Der Ausgangspunkt: ein etablierter Handel ohne digitalen Fußabdruck
Tuva Euro BV war ein etablierter Handelsbetrieb, der vollständig über persönliche Netzwerke und bestehende Beziehungen lief. Es gab keine Website, keine Google-Präsenz und keine Sichtbarkeit in KI-Suchwerkzeugen. In einem B2B-Markt, in dem Einkäufer Lieferanten immer öfter online recherchieren, bevor sie Kontakt aufnehmen, war das Unternehmen für alle unsichtbar, die nach dem suchten, was es verkauft. Der vollständige Case beschreibt den Auftrag; dieser Artikel erklärt, warum die Reihenfolge wirkte.
Warum ein Nischen-B2B-Lieferant schnell genannt werden kann
Ein Nischen-B2B-Lieferant kann schnell genannt werden, weil KI-Assistenten Unternehmen, an die sie keine Erinnerung haben, nach dem ranken, was sie in diesem Moment abrufen. Forscher der University of Toronto testeten das mit GPT-4o in einer Studie auf den EDBT/ICDT-2026-Workshops: Als sie die abgerufenen Snippets mischten, bewegten sich die Rankings bekannter Marken kaum (mittlere Rangabweichung 2,30), während sich die Rankings von Nischenentitäten fast doppelt so stark verschoben (4,15). Als sie zwei Markennamen in den Snippets vertauschten, folgten die Nischen-Rankings dem Text.
Für einen Lieferanten von Geflügelmehl ist das die ganze Chance. Kein Modell hat aus dem Training eine Meinung über das Unternehmen. Was es abruft, entscheidet die Antwort, und was es abruft, ist genau das, was das Unternehmen aufbauen kann.
Schritt 1: eine Website, gebaut, um abgerufen zu werden, nicht nur um zu existieren
Der erste Schritt war der Aufbau von tuvaeuro.eu von Grund auf mit einer Architektur, die Crawler lesen können: strukturierte Daten, die die Organisation benennen, schnelle Seiten, eine Überschriftenhierarchie, die Produkte in den Worten der Einkäufer benennt, und interne Links über Produktkategorien hinweg. Das ist die Eintrittskarte auf beiden Seiten. Googles eigene Leitlinien sagen, dass Indexierung und Eignung in der Suche die Voraussetzung für seine KI-Funktionen sind, und ein Assistent kann keine Seite zitieren, die sein Crawler nie abrufen konnte.
Schritt 2: eine Keyword-Karte mit Kaufabsicht, nicht mit Volumen
Der zweite Schritt kartierte die kommerzielle Suchlandschaft für Geflügelmehl, Flüssigei und verwandte tierische Proteine in EU-Märkten und behielt die Begriffe mit echter Kaufabsicht. Hier gehen die meisten B2B-Websites fehl: Sie ranken für Definitionsfragen und werden für "Lieferant von"-Fragen nie abgerufen. Die Karte entschied, welche Seiten existierten und welche Belege jede trug, damit die Seiten, die ein Assistent bei einer Lieferantenfrage abruft, die Seiten waren, die den Lieferanten nannten.
Schritt 3: die Entität, auf und außerhalb der Website
Der dritte Schritt machte das Unternehmen als Entität erkennbar: konsistente Organisationsdaten auf der Website und eine externe Präsenz, mit der KI-Werkzeuge das Unternehmen identifizieren und verstehen konnten. Das ist das Signal, das die Forschung am höchsten gewichtet. In der Ahrefs-Analyse von 75.000 Marken korrelierten Erwähnungen der Marke im gesamten Web stärker mit KI-Sichtbarkeit als Domain Rating oder Markensuchvolumen. Für eine neue Domain ohne jedes Rating ist dieser Befund der Grund, warum der Plan funktionieren konnte.
Schritt 4: eine kleine Zahl relevanter Links
Der vierte Schritt war ein gezieltes Set von Backlinks aus relevanten Branchenquellen, um die frühen Autoritätssignale zu setzen, die Google in B2B-Kategorien nutzt. Das Set war bewusst klein. Links treiben die organische Auffindbarkeit und damit die Eignung für Googles KI-Funktionen; sie sind nicht das, was einen Nischenlieferanten von einem Assistenten nennen lässt, also floss das Budget in Relevanz statt in Volumen.
Was geschah, und was es an Werbung kostete
| Ergebnis | Wert |
|---|---|
| Google-Position für mehrere kommerzielle Suchbegriffe | 1 bis 3 |
| Zeit bis zu Seite-eins-Rankings | Unter 6 Monate |
| Gelieferte SEO- und GEO-Arbeitsstränge | 5 |
| Werbebudget hinter den neuen Anfragen | 0 € |
| KI-Assistenten, die das Unternehmen bei Lieferantensuchen nennen | ChatGPT und Perplexity |
Die Anfragen kamen aus Auffindbarkeit und Nennung, nicht aus einer Kampagne. Das ist der Punkt der Reihenfolge: Ein Unternehmen, das als Entität existiert, mit Seiten, die für die Anfragen gebaut sind, die Einkäufer tatsächlich stellen, wird abgerufen, wenn der Einkäufer fragt, ob er nun Google oder einen Assistenten fragt.
Was das für ein anderes Nischen-B2B-Unternehmen heißt
Die Reihenfolge ist übertragbar, weil der Mechanismus es ist. Ein Nischenunternehmen wird nach abgerufenen Belegen gerankt, also besteht die Arbeit darin, die richtigen Belege existieren zu lassen und erreichbar zu machen: eine crawlbare Website, Seiten, die auf Anfragen mit Lieferantenabsicht abgestimmt sind, Organisationsdaten und externe Erwähnungen, die das Unternehmen identifizieren, und ein paar relevante Links für die Auffindbarkeit. Zwei Vorbehalte gehören dazu. KI-Antworten schwanken von Tag zu Tag, und nur 34 bis 42 Prozent der zitierten Quellen bleiben zwischen aufeinanderfolgenden Tagen dieselben in der Messung aus St. Gallen, also ist "von ChatGPT genannt" eine Rate, kein Dauerzustand. Und der Zeitrahmen lag für ein Unternehmen, das bei null begann, unter sechs Monaten; ein Unternehmen mit bestehender Website und schwacher Entität bewegt sich meist schneller. Der Artikel für kleine Unternehmen beschreibt den Mechanismus im Detail.
Häufige Fragen
Hatte das Unternehmen vorher irgendeine Online-Präsenz?
Nein. Es gab keine Website, keine Google-Präsenz und keine Sichtbarkeit in KI-Werkzeugen. Das Unternehmen lief über persönliche Netzwerke. Website, Keyword-Karte, Entitätsarbeit und Links wurden alle innerhalb des Projekts aufgebaut.
Welche KI-Assistenten nennen es jetzt?
ChatGPT und Perplexity, bei Lieferantensuchen in seiner Kategorie. Weil Assistenten probabilistisch arbeiten, wird das als Rate über wiederholte Abfragen gemessen und nicht als feste Position behauptet.
Wie viel wurde für Werbung ausgegeben?
Nichts. Die neuen Anfragen kamen ohne bezahlte Anzeigen. Das ist keine Regel für jedes Unternehmen; es ist, was hier geschah, weil die Kategorie eine Nische ist und Einkäufer Lieferanten über den Produktnamen suchen.
Würde das für eine Verbrauchermarke funktionieren?
Weniger direkt. Bei bekannten Verbrauchermarken stützen sich Assistenten stärker auf das, was sie im Training gelernt haben, also bewegt abgerufener Inhalt das Ranking weniger. Der Nischenmechanismus ist am stärksten, wo das Modell keine Vormeinung hat.
Wie lange dauerte der GEO-Teil im Vergleich zum SEO-Teil?
Sie liefen zusammen. Website-Architektur und Keyword-Karte dienen beidem; die Entitäts- und Außenpräsenzarbeit ist die GEO-spezifische Schicht. Sie zu trennen hätte die Redaktion derselben Seiten verdoppelt.
Kann ich sehen, ob mein Unternehmen heute genannt wird?
Ja, in Minuten. Die kostenlose Analyse fragt ChatGPT, Perplexity, Claude und Gemini für Ihre Kategorie und Ihren Markt ab, liest Ihre wichtigsten Seiten und berichtet, was die Assistenten statt Ihnen zitieren.
Finden Sie heraus, wo Ihr Unternehmen steht
Die kostenlose Analyse ist der erste Schritt, mit dem dieser Case begann: ob die Assistenten Sie für das nennen, was Sie verkaufen, wen sie stattdessen nennen, und welchen der vier Schritte oben Ihre Website noch braucht.
