Was hat sich im B2B-Kaufzyklus geändert?
Der B2B-Zyklus begann schon immer mit der eigenständigen Recherche des Käufers; geändert hat sich die Oberfläche. Statt zehn Links zu durchforsten, stellt der Käufer (Einkaufsleitung, Analyst, technische Leitung) eine komplexe Frage an ChatGPT (rund 900 Millionen wöchentliche Nutzer, OpenAI 2026) oder Perplexity (über 1 Mrd. monatliche Anfragen): „welche Anbieter von X für einen Industrie-Mittelständler in Europa, mit Zertifizierung Y“. Die Engine führt ein Query Fan-Out aus, kreuzprüft Quellen und liefert eine begründete Shortlist. Der erste Vertriebsfilter ist nicht mehr menschlich. Und die Shortlist ist kurz: wenige Marken pro Antwort, wo früher eine Seite zehn Links bot.
Welche Inhalte gewinnen die Vorauswahl?
- Anwendungsfall-Seiten pro Branche: Die Engine matcht die Frage des Käufers auf präzise Kontexte, nicht auf generische „Lösungs“-Seiten.
- Vergleiche und Auswahlkriterien: „wie wählt man einen Anbieter von X“ ist die Anfrage, die der Shortlist vorausgeht — wer sie schreibt, rahmt die Kriterien.
- Faktische Belege: Zertifizierungen, Branchenreferenzen, datierte und belegte Zahlen, Methodik. Keine erfundenen Fallzahlen: Das Grounding prüft quer, und Ehrlichkeit ist eine Zitationsstrategie.
- Zugängliche technische Dokumentation: Technische Profile prüfen Marketing-Aussagen nach; crawlbare, präzise Dokumentation ist ein Vorauswahl-Asset.
- Makellose Entität: Firmierung, Zertifizierungen, Standorte überall identisch — siehe Entitäten und Knowledge Graph.
Welche externen Quellen zählen im B2B?
Branchenverzeichnisse (im DACH-Raum etwa wlw und Europages), Bewertungsplattformen für Professionelle, Fachpresse und Analystenberichte bilden den Quellengraph, den die Engine kreuzprüft. Kartieren Sie zuerst, was die Antworten Ihrer Kategorie tatsächlich zitieren (siehe Quellengraph), und treten Sie dann methodisch ein: vollständige Einträge, Expertenbeiträge, veröffentlichte eigene Daten.
Wie strukturiert man das Engagement?
Die Referenzstruktur ist der 90-Tage-POC: Woche 1, Vier-Dimensionen-Baseline (Sichtbarkeit, Zitationsrate, semantische Abdeckung, Markenwahrnehmung) auf einem festen Set von 50 bis 100 Käuferfragen, mit Screenshots; Wochen 2 bis 10, Intervention (technischer Kanal, Antwort-Engineering, Quellengraph); Woche 12, Nachmessung mit demselben Set und Abnahme. Bewertet wird die Score-Veränderung, nicht das Bauchgefühl. Dieser Rahmen passt besonders ins B2B, wo lange Vertriebszyklen jedes Kurzfristversprechen verdächtig machen.
Was ist im DACH-B2B besonders?
Der deutschsprachige B2B-Markt hat eine eigene Verzeichnis- und Vertrauenskultur: wlw und Europages sind bei Industrie-Einkäufern fest etabliert, Fachmessen und Fachpresse prägen die Referenzquellen, und formale Signale — Impressum, Zertifizierungen, Norm-Verweise — zählen mehr als in vielen anderen Märkten. Diese Quellen sind genau die, die KI-Engines beim Grounding kreuzprüfen. Ein Mittelständler mit sauberen wlw- und Europages-Einträgen, dokumentierten Zertifizierungen und präsenten Fachbeiträgen hat im deutschen Sprachraum einen strukturellen Vorsprung gegenüber Wettbewerbern, die nur ihre eigene Website pflegen.
Typische Fallen
Erste Falle: eine Schaufenster-Website, geschrieben für den Vorstand, ohne eine einzige Antwort auf die Fragen, die Einkäufer den Engines wirklich stellen. Zweite: unzugängliche PDFs — Broschüren und Whitepaper ohne crawlbare Fassung sind für das Retrieval unsichtbar. Dritte: interner Jargon; die Engine matcht das Vokabular des Käufers, nicht das Ihres Produkt-Organigramms. Vierte: Perplexity vernachlässigen — die Engine der Recherche-Profile (Einkauf, Analysten, Investoren) und die, in der Ergebnisse am schnellsten sichtbar werden. Fünfte: „Garantien“ versprechen; die einzigen ehrlichen Zusagen sind verifizierbar — Baseline, Nachmessung, Indexierungsrate und KI-Zitationsabdeckung.