KI: Sichtbarkeit 2.0 – SEO war gestern

„ChatGPT: Welches Spielzeug für meine dreijährige Nichte, die gerne baut und Tiere liebt?“ Eine Frage, dreißig Sekunden, fünf fertige Empfehlungen. Kein Google, kein Website-Besuch, kein Vergleichen. Im Weihnachtsgeschäft 2025 nutzten laut einer McKinsey-Studie bereits 40 bis 55 Prozent der Konsumenten KI-Systeme zur Kaufentscheidung. Die Art und Weise, wie Eltern sich über Spielwaren informieren, befindet sich in einem grundlegenden Wandel. Eine aktuelle Untersuchung der KI-Sichtbarkeit von 45 führenden Spielwarenmarken zeigt nun: Wer in den Antworten von ChatGPT, Gemini und Co. nicht stattfindet, riskiert im digitalen Regal die Unsichtbarkeit.

Die Spielwarenindustrie blickt auf eine jahrzehntelange Transformation der Kaufberatung zurück. Vom stationären Fachhandel der 1990er-Jahre, wo das „Spielzeug-Lexikon“ hinter der Ladentheke stand, über die Google-Ära mit massiven SEO-Investitionen bis hin nun zur dritten Ära: die der synthetischen Antwort. Statt sich durch Ergebnislisten zu klicken, fordern Konsumenten heute direkte, personalisierte Empfehlungen.

Die KI als neuer Gatekeeper
Dieser Wandel bedeutet für Spielwarenhersteller weit mehr als nur einen Kanalwechsel. Während klassische Suchmaschinen Ergebnisse sortieren und Website-Besuche ermöglichen, generieren Large Language Models (LLMs) eine in sich geschlossene Antwort. In dieser „Null-Klick-Umwelt“ wird eine Marke entweder genannt oder sie existiert für den Nutzer nicht.
Um zu verstehen, wie präsent Spielwarenmarken in dieser neuen Welt tatsächlich sind, analysierte die Online-Marketing-Agentur Hattenberger Partner über fünf Wochen 45 Marken anhand von 170 verschiedenen Prompts. Die Ergebnisse zeigen erstmals, nach welchen Mustern KI-Systeme Marken auswählen.

Wie KI ihr Wissen generiert
Um die Ergebnisse der Sichtbarkeitsstudie einordnen zu können, lohnt ein kurzer Blick darauf, wie Large Language Models wie ChatGPT oder Gemini zu Antworten kommen. Entscheidend sind dabei zwei Wissensquellen (siehe Infografik): On-Model (trainiertes, oft nicht tagesaktuelles Wissen) und Off-Model (externe Recherche über Websites, Datenbanken oder Suchsysteme).
Bei komplexen Fragen zerlegt die KI außerdem häufig einen Prompt intern in mehrere Teilfragen (zum Beispiel zu Alter, Anlass, Material, „Bestenlisten“, Tests, Marken) und führt diese Rechercheschritte parallel aus, bevor sie die Ergebnisse zu einer Antwort zusammenführt.
Für Spielwarenmarken heißt das: Sichtbarkeit entsteht nicht mehr nur über ein einzelnes Keyword, sondern dadurch, in möglichst vielen dieser relevanten Teilkontexte und Quellen als passende Marke aufzutauchen.

Wer dominiert die KI- Empfehlungen?
Die Ergebnisse der Untersuchung geben erste Erkenntnisse über die neue Wettbewerbslandschaft (siehe Tabelle nächste Seite). Dabei zeigt sich, dass herkömmliche Marktanteile nicht eins zu eins in KI-Sichtbarkeit übersetzt werden können. Stattdessen bestimmen die Portfolio-Struktur und die Präzision der Markenführung über die Empfehlungschancen.

1. Spezialisierung vs. Portfolio-Breite: Die neue Architektur der Sichtbarkeit
   Die Studie deutet auf ein Spannungsfeld zwischen spezialisierten „Category Leadern“ und Mehrmarkenherstellern auf der einen und breit aufgestellten Marken auf der anderen Seite hin.
   – Der Vorteil der Mehrmarkenhersteller: Große Akteure wie die Simba Dickie Group, Mattel oder Ravensburger profitieren von ihrer Portfolio-Struktur. Die KI zerlegt allgemeine Fragen in spezifische Teilsuchen. Mehrmarkenhersteller agieren „mit mehreren Pfeilen im Köcher“ und besetzen unterschiedliche Nischen gleichzeitig. Dadurch erzielen sie die höchste kumulierte Gesamtsichtbarkeit.
   – Spezialisten als Referenzpunkte: Marken wie Haba (Baby), Zapf Creation (Puppen) oder Funko (Lifestyle & Collectibles) werden in ihren spezifischen Segmenten als primäre Referenzpunkte identifiziert.
   – Das „Lego-Dilemma“: Einmarken-Giganten wie Lego dominieren bei allgemeinen Anfragen. Doch bei hochspezifischen Nischen-Prompts (zum Beispiel Spielzeug für Kleinkinder) priorisiert die KI oft die „spitzere“ Entität gegenüber der Weltmarke.
   „Die Studie zeigt, dass die KI-Welt eine neue Art der strategischen Markenführung erfordert“, erklärt Studienautor Dr. David Hanisch. „Während ein Generalist zwar das allgemeine Feld beherrscht, ermöglichen es Mehrmarken-Strukturen, die KI auf vielen Ebenen der spezifischen Prompts mit einer passgenauen Antwort zu bedienen. In der Tiefe der Nische schlägt die Spezialisierung oft die reine Gießkannen-Präsenz.“
2. Stabilität durch Live-Recherche
   Dass diese Ergebnisse kein Zufallsprodukt sind, zeigt der Vergleich der Systeme: Die Unterschiede zwischen ChatGPT und Gemini waren statistisch weitgehend insignifikant. Beide Modelle kommen zu nahezu identischen Bewertungen der Marktführer, was an der Dominanz des „Off-Model“-Abrufs liegt: Über 95 Prozent der Antworten basierten unter anderem auf Live-Recherchen im Netz. Dies ist häufig zu beobachten, wenn es um konkrete Produktempfehlungen geht.
   Diese Off-Model-Dominanz verändert die Spielregeln: Hersteller können Sichtbarkeitslücken heute deutlich schneller schließen. Eine neue Produktlinie, die heute in Fachmedien besprochen wird, kann morgen bereits in KI-Antworten auftauchen. Doch genau hier entsteht ein Paradoxon.
3. Das SEO-Paradoxon: Warum Google-Ranking nicht ausreicht
   Ein kritisches Ergebnis betrifft das Verhältnis zwischen klassischem SEO und KI-Präsenz. Zwar korreliert eine gute SEO-Basis tendenziell mit KI-Sichtbarkeit, jedoch ist dies kein Automatismus. Die Studie identifizierte zahlreiche Fälle, in denen Marken trotz niedriger Google-Sichtbarkeit in den KI-Antworten stark repräsentiert waren. Beispielsweise hat Goki eine deutlich geringere Google-Sichtbarkeit als Haba, während es bei KI-Antworten im Bereich Holzspielzeug nahezu mit gleicher Punktzahl im KI-Sichtbarkeitsindex auf dem zweiten Rang landet.
   Der Grund: KI-Modelle suchen nicht nach „Dokumenten“ mit hoher Autorität, sondern nach konsistenten Informationen über „Entitäten“ (Marken und Produkte). Wo Google einen Link priorisiert, sucht die KI nach einer verifizierbaren Wahrheit über mehrere Quellen hinweg.
   Was bedeutet das für die Praxis? KI-Sichtbarkeit folgt eigenen Gesetzen und verlangt eine Neuausrichtung der Markenführung. Vier zentrale Säulen bestimmen künftig, ob eine Marke in der KI stattfindet.

Markenführung für die KI-Ära

Die Ergebnisse der Studie verdeutlichen, dass „Gefunden-Werden“ in der KI-Ära kein Zufall ist, sondern das Ergebnis einer technologisch erweiterten Markenführung. Um in einer Welt von KI-Agenten stattzufinden, müssen Hersteller ihre Strategien entlang von vier zentralen Säulen neu ausrichten:

1. Maschinenlesbare Markenführung: Vom Regal in den „Agenten-Kopf“
   In der Spielwarenwelt bedeutet Markenführung künftig weit mehr als ansprechendes Verpackungsdesign. Wenn Eltern eine KI fragen: „Welches Spielzeug fördert die Feinmotorik bei Dreijährigen ohne Plastik?“, findet kein Blättern in Suchergebnissen mehr statt. Hersteller müssen ihre Marke als „Entität“ mit spezifischen Attributen wie „ökologisch“, „pädagogisch wertvoll“ oder „schadstoffgeprüft“ verankern. Ziel ist es, dass die KI Marken wie Haba oder Goki als logische Antwort für spezifische Bedürfnisse begreift. Es geht nicht mehr um das Keyword „Holzspielzeug“, sondern um das strategische „Framing“ der Marke. Dabei bildet eine saubere technische SEO Grundlage die Basis für KI-Lesbarkeit.
2. Die „Grounding Page“: Das digitale Datenblatt für das Kinderzimmer
   KI-Modelle neigen bei harten Fakten, wie z.B.Materialien, Maße, Sicherheitsnormen, deutlich seltener zu Halluzinationen, sofern sie valide Quellen finden. Eine sogenannte Grounding Page dient hier als neutraler „Faktencheck“.
   Für ihre Produkte sollten Hersteller Seiten anlegen, die strukturell einem Wikipedia-Eintrag ähneln: sachlich, faktenbasiert und frei von werblichen Superlativen. Statt „ultimativem Spielspaß“ sucht die KI nach Informationen wie: „Das System besteht aus FSC-zertifiziertem Buchenholz und ist kompatibel mit Standard-Bausteinen.“
3. „Zitierfähigkeit“ durch Chunk-Optimierung
   Wie eingangs erwähnt, zerlegt die KI komplexe Elternanfragen in Unterfragen zu Sicherheit, Langlebigkeit oder Budget. Hersteller sollten ihre Produktbeschreibungen daher in „Chunks“ (Informationseinheiten) strukturieren. Jede Passage sollte eine spezifische Frage (einen Prompt) beantworten und dabei nach Möglichkeit dafür direkt zitierfähig sein. Diese granulare Struktur erhöht die Wahrscheinlichkeit, dass die KI eine Passage direkt als „Zitat“ in ihre Antwort einbaut, was die Autorität der Marke im Chat-Verlauf stärkt.
4. Digitale PR & Konsistenz: Der „Backlink“ der KI-Ära
   Damit eine KI eine Information als „wahr“ einstuft, benötigt sie Bestätigung von außen. Hier wird digitale PR zum zentralen Sichtbarkeits-Werkzeug. Wenn Fachportale für Pädagogik oder Familienmagazine eine Marke konsistent im Kontext von „nachhaltigem Lernspielzeug“ nennen, lernt das Modell diese Verbindung als unumstößliches Faktum.
   Dabei ist Konsistenz der entscheidende Hebel: Widersprüchliche Angaben zum Alter (z. B. „ab 18 Monaten“ auf der Website vs. „ab 2 Jahren“ auf Amazon) führen zum Vertrauensverlust des Algorithmus. Eine wortgleiche Kernbotschaft über alle Plattformen hinweg, von LinkedIn über Pressemitteilungen bis zu Retail-Plattformen, ist wichtig für die KI-Sichtbarkeit.

Das digitale Regal wird neu sortiert
Der Wandel der Kaufberatung bietet der Spielwarenbranche eine Chance. Doch während das physische Regal durch Listungsgespräche gesichert wurde, wird das digitale Regal der KI durch Datenqualität und Konsistenz besetzt.
Die Welt der KI-Sichtbarkeit wird sich weiter verändern. Agilität wird zur neuen Kernkompetenz im Marketing. Es geht nicht darum, einmalig einen Schalter umzulegen, sondern einen dauerhaften Dialog mit den Algorithmen aufzubauen.
„Wir erleben gerade die Neuverteilung der digitalen Regalplätze“, resümiert Dr. David Hanisch. „Spielwarenmarken, die verstehen, dass sie nicht mehr nur für Menschen, sondern auch für Algorithmen und KI-Agenten kommunizieren müssen, werden die Gewinner von morgen sein. Die Technologie ist bereit. Nun muss es auch die Markenführung werden.“

hattenbergerpartner.de

Methodik und Limitationen

Untersuchungsdesign: Analyse der KI-Sichtbarkeit von 45 führenden nationalen und internationalen Spielwarenmarken über 170 spielwarenspezifische Prompts (Abdeckung von Kategorien, Anwendungsfällen und Markenabfragen; Prompts in deutscher Sprache).
Zeitraum: fünfwöchige Längsschnittstudie im Vorfeld des Weihnachtsgeschäfts 2025.
Systeme: Fokus auf die führenden Large Language Models (LLMs) ChatGPT-5 (OpenAI) und Gemini 3 Pro (Google).
Sichtbarkeitsindex: Messung der Nennungen in Prozent der Prompts (75 Prozent Gewichtung), Position der Markennennung innerhalb der KI-Antwort (als Perzentil) (15 Prozent Gewichtung) und Sentimentsanalyse (10 Prozent Gewichtung).
Dynamik-Vorbehalt: Die Untersuchung versteht sich als eine fundierte Momentaufnahme in einem hochdynamischen Umfeld. Da KI-Modelle und deren Such-Algorithmen (Grounding-Prozesse) fortlaufend aktualisiert werden, sind die identifizierten Erfolgsfaktoren als aktuelle Best Practices zu verstehen.

Über den Studienautor

Dr. David Hanisch ist promovierter Wirtschaftswissenschaftler und Geschäftsführer der Online-Marketing-Agenturen Hattenberger Partner und Schmitts Katze. Er blickt auf eine langjährige Karriere an der Schnittstelle von Strategie und digitaler Sichtbarkeit zurück. Vor seinem Wechsel in die Agenturwelt war er als Senior Projektmanager bei der Unternehmensberatung Bain & Company sowie als Bereichsleiter für Strategie und Marketing in einem Handelsunternehmen tätig. Neben seiner unternehmerischen Tätigkeit gibt er sein Wissen als Dozent an der Hochschule Bonn-Rhein-Sieg an die nächste Generation weiter. Mit seiner aktuellen Studie verbindet er klassische Markenführung mit den Anforderungen der generativen KI.

Vollständige Ergebnisse und Tabellen zur Studie sind auf Anfrage erhältlich: david@hattenbergerpartner.de