen |
| Empfehlungsrate | kostenlos messbar mit Prompts | Anteil der Antworten, in denen die Marke genannt wird |
| Citation Share of Voice | nicht genannt | Nur als Trendlinie aussagekräftig (Jarboe) |
Die Kolumne bewirbt keine Tracking-Software. Jarboe merkt an, dass SEO-Teams AI-Visibility-Tracker kaufen, „often on a corporate card". Dafür schlägt Uphoff einen Anwendungstest vor, der vor jeder Ausgabe geprüft werden soll.
Preise und Kosten
Direkte Tool-Preise gibt es in der Quelle nicht. Der „$97/mo"-Wert, der auf der Seite steht, gehört zur Werbung für SEJ Pro und nicht zum Artikel. Relevant sind in der Kolumne eher die wirtschaftlichen Folgen für Unternehmen:
- Bewertungsabschlag: Uphoff rechnet mit zwei Datenunternehmen, die dieselbe Gewinn- und Verlustrechnung haben. Eines wird mit 5,6x EBITDA bewertet (28 Mio. US-Dollar), das andere mit 4,0x EBITDA (20 Mio. US-Dollar). Der Unterschied liegt darin, ob Käufer glauben, dass KI das Geschäft umgehen kann. Das Beispiel ist rechnerisch gewählt und kein Marktdurchschnitt.
- Umsatz pro Mitarbeiter: Block hatte 2025 rund 10,36 Mrd. US-Dollar Bruttogewinn bei 10.205 Mitarbeitern, also rund 1 Mio. pro Kopf. Die angehobene Prognose für 2026 liegt bei 12,51 Mrd. mit knapp 6.000 Mitarbeitern, rund 2,1 Mio. pro Kopf. Als Vergleich nennt Uphoff rund 163.000 US-Dollar Umsatz pro Mitarbeiter bei der durchschnittlichen Marketingagentur und rund 395.000 beim Median börsennotierter Softwarefirmen. In seinem Index liegen zwei Agenturen mit identischer GuV, eine mit 68 und eine mit 40 Mitarbeitern, rund 1 Mio. US-Dollar auseinander.
- Pilotkosten: Laut BCG (2024) entfallen rund 70 % der Hürden bei KI-Projekten auf Menschen und Prozesse, 20 % auf Technologie und 10 % auf Algorithmen. Uphoff übernimmt von Darshan Deshmukh (ProcureAbility) den Begriff „death by a thousand pilots".
Die Aussage dahinter: Wer Budget in KI-Sichtbarkeit steckt, sollte vorab festlegen, was er dafür erwartet. Uphoffs Application Test hat drei Gates, die vor jeder Ausgabe passiert werden müssen:
- Den Job in einfachen Worten beschreiben, ohne Anbieternamen.
- Einen Verantwortlichen und eine Baseline benennen.
- Das eine Signal festlegen, das nach 90 Tagen geprüft wird, und vorab entscheiden, ob skaliert, repariert oder gestoppt wird.
„Track our AI mentions" besteht das erste Gate nicht. „Get us onto the AI shortlist when buyers ask for our narrowest category phrase" besteht es. Uphoffs 1 von 43 zeigt, wie eine Baseline aussieht.
So setzen Sie das um: Jarboes vier Schritte
- Empfehlungsrate ins Scorecard aufnehmen und zuerst berichten. 10 bis 15 Prompts so formulieren, wie Käufer fragen (Kategorie, Problem, „wen soll ich beauftragen"). Zwei oder drei Marken-Prompts ergänzen. Alles über ChatGPT, Gemini, Perplexity und AI Overviews laufen lassen. Erfassen, wie oft die Marke genannt wird und ob die Beschreibung stimmt. Wöchentlich wiederholen.
- Die Datenbasis reparieren, bevor Sie der Shortlist hinterherlaufen. Die Quellen auswerten, die Engines zur Beschreibung der Marke zitieren. Eigene Seiten (Bios, LinkedIn, Presseseite) aktualisieren und Korrekturen bei Aggregatoren und Verzeichnissen anfragen. Nach einem Rebranding oder Führungswechsel davon ausgehen, dass die Modelle es nicht mitbekommen haben.
- Die enge Formulierung besetzen, dann auf die Listen kommen. Die kanonische Erklärung für die spezifischste Art veröffentlichen, wie Käufer das Problem beschreiben. 10 bis 20 Roundup- und Vergleichsseiten identifizieren, die Engines in der Kategorie zitieren, und ein Ziel für Platzierungen setzen. Jarboe nennt das eine Aufgabe für Digital PR.
- Jeden Sichtbarkeitsgewinn in eine eigene Beziehung übersetzen. Die Empfehlungsrate mit Anmeldungen, Demo-Anfragen, Abonnenten und Pipeline verknüpfen. Suchverkehr, der ohne Login, Abo oder First-Party-Datensatz wieder verschwindet, ist aus Käufersicht eine gemietete Beziehung.
Für das Reporting empfiehlt Jarboe, am ehrlichen Ende zu beginnen. Vertragswert, Expansion Revenue und Churn stehen nah am Geld. Formularausfüllungen und selbst berichtete Daten sind billig zu fälschen. Von dort aus gehe man zurück zu den Suchmetriken, die das Ergebnis erklären.
Wer die eigene Sichtbarkeit in KI-Antworten verstehen will, findet auf vikotool.com eine Einordnung, was AI Citations 2026 bedeuten.
Fazit: Für wen lohnt es sich?
Lohnend ist die Beschäftigung mit dem Thema für:
- B2B-Marketer und SEO-Teams, die bisher Rankings und Traffic als Hauptkennzahl berichten. Laut G2 starten 51 % der B2B-Software-Käufer ihre Recherche inzwischen eher im Chatbot, und 69 % wechselten durch einen Chatbot den Anbieter.
- Marken mit Rebranding, Führungswechsel oder neuer Positionierung. Wie Uphoffs Fall zeigt, beschreiben Engines das Unternehmen, das man früher war.
- Beratungen, Agenturen und Datenunternehmen, bei denen Kunden und Käufer nach Experten fragen und KI-Listen aus Roundups zitiert werden.
- Geschäftsführer und Finanzverantwortliche, die verstehen wollen, warum Kundenbeziehungen und Umsatz pro Mitarbeiter in Bewertungen einfließen.
Weniger dringlich ist es für Teams, die noch keine Baseline haben. Dort reicht zunächst ein kleiner Test mit 10 bis 15 Prompts. Wer sofort ein Tool kauft, ohne die drei Gates des Application Tests zu beantworten, riskiert laut Quelle genau das, wovor BCG warnt.
Einschränkungen: Die Kolumne beruht auf einem Einzelfall (59 Antworten), verlinkten Studien und der Einordnung von Jarboe. Die Stichprobe ist klein, KI-Antworten schwanken, und der Artikel selbst empfiehlt wöchentliche Messung statt einmaliger Tests. Als Kernbotschaft bleibt: Wer 2027 mit Pipeline-Zahlen argumentieren will, sollte messen, ob die Marke auf der Liste steht, die das Modell für den Käufer entwirft. Es reicht nicht zu prüfen, ob das Modell die Marke kennt.
Quellen
- Greg Jarboe, Search Engine Journal: AI Knows Your Brand – It Rarely Puts You On The Shortlist: https://www.searchenginejournal.com/the-ai-search-measurement-gap-brands-must-close-in-2027-and-beyond/593881/
- G2 Research, The Answer Economy (März 2026): https://company.g2.com/news/g2-research-the-answer-economy
- eMarketer, B2B Marketers Face AI Visibility Readiness Gap (Corporate Ink): https://www.emarketer.com/content/b2b-marketers-face-ai-visibility-readiness-gap
- Friction AI, Beyond KG Strength (Studie, Mai 2026): https://www.frictionai.co/white-papers/beyond-kg-strength
- Collingwood Market Report 2026–27: https://collingwood.group/the-collingwood-market-report/
- Tony Uphoff, AI Stopped Being a Story. Now It’s in Your Multiple: https://tonyuphoff.substack.com/p/ai-stopped-being-a-story-now-its
- Tony Uphoff, Before You Flatten the Org Chart, Make Sure You Can Measure What AI Delivers: https://tonyuphoff.substack.com/p/before-you-flatten-the-org-chart
- Tony Uphoff, Your AI Pilot Doesn’t Have a Job: https://tonyuphoff.substack.com/p/your-ai-pilot-doesnt-have-a-job
- BCG, AI Adoption in 2024 (Pressemitteilung): https://www.bcg.com/press/24october2024-ai-adoption-in-2024-74-of-companies-struggle-to-achieve-and-scale-value
- Art of Procurement, The CPO Agenda: Scaling AI Beyond the Pilot: https://artofprocurement.com/blog/podcast-the-cpo-agenda-scaling-ai-beyond-the-pilot
- SEJ, Relational Knowledge & Topical Presence: How AI Chooses Which Brands To Recommend: https://www.searchenginejournal.com/relational-knowledge-topical-presence-how-ai-chooses-which-brands-to-recommend/570482/
- SEJ, AI Visibility Measurement: What To Track & What To Ignore: https://www.searchenginejournal.com/ai-visibility-measurement-what-to-track-what-to-ignore/582009/
- SEJ, We Need to Change Our Approach to AI Prompt Tracking: https://www.searchenginejournal.com/we-need-to-change-our-approach-to-ai-prompt-tracking/579646/
- SEJ, How to Define Report SEO KPIs That Actually Move the C-Suite: https://www.searchenginejournal.com/how-to-define-report-seo-kpis-that-actually-move-the-c-suite/576233/
Hinweis: Das Quellen-Paket enthielt keine Tool-URLs, keine Reddit- oder HackerNews-Diskussionen und keine YouTube-Videos. Der Text stützt sich auf die Kolumne von Greg Jarboe und die darin verlinkten Studien. Tool-Preise der genannten Antwortmaschinen bitte auf den Anbieter-Websites prüfen.
Empfohlene Tools
Automatisiere repetitive Aufgaben zwischen 6000+ Apps. Kein Code noetig.
Dieser Artikel enthält Affiliate-Links. Wenn du über diese Links ein Produkt kaufst oder dich anmeldest, erhalten wir eine kleine Provision — für dich entstehen keine Mehrkosten.