Wenn ein Einkäufer heute einen neuen Lieferanten für Antriebstrommeln, Fasspumpen oder Druckbehälter sucht, fragt er immer öfter zuerst einen KI-Assistenten. Die Antwort ist keine Trefferliste, sondern eine kurze Auswahl von Firmen, oft mit Begründung. Wer dort fehlt, kommt in dieser Recherche nicht vor. Wir wollten wissen, wie oft mittelständische Industrieunternehmen in diesen Antworten tatsächlich auftauchen, woher die KI ihre Lieferantenlisten nimmt und was die genannten Firmen von den übrigen unterscheidet.
Dafür haben wir am 14. Oktober 2026 die Websites von 41 Herstellern und Zulieferern aus dem deutschsprachigen Raum einheitlich vermessen: Technik, Google-Sichtbarkeit, Google-Unternehmensprofil und 164 Antworten von ChatGPT und Perplexity. Die Ergebnisse sind anonymisiert. Die Methodik und ihre Grenzen beschreiben wir am Ende des Artikels.
Die Ergebnisse auf einen Blick
Die kurze Fassung: Die meisten Industrie-Websites sind technisch solide, aber bei Google kaum sichtbar. Die KI-Assistenten füllen diese Lücke mit Daten aus Branchenverzeichnissen und Google-Unternehmensprofilen. Wer dort schwach aufgestellt ist und bei Google nicht rankt, wird selten empfohlen. Das deckt sich mit dem, was Google im Mai 2026 in seinem offiziellen Leitfaden zur KI-Suche festgehalten hat: Sichtbarkeit in KI-Antworten folgt den Grundlagen der Suchmaschinenoptimierung, nicht einem Sonderweg.
Ergebnis 1: Die KI nennt die meisten Mittelständler nicht
Für jedes Unternehmen haben wir zwei Fragen gestellt, wie sie ein Einkäufer formulieren würde. Eine fragt nach Herstellern oder Anbietern für die jeweilige Kernleistung in Deutschland, die andere bittet um eine Lieferantenempfehlung für ein Industrieunternehmen. Beide Fragen gingen an ChatGPT mit Websuche und an Perplexity.
| Kennzahl | Ergebnis |
|---|---|
| Ausgewertete Antworten | 164 (82 ChatGPT, 82 Perplexity) |
| Antworten mit Nennung des Unternehmens | 37 |
| Nennungsrate gesamt | 23 % |
| Nennungsrate ChatGPT | 20 % |
| Nennungsrate Perplexity | 26 % |
| Unternehmen ohne eine einzige Nennung | 24 von 41 |
| Unternehmen mit Nennung in allen vier Antworten | 3 von 41 |
Die Verteilung ist ungleich. Drei Unternehmen wurden in jeder Antwort genannt, vier in drei von vier, drei in zwei, der Rest nur einmal oder gar nicht. Die regelmäßig genannten Firmen haben etwas gemeinsam: Sie sind in ihrer Nische eine bekannte Adresse und bei Google deutlich sichtbarer als der Rest. Ein Hersteller mit über 250 rankenden Suchbegriffen und Platz 1 für seinen Produktbegriff wurde viermal genannt. Ebenso oft genannt wurde ein international führender Komponentenhersteller, obwohl seine Website für den deutschen Kernbegriff nicht in den Top 30 steht: Mit über 500 rankenden Suchbegriffen ist die Marke so breit im Netz präsent, dass die KI sie trotzdem kennt. Eine Garantie ist Google-Sichtbarkeit aber nicht. Zwei Unternehmen mit jeweils mehr als 100 rankenden Suchbegriffen wurden in keiner ihrer vier Antworten genannt.
Eine Beobachtung am Rande zeigt, wie ungenau die Systeme noch arbeiten: In einer Perplexity-Antwort wurde ein Unternehmen korrekt mit Namen und Ort genannt, aber mit einer falschen Website-Adresse. Wer seine Firmendaten nicht überall einheitlich pflegt, riskiert genau solche Fehler. Was die Kennzahl Nennungsrate genau misst, erklären wir im Glossar.
Ergebnis 2: Die Lieferantenlisten kommen aus Verzeichnissen
Der deutlichste Befund der Studie betrifft die Quellen. Perplexity legt offen, welche Seiten es für eine Antwort heranzieht. In 80 von 82 Antworten war mindestens ein B2B-Verzeichnis darunter.
ChatGPT arbeitet anders. In 16 von 82 Antworten bestand die Liste aus Einträgen aus Google Maps, also aus Google-Unternehmensprofilen mit Sternebewertung und Adresse. In den übrigen Antworten verlinkte ChatGPT direkt auf Hersteller-Websites, die es über die Websuche gefunden hatte.
Für die Praxis heißt das: Ein vollständiges Profil bei wlw, europages und lieferanten.de ist für die KI-Sichtbarkeit eines Industrieunternehmens wichtiger als jede technische Spezialdatei. Die Verzeichnisse liefern der KI genau die strukturierte Information, die sie für eine Lieferantenliste braucht: Firmenname, Ort, Produktkategorien, Kurzbeschreibung. Wer dort nur einen Basiseintrag mit veralteter Beschreibung hat, wird für spezifische Fragen schlicht nicht gefunden. Ähnliches gilt für das Google-Unternehmensprofil, das Google in seinem Leitfaden ausdrücklich als Hebel für die Sichtbarkeit in KI-Antworten nennt.
Ergebnis 3: Bei Google findet man die meisten nicht
Die Google-Sichtbarkeit der 41 Unternehmen ist durchweg niedrig. Wir haben sie über den SISTRIX-Sichtbarkeitsindex, die Zahl der rankenden Suchbegriffe und eine Abfrage zum jeweiligen Kernbegriff gemessen.
| Kennzahl | Ergebnis |
|---|---|
| Median SISTRIX-Sichtbarkeitsindex | 0,0003 |
| Unternehmen mit Sichtbarkeitsindex 0 | 15 von 41 |
| Median rankende Suchbegriffe (Top 100) | 20 |
| Median Suchbegriffe in den Top 10 | 3 |
| Unternehmen ohne einen einzigen Top-10-Begriff | 10 von 41 |
| In den Top 10 für den Kernbegriff | 2 von 41 |
| Nicht in den Top 30 für den Kernbegriff | 36 von 41 |
| Kernbegriff-Suchen mit AI Overview | 20 von 41 |
Bei der Hälfte der Kernbegriffe blendet Google bereits eine KI-Übersicht über den Treffern ein. Wer schon in der klassischen Liste nicht auftaucht, hat dort kaum eine Chance, als Quelle zitiert zu werden. Wie AI Overviews und der neue Google AI Mode die Lieferantensuche verändern, beschreiben wir in eigenen Artikeln.
Ergebnis 4: Die Technik ist selten das Problem
Viele Diskussionen über KI-Sichtbarkeit drehen sich um Technik: Crawler-Freigaben, strukturierte Daten, neue Dateiformate. Unsere Messung zeigt, dass die Grundlagen bei den meisten Industrie-Websites stimmen. Gemessen haben wir das ausgelieferte HTML der Startseite, so wie es Crawler ohne JavaScript sehen.
| Prüfpunkt | Ergebnis |
|---|---|
| Mobil ausgelegt (Viewport) | 40 von 41 |
| XML-Sitemap vorhanden | 38 von 41 |
| KI-Crawler per robots.txt gesperrt | 1 von 41 |
| Keine Meta-Description | 9 von 41 |
| Keine H1-Überschrift | 7 von 41 |
| Mehr als eine H1-Überschrift | 9 von 41 |
| Keine strukturierten Daten | 17 von 41 |
| llms.txt vorhanden | 6 von 41 |
| Bilder ohne Alternativtext | 36 % aller Bilder |
| Median Wörter auf der Startseite | 578 |
Es gibt Baustellen: fehlende Beschreibungen, doppelte Hauptüberschriften, Bilder ohne Alternativtext. Doch keine davon erklärt, warum ein Unternehmen in KI-Antworten fehlt. Strukturierte Daten hatten 59 Prozent der genannten und 58 Prozent der nicht genannten Firmen, also praktisch gleich viele. Eine llms.txt hatten je drei Unternehmen aus beiden Gruppen. Das passt zu Googles Klarstellung vom Mai 2026, dass weder llms.txt noch spezielles Markup für die KI-Funktionen der Google-Suche nötig sind.
Was die genannten Unternehmen anders machen
Vergleicht man die 17 Unternehmen, die mindestens einmal genannt wurden, mit den 24, die nie vorkamen, zeigen sich die Unterschiede dort, wo es um Inhalte und Sichtbarkeit geht.
| Merkmal (Median) | Mindestens einmal genannt (17) | Nie genannt (24) |
|---|---|---|
| SISTRIX-Sichtbarkeitsindex | 0,0022 | 0,0002 |
| Rankende Suchbegriffe | 26 | 12,5 |
| Suchbegriffe in den Top 10 | 4 | 2 |
| Wörter auf der Startseite | 896 | 522 |
| Anteil mit strukturierten Daten | 59 % | 58 % |
| Unternehmen mit llms.txt | 3 | 3 |
Die genannten Firmen sind bei Google rund zehnmal sichtbarer, ranken für doppelt so viele Begriffe und erklären auf ihrer Startseite deutlich mehr. Bei 41 Unternehmen ist das ein Zusammenhang, kein Beweis für Ursache und Wirkung. Die Richtung ist aber eindeutig und deckt sich mit Googles Aussage, dass einzigartige, substanzielle Inhalte der wichtigste Faktor für die Sichtbarkeit in KI-Funktionen sind.
Was Industrieunternehmen jetzt tun sollten
Aus den Ergebnissen lassen sich fünf Schritte ableiten, sortiert nach Aufwand und Wirkung.
- Verzeichnisprofile vervollständigen. wlw, europages, lieferanten.de und industrystock mit vollständigen Produktkategorien, aktueller Beschreibung und einheitlichen Firmendaten pflegen. Das ist in wenigen Tagen erledigt und wirkt direkt auf die Quellen, die Perplexity nutzt.
- Google-Unternehmensprofil ausbauen. Kategorien, Leistungen und Fotos ergänzen und Bestandskunden aktiv um Bewertungen bitten. Im Median hatten die Unternehmen unserer Stichprobe 4 Bewertungen, nur 11 von 41 kamen auf 10 oder mehr.
- Für die eigenen Kernbegriffe ranken. Für jede Kernleistung eine Seite, die die Fragen eines Einkäufers konkret beantwortet: Einsatzbereiche, technische Daten, Varianten, Referenzen. Nicht für jede Suchvariante eine eigene Seite, das stuft Google seit Mai 2026 ausdrücklich als Spam-Risiko ein. Wie das im Maschinenbau aussieht, zeigen wir unter SEO für Maschinenbau.
- Firmendaten überall gleich halten. Name, Adresse, Website und Leistungsbeschreibung auf Website, Verzeichnissen, Google-Profil und LinkedIn abgleichen. Abweichungen führen zu falschen oder fehlenden Angaben in KI-Antworten.
- Messen statt vermuten. Ein festes Set aus 20 bis 30 Einkäufer-Fragen definieren und regelmäßig in ChatGPT, Perplexity und Google prüfen. Seit August 2026 zeigt zusätzlich die Search Console für alle Websites, wie oft Seiten in AI Overviews und AI Mode erscheinen.
Was dabei nicht hilft: Gefälligkeitslisten auf der eigenen Website, auf denen man sich selbst zum besten Anbieter kürt, oder versteckte Hinweise an KI-Systeme. Google hat seine Spam-Richtlinien im Mai 2026 ausdrücklich auf Versuche erweitert, KI-Antworten zu manipulieren. Mehr zum Unterschied zwischen sinnvoller Optimierung und Tricks finden Sie unter GEO-Agentur und Was ist GEO?.
Methodik und Grenzen
Stichprobe: 41 mittelständische Hersteller und Zulieferer aus Deutschland, Österreich und der Schweiz, darunter Sondermaschinenbau, Antriebs- und Fördertechnik, Mess- und Prüftechnik, Werkzeugmaschinen, Pumpen, Lasertechnik, Kunststoff-Spritzguss, Elektronikfertigung und Anlagenbau. Es handelt sich um Unternehmen, die wir zwischen Juni und Oktober 2026 im Rahmen von Potenzialanalysen untersucht haben. Die Stichprobe ist damit nicht repräsentativ für die gesamte Industrie. Alle Werte werden anonymisiert und nur zusammengefasst veröffentlicht.
Zeitpunkt: Alle Messungen fanden einheitlich am 14. Oktober 2026 statt.
Technik: Abruf der Startseite (bei abweichender Canonical-URL der Canonical-Seite), Auswertung des ausgelieferten HTML ohne JavaScript, robots.txt, llms.txt und Sitemap.
Google: SISTRIX-Sichtbarkeitsindex Deutschland, rankende Suchbegriffe in den Top 100 laut DataForSEO, Google-Abfrage zum jeweils naheliegenden Kernbegriff (Standort Deutschland, Top 30) sowie Suche nach dem Google-Unternehmensprofil.
KI-Antworten: Je Unternehmen zwei standardisierte Lieferantenfragen zur jeweiligen Kernleistung, gestellt an ChatGPT (Modell gpt-4o-mini mit Websuche, Region Deutschland) und Perplexity (Modell sonar) über die DataForSEO-Schnittstelle. Als Nennung zählt, wenn Unternehmensname oder Domain in der Antwort oder den verlinkten Quellen vorkommt. KI-Antworten schwanken von Abfrage zu Abfrage, die Werte sind daher eine Momentaufnahme. Die Ergebnisse über die Schnittstelle können von der ChatGPT-App abweichen.
Quellen: Google: Optimizing your website for generative AI features on Google Search · Google: Spam-Richtlinien für die Websuche · Google Search Central Blog: Generative-AI-Berichte in der Search Console
Sie möchten wissen, wie Ihr Unternehmen in diesen Messungen abschneiden würde? In der kostenlosen Potenzialanalyse prüfen wir genau diese Punkte für Ihre Website, Ihre Verzeichnisprofile und Ihre wichtigsten Einkäufer-Fragen.
Häufige Fragen
Wie oft werden mittelständische Industrieunternehmen in ChatGPT und Perplexity als Lieferant genannt?
In unserer Messung vom Oktober 2026 selten. Bei 41 Herstellern und Zulieferern haben wir je zwei typische Lieferantenfragen in ChatGPT und Perplexity gestellt. In 37 von 164 Antworten wurde das jeweilige Unternehmen genannt, das entspricht einer Nennungsrate von 23 Prozent. 24 der 41 Unternehmen tauchten in keiner einzigen ihrer vier Antworten auf, nur 3 in allen vier.
Woher beziehen KI-Assistenten ihre Lieferantenlisten für die Industrie?
Perplexity stützte sich in 80 von 82 Antworten auf mindestens ein B2B-Verzeichnis. wlw.de tauchte in 75 Antworten als Quelle auf, europages in 48, lieferanten.de in 31, industrystock in 24. ChatGPT mit Websuche griff in 16 von 82 Antworten auf Einträge aus Google Maps zurück, also auf Google-Unternehmensprofile, und verlinkte ansonsten direkt auf Hersteller-Websites.
Hilft eine llms.txt dabei, in KI-Antworten genannt zu werden?
In unserer Stichprobe nicht erkennbar. Sechs der 41 Unternehmen hatten eine llms.txt, davon wurden drei genannt und drei nicht. Google erklärt in seinem Leitfaden vom Mai 2026 ausdrücklich, dass die Google-Suche llms.txt nicht nutzt. Deutlich stärker unterschieden sich genannte und nicht genannte Firmen bei ihrer Google-Sichtbarkeit und beim Umfang ihrer Inhalte.
Ist die Technik der Websites das Problem?
Meist nicht. 40 von 41 Websites sind mobil ausgelegt, 38 haben eine Sitemap, nur eine einzige sperrt überhaupt KI-Crawler aus. Die Lücken liegen woanders: Für den naheliegenden Suchbegriff ihrer Kernleistung stehen nur 2 von 41 Unternehmen in den Google-Top-10, 36 erscheinen nicht einmal in den Top 30. Wer bei Google kaum vorkommt, wird auch von den KI-Systemen selten gefunden.
Was sollten Industrieunternehmen zuerst tun, um in KI-Antworten aufzutauchen?
Erstens die Profile auf wlw, europages, lieferanten.de und industrystock vollständig und einheitlich pflegen, weil die KI dort nachschlägt. Zweitens das Google-Unternehmensprofil mit echten Kundenbewertungen ausbauen. Drittens Produkt- und Leistungsseiten so ausbauen, dass sie für die eigenen Kernbegriffe bei Google ranken. Viertens die Nennungsrate mit festen Prompts regelmäßig messen.


