Wir haben 515 Unternehmen in Miami in der KI-Suche getestet. 99,6 % waren nicht vertreten.

Einleitung

Eine Studie unter 515 Unternehmen in den Countys Miami-Dade und Broward ergab, dass 99,6 % in den getesteten, von KI generierten Empfehlungsantworten keine echte Nennung erhielten.

Eine Studie unter 515 Unternehmen in den Countys Miami-Dade und Broward ergab, dass die herkömmliche Sichtbarkeit bei Google keine Garantie für die Aufnahme in KI-generierte Empfehlungen darstellt. Weitere Untersuchungen ergaben erhebliche Unterschiede in der KI-Sichtbarkeit je nach Modell, Formulierung der Suchanfrage, Abrufsystem und KI-Produkten für Verbraucher.

Wichtigste Ergebnisse

Die Hauptstudie umfasste 298 Unternehmen aus dem Gesundheitswesen, 120 aus dem Rechtsbereich und 97 aus der Immobilienbranche und nutzte kommerzielle Empfehlungsanfragen bei ChatGPT, Claude und Gemini.

99,6 % der getesteten Unternehmen wurden in den von KI generierten Empfehlungsantworten nicht namentlich erwähnt.

Die traditionelle Sichtbarkeit bei Google garantiert keine Sichtbarkeit in KI-Empfehlungen. Ein Unternehmen kann etabliert sein, hervorragende Bewertungen haben und in der traditionellen Suche sichtbar sein, während es dennoch in einer KI-generierten Empfehlung für seine Kategorie und seinen Standort fehlt.

Eine separate Untersuchung von 360 API-Antworten von Basismodellen ergab drei wiederkehrende Muster in aufstrebenden B2B-Dienstleistungskategorien: Kategorieausschluss, Kategorieersetzung und nicht überprüfbare Anbieternamen. Verbraucherorientierte KI-Produkte mit Abruf- oder Webzugriffsfunktionen nannten zwar häufiger echte Anbieter, doch die von ihnen empfohlenen Anbieter wiesen je nach Produkt erhebliche Unterschiede auf.

Die kombinierten Forschungsergebnisse deuten darauf hin, dass die Sichtbarkeit in KI-Suchergebnissen kein einheitliches, universelles Ranking darstellt. Ob ein Unternehmen erscheint, kann je nach KI-Modell, Modellversion, Formulierung der Suchanfrage, Produkt, Abrufarchitektur und der Menge an unabhängig verfügbaren Informationen über das Unternehmen oder die Kategorie variieren.

Diese Untersuchung wurde von AEOGeoAI durchgeführt, einer in Miami ansässigen Agentur für KI-Suchoptimierung, die untersucht, wie Unternehmen von KI-Suchsystemen gefunden, empfohlen und zitiert werden.

Die Studie im Überblick

Studie	Beispiel	Wichtigste Ergebnisse
Studie zur Sichtbarkeit von KI in Miami	515 Unternehmen in den Countys Miami-Dade und Broward	99,6 % erhielten in den getesteten Empfehlungsantworten keine echte Nennung
Teilgruppe Immobilien	97 Unternehmen	Die „Related Group“ tauchte in 97,9 % der getesteten Empfehlungen auf
Teilmenge „Rechtswesen“	120 Unternehmen	Kein der getesteten Unternehmen erhielt eine echte Zitierung
Studie zum API-Modell	360 Antworten von Claude, gpt-4o-mini und Gemini	Ablehnungen, Kategorieersetzungen und nicht überprüfbare Anbieternamen traten in aufstrebenden B2B-Kategorien wiederholt auf
Vergleich von Verbraucher-KI	ChatGPT, Perplexity, Claude.ai und Gemini Web	Erhebliche Fragmentierung; kein Anbieter war in allen vier Produkten vertreten

Das Problem: Herkömmliche Sichtbarkeit garantiert keine KI-Sichtbarkeit

Ein Unternehmen kann etabliert sein, hervorragende Bewertungen haben und in der herkömmlichen Google-Suche sichtbar sein, während es dennoch in einer KI-generierten Empfehlung für seine Kategorie und seinen Standort fehlt.

In dieser Studie hat „nicht vorhanden“ eine spezifische Bedeutung. Es bedeutet nicht, dass ein KI-Modell keine Kenntnis von dem Unternehmen hat. Es bedeutet, dass das Unternehmen in den spezifischen getesteten kommerziellen Suchanfragen keine echte Erwähnung oder Empfehlung erhalten hat.

Diese Unterscheidung ist entscheidend. Wenn ein Kunde ChatGPT oder Gemini um eine Empfehlung für ein lokales Unternehmen bittet, garantiert Ihr Google-Ranking nicht, dass Sie in der Antwort erscheinen. Wenn Sie nicht in der Empfehlung der KI erscheinen, sieht dieser Kunde Sie im Rahmen dieser speziellen Sucherfahrung nicht – unabhängig von Ihrer Sichtbarkeit in der herkömmlichen Suche.

Die 515-Business-Studie aus Miami

Beispiel

• Gesundheit: 298 Unternehmen
• Rechtsberatung: 120 Unternehmen
• Immobilien: 97 Unternehmen
• Insgesamt: 515 Unternehmen

Suchanfragenformat

Jede Suchanfrage folgte dem Muster: „bester [Fachgebiet] in [Stadt]“

Zum Beispiel: „bester Anwalt für Personenschäden in Miami“, „bester Kieferorthopäde in Miami“, „bester Immobilienmakler in Miami“.

Getestete Modelle

• ChatGPT – gpt-4o-mini
• Claude – Haiku 4.5
• Gemini – 2.5 Flash Lite

Methodik

Jede Suchanfrage wurde pro Modell dreimal ausgeführt, um die Konsistenz zu prüfen.

99,6 % erhielten in den getesteten Empfehlungsantworten keine echte Nennung

Ergebnisse

99,6 % der 515 Unternehmen erhielten in den getesteten Empfehlungsantworten keine echte KI-Nennung.

Aufschlüsselung nach Branchen:

Gesundheit (298 Unternehmen):

• 297 Unternehmen erhielten keine echte Vorladung (99,7 %)
• 1 Unternehmen erhielt eine Nennung

Rechtswesen (120 Unternehmen):

• 120 Unternehmen erhielten keine echte Erwähnung (100 %)
• 0 Unternehmen erhielten Verweise

Immobilien (97 Unternehmen):

• 96 Unternehmen erhielten keine echte Vorladung (98,9 %)
• 1 Unternehmen erhielt eine Aufforderung
• Related Group (ein großer institutioneller Immobilienentwickler) tauchte in 97,9 % der getesteten Antworten auf Immobilienempfehlungen auf

Branchenübergreifendes Muster:

• Kein Unternehmen wurde in allen drei getesteten Modellen erwähnt
• Von den 515 Unternehmen wurden 99,4 % in mindestens einer Modellantwort in einem kategorieähnlichen Kontext erwähnt, jedoch nie als das getestete Unternehmen namentlich genannt
• Wenn die Modelle antworteten, empfahlen sie überwiegend große Institutionen (Krankenhausverbünde, AmLaw-Kanzleien, Mega-Entwickler) anstelle von vergleichbaren unabhängigen Unternehmen

Was diese Studie zeigt – und was sie nicht zeigt

Die Studie zeigt:

• Die traditionelle Sichtbarkeit bei Google garantiert keine Sichtbarkeit in KI-Empfehlungen
• Unabhängige Unternehmen wurden in den getesteten kommerziellen Suchanfragen selten genannt
• Bestimmte große Institutionen wurden wiederholt angezeigt
• Die Ergebnisse der KI-Empfehlungen variierten je nach Kategorie und System

Die Studie zeigt nicht:

• Dass KI-Systeme keine Kenntnisse über die Unternehmen haben
• Dass traditionelle SEO-Signale keinen Einfluss haben
• Dass alle KI-Suchanfragen zum gleichen Ergebnis führen
• Dass jedes lokale Unternehmen in keinem KI-System vertreten ist
• Dass eine einzige Studie universelle KI-Rankingfaktoren ermitteln kann

Die zweite Studie: Warum KI-Systeme zu unterschiedlichen Ergebnissen kommen

Forschungsfrage

Identifizieren grundlegende LLM-APIs echte Anbieter in aufstrebenden kommerziellen Kategorien zuverlässig?

Datensatz

40 Suchanfragen × 3 Modelle × 3 Wiederholungen = 360 Antworten der Basis-Modell-APIs

Getestete Kategorien

• Aufstrebende B2B-Dienstleistungen (KI-Suchagenturen, die seit weniger als zwei Jahren bestehen)
• Etablierte Branchen (Anwaltskanzleien, Marketingagenturen)
• Informationsanfragen (wie KI funktioniert, was AEO ist)
• Kalibrierung angrenzender Kategorien (Web3-Marketing, KI-Sprachassistenten, ESG-Beratung)
• Suchen nach Schlüsselwortphrasen (kurze Suchanfragen von Käufern)

Drei wiederkehrende Antwortmuster

Kategorieverweigerung

Das Modell lehnt es ab, bestimmte Anbieter zu nennen, und liefert stattdessen allgemeine Informationen zur Kategorie.

Kategorie-Ersetzung

Das Modell nennt verwandte Tools, Beratungsunternehmen oder Dienstleistungen anstelle von Anbietern in der angefragten Kategorie. Wird es beispielsweise nach KI-Suchagenturen gefragt, empfiehlt das Modell stattdessen PR-Agenturen oder Marketingberatungen.

Nicht überprüfbare Anbieternamen

Das Modell generiert plausibel klingende Anbieternamen, die nicht als echte Unternehmen verifiziert werden können.

Vergleich von KI-Produkten für Verbraucher

Wir haben dieselben Suchanfragen mit Kaufabsicht bei vier KI-Produkten für Endverbraucher getestet: ChatGPT, Perplexity, Claude.ai und Gemini Web.

Wichtigstes Ergebnis: Verbraucherorientierte KI-Produkte mit Such- oder Webzugriffsfunktionen nannten bei denselben Suchanfragen eher echte Anbieter, wiesen jedoch erhebliche Unterschiede auf.

Kein Anbieter wurde von allen vier Produkten genannt. Die Listen der genannten Anbieter wiesen nur minimale Überschneidungen zwischen den Produkten auf.

Unterschied bei der Angabe von URLs: In den Antworten der Basis-APIs fehlten URL-Angaben im Wesentlichen (357 von 360 enthielten keine externen URLs), während Verbraucherprodukte Quellen angaben und echte Unternehmen nannten. Dies verdeutlicht einen grundlegenden Unterschied: Ein Modell kann eine Antwort aus gelernten Parametern generieren, ohne eine Quell-URL abzurufen oder anzuzeigen, während ein suchfähiges Produkt aktuelle Webquellen abrufen und dem Nutzer präsentieren kann.

Was die kombinierte Untersuchung nahelegt

Die Sichtbarkeit von KI lässt sich nicht anhand eines einzigen Rankings beurteilen, das aus der traditionellen Suchleistung abgeleitet werden kann.

1. Die Sichtbarkeit im Bereich KI hängt von der jeweiligen Suchanfrage ab. Ein Unternehmen kann bei einer bestimmten Suchphrase erscheinen, bei einer anderen jedoch nicht.
2. Die Sichtbarkeit in der KI ist modellabhängig. Verschiedene Modelle (Claude vs. GPT vs. Gemini) liefern unterschiedliche Antworten auf identische Suchanfragen.
3. Die Sichtbarkeit in der KI ist produktabhängig. ChatGPT, Perplexity, Claude.ai und Gemini Web empfehlen unterschiedliche Anbieter für dieselbe Kategorie und denselben Standort.
4. Die Sichtbarkeit durch KI wird von der Abrufarchitektur beeinflusst. APIs von Basismodellen antworten anhand gelernter Parameter; Verbraucherprodukte mit Webzugang rufen Quellen ab und zitieren diese.
5. Der Reifegrad einer Kategorie kann beeinflussen, wie zuverlässig Modelle Anbieter identifizieren. Bei neuen Kategorien (die seit weniger als zwei Jahren bestehen) kam es in Basismodellen häufiger zu Kategorieausschluss, Ersetzung und nicht überprüfbaren Anbieternamen. Etablierte Kategorien führten zu einer zuverlässigeren Nennung von Spezialisten.
6. Unabhängige Dokumentation kann beeinflussen, ob ein Unternehmen gefunden und empfohlen werden kann. Ein Unternehmen mit starker traditioneller Suchmaschinenoptimierung (SEO), aber nur minimalen Belegen von Drittanbietern, kann in KI-Empfehlungen fehlen.

Definitionen zur Verdeutlichung

KI-Sichtbarkeit bezieht sich in diesem Artikel darauf, ob ein Unternehmen als Antwort auf eine definierte, KI-generierte Suchanfrage erwähnt, empfohlen oder zitiert wird.

Eine echte Nennung bezieht sich auf eine Antwort, die das getestete Unternehmen als relevanten Anbieter identifiziert und es nicht nur beiläufig erwähnt.

Eine Basis-Modell-API bezeichnet ein Modell, auf das über eine API zugegriffen wird, ohne die gleiche, für Verbraucher bestimmte Ebene zur Webabfrage und Quellenanzeige, wie sie von Produkten wie Perplexity oder webfähigen Versionen von ChatGPT verwendet wird.

Eine „kategoriennahe Antwort“ ist eine Antwort, die die Kategorie oder Branche des Unternehmens behandelt und Wettbewerber nennt, das getestete Unternehmen jedoch nicht namentlich erwähnt.

Worauf sollte ein Unternehmen bei einem Berater für KI-Suchoptimierung achten?

Ein glaubwürdiger Berater sollte in der Lage sein:

1. Eine Ausgangsbasis zu schaffen

die tatsächlichen kommerziellen Suchanfragen zu testen, bevor er Empfehlungen ausspricht

2. Die zu messenden Systeme identifizieren

Genau angeben, welche Modelle und KI-Produkte für Verbraucher getestet wurden.

3. Den Abfragesatz dokumentieren

Ein Unternehmen sollte wissen, ob die Tests folgende Bereiche abgedeckt haben:

• Suchanfragen nach „bester [Dienst] in [Stadt]“
• Suchanfragen nach „Top [Anbieter] in meiner Nähe“
• kategoriespezifische Suchanfragen
• Fragebasierte Suchanfragen

4. Identifizieren Sie die Konkurrenz

Wer wird stattdessen empfohlen? Welche Anbieter oder Kategorien werden angezeigt, wenn das getestete Unternehmen nicht erscheint?

5. Unterscheiden Sie verschiedene Arten der Sichtbarkeit

Ein Unternehmen kann:

• Erwähnung (beiläufig im Text enthalten)
• empfohlen (als vorgeschlagener Anbieter genannt)
• verlinkt (mit einer URL referenziert)
• als Quelle zitiert (als Autorität genannt)

Dies sind keine identischen Ergebnisse.

6. Wiederholen Sie den Test im Laufe der Zeit

KI-Systeme ändern sich. Ein einmaliges Ergebnis ist eine Momentaufnahme.

Der Zweck der Messung besteht nicht darin, ein dauerhaftes, allgemeingültiges Ranking zu erstellen. Vielmehr soll ermittelt werden, welche Ergebnisse ein bestimmtes KI-System für eine definierte Suchanfrage zu einem bestimmten Zeitpunkt liefert.

Die Studie mit 515 Unternehmen nutzte diesen Ansatz der direkten Messung: spezifische geschäftliche Suchanfragen, mehrere Modelle, wiederholte Durchläufe und eine definierte Methode zur Unterscheidung echter Unternehmensnennungen von zufälligen oder mehrdeutigen Erwähnungen.

Was Unternehmen tun können

Zuerst messen

Testen Sie konkrete Suchanfragen über mehrere Systeme hinweg, bevor Sie in die Optimierung investieren.

Unabhängige Nachweise erstellen

Entwickeln Sie genaue, verlässliche Informationen über das Unternehmen, die über die eigene Website hinausgehen. Stellen Sie sicher, dass das Unternehmen auf vertrauenswürdigen Plattformen von Drittanbietern, in verifizierten Verzeichnissen und in unabhängigen redaktionellen Inhalten vertreten ist.

Verbessern Sie strukturierte Informationen

Stellen Sie sicher, dass wichtige Unternehmensinformationen klar und maschinenlesbar sind. Korrektes Schema-Markup, verifizierte Unternehmensinformationen und konsistente Entitätsdaten über alle Quellen hinweg verbessern die Auffindbarkeit.

Verfolgen Sie Veränderungen

Wiederholen Sie die Tests, wenn sich Modelle, Produkte und Abrufsysteme ändern. Das Empfehlungsverhalten von KI ist nicht statisch.

Vermeiden Sie Annahmen, die auf einer einzigen Plattform basieren

Sichtbarkeit in ChatGPT bedeutet nicht zwangsläufig Sichtbarkeit in Perplexity, Gemini oder den Google-KI-Übersichten. Jedes System führt die Abfrage anders durch und empfiehlt unterschiedliche Anbieter.

Fazit

Traditioneller Geschäftserfolg – starke Google-Rankings, hohe Bewertungen, etablierter Ruf – garantiert keine Sichtbarkeit in KI-generierten Empfehlungen.

Die Untersuchung legt nahe, dass die Reife der Kategorie, das Modellverhalten, die Formulierung der Suchanfrage, die Abrufarchitektur und die Menge an unabhängigen Informationen, die über ein Unternehmen verfügbar sind, allesamt Einfluss darauf haben können, ob dieses Unternehmen in einer KI-generierten Empfehlung erscheint.

Die praktische Konsequenz ist eindeutig: Messen Sie die KI-Sichtbarkeit unabhängig, anstatt davon auszugehen, dass sie mit der traditionellen Suchleistung korreliert.

Unternehmen, die konsequent und unabhängig als seriöse Unternehmen mit echtem Fachwissen, echten Standorten, echten Referenzen und echten Nachweisen für ihre Tätigkeit dokumentiert sind, sind möglicherweise besser in der Lage, eine dauerhafte Sichtbarkeit in der KI aufzubauen. Durch Optimierung lassen sich diese Informationen zwar leichter auffinden und interpretieren, doch sie kann die zugrunde liegenden Nachweise nicht auf unbestimmte Zeit ersetzen.

Vollständige Methodik

515-Unternehmensstudie:

• Unternehmen aus den Countys Miami-Dade und Broward
• Drei Branchen: Gesundheitswesen (298), Rechtswesen (120), Immobilien (97)
• Suchformat: „beste [Fachgebiet] in [Stadt]“
• Drei Wiederholungen pro Abfrage pro Modell
• Modelle: ChatGPT (gpt-4o-mini), Claude (Haiku 4.5), Gemini (2.5 Flash Lite)
• Bewertung: echte Nennung vs. kategorieähnlich vs. keine Nennung
• Datum: Juli 2026

360-Response-API-Studie:

• 40 Abfragen in fünf Gruppen (aufstrebender B2B-Bereich, etablierter kommerzieller Bereich, informativer Bereich, angrenzende Kategorie, Schlüsselwort-Phrase)
• 3 Modelle × 3 Wiederholungen = 360 Basis-API-Antworten
• Zusätzliche Tests: ~20 Antworten zu Konsumgütern pro Produkt (ChatGPT, Perplexity, Claude.ai, Gemini Web)
• Bewertung: Vorhandensein/Fehlen einer echten Anbieter-Nennung, einer URL-Nennung, einer Identifizierung von Wettbewerbern
• Peer-Review: 21. Juli 2026
• Datum: Juli 2026

Beide Studien sind auf Zenodo mit vollständiger Methodik, Daten und ergänzenden Materialien verfügbar:

• 515-Business-Studie: DOI 10.5281/zenodo.21271085
• 360-API-Antwort-Studie: DOI 10.5281/zenodo.21483146

Über AEOGeoAI

AEOGeoAI ist eine in Miami ansässige Agentur für KI-Suchoptimierung, die sich auf Sichtbarkeit in KI-Suchmaschinen, Answer Engine Optimization (AEO) und Generative Engine Optimization (GEO) spezialisiert hat. Die Agentur unterstützt Unternehmen dabei, ihre Darstellung in ChatGPT, Google AI Overviews, Gemini, Claude, Perplexity und anderen KI-Suchmaschinen zu verstehen und zu verbessern, wenn potenzielle Kunden nach Empfehlungen fragen.

AEOGeoAI führt AI-Sichtbarkeitsaudits, Studien zum AI-Suchranking, Zitatanalysen, Entitätsoptimierung sowie eigene Forschungen dazu durch, wie AI-Systeme Unternehmen entdecken, bewerten, empfehlen und zitieren. Der Schwerpunkt der Arbeit liegt darauf, Unternehmen dabei zu unterstützen, ihre Sichtbarkeit bei Suchanfragen wie „bester [Service] in Miami“, „Top [Geschäftstyp] in meiner Nähe“ und anderen kommerziellen AI-Suchanfragen zu verbessern.

Unternehmen, die ihre Sichtbarkeit in ChatGPT, den Google-KI-Übersichten, Gemini, Claude, Perplexity und anderen KI-Suchsystemen verbessern möchten, können mehr über die Dienstleistungen zur KI-Suchoptimierung für Unternehmen in Miami erfahren