KI-Suchtraffic: Warum der Long Tail verliert und was kleinere Unternehmen tun können

Was die Studie zur Traffic-Konzentration zeigt

Die Studie von Sinan Aral, Haiwen Li und Rui Zuo vom MIT belegt, dass KI-Suche den Traffic zugunsten großer Websites umverteilt. Für The Rise of AI Search haben die Autoren 24.000 Suchanfragen in 243 Ländern ausgeführt und 2,8 Millionen KI- und klassische Suchergebnisse aus den Jahren 2024 und 2025 verglichen.

Um die zitierten Quellen einzuordnen, nutzten sie die Cisco-Umbrella-Liste der Top 1 Million Domains. Das Ergebnis: KI-Suche verwies signifikant häufiger auf die Top 1.000 nach Traffic und signifikant seltener auf Websites jenseits der Top 1 Million als die klassische Suche. Hinzu kommt eine geringere Vielfalt. In jeder untersuchten Informationskategorie zeigten KI-Antworten eine deutlich niedrigere Antwortvarianz als klassische Ergebnisse.

Die Autoren verweisen außerdem auf unabhängige Auswertungen, nach denen Reddit, Wikipedia und YouTube die Zitierungen in AI Overviews dominieren. Ihre Sorge reicht über einzelne Unternehmen hinaus: Weil Sprachmodelle Informationen synthetisieren, aber nicht selbst erzeugen, könnten die Geschäftsmodelle hinter der Wissensproduktion unter Druck geraten oder zusammenbrechen, wenn der Traffic zu Publishern zu stark sinkt.

Die Reichweite macht den Befund relevant. Laut derselben Studie beantworteten AI Overviews 2025 bereits 67 % der getesteten US-Anfragen, gegenüber 42 % im Jahr 2024. Die Zahl der Länder mit AI Overviews stieg im selben Zeitraum von 7 auf 229.

Ein Beispiel zeigt die Folgen. In der klassischen Suche konnte eine spezialisierte Agentur mit einem gründlichen Leitfaden für eine Nischenanfrage auf Seite eins landen. In der KI-Suche kann dieselbe Anfrage eine Antwort liefern, die sich auf ein Wikipedia-Stichwort, einen Reddit-Thread und einen Übersichtsartikel einer großen Plattform stützt. Die Agentur mit der fachlich tieferen Seite kommt darin nicht vor.

Warum KI-Suche große Websites bevorzugt

KI-Suche bevorzugt große Websites, weil ein generatives System Quellen braucht, die es mit hoher Sicherheit zusammenfassen kann, und diese Sicherheit wächst mit Bekanntheit und Querverweisen. Die Studie misst den Effekt; die folgenden Mechanismen erklären ihn plausibel.

Erstens das Synthese-Vertrauen. Ein System, das eine einzige Antwort formuliert, greift auf Quellen zurück, die vielfach verlinkt, zitiert und redaktionell bestätigt sind. Große Publisher haben davon schlicht mehr.

Zweitens die Rückkopplung über Trainingsdaten. Sehr reichweitenstarke Websites sind im Webkorpus, aus dem Modelle lernen, stark vertreten. Das erzeugt starke Assoziationen, häufigere Zitierungen und damit noch mehr wahrgenommene Autorität.

Drittens der Ein-Stimmen-Effekt. Wo die klassische Suche zehn Links mit zehn möglichen Perspektiven zeigt, verdichtet die KI-Suche alles zu einer Antwort. Die von Aral et al. gemessene geringere Antwortvielfalt passt dazu: Abweichende, spezialisierte Stimmen fallen bei der Verdichtung leichter heraus.

Viertens die Retrieval-Ebene. Systeme mit Live-Abruf wie Google AI Overviews, ChatGPT Search oder Perplexity holen Kandidaten aus dem indexierten Web. Dort schneiden große Domains bei klassischen Autoritätssignalen meist besser ab. Wie sich die Plattformen dabei unterscheiden, beschreibt unser Beitrag dazu, wie KI-Suchplattformen Sie unterschiedlich bewerten.

Was das für kleinere Unternehmen bedeutet

Für kleinere Unternehmen bedeutet der Befund, dass Fachwissen allein nicht mehr automatisch Sichtbarkeit bringt. In der klassischen SEO konnte eine Nischenseite größere Wettbewerber über thematische Präzision überholen. In der KI-Suche geht es zusätzlich um Zitiervertrauen: Wie sicher kann das System diese Quelle in einer Antwort verwenden?

Im Nachteil sind vor allem Unternehmen, die

• eine deutlich geringere Domain-Autorität haben als die großen Publisher ihres Themas,
• in den Medien, auf die KI-Systeme zurückgreifen, kaum erwähnt werden,
• unvollständige oder widersprüchliche Angaben zu ihrer Marke als Entität machen,
• Inhalte veröffentlichen, die Menschen überzeugen, aber kaum maschinenlesbare Struktur haben.

Unsere eigene Studie zur KI-Sichtbarkeit von 310 Websites zeigt, wie verbreitet diese Lücken sind. Bei 20 % der prüfbaren Websites (60 von 296) hatte GPTBot keinen oder unzureichenden Zugriff. 52 % hatten kein Organization- oder LocalBusiness-Schema, 89 % keine maschinenlesbare Adresse und 41 % kein maschinenlesbares Datum.

Genau hier liegt die Chance. Kargaev (2026) misst Marken-Entitätssignalen mit einem NIS von 0,918 den stärksten Zusammenhang mit GEO-Leistung zu. Haddad (2026) zeigt, dass der Sprung vom 25. auf das 75. Perzentil struktureller Inhaltsvollständigkeit die KI-gestützte Einbindung um 8,7 % erhöht. Beides hängt nicht an der Größe der Domain. Ein kleines Unternehmen kann diese Signale vergleichsweise schnell aufbauen, während Domain-Autorität über Linkaufbau nur langsam wächst.

Wie Spezifität den Konzentrationseffekt bricht

Spezifität bricht den Konzentrationseffekt, weil eine eng gefasste Anfrage eine eng passende Quelle verlangt. Bei generischen Fragen greift ein KI-System gern auf die großen Generalisten zurück. Bei sehr spezifischen Fragen, etwa nach einer Agentur für KI-Sichtbarkeit im europäischen B2B-Mittelstand, passt eine spezialisierte Seite semantisch oft besser als ein breiter Ratgeber, der die Nische nur streift.

Luther und Touboul-Cohen (2026) beschreiben diesen Effekt der Kategorie-Positionierung: Traditional Medicinals erreichte in Google AI Overviews eine durchschnittliche Position von 1,92, obwohl die Marke insgesamt seltener erwähnt wurde. Die enge Positionierung auf Wellness-Anfragen erzeugte hochsichere Treffer. Mehr dazu in unserem Beitrag zur Markenpositionierung in der KI-Suche.

Haddad (2026) formuliert es so, dass KI-Suchsysteme „stark auf strukturierte Signale angewiesen sind, wenn sie entscheiden, welche Marken sicher und klar zusammengefasst werden können“. Die Studie gewichtet die Komponenten der Inhaltsvollständigkeit unterschiedlich: Attributvollständigkeit 0,22, zweisprachige Titel 0,18, Lieferklarheit 0,14. Hinzu kommt thematische Tiefe. Iyappan (2026) beschreibt thematische Autorität als das stärkste paradigmenübergreifende Signal, mit sehr starker Korrelation über SEO, AEO und GEO hinweg.

Die Gegenstrategie in zwei Ebenen

Die wirksamste Gegenstrategie verbindet zwei Ebenen: im Retrieval-Pool bleiben und darin zur zitierfähigsten Quelle werden.

Ebene 1 ist die organische Grundlage. Systeme mit Retrieval-Augmented Generation schöpfen aus dem indexierten Web. Kargaev (2026) beschreibt diesen organischen Fundament-Effekt ausdrücklich. Auch Google stellt in seinen Hinweisen zu KI-Funktionen und Ihrer Website klar, dass für AI Overviews und AI Mode die üblichen SEO-Grundlagen gelten und eine Seite indexiert sein muss, um als Quelle verlinkt zu werden.

Ebene 2 sind die Signale, die über die Zitierung entscheiden:

Welche Medien sich für Erwähnungen lohnen, lässt sich prüfen: Perplexity zeigt seine Quellen offen an. Wer die eigenen Kategorieanfragen dort durchspielt, sieht, welche Publikationen regelmäßig zitiert werden. Wie man diese Bausteine in ein Jahresprogramm übersetzt, beschreibt unser Framework für die KI-Sichtbarkeitsstrategie, und warum Earned Media dabei so stark wirkt, erklärt der Beitrag zu Digital-PR und KI-Suche.

So messen Sie Ihre Position im KI-Suchtraffic

Die eigene Position im KI-Suchtraffic misst man am besten über die Erwähnungsrate, also den Anteil relevanter KI-Antworten, in denen die Marke vorkommt. Klicks allein reichen nicht. Aral, Li und Zuo zitieren Similarweb-Daten, nach denen der mediane Zero-Click-Anteil bei Suchen mit AI Overview 80 % beträgt, gegenüber 60 % ohne. Ein großer Teil der Wirkung findet also ohne Besuch statt.

Drei Kennzahlen ergänzen sich:

1. Erwähnungsrate. Testen Sie monatlich einen festen Satz von Prompts in ChatGPT und Google AI Overviews. Trennen Sie generische Kategorieanfragen, bei denen der Konzentrationseffekt am stärksten ist, von Nischenanfragen, bei denen Spezialisten am ehesten gewinnen.
2. KI-vermittelte Sitzungen. Segmentieren Sie in GA4 die Referrals von chatgpt.com, perplexity.ai und gemini.google.com. Das Volumen ist meist klein, die Qualität hoch: Iyappan (2026) dokumentiert für KI-vermittelten Traffic eine Conversion-Rate von 14,2 % gegenüber 2,8 % bei klassischer organischer Suche.
3. Markensuchvolumen. Wenn eine Marke häufiger in KI-Antworten genannt wird, auch ohne Klick, zeigt sich das oft zeitversetzt in den Markensuchanfragen in der Google Search Console.

Wie Sie das über mehrere Plattformen hinweg aufsetzen, zeigt unser Beitrag zum KI-Suchmonitoring. Den Zero-Click-Hintergrund vertieft die Analyse zur Zero-Click-Suche.

Die Lage im europäischen Markt

Im europäischen Markt gilt der Konzentrationsbefund überall dort, wo KI-Suche ausgerollt ist, und mehrsprachige Inhalte sind hier der wichtigste Hebel für Spezialisten. Frankreich gehört laut Aral, Li und Zuo zu den Ländern, die keine KI-Suchergebnisse erhalten. Für Unternehmen, die französische Kunden bedienen, bleibt klassische SEO dort vorerst der Hauptkanal. In Deutschland, den Niederlanden und den übrigen erfassten EU-Märkten greift der Effekt dagegen voll.

Haddad (2026) zeigt, dass gemischtsprachige Sitzungen, in denen Nutzer etwa auf Deutsch oder Niederländisch fragen und auf zweisprachige strukturierte Inhalte treffen, einen qualifizierten Aufmerksamkeitsgewinn von 9,4 % erreichen, gegenüber 6,8 % insgesamt. Ein deutscher Fachanbieter mit deutschsprachigen FAQ, deutschem Organization-Schema und Erwähnungen in deutschsprachigen Fachmedien passt auf deutsche Anfragen schlicht besser als ein großer englischsprachiger Generalist. Die Umsetzung beschreibt unser Beitrag zu mehrsprachigem SEO.

Häufig gestellte Fragen

Warum bevorzugt die KI-Suche die meistbesuchten Websites?

Die KI-Suche bevorzugt große Websites, weil sie Quellen braucht, die sie verlässlich zusammenfassen kann, und große Publisher haben mehr Verlinkungen, Erwähnungen und Präsenz in Trainingsdaten. Aral, Li und Zuo (2026) haben gemessen, dass KI-Suche häufiger auf die Top-1.000-Websites und seltener auf Seiten jenseits der Top 1 Million verweisen als die klassische Suche.

Können kleinere Unternehmen große Publisher in KI-Antworten schlagen?

Ja, vor allem bei spezifischen Anfragen, auf die ihr Fachwissen genau passt. Eine klare Positionierung, vollständige strukturierte Inhalte und starke Entitätssignale machen eine kleine Marke zur besseren Antwort für ihr Themenfeld. Luther und Touboul-Cohen (2026) zeigen am Beispiel Traditional Medicinals, dass enge Positionierung trotz geringerer Gesamterwähnungen zu einer Top-Platzierung in AI Overviews führen kann.

Wie hilft Digital-PR beim KI-Suchtraffic?

Digital-PR hilft, weil eine Erwähnung in den Medien, die KI-Systeme ohnehin zitieren, die eigene Marke in deren Quellenpool bringt. Eine Platzierung in einer Fachpublikation, die regelmäßig in KI-Antworten auftaucht, wirkt stärker als viele Erwähnungen in kaum zitierten Quellen. Welche Publikationen das sind, zeigen die offen angezeigten Quellen in Perplexity.

Konvertiert KI-Suchtraffic besser als klassischer Suchtraffic?

Ja, deutlich. Iyappan (2026) dokumentiert eine Conversion-Rate von 14,2 % für KI-vermittelten Traffic gegenüber 2,8 % für klassische organische Suche. Eine naheliegende Erklärung: Wer aus einer KI-Antwort kommt, hat bereits eine Empfehlung gelesen und ist entsprechend vorqualifiziert.

Sollten Unternehmen weniger in SEO investieren?

Nein, SEO bleibt die Voraussetzung für KI-Sichtbarkeit. Kargaev (2026) beschreibt den organischen Fundament-Effekt: Systeme mit Live-Abruf schöpfen aus dem indexierten, organisch sichtbaren Web. Sinnvoll ist, die SEO-Grundlagen zu halten und zusätzlich Entitätsklarheit, Inhaltsvollständigkeit und FAQ-Struktur aufzubauen.

Lohnt sich KI-Sichtbarkeit für Unternehmen außerhalb der Top-1.000-Websites?

Ja, weil schon kleine Mengen KI-vermittelter Besuche wegen der hohen Conversion-Rate kommerziell ins Gewicht fallen. Die Signale, die über eine Zitierung entscheiden, wie Entitätsklarheit und strukturelle Vollständigkeit, hängen zudem nicht an der Größe der Domain. Gerade für kleinere Anbieter ist das Verhältnis von Aufwand zu Wirkung deshalb oft günstiger als im klassischen Linkaufbau.

Was ist der Unterschied zum Long-Tail-Vorteil der klassischen Suche?

In der klassischen Suche belohnte der Long Tail Spezifität: Eine Nischenseite konnte für passende Keywords ranken, auch mit geringer Domain-Autorität. In der KI-Suche verschiebt sich der Vorteil von der Keyword-Passung zum Zitiervertrauen. Das lässt sich ohne große Domain aufbauen, aber nur mit gezielter Arbeit an Struktur, Entität und Positionierung.

Wie sichtbar ist Ihr Unternehmen in ChatGPT und Google AI Overviews? Lassen Sie Ihre Website kostenlos analysieren.