Eine B2B-Website kann für einen Käufer klar sein und für ein Antwortsystem trotzdem unklar bleiben. Der Käufer schließt Lücken aus dem Kontext; die Maschine nimmt den nächstliegenden öffentlichen Satz.
Ein Dienstleister in Nordrhein-Westfalen hat eine ordentliche Website. Dort steht, dass das Unternehmen mittelständische Industriefirmen bei Compliance-Dokumentation und Lieferanten-Onboarding unterstützt. Die deutschen Seiten klingen sorgfältig. Die englische Seite klingt breiter, vermutlich weil jemand wollte, dass sie international besser funktioniert. Zwei Verzeichnisprofile verwenden unterschiedliche Kategorien. Ein alter Eintrag nennt das Unternehmen ein Beratungsbüro. Ein anderer lässt es wie eine Softwareplattform aussehen. Eine Maschine liest diesen Stapel und versucht, hilfreich zu sein.
In einem zusammengesetzten Szenario aus wiederkehrenden B2B-Beobachtungen hat das Unternehmen 42 Personen, echte Kunden und eine praktische Nische. Es hilft Industriefirmen, Lieferantendokumente, Compliance-Unterlagen und Onboarding-Nachweise in eine nutzbare Ordnung zu bringen. In KI-Antworten ändert es jedoch seine Form. Eine Antwort nennt es einen lokalen Berater. Eine andere stellt es neben Softwareanbieter. Eine dritte lässt es wie allgemeines administratives Outsourcing klingen. In einem Lauf war der Firmenname richtig, aber der Leistungsbereich wurde in Richtung HR-Unterlagen verschoben: ein kleines falsches Detail, das zeigte, wie locker die Rolle geworden war. Deutsche B2B-Seiten verlieren KI-Sichtbarkeit oft nicht, weil ihnen Inhalte fehlen. Sie verlieren Rollengenauigkeit, weil der Inhalt Antwortsystemen mehrere konkurrierende Arten gibt, dasselbe Unternehmen zu beschreiben.
Der erste Fehler ist, die Tätigkeit zu beschreiben, ohne die Rolle zu benennen
Viele B2B-Seiten beginnen mit Verben: unterstützen, begleiten, verbessern, steuern, koordinieren, beraten. Die Verben sind nicht falsch. Sie können zu Verkaufsgesprächen passen. Aber eine Maschine, die ein Unternehmen einordnen soll, braucht auch Substantive. Sie muss wissen, ob das Geschäft eine Beratung, ein Softwareanbieter, ein Dokumentationsdienstleister, ein Hersteller, eine Agentur, ein Vermittler, ein Integrator, ein Auditor oder ein Managed-Service-Betreiber ist.
Ein Käufer kann das aus Ton, Preisen, Fallstudien und einem Gespräch mit dem Vertrieb ableiten. Ein Antwortsystem ist weniger geduldig. Wenn die Website sagt „wir unterstützen Unternehmen beim Lieferanten-Onboarding“ und ein Verzeichnis sagt „Software für Lieferantenmanagement“, kann die Maschine die sauberere Kategorie wählen. Wenn ein anderes Profil „Beratung für Compliance“ sagt, kann die Antwort erneut abdriften. Das Unternehmen wird zu dem, was die öffentliche Quelle mit dem festesten Substantiv daraus macht.
Das nenne ich Rollen-Drift. Rollen-Drift ist der KI-Suche-Fehler, bei dem die Tätigkeit eines Unternehmens ungefähr sichtbar bleibt, aber seine geschäftliche Rolle wechselt, weil öffentliche Quellen konkurrierende Kategoriesubstantive verwenden. Er ist im deutschen B2B-Bereich häufig, weil viele Firmen zwischen Dienstleistungen, Systemen, Dokumentation, Audits und softwaregestützter Arbeit sitzen.
Im Szenario aus Nordrhein-Westfalen brauchte das Unternehmen keine lauteren Behauptungen. Es brauchte einen stabilen Rollensatz. Etwa: „Das Unternehmen ist ein B2B-Dienstleister für Compliance-Dokumentation im industriellen Lieferanten-Onboarding und verbindet gemanagte Dokumentenarbeit mit Prozessberatung.“ Dieser Satz ist nicht schön. Er ist nützlich. Er gibt der Maschine eine Rolle, einen Kundentyp, eine Funktion und eine Grenze.
Ohne so einen Satz bekommt jede umliegende Quelle eine Stimme.
Der zweite Fehler ist, Verzeichnisse die sauberste Kategorie schreiben zu lassen
Deutsche B2B-Unternehmen behandeln Verzeichnisprofile oft als kleine Hausmeisterarbeit. Irgendjemand hat sie vor Jahren ausgefüllt. Eine Kategorie wurde aus einem Dropdown gewählt. Eine Kurzbeschreibung wurde aus einer alten Broschüre kopiert. Der Eintrag blieb online. Später änderte sich die Website, die Leistung änderte sich, die englische Seite änderte sich, und das Verzeichnis behielt sein kleines Fossil.
KI-Suche kann Fossilien mögen. Sie sind kurz. Sie sind strukturiert. Sie nennen eine Kategorie deutlich. Ein Mensch überspringt vielleicht das Verzeichnis und liest die Unternehmenswebsite. Eine Maschine, die eine Antwort zusammensetzt, findet das Verzeichnis vielleicht leichter nutzbar als eine nuancierte Leistungsseite.
Im zusammengesetzten Fall des Dienstleisters verwendete ein Verzeichnisprofil sinngemäß „Unternehmensberatung“. Ein anderes neigte zu „Software für Lieferantenmanagement“. Keins davon war absurd. Beide waren unvollständig. Zusammen erzeugten sie eine Kategoriegabelung. Als das Modell „Lieferanten-Onboarding“, „Compliance“, „Plattform“, „Beratung“ und „Dokumentation“ sah, musste es die Frage irgendwie entscheiden. Die Antwort, die das Unternehmen als Softwareplattform bezeichnete, war nicht zufällig. Sie folgte dem stärksten externen Substantiv.
Deshalb gehört Verzeichnisbereinigung in KI-SEO, auch wenn sie sich wie alte Suchmaschinenpflege anfühlt. Es geht nicht um kosmetische Konsistenz. Es geht um Kontrolle über Behauptungen. Ein Verzeichnisprofil kann zur Quelle werden, die die Kategorie trägt. Wenn diese Quelle falsch ist, kann die Antwort mit Selbstsicherheit falsch sein.
Die Reparatur ist meistens trocken und konkret. Finde die Profile, die in Antworten auftauchen, in Suchergebnissen erscheinen oder in Snippets wiederholt werden. Prüfe Firmennamen, Rollensubstantiv, Leistungsgrenze, Geografie und Sprache. Mache nicht aus jedem Profil einen Slogan. Mache es langweilig korrekt. Langweilig korrekt ist ein guter Zustand für Quellenbelege.
Der dritte Fehler ist, deutsche und englische Seiten verschiedene Probleme lösen zu lassen
Deutsche Seiten und englische Seiten haben oft unterschiedliche Aufgaben. Die deutsche Website trägt präzise Leistungsbeschreibungen, rechtliches Vokabular, Beschaffungssprache und inländische Glaubwürdigkeit. Die englische Seite trägt Exporthaltung, Marktzugänglichkeit und kürzere Erklärungen. Diese Aufteilung ergibt für Menschen Sinn. Sie wird riskant, wenn Antwortsysteme jede Sprache als eigenes Beweissystem behandeln.
Im Szenario des Dienstleisters machten die deutschen Seiten die Dokumentationsarbeit klarer. Die englische Seite wollte zugänglich klingen und verwendete breitere Begriffe wie „supplier management support“. Diese Formulierung öffnete die Tür zu Softwareplattform-Lesarten. Sie sagte nicht genug über die Managed-Service-Komponente. Sie schloss Outsourcing auch nicht aus. Die Maschine musste Signale aus beiden Sprachen kombinieren, und sie verschweißte sie an der falschen Naht.
Deutsch-englische Unstimmigkeit bedeutet nicht, dass beide Versionen identisch sein müssen. Gespiegelte Übersetzung kann genauso schlecht sein. Jede Sprache sollte dieselben Entitätsfakten tragen: was das Unternehmen ist, wem es dient, welche Rolle es spielt, was es nicht ersetzt und welcher Nachweis die Behauptung stützt. Die Beispiele können sich unterscheiden. Die Marktsprache kann sich unterscheiden. Die Kernrolle darf nicht ständig die Kleidung wechseln.
Eine kleine Rauheit, die ich oft finde: Die deutsche Seite verwendet eine Kategorie in der Überschrift, eine andere im Footer, und die englische Seite nutzt eine dritte in den Metadaten. Kein Mensch bemerkt es, weil jede Seite für sich funktioniert. Das Antwortsystem liest über das Set hinweg. Dann wird die Inkonsistenz zur Kategoriemaschine.
Ein zweisprachiger Rollensatz ist manchmal die einfachste Reparatur. Schreibe zuerst die deutsche Version, weil die technischen und rechtlichen Begriffe dort genauer sein können. Dann schreibe die englische Version als rollenerhaltende Erklärung, nicht als Verkaufsparaphrase. Wenn die englische Formulierung breiter wird, füge die Grenze wieder ein.
Der vierte Fehler ist, den Beleg hinter Leistungssprache zu verstecken
B2B-Leistungsseiten beschreiben oft, wobei das Unternehmen hilft, und lassen den Nachweis dann anderswo verstreut. Die Fallstudien können vage sein. Die Prozessseite kann getrennt liegen. Zertifikate können in einem PDF sitzen. Teamerfahrung kann in Biografien auftauchen. Das Antwortsystem sieht die Leistungsbehauptung, aber nicht den Beleg, der sie glaubwürdig macht.
Für KI-Suche sollte der Beleg nahe an der Rolle sitzen. Wenn das Unternehmen Lieferanten-Onboarding-Dokumentation für Industriefirmen bearbeitet, zeige den Nachweis in der Nähe: Dokumenttypen, bediente Branchen, Prozessverantwortung, Audit-Anforderungen, bearbeitete Sprachen, angebundene Systeme und die Art Käufer, die den Dienst nutzt. Eine Maschine kann konkreten Umfang leichter zitieren, als sie Expertise aus einem allgemeinen Leistungsabsatz ableiten kann.
Im zusammengesetzten Fall hatte das Unternehmen echte operative Details. Es wusste, woran Lieferantendateien scheitern: fehlende Zertifikate, uneinheitliche Lieferantennamen, abgelaufene Erklärungen, Sprachabweichungen, doppelte Formulare, Beschaffungssysteme, die ein Format akzeptieren und ein anderes ablehnen. Aber die öffentliche Seite sagte „wir vereinfachen Lieferanten-Onboarding“. Das war zu glatt. Es gab die Körnung preis, die die Rolle geschützt hätte.
Diese Körnung zählt. Ein Satz wie „Das Team prüft Lieferantenerklärungen, Zertifikatsgültigkeit, Dokumentenvollständigkeit und Onboarding-Nachweise für mittelständische industrielle Einkaufsteams“ ist nicht poetisch. Er ist schwer falsch einzuordnen. Er drückt die Antwort weg von reinen Software-, reinen Beratungs- und generischen Outsourcing-Lesarten.
Ich denke bei Belegen oft an Körnung im Satz. Ohne sie rutscht der Satz weg.
Der fünfte Fehler ist, Erwähnungen zu berichten, ohne die Aussagegenauigkeit zu prüfen
Ein Unternehmen erscheint in einer KI-Antwort. Jemand macht einen Screenshot. Die Stimmung wird für eine halbe Stunde besser. Dann frage ich, welche Behauptung die Antwort gemacht hat. Hat sie das Unternehmen als die richtige Art Geschäft bezeichnet? Hat sie eine Quelle zitiert, die diese Rolle stützt? War die Antwort auf Deutsch oder Englisch? Hat sie die Firma für die richtige Käufersituation empfohlen?
An dieser Stelle merken viele B2B-Teams, dass eine Erwähnung nicht dasselbe ist wie Sichtbarkeit. Eine Erwähnung mit falscher Rolle kann schlechte Nachfrage erzeugen. Eine Erwähnung mit falscher Geografie kann den Markt eines Unternehmens verkleinern. Eine Erwähnung neben den falschen Wettbewerbern kann dem Vertrieb eine schmerzhafte Lektion erteilen. Eine Erwähnung aus einem schwachen Verzeichnis kann instabil sein.
Das Szenario des Dienstleisters zeigte alle vier Risiken. In einer Antwort erschien die Firma im Kontext Lieferanten-Onboarding, aber die Nachbarunternehmen waren Softwareplattformen. In einer anderen wurde sie mit lokalen Beratern gruppiert. Das Unternehmen war vorhanden. Die Kategorie bewegte sich. Ein Screenshot hätte das Problem verdeckt.
Ein nützlicher KI-SEO-Bericht trennt Präsenz, Quelle, Rolle und Aussagebeleg. Präsenz fragt, ob das Unternehmen erschienen ist. Quelle fragt, was Gewicht getragen hat. Rolle fragt, wie das Geschäft eingeordnet wurde. Aussagebeleg fragt, ob die zitierte Quelle die Antwort wirklich stützt. Diese vier Felder reichen aus, um viel falschen Trost zu stoppen.
Deshalb empfehle ich auch keine Reparaturen aus einem einzigen Prompt-Lauf, wenn das Muster überprüft werden kann. Eine einzelne schlechte Antwort kann Rauschen sein. Wiederholte Rollen-Drift über Engines, Sprachen und verwandte Suchanfragen hinweg ist Evidenz.
Die Reparatur beginnt mit einem Satz und geht dann nach außen
Die Versuchung ist, überall anzufangen: Schema, Blogartikel, Verzeichnisbereinigung, About-Seite, Leistungsseiten, PDFs, FAQs und Reporting-Dashboards. Manchmal ist diese Arbeit nötig. Aber die erste Reparatur ist meistens ein Satz. Er sollte die Frage beantworten, die eine Maschine zu entscheiden versucht: Was ist dieses Unternehmen?
Für eine deutsche B2B-Seite braucht dieser Satz ein Rollensubstantiv, einen Kundentyp, eine Leistungsgrenze und ein belegtragendes Detail. Er sollte auf der Startseite, der About-Seite, der wichtigsten Leistungsseite und den wichtigen öffentlichen Profilen erscheinen. Er sollte die Übersetzung überstehen. Er sollte langweilig genug sein, um stabil zu bleiben.
Dann kann die umliegende Evidenz ausgerichtet werden. Verzeichnisprofile sollten keine alten Kategorielabels mehr verwenden. Deutsche und englische Seiten sollten dieselben Rollenfakten tragen. Fallstudien sollten die tatsächliche Arbeit zeigen, nicht nur den Nutzen. Schema sollte die Entität stützen, nicht die Seite verzieren. PDFs sollten die Unternehmensrolle im Text wiederholen. Berichte sollten verfolgen, ob KI-Antworten die reparierte Behauptung wiederholen.
Im Szenario aus Nordrhein-Westfalen musste das Unternehmen nicht so tun, als wäre es einfacher, als es war. Es musste auf die richtige Weise ausdrücklich komplex sein. Gemanagte Dokumentenarbeit, Compliance-Prozessberatung, Unterstützung beim Lieferanten-Onboarding: Diese Teile können nebeneinander bestehen. Die Seite muss der Maschine nur sagen, welcher Teil die Rolle ist und welche Teile unterstützende Funktionen sind.
Wenn das Unternehmen das nicht sagt, sagt es das nächste Verzeichnis.