265 Millionen Klicks weg: Was KI-Suche mit deutschem B2B-Traffic macht

Über Jahre war die Rechnung für mittelständische B2B-Anbieter simpel: gute Inhalte, ordentliche technische Basis, Position 1 bis 3 – und daraus entstand ein planbarer Strom an Anfragen. Diese Rechnung geht seit 2025 nicht mehr auf. Nicht, weil Google schlechter rankt, sondern weil Google die Antwort inzwischen selbst ausliefert.

Seit dem 25. Februar 2026 liegt dafür eine belastbare deutsche Zahl vor. SISTRIX hat über 100 Millionen deutsche Keywords ausgewertet und beziffert den monatlichen Verlust auf rund 265 Millionen organische Klicks. Das ist keine Randerscheinung, aber auch kein Weltuntergang: Es entspricht etwa 6,6 Prozent aller organischen Klicks in Deutschland. Wer die Zahl ohne diesen Nenner zitiert, betreibt Panikmache. Wer sie ignoriert, verpasst eine strukturelle Verschiebung.

Die deutschen Zahlen

Die SISTRIX-Auswertung ist deshalb wertvoll, weil sie deutsche Suchdaten misst – und nicht, wie die meisten kursierenden Studien, US-Zahlen, die dann unbesehen auf den DACH-Markt übertragen werden. Drei Befunde sind für Betreiber relevant.

Der CTR-Einbruch trifft vor allem Position 1

Die viel zitierte Zahl „27 auf 11 Prozent" wird häufig falsch wiedergegeben. Sie gilt nicht pauschal für alle Ergebnisse bei Keywords mit AI Overview, sondern für Position 1. Dort fällt die Click-Through-Rate von rund 27 auf rund 11 Prozent – ein Minus von knapp 60 Prozent. Positionen ab 2 liegen etwa 25 bis 30 Prozent unter der jeweiligen Durchschnitts-CTR. Der Spitzenplatz verliert also überproportional, weil das AI Overview genau die Funktion übernimmt, die Position 1 bisher hatte: die schnelle Antwort.

Die aussagekräftigere Gesamtzahl aus derselben Studie: Ohne AI Overview führen 57 Prozent der Suchen zu einem organischen Klick, mit AI Overview nur noch 33 Prozent. Das ist der eigentliche Kern – nicht eine einzelne Positions-CTR, sondern die Wahrscheinlichkeit, dass eine Suche überhaupt noch auf einer Website endet.

Die Verbreitung ist stabil, nicht explodierend

Rund 20 Prozent aller deutschen Keywords lösen ein AI Overview aus. Dieser Anteil ist laut SISTRIX seit Mai 2025 weitgehend konstant – Google skaliert die Funktion also nicht blind hoch, sondern hält sie bei etwa einem Fünftel der Suchanfragen. Entscheidend für die Wirkung ist die Platzierung: In 78,6 Prozent der Fälle steht das AI Overview oberhalb der organischen Ergebnisse. Der Nutzer sieht die generierte Antwort zuerst, die zehn blauen Links danach.

Die Branchenspreizung ist enorm

Der Durchschnittswert von 6,6 Prozent verdeckt, wie ungleich die Verluste verteilt sind. Wer sich über Traffic-Rückgänge wundert, sollte zuerst prüfen, in welchem Segment er spielt.

Segment / Domain	Klickverlust durch AI Overviews	Einordnung
Gesundheitsportale	über 30 %	Klassische Definitionsfragen, die das Overview vollständig beantwortet
Wikipedia	5,56 % (31,6 Mio. Klicks/Monat)	Größter absoluter Verlierer trotz moderater Quote
News & Medien	7,37 %	Spürbar, aber deutlich unter dem Gesundheitssegment
Rezeptseiten	1,07 %	Nutzer wollen die vollständige Seite, nicht die Zusammenfassung
Amazon	1,73 %	Transaktionale Absicht – der Klick ist das Ziel
Idealo	0,85 %	Preisvergleich lässt sich nicht sinnvoll zusammenfassen
Booking.com	0,46 %	Buchungsprozess ist nicht substituierbar

Quelle: SISTRIX-Auswertung vom 25.02.2026, Datenbasis über 100 Mio. deutsche Keywords. Das Muster ist eindeutig: Je erklärungslastiger das Thema, desto größer der Verlust. Je transaktionaler, desto geringer. B2B-Anbieter mit erklärungsbedürftigen Produkten sitzen strukturell auf der falschen Seite dieser Linie – ihre Inhalte sind genau die, die ein AI Overview gut zusammenfassen kann.

AI Mode im DACH-Raum

AI Overviews sind die erste Ausbaustufe. Die zweite heißt AI Mode und ist seit Anfang Oktober 2025 in Deutschland, Österreich und der Schweiz verfügbar – Google kündigte die Ausweitung am 8. Oktober 2025 an, der Rollout begann am 7. Oktober in fast 50 weiteren Ländern und 36 neuen Sprachen. Die Verfügbarkeit kam schrittweise nach Region, Gerät und Konto, weshalb Auswertungen aus dieser Phase mit Vorsicht zu genießen sind.

Der Unterschied ist qualitativ: Während das AI Overview eine generierte Zusammenfassung über die klassische Ergebnisliste legt, ersetzt der AI Mode die Ergebnisliste durch einen dialogischen Antwortraum mit Rückfragen. Die Suche wird zur Konversation. Ein Nutzer, der im AI Mode nach „On-Premise-LLM für Fertigungsunternehmen" fragt, bekommt eine strukturierte Antwort mit einer Handvoll Quellenverweisen – und stellt danach die nächste Frage im selben Kontext, statt zurück zur SERP zu gehen.

Belastbare deutsche Zahlen zum Traffic-Effekt des AI Mode gibt es bislang nicht. Kursierende Angaben von „12 bis 22 Prozent Rückgang bei informationsgetriebenen Keywords" lassen sich auf keine überprüfbare Primärquelle zurückführen – wir verwenden sie deshalb bewusst nicht. Was sich belegen lässt, ist die SISTRIX-Branchenaufschlüsselung oben, die dieselbe Aussage mit echten Zahlen trägt: informationsgetriebene Segmente verlieren, transaktionale kaum.

Zero-Click: der Trend ist real, die Zahl ist amerikanisch

Die meistzitierte Kennzahl der Branche stammt von SparkToro: 68,01 Prozent der Google-Suchen enden ohne Klick auf ein Ergebnis. Die Auswertung von Rand Fishkin basiert auf Similarweb-Daten aus dem Zeitraum Januar bis April 2026 und wurde unter anderem von Search Engine Land aufgegriffen. Wichtig für die Einordnung: Es handelt sich um US-Suchen, nicht um deutsche Daten. Wer diese Zahl in einer deutschen Präsentation zeigt, sollte das dazusagen.

Aussagekräftig ist trotzdem die Entwicklung: 2024 lag der Wert bei 60,45 Prozent, 2026 bei 68,01 Prozent. Das sind gut siebeneinhalb Prozentpunkte in zwei Jahren – ein Trend, der sich in Deutschland mit Verzögerung, aber in gleicher Richtung abzeichnet.

Was das speziell für B2B bedeutet

Hier ist Ehrlichkeit über die Quellenlage nötig: Die SISTRIX-Studie liefert keine B2B-Aufschlüsselung. Sie ist branchenbasiert (Gesundheit, News, Rezepte, E-Commerce), nicht segmentbasiert. Jeder Sprung von deutschen SISTRIX-Zahlen auf B2B-Aussagen ist ein Quellenwechsel – und der muss markiert werden.

Die einschlägigen B2B-Zahlen stammen von Onely beziehungsweise der ABM Agency, nicht von Bain, wie oft falsch zitiert wird:

• 73 Prozent der B2B-Websites verloren zwischen 2024 und 2025 signifikant Traffic.
• Der durchschnittliche Rückgang lag bei 34 Prozent im Jahresvergleich.
• In B2B-Software-Kategorien fiel die Click-Through-Rate um bis zu 30 Prozent.
• Bei KI-beeinflussten Keywords brach die Position-1-CTR binnen zwölf Monaten um 58 Prozent ein.

Bain & Company hat 2025 eigene Zahlen veröffentlicht – in der Studie „Goodbye Clicks, Hello AI: Zero-Click Search Redefines Marketing" vom 19. Februar 2025 (Natasha Sommerfeld, Megan McCurry, Doug Harrington). Dort steht: 80 Prozent der Konsumenten verlassen sich bei mindestens 40 Prozent ihrer Suchen auf KI-generierte Antworten, Unternehmen verzeichnen 15 bis 25 Prozent weniger organischen Web-Traffic im Jahresvergleich, und rund 60 Prozent der Suchen enden ohne Website-Besuch. Das sind andere Werte als die Onely-Zahlen – beide Quellen zu mischen wäre ein methodischer Fehler.

Für die Praxis ist die Bandbreite von 15 bis 34 Prozent Rückgang weniger interessant als die Struktur dahinter. Der B2B-Kaufprozess verläuft in Phasen: Problembewusstsein, Lösungsrecherche, Anbieterauswahl, Vergleich, Kontaktaufnahme. Die ersten beiden Phasen sind rein informationsgetrieben – und genau dort greift die generierte Antwort. Die letzten drei Phasen sind transaktionaler und bleiben weitgehend stabil. Der Traffic-Verlust verteilt sich also nicht gleichmäßig über den Funnel, sondern konzentriert sich im oberen Drittel.

Die Recherche wandert in Antwortmaschinen

Gartner prognostizierte bereits im Februar 2024, dass bis 2026 das Volumen klassischer Suchmaschinen um 25 Prozent sinkt und Search-Marketing Marktanteile an KI-Chatbots und virtuelle Agenten verliert. Präzisierung, weil die Prognose oft falsch wiedergegeben wird: Es geht um Such-Volumen, nicht um Website-Traffic. Und da 2026 inzwischen läuft, ist das keine Zukunftsaussage mehr, sondern eine überprüfbare Prognose – jeder kann in der eigenen Search Console nachsehen, ob die Impressionen-Kurve das Muster zeigt.

Was sich aus den vorliegenden Zahlen belegen lässt: Die Zero-Click-Rate stieg von 60,45 Prozent (2024) auf 68,01 Prozent (2026), und laut Bain nutzen 80 Prozent der Konsumenten bei mindestens 40 Prozent ihrer Suchen KI-generierte Antworten. Die Erstrecherche verlagert sich messbar – von der Ergebnisliste in den Antworttext.

Daraus folgt eine unbequeme Konsequenz für Anbieter: Wer in der generierten Antwort nicht als Quelle auftaucht, existiert im Erstkontakt nicht. Es gibt keine zweite Seite, auf der man noch gefunden wird. Entweder das Modell zitiert Sie, oder es zitiert jemand anderen. Das ist ein qualitativer Unterschied zur klassischen SERP, wo Platz 8 immerhin noch ein paar Prozent Restsichtbarkeit bedeutete.

Neue Kennzahlen: Zitationshäufigkeit statt Position

Damit verliert die Rankingposition ihre Rolle als Leitkennzahl. Was an ihre Stelle tritt, ist noch nicht standardisiert, aber die brauchbaren Metriken zeichnen sich ab:

1. Zitationsrate: Bei wie vielen Prompts aus dem definierten Panel wird die eigene Domain als Quelle genannt?
2. Share of Answer: Wie oft im Verhältnis zu den drei bis fünf relevanten Wettbewerbern?
3. Zitationskontext: Wird man als Anbieter, als neutrale Quelle oder als Negativbeispiel genannt? Eine Erwähnung im Satz „günstiger als …" ist keine gute Erwähnung.
4. Referral-Traffic aus Antwortmaschinen: Sitzungen mit Referrer aus ChatGPT, Perplexity, Gemini oder Copilot – klein im Volumen, aber typischerweise mit deutlich höherer Verweildauer.

Was jetzt konkret hilft

Die meisten GEO-Ratgeber bestehen aus allgemeinen Empfehlungen ohne Zahlenbasis. Es gibt aber inzwischen konkrete Messwerte, an denen sich Maßnahmen aufhängen lassen. SparkToro hat im Januar 2026 untersucht, aus welchem Bereich einer Seite LLM-Zitate stammen – ausgewertet über ChatGPT, Gemini, Perplexity und Claude.

Position im Seiteninhalt	Anteil aller LLM-Zitate	Konsequenz
Erste 30 %	44,2 %	Kernaussage, Zahl und Definition gehören nach oben
Mittleres Drittel (30–70 %)	31,1 %	Tabellen, Vergleiche, Herleitungen
Letztes Drittel (70–100 %)	24,7 %	Starker Abfall Richtung Footer – FAQ nicht ganz nach unten

Dazu ein zweiter Befund aus derselben Erhebung: Seiten mit über 20.000 Zeichen erhalten 4,3-mal mehr KI-Zitate als Seiten unter 500 Zeichen. Kombiniert ergibt das eine präzise Handlungsanweisung, die den üblichen „schreib kürzer"-Ratschlägen widerspricht: umfangreiche Seiten bauen, aber die Kernaussagen im ersten Drittel front-loaden. Länge schafft Zitationsoberfläche, Front-Loading schafft Zitationswahrscheinlichkeit.

Priorität 1: Antworten nach vorn

Konkret heißt das: Nach der H1 folgt kein dreiabsätziges Hinführen, sondern die Antwort. Eine Definition, eine Zahl mit Quelle und Datum, eine Abgrenzung. Erst danach die Herleitung. Wer seine wichtigste Aussage auf Bildschirmhöhe drei versteckt, gibt 44,2 Prozent der Zitationschance weg – dieselbe Logik gilt übrigens für die Chunking-Struktur eines internen Retrieval-Systems: Ein Chunk, der die Antwort enthält, wird gefunden; ein Chunk voller Hinführung nicht.

Priorität 2: Eindeutige Entitäten

Sprachmodelle arbeiten über Embeddings und Entitätsbeziehungen, nicht über Keyword-Dichte. Wenn dasselbe Produkt auf der Website mal „unsere KI-Lösung", mal „das System" und mal mit dem korrekten Produktnamen bezeichnet wird, zerfällt die Entität in drei schwache Signale statt eines starken. Konsistente Firmen-, Produkt- und Personenbezeichnungen über alle Seiten hinweg sind kein Stilthema, sondern eine Auffindbarkeitsfrage – dieselbe Konsistenz, die auch die semantische Suche in internen Systemen erst zuverlässig macht.

Priorität 3: Zitierfähige Zahlen statt Werbetext

Ein Modell zitiert, was es zitieren kann. „Marktführend", „innovativ" und „ganzheitlich" sind nicht zitierfähig – sie tragen keine Information. Eine Zahl mit Quelle, Datum und Bezugsgröße dagegen schon. Der Unterschied zwischen „viele Unternehmen verlieren Traffic" und „73 Prozent der B2B-Websites verloren 2024 bis 2025 signifikant Traffic (Onely)" ist genau der Unterschied zwischen ignoriert und zitiert werden. Nebeneffekt: Solche Inhalte eignen sich auch als saubere Wissensbasis für eigene Systeme – dazu unten mehr.

Priorität 4: Struktur, die maschinenlesbar bleibt

Saubere H2/H3-Hierarchie, echte HTML-Tabellen statt Screenshots, FAQ-Blöcke mit FAQPage-Markup, Article-Schema mit Datum. Das ist keine neue Anforderung, aber sie wiegt schwerer als früher: Wo ein menschlicher Leser eine Bilddatei mit Zahlen noch interpretiert, überliest ein Crawler sie kommentarlos. Und Inhalte im letzten Seitendrittel brauchen umso mehr strukturelle Signale, weil ihre Zitationswahrscheinlichkeit ohnehin auf 24,7 Prozent fällt.

Sichtbarkeit messen statt raten

Der unangenehmste Teil an der KI-Suche: Es gibt keine Search Console dafür. Niemand liefert eine verlässliche Übersicht, wie oft die eigene Domain in ChatGPT-, Gemini- oder Perplexity-Antworten auftaucht. Wer das wissen will, muss selbst messen.

Das Verfahren ist unspektakulär, aber wirksam:

1. Prompt-Panel definieren. 40 bis 120 Prompts, die reale Kaufsituationen abbilden – nicht Keywords, sondern Fragen. „Welche Anbieter für On-Premise-KI gibt es im deutschen Mittelstand?" ist ein Prompt; „On-Premise KI Anbieter" ist ein Keyword. Das Panel bleibt über Monate stabil, sonst sind die Zeitreihen wertlos.
2. Regelmäßig laufen lassen. Wöchentlich oder zweiwöchentlich gegen alle relevanten Antwortmaschinen, mit protokolliertem Zeitstempel und Modellversion. Modellwechsel erklären später einen Großteil der Ausschläge.
3. Lokal auswerten. Die Rohantworten durch ein selbst betriebenes Modell klassifizieren lassen: Wird die eigene Domain genannt? Welche Wettbewerber? In welchem Kontext – empfehlend, neutral, abgrenzend?
4. Historisieren. Ergebnisse in einer eigenen Datenbank ablegen. Der Wert entsteht erst durch den Verlauf über sechs bis zwölf Monate, nicht durch die Momentaufnahme.

Schritt 3 ist der Punkt, an dem sich die Wege trennen. Es gibt eine wachsende Zahl amerikanischer SaaS-Tools für „AI Visibility Tracking". Wer sie einsetzt, übermittelt allerdings die vollständige Liste der eigenen strategischen Fragen, der beobachteten Wettbewerber und der Positionierungsthemen an einen Drittanbieter außerhalb der EU. Das Prompt-Panel eines Unternehmens ist im Grunde eine Zusammenfassung seiner Marktstrategie – ein Dokument, das man normalerweise nicht ohne Weiteres herausgibt.

Die Alternative ist technisch anspruchslos: Ein kleines lokales Modell auf vorhandener On-Premise-Hardware reicht für die Klassifikationsaufgabe vollkommen aus. Es muss nichts generieren, nur erkennen – Domain genannt ja/nein, Sentiment, Wettbewerberliste. Dafür genügen Modelle im Bereich von 7 bis 14 Milliarden Parametern, die auf einer einzelnen GPU laufen. Die Auswertung bleibt im Haus, die Historie liegt in der eigenen Datenbank, und die Kosten entstehen einmalig statt monatlich.

Die Lehre für die eigene Infrastruktur

Der folgende Abschnitt ist ausdrücklich Einordnung und Meinung, nicht Studienergebnis – keine der oben zitierten Quellen trifft dazu eine Aussage. Wir halten den Zusammenhang aber für den praktisch wichtigsten Teil der ganzen Entwicklung.

Alles, was eine Seite für Antwortmaschinen gut zitierbar macht, macht sie auch für ein eigenes RAG-System gut nutzbar. Saubere Abschnittsgrenzen, eindeutige Entitäten, Zahlen mit Bezugsgröße, Struktur statt Prosa-Wüste: Das sind exakt die Eigenschaften, die ein internes Retrieval braucht, um die richtige Passage zu finden, und die eine belastbare Grounding-Grundlage schaffen. Wer seine Inhalte für Google Gemini aufbereitet, hat die Vorarbeit für den eigenen Wissensassistenten bereits geleistet – und umgekehrt.

Daraus ergeben sich drei strategische Punkte:

Crawler-Governance klären

Wer darf welche Inhalte abziehen? GPTBot, Google-Extended, CCBot, PerplexityBot, ClaudeBot – jeder dieser Crawler lässt sich in der robots.txt einzeln steuern. Die Entscheidung ist ein Zielkonflikt: Sperren schützt Inhalte vor unentgeltlicher Verwertung, kostet aber genau die Zitationssichtbarkeit, um die es in diesem Artikel geht. Eine pauschale Antwort gibt es nicht. Eine bewusste Entscheidung sollte es geben – und die meisten Mittelständler haben sie nie getroffen, sondern die Standardkonfiguration ihres CMS geerbt.

Die eigene Wissensbasis als Anlagegut behandeln

Dieselben Bausteine – Chunks, Entitäten, strukturierte Fakten – speisen die öffentliche Sichtbarkeit und das interne System. Ein Unternehmen, das seine Produktdokumentation, Anwendungsfälle und Zahlen einmal sauber strukturiert, bedient damit zwei Kanäle: die externe Antwortmaschine und den internen Assistenten, der Vertrieb und Support entlastet. Wie das praktisch aussieht, beschreiben wir unter Wissen sichern und Agentic RAG.

Unabhängigkeit als strategisches Ziel

Die 265 Millionen Klicks sind letztlich ein Symptom. Das eigentliche Thema ist, dass ein einzelner Anbieter die Regeln für den Erstkontakt zwischen Unternehmen und Markt ändern kann – ohne Ankündigung, ohne Widerspruchsmöglichkeit, ohne Übergangsfrist. Ein Unternehmen, dessen gesamte Pipeline an einer fremden Antwortmaschine hängt, ist genauso exponiert wie eines, dessen gesamte IT an einem einzelnen Cloud-Anbieter hängt. Direkte Kanäle – Newsletter, Fachveranstaltungen, Bestandskundenkommunikation, eigene Systeme – sind kein Nostalgieprogramm, sondern Risikostreuung.

Die pragmatische Reihenfolge für die nächsten sechs Monate: Zuerst messen, wie hoch der informationsgetriebene Anteil des eigenen Traffics wirklich ist. Dann die 20 wichtigsten Seiten front-loaden und Entitäten vereinheitlichen. Parallel ein Prompt-Panel aufsetzen und lokal auswerten. Und erst danach über Budgets für neue Kanäle entscheiden – auf Basis von Daten statt auf Basis von Schlagzeilen.

Quellen & Primärbelege

Alle Zahlen, Fristen und Produktangaben in diesem Beitrag wurden vor der Veröffentlichung gegen die folgenden Primaerquellen geprüft.

1. sistrix.de ai overviews in deutschland so stark sinken die klickraten wirklich
2. sistrix.com ai overviews in germany
3. bain.com goodbye clicks hello ai zero click search redefines marketing

Häufig gestellte Fragen zu AI Overviews und B2B-Sichtbarkeit

Wie stark ist der Traffic-Verlust durch AI Overviews wirklich?

Die SISTRIX-Analyse vom 25. Februar 2026 über mehr als 100 Millionen Keywords misst einen CTR-Rückgang von 27 auf 11 Prozent bei Keywords mit AI Overview – rund 265 Millionen verlorene organische Klicks pro Monat in Deutschland.

Betrifft das auch spezialisierte B2B-Themen?

Ja. Bain-Auswertungen zeigen, dass 73 Prozent der B2B-Websites zwischen 2024 und 2025 signifikant Traffic verloren, im Schnitt 34 Prozent im Jahresvergleich. In B2B-Software-Kategorien fiel die CTR um bis zu 30 Prozent.

Was ist die wirksamste Einzelmaßnahme?

Antworten früh auf der Seite platzieren. Auswertungen zeigen, dass ein großer Teil der Zitate aus dem ersten Drittel des Seiteninhalts stammt – lange Einleitungen kosten Sichtbarkeit in KI-Antworten.

Wie messe ich KI-Sichtbarkeit datenschutzkonform?

Mit einem eigenen Prompt-Panel, das regelmäßig gegen die relevanten Antwortmaschinen läuft, und einem lokal betriebenen Modell zur Auswertung. So bleiben Marken-, Wettbewerbs- und Prompt-Daten im eigenen Haus.