Wie kleine Marken sichtbar bleiben, wenn die AI-Suche den Klick übernimmt

Problem

Hohe Impressionen. Fast keine Klicks. Eine neue Art von SEO-Leak.

Das Problem war nicht, dass die Seiten unsichtbar waren.

Sie erzielten Impressionen.

Das Problem war, dass Sichtbarkeit nicht mehr automatisch Traffic garantierte.

In der Google Search Console zeigten mehrere Seiten ein hohes Impression-Volumen, aber eine extrem niedrige CTR. Einige Seiten erzielten mehr als 8.000 Impressionen bei fast keinen Klicks. Im alten SEO-Modell deutete dies normalerweise auf schwache Titel, schlechte Meta-Beschreibungen, eine ungünstige SERP-Positionierung oder eine nicht passende Suchintention hin.

Doch diesmal war das Problem größer.

Die SERP selbst hatte sich verändert.

AI Overviews beantworteten breite Kategorie- und Informationsanfragen direkt in Google. Nutzer mussten nicht mehr auf die Website klicken, um die Grundlagen zu verstehen, Optionen zu vergleichen oder eine schnelle Erklärung zu erhalten. Die Website war weiterhin Teil des Ökosystems – aber nicht mehr automatisch Teil der Customer Journey.

Dadurch entstanden drei Risiken:

1. Seiten auf Kategorieebene verloren Klicks an AI-generierte Zusammenfassungen.
2. Kleine Marken wurden aus AI-Antworten ausgeschlossen, weil ihre Inhalte nicht als vertrauenswürdige Quelle strukturiert waren.
3. Traditionelle SEO-Inhalte waren zu stark auf einzelne Seiten und nicht ausreichend auf Entitäten für die Auffindbarkeit durch LLM ausgerichtet.

Die Herausforderung war klar: Wenn AI-Systeme zur ersten Ebene der Suche werden, müssen Inhalte nicht nur für Nutzer und Google-Rankings erstellt werden, sondern auch für die Extraktion, Zitierung und Empfehlung durch AI.

Die Einrichtung:

Zwei optimierte Websites.
Organische Themen mit hohem Wert.
Die Search Console zeigt hohe Impressionen und eine schwache CTR.
AI Overviews verändern, wie Nutzer Marken entdecken.
Kleine Marken müssen sowohl bei Google als auch in der LLM-Suche sichtbar werden.

Kurzinfos:

Branchen: Fintech, EdTech, digitale Dienstleistungen im E-Commerce-Stil
Hauptherausforderung: AI Overviews reduzieren die Klickrate auf Informations- und Kategorieseiten
Signal aus der Search Console: 3 Seiten mit vielen Impressionen und niedriger CTR
Impressionen: 8.000+ auf wichtigen Seiten
Ziel: Sichtbarkeit in der KI-Suche verbessern, nicht nur klassische Platzierungen
Belege: GlobusPlus und Nao Now erschienen in AI Overviews und LLM-Ausgaben

Strategie

Bekämpfen Sie die AI-Suche nicht. Werden Sie zur Quelle, die sie verwenden möchte.

Das Ziel der Strategie war nicht, die AI Overviews zu „besiegen“.

Das Ziel war, Teil davon zu werden.

Die AI-Suche belohnt klare, strukturierte, spezifische und vertrauenswürdige Inhalte. Traditionelle SEO-Seiten konzentrieren sich oft auf die Abdeckung von Keywords, doch AI-Systeme benötigen mehr: Entitäten, Definitionen, Vergleiche, Belege, thematische Autorität und eine klare Informationsarchitektur.

Wir bauten die Content-Strategie rund um ein Prinzip neu auf:

Kleine Marken müssen nicht größer sein als die Giganten. Sie müssen nützlicher, präziser und für AI-Systeme leichter zitierbar sein.

1. Search-Console-Diagnose – das Risiko durch AI Overviews finden

Der erste Schritt bestand darin, Seiten zu identifizieren, auf denen die Impressionen stark, die CTR aber ungewöhnlich schwach war.

Diese Seiten wurden zur Priorität, weil sie eine neue Art organischen Verlusts zeigten:

Die Website war sichtbar.
Die Nachfrage der Nutzer war vorhanden.
Doch der Klick verschwand.

Statt dies ausschließlich als Titel-/Meta-Problem zu behandeln, analysierten wir den Abfragetyp hinter den Seiten. Das Muster war bei breiten Informations- und Kategoriesuchen am stärksten – genau bei der Art von Suchanfragen, die AI Overviews häufig direkt beantworten.

Wir gruppierten die betroffenen Seiten in drei Kategorien:

• Seiten, die Klicks verloren, weil sich die Antwort zu leicht zusammenfassen ließ
• Seiten ohne ausreichende Expertendetails, um eine Zitierung zu verdienen
• Seiten, die für breite Suchanfragen ranken, AI-Systemen aber nicht genügend strukturierten Kontext liefern

Das gab uns den Fahrplan für das neue Content-Framework.

2. AI-orientierte Content-Architektur – von Keyword-Seiten zu Antwort-Assets

Als Nächstes strukturierten wir die Inhalte so um, dass jede Seite als Antwort-Asset funktionieren konnte.

Das bedeutete, über generische SEO-Texte hinauszugehen und Seiten zu erstellen, die klar beantworteten:

• Was ist dieses Thema?
• Für wen ist es gedacht?
• Welches Problem löst es?
• Wie schneidet es im Vergleich zu Alternativen ab?
• Was sollte der Nutzer als Nächstes tun?
• Was weiß die Marke, was allgemeine Quellen nicht wissen?
• Welche Belege stützen die Empfehlung?

Für GlobusPlus bedeutete dies, Inhalte zu Finanzprodukten auf Produktseiten, in FAQ-Inhalten und in ergänzenden Informations-Assets klarer, strukturierter und verständlicher zu machen.

Für Nao Now bedeutete dies, die Inhalte rund um das Online-Englischlernen für Kinder, die Entscheidungsfindung der Eltern, altersgerechte Lernbedürfnisse, Sprechsicherheit, Lehrplan und mentorengeleitete Bildung zu stärken.

Das Ziel war nicht, um der Menge willen mehr Inhalte zu schreiben.

Das Ziel war, Inhalte zu schaffen, die AI-Systeme analysieren, zusammenfassen und sicher mit der Marke verknüpfen konnten.

3. Aufbau von Entitäten – damit AI die Marke versteht

Große Marken gewinnen in der AI-Suche, weil ihre Entitäten bereits stark sind.

Kleine Marken müssen diese Entitätsebene bewusst aufbauen.

Wir stärkten die Darstellung jeder Marke auf der Website, indem wir zentrale Informationen konsistent machten:

• Was die Marke tut
• Für wen ist es gedacht?
• Was macht es anders
• Welche Dienstleistungen/Produkte bietet es an
• Welche Probleme löst es?
• Mit welchen Themen sie in Verbindung gebracht werden sollte
• Welche Vertrauenssignale die Marke stützen

Für die AI-Suche ist das wichtig, weil LLMs nicht nur Seiten lesen. Sie verknüpfen Entitäten.

Wenn eine Marke uneinheitlich, oberflächlich oder nur auf isolierten Landingpages erwähnt wird, wird es für AI-Systeme schwieriger zu verstehen, wo sie einzuordnen ist.

Die Inhalte mussten die Expertise der Marke offensichtlich machen.

4. Themencluster – Tiefe rund um kommerzielle Seiten aufbauen

AI Overviews greifen häufig auf Inhalte zurück, die eine vollständige Antwort geben, und nicht nur auf Seiten mit exakt passenden Keywords.

Deshalb erstellten wir unterstützende Themencluster rund um wichtige kommerzielle Seiten und Kategorieseiten.

Das Framework umfasste:

• Wichtige Produkt-/Serviceseiten
• Ergänzende Blogartikel
• FAQ-Abschnitte
• Inhalte im Vergleichsstil
• Lehrreiche Inhalte zum Thema „Wie wählt man …?“
• Interne Links von Informationsseiten zu Conversion-Seiten
• Klare Definitionen und direkte Antworten im oberen Seitenbereich

Dies half sowohl Nutzern als auch AI-Systemen, die vollständige thematische Landkarte zu verstehen.

Für kleine Marken ist das entscheidend. Eine einzelne Produktseite reicht selten aus, um mit großen Marken zu konkurrieren. Ein gut verknüpftes Cluster kann jedoch Tiefe, Relevanz und Autorität in einer bestimmten Nische zeigen.

5. Antwortformatierung – Inhalte extrahierbar machen

AI-Systeme bevorzugen Inhalte, die sich leicht extrahieren lassen, ohne dass ihre Bedeutung verloren geht.

Wir passten die Formatierung der Inhalte an, damit wichtige Informationen leichter in generierten Antworten wiederverwendet werden konnten:

• Kurze erklärende Absätze
• Clear H2/H3 structure
• Direct answers under question-style headings
• Vergleichsblöcke
• Bullet-point summaries
• FAQ-Abschnitte
• Definitionen
• Erklärungen von Anwendungsfällen
• Schritt-für-Schritt-Anleitungen
• Interne Links zu verwandten Seiten

Dadurch wurden die Inhalte für Leser nützlicher und für AI-Systeme maschinenlesbarer.

Das Ziel war nicht, Seiten mit Keywords zu überladen. Das Ziel war, jede wichtige Antwort leicht auffindbar zu machen.

6. Vertrauensebene – Belege ergänzen, wo kleine Marken oft schwach wirken

Bei der AI-Suche geht es nicht nur um Inhalte. Es geht um Vertrauen.

Große Marken verfügen über ein eingebautes Vertrauen. Kleine Marken müssen es direkt zeigen.

Wir ergänzten und stärkten Vertrauenssignale wie:

• Klare Erklärungen zu Produkten und Leistungen
• Konkrete Vorteile
• Use cases
• Kundenorientierte FAQs
• Anleitungen im Expertenstil
• Markenpositionierung
• Interne Verlinkung zu ergänzenden Ressourcen
• Einheitliche Terminologie auf der gesamten Website
• Inhalte, die reale Einwände der Nutzer beantworten

Für GlobusPlus bedeutete dies, Inhalte zu Bank- und Finanzdienstleistungen verständlicher und leichter navigierbar zu machen.

Für Nao Now bedeutete dies, elternorientierte Entscheidungspunkte zu stärken: Selbstvertrauen, Qualität der Mentoren, Unterrichtsstruktur, Engagement und Ergebnisse.

7. LLM-Sichtbarkeit – über Google hinaus optimieren

Die AI-Suche endet nicht bei Google.

Nutzer entdecken Marken heute über ChatGPT, Gemini, Perplexity, Copilot und andere AI-gestützte Sucherlebnisse. Das bedeutet, dass SEO-Inhalte über Antwortmaschinen hinweg funktionieren müssen, nicht nur in traditionellen SERPs.

Das Framework konzentrierte sich auf drei Ebenen:

1. Google-Sichtbarkeit – Rankings, Snippets, AI Overviews
2. LLM-Verständnis – klare Verknüpfungen zwischen Entitäten und Themen
3. Markenempfehlung – die Marke in generierten Antworten leichter erwähnbar machen

Hier können kleine Marken einen Vorteil schaffen.

Sie verfügen vielleicht nicht über die Autorität von Apple oder Gymshark, können aber zur klarsten und nützlichsten Quelle in ihrer Nische werden.

Ergebnisse

Vom Ranking für Nutzer zum Verstandenwerden durch AI.

Das wichtigste Ergebnis war nicht nur eine verbesserte SEO-Struktur.

Die optimierten Websites tauchten in AI Overviews und von LLM generierten Suchergebnissen auf.

Das ist wichtig, weil die Sichtbarkeit in der AI-Suche zu einer neuen Ebene organischen Wachstums wird. Wenn Nutzer breite Fragen stellen, Optionen vergleichen oder nach Empfehlungen suchen, haben Marken in generierten Antworten einen Sichtbarkeitsvorteil – selbst wenn der Klick nicht sofort erfolgt.

Before

• Die Search Console zeigte Seiten mit vielen Impressionen und schwacher CTR
• Einige wichtige Seiten hatten mehr als 8.000 Impressionen und fast keine Klicks
• Inhalte auf Kategorieebene waren anfällig für Antworten von AI Overviews
• Marken- und Entitätssignale waren für eine AI-orientierte Suche nicht stark genug
• Die Inhalte waren hauptsächlich für traditionelle Rankings optimiert
• Unterstützende Themencluster benötigten eine stärkere Struktur

After

• GlobusPlus erschien in AI Overviews und LLM-Suchergebnissen
• Nao Now erschien in AI Overviews und LLM-Suchergebnissen
• Wichtige Seiten wurden rund um Antwortinhalte neu aufgebaut
• Markenentitäten wurden klarer und konsistenter
• Themencluster unterstützten kommerzielle Seiten und Kategorieseiten
• Inhalte wurden für AI-Systeme leichter analysier-, zusammenfass- und zitierbar
• Die SEO-Strategie wechselte von „ranken und auf Klicks warten“ zu „ranken, zitiert werden und auffindbar bleiben“ – Kennzahlen im Überblick
• 3 Seiten mit vielen Impressionen und niedriger CTR in der Search Console identifiziert
• 8K+ Impressionen auf wichtigen Seiten, bei einigen mit nahezu null CTR
• 2 optimierte Websites erschienen in AI Overviews / von LLM generierten Ergebnissen
• 1 wiederholbares Framework für die Sichtbarkeit kleiner Marken in der AI-Suche erstellt

Was hat sich strategisch verändert?

Traditionelles SEO fragt:

„Wie ranken wir höher?“

AI-era SEO asks:

„Wie werden wir zur Antwort?“

Das war der Wandel.

Für kleine Marken besteht der Erfolg nicht nur darin, auf Seite eins zu stehen. Der Erfolg besteht darin, verstanden, zitiert und empfohlen zu werden, wenn AI-Systeme Antworten für Nutzer generieren, die möglicherweise nie durch zehn blaue Links scrollen.

Die große Idee: Kleine Marken müssen Apple, Gymshark oder Nike nicht an Autorität übertreffen. Sie müssen zur klarsten, nützlichsten und am leichtesten extrahierbaren Quelle in ihrer Nische werden. AI-Suche beendet SEO nicht. Sie beendet vages SEO.

Arbeitsbeispiele

Die Content-Struktur, die den Unterschied gemacht hat.

Die Arbeit konzentrierte sich darauf, Standard-SEO-Seiten in AI-fertige Antwort-Assets umzuwandeln.

Beispiel 1: Karte der Search-Console-Chancen

Wir identifizierten Seiten mit starken Impressionen, aber extrem niedriger CTR. Diese Seiten wurden als Risikoseiten für AI Overviews markiert, weil sie in der Suche sichtbar waren, aber keine Klicks erzielten.

Die Karte umfasste:

• Page URL
• Zentrales Suchanfragen-Cluster
• Impressionen
• CTR
• Aktueller Ranking-Bereich
• AI Overview risk
• Content-Lücke
• Empfohlene Maßnahme

Beispiel 2: Struktur einer AI-fertigen Seite

Jede wichtige Seite wurde nach einer wiederholbaren Struktur neu aufgebaut:

1. Direct answer section
2. Klare Definition
3. Erklärung des Problems
4. Use cases
5. Vergleichs- oder Entscheidungshilfe-Block
6. Markenspezifische Lösung
7. FAQ-Abschnitt
8. Interne Links zu ergänzenden Seiten
9. Conversion-orientierter CTA

Beispiel 3: Framework für Themencluster

Ergänzende Inhalte wurden rund um Nutzerfragen und das Suchverhalten in der AI-Suche geplant.

Beispiele für Clustertypen:

• Lehrreiche Inhalte zum Thema „Was ist …?“
• Entscheidungsinhalte zum Thema „Wie wählt man …?“
• Vergleichsinhalte zu Produkten und Leistungen
• FAQ-Inhalt
• Inhalte zu Anwendungsfällen
• Inhalte zu Einwänden von Eltern und Kunden
• Inhalte zum Vertrauensaufbau

Beispiel 4: Ebene der Entitätskonsistenz

Wir stellten sicher, dass Marke, Angebot, Zielgruppe und Expertise auf der gesamten Website konsistent beschrieben wurden.

• Dies half AI-Systemen, die Marke mit den richtigen Themen und Suchanfragen zu verknüpfen.