(openPR) Ein Südtiroler Kollektiv hat 30 Tage lang protokolliert, was KI-Assistenten mit den Daten eines KMU tatsächlich machen. Die Messung zeigt eine Lücke, die kaum ein Betrieb kennt — und erklärt, warum viele auf die falsche Kennzahl schauen.
Bozen, August 2026. Über KI-Sichtbarkeit wird Unternehmen derzeit viel verkauft und wenig belegt. Das Südtiroler Freelancer-Kollektiv Berger+Team hat deshalb gemessen statt geglaubt: 30 Tage lang protokollierte es an der eigenen Plattform btlabs Core, was KI-Systeme mit den Daten eines kleinen Betriebs wirklich machen. Das Ergebnis stellt eine verbreitete Annahme auf den Kopf.
Gelesen wird massiv: In einem Monat lösten KI- und Suchsysteme über 23.500 maschinelle Abrufe aus — mehr als 18.000 davon über Identitätsprüfung als echt verifiziert. Darunter die Lesesysteme praktisch aller großen KI-Anbieter. Kleine Betriebe werden von Maschinen weit intensiver gelesen, als ihre Betreiber ahnen.
Empfohlen wird kaum: Diesen mehr als 23.000 Abrufen steht nur eine Handvoll nachweisbarer Zitationen in KI-Antworten gegenüber. Die Maschinen holen sich die Daten — aber sie geben sie selten weiter.
Die Lücke, die kaum ein Betrieb kennt
"Gelesen zu werden ist nicht dasselbe wie empfohlen zu werden", sagt Florian Berger, Gründer von Berger+Team. "Eine saubere, maschinenlesbare Datenbasis sorgt dafür, dass ein KI-Assistent die Fakten korrekt hat, wenn er sie braucht. Sie sorgt nicht automatisch dafür, dass er dich nennt. Wer das Gegenteil verspricht, verkauft eine Zahl, die er nicht belegen kann."
Warum diese Lücke entsteht, zeigt eine Unterscheidung, die in fast jeder Beratung fehlt: ob ein KI-Modell bei einer Frage live im Netz sucht — oder aus dem Gedächtnis antwortet.
Das Kollektiv stellt dazu zehn echte Kundenfragen in festem Rhythmus an mehrere KI-Modelle und protokolliert jede Antwort. Das Muster ist eindeutig: Modelle mit Live-Suche nennen den Betrieb bereits regelmäßig — bei der Frage nach mehrsprachigen Websites in Südtirol in der jüngsten Messung durchgängig. Das reine Modellgedächtnis dagegen bewegt sich über Monate: Es kennt nur, was zum Zeitpunkt des Trainings oft und eindeutig im Netz stand. Für jede junge Marke beginnt es bei null — unabhängig von der Qualität der Website.
"Wer live gesucht wird, kann innerhalb von Tagen auftauchen. Ins Gedächtnis der Modelle kommt man über Monate — durch konsistente, maschinenlesbare Fakten und echte Erwähnungen", so Berger. "Wer das nicht auseinanderhält, misst die falsche Zahl, ist nach vier Wochen enttäuscht und zieht die falschen Schlüsse."
Was unabhängige Untersuchungen zeigen
Die eigenen Messungen decken sich mit der Forschung. Der Anteil der Suchen, die ohne einen Klick ins offene Web enden, stieg in den USA von 58,5 Prozent (2024) auf rund 68 Prozent Anfang 2026 (SparkToro mit Datos bzw. Similarweb). Wo eine KI-Übersicht über dem Suchergebnis steht, fiel die organische Klickrate in einer Auswertung über 25,1 Millionen Impressionen von 1,76 auf 0,61 Prozent (Seer Interactive). Und das Tow Center der Columbia University fand 2025 in über 60 Prozent von 1.600 KI-Suchanfragen fehlerhafte Quellenangaben — die Antworten kommen, aber oft falsch belegt.
Was nachweislich hilft, hat eine an der KDD 2024 vorgestellte Studie zur "Generative Engine Optimization" gemessen: klare Zitate, belegte Statistiken und ausgewiesene Quellen erhöhen die Sichtbarkeit in KI-Antworten um rund ein Drittel. Bloße Schlagwort-Häufung bringt messbar nichts.
Was ein Betrieb daraus mitnehmen kann
Drei Konsequenzen, die jeder Betrieb selbst prüfen kann — ohne Werkzeuge, in einer Viertelstunde:
1. Die eigene Domain ist die Quelle, alles andere sind Kopien. Weichen die Angaben in Kartendienst, Verzeichnissen und Website leicht voneinander ab, entscheidet die Maschine selbst, welcher Version sie glaubt — und liegt oft falsch. Erster Test: einen KI-Assistenten nach dem eigenen Betrieb fragen und die Fakten prüfen.
2. Fakten gehören ausgezeichnet, nicht nur geschrieben. Eine Öffnungszeit, die als strukturierte Angabe hinterlegt ist, wird gelesen. Dieselbe Angabe im Fließtext muss interpretiert werden — und Interpretation erzeugt Fehler.
3. Gemessen wird die Nennung, nicht die Position. Wenn KI-Antworten den Klick ersetzen, ist der Platz in einer Ergebnisliste die falsche Zielgröße.
Ausblick: Die Messreihe wird fortgesetzt — und größer
Die 30-Tage-Auswertung ist der Anfang einer Reihe. Auf btlabs.dev veröffentlicht das Kollektiv die vollständigen Zahlen samt Methodik und schreibt die Messung fort. Parallel entsteht mit dem AI-Discovery-Radar (offen auf GitHub: https://github.com/flober81/ai-discovery-radar) ein Forschungsprojekt, das dieselben Fragen im großen Maßstab untersucht: welche maschinenlesbaren Dateien KI-Systeme über tausende Websites hinweg tatsächlich abrufen, welche sie ignorieren — und was davon in den Antworten ankommt. Die ersten Testläufe sind abgeschlossen; weitere Auswertungen folgen.
Die Werkzeuge hinter den Messungen sind dieselben, die das Kollektiv seinen Kunden mitliefert: btlabs Core, die Website-Plattform für kleine und mittlere Betriebe in Südtirol, Italien und der DACH-Region, zeigt jedem Betrieb im eigenen Cockpit, welche KI-Systeme seine Inhalte lesen und ob er in Antworten vorkommt. Dreisprachig im Kern, cookielos ohne Banner, EU-gehostet — und im Eigentum des Kunden.
Live-Beispiel, Messdaten und Methodik:
Quellen: Eigene Messungen btlabs Core (30-Tage-Fenster Juli/August 2026; Zitations-Monitor, 10 Fragen an mehrere Modelle) · SparkToro mit Datos (2024) und Similarweb (2026) · Seer Interactive · Tow Center for Digital Journalism, Columbia University (2025) · Aggarwal et al., "GEO: Generative Engine Optimization", KDD 2024, arXiv 2311.09735
Berger+Team ist ein Freelancer-Kollektiv mit Sitz in Bozen, Südtirol, das seit 2018 Betriebe in Südtirol, Italien und der DACH-Region begleitet — Mitglied der Handelskammer Bozen. Mit btlabs Core baut es digitale Fundamente für kleine und mittlere Unternehmen: eine zentrale Inhaltsbasis, aus der Website, Suchmaschinen und KI-Systeme gleichermaßen bedient werden. Web: btlabs.dev
