KI-Sichtbarkeit im Maschinenbau ist heute eine Lotterie.
Ich habe 201 typische Einkäufer-Fragen aus dem Maschinenbau und der Zerspanung an drei führende KI-Systeme gestellt, ChatGPT (GPT-5.5), Perplexity (Sonar) und Claude (Sonnet 5), und ausgewertet, welche Firmen sie nennen. Das Ergebnis ist deutlich: Die drei empfehlen fast durchweg verschiedene Betriebe. Von rund 800 genannten Firmen wurden nur 3 von allen drei Systemen genannt, 94 Prozent tauchen nur bei einem einzigen auf. Welche KI ein Einkäufer fragt, entscheidet also fast von allein, ob ein bestimmter Betrieb überhaupt erscheint.
Zwei Bilder, eine Erkenntnis.
Die drei Systeme sind sich fast nie einig, welchen Betrieb sie nennen. Und jedes von ihnen verhält sich anders: eines nennt fast immer eine Firma, ein anderes fast nie.
Welche KI der Einkäufer fragt, entscheidet über Ihre Sichtbarkeit. Und genau das ist die Chance.
Der Kernbefund ist nicht, ob eine KI eine Firma nennt, sondern welche. Und da sind sich die drei Systeme fast nie einig. Von rund 800 genannten Firmen wurden nur 3 von allen drei Systemen genannt, 94 Prozent tauchen nur bei einem einzigen auf. Das heißt: Ob ein Einkäufer ChatGPT, Perplexity oder Claude fragt, entscheidet fast von allein, ob ein bestimmter Betrieb überhaupt in der Antwort steht. Ein Lohnfertiger kann bei einem System solide auftauchen und bei den beiden anderen komplett fehlen.
Dazu hat jedes System seine eigene Persönlichkeit. ChatGPT gibt sich selbstsicher, nennt in 95 Prozent der Antworten eine Firma und setzt dabei auf große, bekannte Namen und Plattformen. Perplexity ist such-basiert und streut sehr breit über viele kleine, echte Betriebe, die meistgenannte Firma erscheint dort nur in 7 von 201 Antworten. Claude hält sich zurück und nennt in nur 43 Prozent der Antworten überhaupt einen konkreten Anbieter. Drei Systeme, drei völlig verschiedene Bilder desselben Marktes.
Das ist die unangenehme Seite. Die gute Seite: Diese Uneinigkeit heißt beeinflussbar. KI-Systeme erfinden keine Firmen, sie ziehen ihre Antworten aus Inhalten, die sie im Netz finden und verstehen. Wer klar und strukturiert beschreibt, was er fertigt, für welche Branchen, mit welchen Verfahren, Werkstoffen und Toleranzen, gibt jedem der Systeme etwas Eindeutiges zum Zitieren und erhöht die Chance, über mehrere Engines hinweg zu erscheinen statt nur bei einer.
Genau hier setze ich an. Das Feld heißt Generative Engine Optimization (GEO): Inhalte so aufbauen, dass KI-Systeme einen Betrieb als passende Antwort erkennen und nennen. Ich verkaufe dabei keine Garantie auf Platz 1 in ChatGPT, die gibt es nicht. Was es gibt, ist die Möglichkeit, aus einem Münzwurf über drei Systeme hinweg eine begründete Chance zu machen. Mehr dazu auf meiner Seite zu GEO und KI-SEO und zu SEO für Maschinenbau.
Die KI schickt Einkäufer auf Plattformen, nicht zu Ihnen.
Es gibt ein zweites Muster, und für einen einzelnen Betrieb ist es fast wichtiger als die Uneinigkeit der Systeme. In 53 von 201 ChatGPT-Antworten nennt die KI keine echte Fertigung, sondern eine Vermittlungsplattform: Marktplätze, über die man ein Teil hochlädt und irgendein Zulieferer im Hintergrund fertigt. Immer wieder landen Einkäufer so bei wenigen Vermittlungsplattformen statt beim Betrieb, der tatsächlich fertigt.
Das heißt: Selbst wenn die KI fachlich richtig liegt, leitet sie den Einkäufer oft nicht zum passenden Mittelständler, sondern zu einem Zwischenhändler. Der einzelne Betrieb, der das Teil tatsächlich fertigt, taucht in der Antwort gar nicht auf. Er verliert den Erstkontakt an eine Plattform, die ihn am Ende vielleicht sogar als anonymen Zulieferer einkauft und die Marge mitnimmt.
Und genau hier liegt die Chance. Wer im Netz so eindeutig beschrieben ist, dass die KI ihn als direkten, passenden Anbieter erkennt, wird zur Alternative zur Plattform. Das ist kein Zufall, sondern eine Folge davon, wie auffindbar und klar ein Betrieb seine Verfahren, Werkstoffe und Branchen beschreibt. Genau das ist das Feld der Generative Engine Optimization (GEO).
Ich nenne hier bewusst keine Firmennamen, weder bei den Plattformen noch bei den Betrieben. Es geht nicht darum, einzelne Anbieter vorzuführen, sondern um das Muster: zwischen Einkäufer und Fertiger schiebt sich heute oft eine Plattform.
So habe ich gemessen.
Damit das nachvollziehbar bleibt und niemand es zerreißen muss: Hier sind die Eckdaten der Erhebung, mit ihren Grenzen.
- 201 Fragen. Typische Einkäufer- und Recherche-Fragen aus dem Maschinenbau und der Zerspanung, über verschiedene Verfahren, Werkstoffe und Regionen verteilt.
- Drei Engines, 603 Antworten. ChatGPT (GPT-5.5), Perplexity (Sonar, such-basiert) und Claude (Sonnet 5). Jede Frage an jedes System.
- Eine Stichprobe, keine Vollerhebung. Die Zahlen zeigen ein klares Muster, sind aber kein statistisch repräsentativer Gesamtmarkt.
- Stand Juli 2026. KI-Antworten verändern sich laufend. Eine Wiederholung kann abweichen.
- Anonymisiert. Ich werte Häufigkeiten und Muster aus, nenne aber keine einzelnen Firmen.
- Nächster Schritt. Weitere Nischen sowie Gemini als vierte Engine, sobald verfügbar, um das Bild zu verbreitern.
Häufige Fragen zur Studie.
Wie wurde die Studie erhoben?+
Heißt das, eine gute KI-Sichtbarkeit ist reiner Zufall?+
Kann ich beeinflussen, ob ChatGPT meinen Betrieb empfiehlt?+
Tauchen Sie in der KI auf? Kostenloser KI-Sichtbarkeits-Check.
Sie haben gerade gesehen, wie unterschiedlich ChatGPT, Perplexity und Claude Anbieter empfehlen. Die naheliegende Frage: Wo steht Ihr Betrieb? Ich mache für Sie denselben Test wie in dieser Studie, zugeschnitten auf Ihre Verfahren und Ihren Markt, und zeige Ihnen schwarz auf weiß, in welchen KI-Systemen Sie auftauchen und in welchen nicht. Kostenlos, unverbindlich, kein Verkaufsgespräch.