Der größte Effekt von AI Visibility steht nicht im Klick-Report, sondern kommt zeitversetzt über die Suche.

Der größte Effekt von AI Visibility steht nicht im Klick-Report. Laut Similarweb besuchen nach einer ChatGPT-Empfehlung 2,5-mal so viele Nutzer die empfohlene Brand wie den Wettbewerber, aber nur 8,8 % dieser Besuche laufen als KI-Referral ein. Die meisten kommen innerhalb von sieben Tagen über die Suche (55,9 %). Die Daten stammen aus dem US-Desktop-Panel von Similarweb (Juli bis Dezember 2025, drei Brand-Paare, Report vom Juni 2026) und zeigen einen Zusammenhang, keinen Kausalnachweis. Wer AI Visibility nur an KI-Referrals misst, sieht also nur einen kleinen Teil der Wirkung: Brand-Suchen und Direct-Traffic gehören mit ins Reporting.

Was hat Similarweb in der Studie gemessen?

Similarweb hat verfolgt, was Nutzer in den sieben Tagen nach einer Brand-Empfehlung von ChatGPT tun: Besuchen sie die empfohlene Brand oder deren direkten Wettbewerber? Grundlage ist das hauseigene Panel mit dem tatsächlichen Surfverhalten von US-Nutzern, die zugestimmt haben (Opt-in), allerdings nur im Desktop-Web. Den Report „The Downstream Impact of AI Visibility“ hat Similarweb am 15. Juni 2026 veröffentlicht.

Als KI-beeinflusster Besuch zählt jeder Besuch der empfohlenen Brand innerhalb der sieben Tage, sofern der Nutzer die Brand-Domain in den vier Wochen vor dem Gespräch nicht besucht hatte (Neubesucher). Die Paare hat Similarweb nach Wettbewerbsnähe gewählt. Jede Brand eines Paars ist in einem Szenario die empfohlene, daraus ergeben sich sechs Szenarien.

Wie viele Nutzer besuchen die Brand, die ChatGPT empfiehlt?

Je nach Szenario besuchen 7,2 bis 14,2 % der Nutzer die von ChatGPT empfohlene Brand innerhalb von sieben Tagen. Das sind im Schnitt 2,5-mal so viele wie bei der Wettbewerber-Brand des Paars, gemessen als Anteil der Nutzer mit mindestens einem Besuch. In allen sechs Szenarien liegt die empfohlene Brand vorn:

Similarweb nennt den Effekt symmetrisch: Empfiehlt ChatGPT die andere Brand eines Paars, kehrt sich das Muster um. Gleich stark ist der Effekt in beiden Richtungen aber nicht. Je Szenario reicht der Faktor von 1,25 bei einer Empfehlung für Skyscanner bis 3,7 bei Capital One (eigene Rechnung). Die absoluten Quoten sind klein: 85,8 bis 92,8 % der Nutzer besuchen die empfohlene Brand im Desktop-Panel binnen sieben Tagen nicht. Der Faktor beschreibt eine Verschiebung zwischen zwei Brands, keine Massenbewegung.

Über welche Kanäle kommen Besucher nach einer KI-Empfehlung?

Nach einer ChatGPT-Empfehlung kommen die meisten Besucher über die Suche. 55,9 % der KI-beeinflussten Besuche laufen über den Kanal Search ein, nur 8,8 % über den Kanal AI, also als KI-Referral über einen Link aus einem KI-System. Bei Besuchen ohne KI-Einfluss liegt der Suchanteil bei 40,4 %:

Über die Suche kommen damit 6,4-mal so viele KI-beeinflusste Besuche wie über den AI-Kanal (eigene Rechnung). Similarweb deutet den Suchanteil als Branded Search, also als Suche nach dem Brand-Namen: Die Nutzer merken sich die Brand aus der Antwort und suchen gezielt nach ihr. Der Begleitartikel im Similarweb-Blog vom 23. Juni 2026 nennt das als Befund („over half arrive via a branded search query“). Im Report ist der Brand-Anteil aber nicht ausgewiesen: Er zeigt nur den Kanal „Search“, ohne Brand- und generische Suchen oder organische und bezahlte Klicks zu trennen.

Beim Kanal Direct ist es umgekehrt. Bei KI-beeinflussten Besuchen liegt der Anteil mit 19,9 % nur halb so hoch wie bei Besuchen ohne KI-Einfluss (38,8 %). Einen höheren Direct-Anteil nach KI-Empfehlungen zeigen die Daten also nicht, auch wenn ein Fünftel der KI-beeinflussten Besuche so einläuft.

Warum sieht Last-Click-Attribution den Effekt von AI Visibility nicht?

Last-Click-Attribution sieht den Effekt nicht, weil zwischen Empfehlung und Besuch meist kein Klick liegt, den ein Tracking-Tool der KI zuordnen könnte. Die Empfehlung selbst ist laut Similarweb meist ein Zero-Click-Kontakt: Frage, Antwort, Ende der Sitzung.

Die Webanalyse ordnet jeden Besuch der Quelle zu, über die er kommt, nach einer späteren Suche also der Suche. Last-Click-Modelle rechnen auch eine spätere Conversion nur diesem letzten Kontakt zu. Der Klick-Report, also Referral- und Last-Click-Auswertungen, sieht deshalb nur den letzten Schritt. Der Report skizziert den Ablauf so:

Der Begleitartikel nennt ein Beispiel: Ein Nutzer sucht drei Tage nach der ChatGPT-Empfehlung nach der Brand. Die Webanalyse protokolliert einen Brand-Suchbesuch, die KI-Empfehlung taucht in der Auswertung nicht auf. Wie sich die Besuche tatsächlich über die sieben Tage verteilen, veröffentlicht die Studie nicht.

Sind Besucher nach einer KI-Empfehlung wertvoller?

Besucher nach einer ChatGPT-Empfehlung sind engagierter: Sie sehen 12,0 statt 6,5 Seiten und bleiben 11,8 statt 5,6 Minuten pro Besuch. Ob sie auch häufiger kaufen oder abschließen, misst die Studie nicht.

Similarweb liest daraus, dass diese Besucher ihre Recherche im KI-Gespräch erledigt haben und „already convinced“ (bereits überzeugt) ankommen. Das ist eine Deutung, denn eine Conversion-Rate, Leads oder Umsätze weist der Report nicht aus. Zudem besteht die KI-Gruppe per Definition aus Neubesuchern, während der Report die Vergleichsgruppe nicht näher beschreibt. Ein Teil des Unterschieds kann deshalb aus der Zusammensetzung der Gruppen kommen statt aus der Empfehlung.

Wann helfen KI-Tools in der Customer Journey, wann Suchmaschinen?

KI-Tools gelten vor allem zu Beginn der Customer Journey als nützlich, in der Kaufphase holen Suchmaschinen auf. Das zeigt eine Similarweb-Umfrage vom Januar 2026 unter US-Nutzern, die sowohl KI-Tools als auch Suchmaschinen verwenden:

Auch in der Kaufphase liegen KI-Tools mit 24,3 zu 22,1 % noch knapp vorn, der Abstand schrumpft aber von 21,4 auf 2,2 Prozentpunkte. Similarweb schließt daraus, dass KI die Nutzer am Anfang der Journey beeinflusst und der Besuch erst später folgt. Die Umfrage ist allerdings eine Selbstauskunft, kein gemessenes Verhalten.

Wie belastbar ist die Similarweb-Studie?

Das Studiendesign hat klare Stärken, die Übertragbarkeit ist aber begrenzt. Die Kernbefunde beruhen auf echtem Nutzerverhalten statt auf Umfragen oder Modellen, alle Quoten je Szenario sind veröffentlicht. Dem stehen neun Grenzen gegenüber:

• Zusammenhang, kein Kausalnachweis. Es gibt kein Experiment und keine dokumentierte Kontrollgruppe ohne KI-Kontakt. Die beiden Filter (Brand im Prompt, Besuch in den vier Wochen davor) verringern zwei naheliegende Verzerrungen. Die Umkehrprobe, bei der jede Brand eines Paars einmal empfohlen wird, spricht gegen reine Vorlieben für eine Brand. Parallele Werbung oder andere Kontakte schließt das Design nicht aus. Auch die gestellte Frage kann Empfehlung und Besuch zugleich erklären. Wie der Report eine Empfehlung erkennt (Einzelnennung, Liste, Wettbewerber mitgenannt), ist nicht dokumentiert. Similarweb formuliert trotzdem kausal („AI recommendations drive downstream site visits“).
• Nur ChatGPT, nur USA, nur Desktop. Gemini, Google AI Overviews, AI Mode und Perplexity fehlen, ebenso die mobile Nutzung.
• Drei Paare bekannter Brands im US-Markt. Ob der Effekt bei kleinen oder wenig bekannten Brands gleich ausfällt, zeigt die Studie nicht. Im Finance-Paar stehen die US-Finanzdienstleister American Express und Capital One, beide vor allem für Kreditkarten bekannt, keine Versicherer und keine deutschen Institute. Welche Finanzfragen die Nutzer stellten, nennt der Report nicht.
• Keine Stichprobengröße. Der Report nennt nur „thousands of real user journeys“, keine Zahl je Paar, keine Konfidenzintervalle und keinen Signifikanztest, obwohl der Text von „significantly more likely“ spricht.
• Suchkanal nicht aufgeschlüsselt. Brand-Suchen, generische Suchen, organische und bezahlte Klicks stehen in einem Wert.
• Vergleichsgruppe nicht definiert. Enthält sie wiederkehrende Besucher, erklärt das einen Teil der Unterschiede bei Direct und Engagement.
• Keine Conversions. Similarweb spricht nur von einer „conversion opportunity“.
• Stand der Daten. Seit dem 7. Mai 2026 zeigt ChatGPT Brand-Namen als klickbare Links. Laut einer separaten Similarweb-Messung stiegen die ChatGPT-Referrals auf die erfassten Websites in der Woche vom 7. bis 13. Mai um 157,7 % gegenüber der Vorwoche. Der AI-Anteil von 8,8 % stammt aus der Zeit davor und dürfte heute höher liegen, neu gemessen ist das nicht.
• Herausgeber mit Eigeninteresse. Similarweb verkauft Tools für genau diese Messung, der Report endet mit Produktangebot und Demo. Es gibt kein Peer-Review und keine Rohdaten.

Für den deutschen Markt, andere KI-Systeme und kleinere Brands sind die Befunde eine Hypothese, die eine eigene Messung erfordert.

Welche KPIs zeigen den Traffic-Effekt von KI-Sichtbarkeit?

Neben den KI-Referrals gehören Brand-Suchen, Share of Search und Direct-Traffic ins Reporting, jeweils im Vergleich mit den Wettbewerbern, die an deiner Stelle empfohlen werden. Similarweb spricht von einer Nullsummen-Dynamik zwischen empfohlener Brand und Wettbewerber:

Fünf Hebel folgen daraus für die Messung:

Similarweb nennt für AI Search drei Stellschrauben: Sichtbarkeit, Referral-Traffic und bezahlte Platzierungen, die OpenAI in ChatGPT und Google in seinen KI-Antworten inzwischen anbieten (mehr im Artikel zu Werbung in KI-Suchmaschinen). Welche Kennzahlen neben Rankings und Klicks tragen, beschreibt der Artikel zu den SEO-KPIs im KI-Zeitalter.

Unterschätzt das Reporting den Einfluss von AI Search?

Aus meiner Sicht ja, solange es AI Visibility vor allem an Referrals misst. Die Studie ist eine Analyse und kein Beweis. Sie liefert aber ein gutes Argument: KI-Sichtbarkeit wirkt nachgelagert, zeitversetzt und über Umwege. Das Standard-Reporting schreibt die Besuche danach der Suche oder Direct zu, die Empfehlung davor erscheint nirgends. Das ist der blinde Fleck im Last-Click-Tracking.

Dazu kommt die Nullsummen-Dynamik. Liest man den Zusammenhang so wie Similarweb, erhält der empfohlene Wettbewerber den nachgelagerten Besuch. Wer in KI-Antworten fehlt, verliert dann Besuche, die in der Studie deutlich engagierter ausfielen, und sieht es im Dashboard nicht. Es reicht deshalb nicht zu wissen, ob eine Brand genannt wird. Entscheidend ist, ob sie empfohlen wird oder der Wettbewerber. Traffic wird damit zu einer nachgelagerten Kennzahl der Sichtbarkeit.

Ob der Effekt bis in die Conversions reicht, misst die Studie nicht. Ich halte es für plausibel. Für uns Search-Marketer bleiben deshalb zwei Fragen: Unterschätzen wir den Einfluss von AI Search auf echte Conversions? Und sind die heutigen AI-Search-KPIs dafür noch zu ungenau? Für Banken und Versicherer in Deutschland liefert die Studie keine Zahlen, dort hilft nur die eigene Messung. Wie sichtbar Banken heute in KI-Antworten sind, zeigt unser Industry Report zur AI Visibility in der Bankenbranche.

Häufige Fragen zur Wirkung von AI Visibility auf den Traffic