Touchpoints neu denken: Wie LLMs die ersten Sekunden der Customer Journey übernehmen

Das Wichtigste in Kürze:

• LLMs wie ChatGPT, Perplexity und der Google AI Mode werden zum ersten Kontaktpunkt mit einer Marke, noch vor dem klassischen Klick. 

• Klassische Attribution-Modelle sehen diesen Touchpoint nicht: Kein Klick, keine Session, kein Eintrag in Google Analytics. 

• KI-Antworten beeinflussen bereits 35 bis 40 % der B2B-Kaufentscheidungen, bleiben aber im Tracking der meisten Unternehmen komplett unsichtbar. 

• Die Kehrseite der Medaille: AI-Referral-Traffic konvertiert um bis zu 31 % besser als klassischer organischer Traffic. 

  
  

Ein*e potenzielle*r Kund*in sucht nach einer neuen HR-Software. Nicht über Google, sondern direkt bei ChatGPT. Die Antwort kommt in Sekunden: drei Anbieter*innen, kurz verglichen, mit Empfehlung. Deine Marke taucht auf, oder eben nicht. Und was danach passiert, ist für dein Marketing-Team unsichtbar. 

Genau diese Situation spielt sich täglich millionenfach ab. LLMs übernehmen die ersten Sekunden der Customer Journey. Und die meisten Unternehmen wissen nicht einmal, dass es passiert. 

Dieser Artikel erklärt, warum klassische Attribution-Modelle an dieser Stelle brechen, warum das für die Conversion-Qualität aber auch eine Chance bedeutet und wie Unternehmen mit GEO sowohl Sichtbarkeit als auch Messbarkeit in KI-Systemen aufbauen können. Denn diese drei Dimensionen zusammenzudenken ist das, was im Markt bisher fehlt. 

Der Touchpoint, den niemand trackt 

Die klassische Customer Journey folgte einer messbaren Logik: Suchanfrage, Klick, Website-Besuch, Tracking. Attribution-Modelle bauten auf dieser Kette auf, First Click, Last Click, datengetrieben. Jeder Schritt hinterließ eine Spur.

Diese Logik hat einen blinden Fleck bekommen. Laut aktuellen Analysen enden rund 60 % aller Google-Suchen ohne Klick - eine Zero-Click Customer Journey, die längst nicht mehr die Ausnahme ist. AI Overviews erscheinen bei fast 30 % aller Suchanfragen und sind damit ein fester Bestandteil der Customer Journey, noch bevor jemand eine Website besucht. ChatGPT verzeichnete im August 2025 bereits 800 Millionen wöchentlich aktive Nutzer*innen, Perplexity bearbeitete im Mai 2025 mehr Suchanfragen als im gesamten Jahr 2024 zusammen. 

Was das konkret bedeutet: Kund*innen sammeln Informationen, bilden sich Meinungen und stellen erste Shortlists zusammen, komplett außerhalb eurer Messpunkte. Wenn jemand dann doch auf eine Website klickt, ist die Entscheidung oft schon halbfertig. Der erste Kontakt mit der Marke liegt dann schon Minuten oder Stunden zurück, in einer KI-Antwort, die kein Analytics-Tool je erfasst hat. 

Klassischer Touchpoint vs. LLM-Touchpoint: Der direkte Vergleich 

Die folgende Übersicht zeigt, warum LLM-Touchpoints in klassischen Tracking-Setups strukturell unsichtbar bleiben: 

Das Kernproblem, kurz gefasst: 

Was nicht geklickt wird, erscheint nicht in Google Analytics. Was in einer KI-Antwort empfohlen wird, hinterlässt in klassischen Attribution-Modellen keine Spur. Das ist kein kleines Datenloch. Das ist der Anfang der Journey. 

Warum das Tracking-Modell genau hier bricht 

Aktuelle Studien zeigen, dass KI-Suchergebnisse, Chatbot-Gespräche und Sprachassistenten-Empfehlungen bereits 35 bis 40 % der B2B-Kaufentscheidungen beeinflussen. Dennoch erfassen die meisten Unternehmen diesen Kanal nicht, weil er strukturell keine Referral-Session erzeugt. 

Das GEO-Messproblem ist dabei grundlegender als es zunächst scheint. Es gibt drei konkrete Bruchstellen im klassischen Attribution-Setup: 

• Zero-Click-Antworten erzeugen keine Referral-Session. Ein*e Kund*in, die ChatGPT fragt und dann direkt die Website aufruft, erscheint im Tracking als Direct-Traffic, nicht als AI-Referral. 

• Der Shortlist-Einfluss findet vor dem ersten trackbaren Touchpoint statt. Ob eine Marke überhaupt in die engere Wahl kommt, entscheidet sich in der KI-Antwort, Minuten bevor jemand googelt oder die URL direkt eingibt. 

• Laut der unserer GEO-Studie ranken nur 9,2 % der von ChatGPT zitierten Quellen in den Top 10 der Google-Suchergebnisse. SEO-Ranking und LLM-Sichtbarkeit sind also weitgehend entkoppelt.

Das bedeutet: Wer ausschließlich SEO-KPIs misst, sieht nicht, wo die Journey wirklich beginnt. Und wer nicht sieht, wo die Journey beginnt, kann dort nicht optimieren. 

Die Kehrseite: Warum AI-Traffic besser konvertiert 

Bis hierher klingt die Entwicklung nach einem reinen Kontrollverlust. Aber die Datenlage zeigt etwas Interessantes: Der Traffic, der aus KI-Antworten kommt, ist qualitativ hochwertiger als klassischer organischer Traffic. 

Laut Adobe Digital Insights konvertiert AI-Referral-Traffic um bis zu 31 % besser als klassischer SEO-Traffic. Das liegt an einem einfachen Mechanismus: KI-Antworten leisten eine Vorqualifizierung, die kein Suchergebnis bieten kann. Wer über eine Empfehlung in ChatGPT oder Perplexity auf eine Website kommt, hat bereits gezielt gefragt, eine strukturierte Antwort erhalten, Anbieter*innen verglichen und eine erste Entscheidung getroffen. 

Kurz gesagt: Weniger Traffic, aber deutlich qualifizierterer Traffic. Weniger Besucher*innen, die sich zufällig verirren, mehr Besucher*innen mit konkreter Kaufabsicht. 

B2B und B2C: Wo die Verschiebung besonders spürbar ist 

B2B: Die stille Shortlist 

Im B2B-Kontext ist die Veränderung besonders weitreichend. Entscheider*innen und Buying Committees recherchieren zunehmend anonym und KI-gestützt, bevor sie Kontakt aufnehmen. Fragen wie 'Welche ATS-Software eignet sich für mittelständische Unternehmen?' oder 'Welche SEO-Agentur hat Erfahrung im B2B-Bereich?' landen heute direkt bei ChatGPT. Die KI-Antwort entscheidet, wer auf die Longlist kommt, und wer nicht. 

Das Verkaufszyklen-Problem: Wer in dieser Phase nicht präsent ist, kommt möglicherweise nie in die Evaluation. Nicht weil das Produkt schlechter ist, sondern weil die Marke in den Informationsstrukturen, auf die LLMs zugreifen, nicht ausreichend verankert ist. 

B2C: Produktvergleich direkt in der KI 

Im B2C-Bereich verlagert sich der klassische Vergleichsprozess. Fragen wie 'Welche TV-Wandhalterung ist für große Bildschirme geeignet?' oder 'Welche Krankenversicherung lohnt sich für Selbstständige?' werden zunehmend von LLMs beantwortet, mit konkreten Empfehlungen, ohne Umweg über Preisvergleichsseiten. Wer als Marke in diesen Antworten erscheint, gewinnt Relevanz genau im Entscheidungsmoment. 

GEO: Sichtbarkeit und Messbarkeit zusammendenken 

Hier liegt die entscheidende Lücke im Markt: Die meisten Artikel zu GEO erklären entweder das Problem (LLMs verändern die Journey) oder die Lösung technisch (so strukturierst du Content für LLMs). Was fehlt, ist die Verbindung zwischen Sichtbarkeit, Conversion-Qualität und konkreter Messbarkeit. 

GEO (Generative Engine Optimization) ist die Praxis, Inhalte, Markenautorität und Reputationssignale so zu optimieren, dass sie in KI-generierten Antworten erscheinen. GEO-Touchpoints sind dabei keine bloße Ergänzung zur klassischen Journey, sondern deren neuer Anfang. Aber GEO ohne Messung ist wie SEO ohne Rankings. Man weiß nicht, ob es funktioniert. 

Ein vollständiger GEO-Ansatz kombiniert deshalb drei Ebenen: 

• Sichtbarkeit aufbauen: Inhalte strukturieren, die LLMs leicht verarbeiten und zitieren können. Faktisch, klar, ohne Marketingfloskeln. Autorität über externe Quellen, Erwähnungen, strukturierte Daten und konsistente Markenbotschaften verankern.

• Conversion-Qualität verstehen: AI-Referral-Traffic separat auswerten. Welche Prompts führen zu welchem Traffic? Wie verhält sich dieser Traffic im Vergleich zu klassischem organischem Traffic?

• LLM-Sichtbarkeit messen: Mit Tools wie Peec AI lässt sich LLM-Sichtbarkeit messen: wie und wie häufig eine Marke in Antworten von ChatGPT, Perplexity und dem Google AI Mode erscheint, mit welchem Sentiment und im Vergleich zu Wettbewerber*innen. Das ist der Anfang eines Attribution-Modells, das auch den ersten Touchpoint abbildet. 

Das Entscheidende: GEO-ROI ist strukturell schwerer zu messen als SEO, weil Zero-Click-Antworten keine Referral-Sessions erzeugen. Wer heute anfängt, Tracking-Frameworks aufzubauen, die auch KI-Touchpoints erfassen, sichert sich einen Datenvorteil, den Wettbewerber*innen mit großem Zeitvorsprung kaum noch aufholen können. 

Fazit: Drei Fragen, die sich jedes Marketing-Team jetzt stellen sollte 

Die Customer Journey beginnt neu. Nicht auf einer Suchergebnisseite, sondern in einem Gespräch mit einer KI. Für Marketing-Teams bedeutet das einen grundlegenden Perspektivwechsel:

• Wo beginnt unsere Journey wirklich? Nicht: Welcher Kanal bringt den ersten Klick? Sondern: In welcher KI-Antwort erscheint unsere Marke, bevor jemand sucht? 

• Was messen wir nicht? Welcher Teil unserer Entscheidungspipeline ist aktuell unsichtbar, weil er vor dem ersten trackbaren Touchpoint stattfindet? 

• Wie qualifiziert sind unsere Besucher*innen, wenn sie ankommen? Wenn AI-Referral-Traffic besser konvertiert, lohnt es sich, genau diese Gruppe zu identifizieren und gezielt anzusprechen. 

Unternehmen, die jetzt in GEO und in die dazugehörige Messbarkeit investieren, bauen eine Grundlage auf, die mit jedem Monat wertvoller wird. Wer wartet, optimiert weiterhin für eine Journey, die ihre erste Station längst woanders hat. 

Du möchtest wissen, wie sichtbar deine Marke heute in ChatGPT, Perplexity und dem Google AI Mode ist? Sprich uns an. 

FAQ: Häufige Fragen zu LLMs, Touchpoints und GEO

Was ist der Unterschied zwischen einem klassischen Touchpoint und einem LLM-Touchpoint? 

Ein klassischer Touchpoint, etwa ein Klick auf ein Suchergebnis oder eine Anzeige, ist für Analytics-Tools sichtbar und hinterlässt eine nachvollziehbare Datenspur. Ein LLM-Touchpoint entsteht, wenn Nutzer*innen eine KI wie ChatGPT oder Perplexity befragen und dort eine Empfehlung erhalten, ohne danach auf eine Website zu klicken. Dieser Kontakt mit der Marke findet statt, ist aber in keinem klassischen Attribution-Modell erfasst. 

Warum wird Attribution durch LLMs schwieriger? 

Weil Zero-Click-KI-Antworten keine Referral-Session erzeugen. Wer über eine KI-Empfehlung direkt auf eine Website tippt, erscheint im Tracking als Direct-Traffic. Der eigentliche Auslöser, die KI-Antwort, bleibt unsichtbar. Das macht es strukturell schwieriger, dem richtigen Kanal den Anteil an einer Kaufentscheidung zuzuordnen. 

Konvertiert AI-Referral-Traffic wirklich besser? 

Ja, laut aktuellen Analysen (Adobe Digital Insights, Seer Interactive 2025) konvertiert Traffic aus KI-Empfehlungen um bis zu 31 % besser als klassischer organischer SEO-Traffic. Der Grund: KI-Antworten qualifizieren Nutzer*innen bereits vor dem ersten Klick. Wer über eine KI-Empfehlung kommt, hat eine konkrete Frage gestellt, eine strukturierte Antwort erhalten und eine erste Entscheidung getroffen. 

Was ist GEO und warum reicht SEO allein nicht mehr aus? 

GEO steht für Generative Engine Optimization und beschreibt alle Massnahmen, mit denen Unternehmen sicherstellen, dass ihre Inhalte und ihre Marke in KI-generierten Antworten sichtbar werden. Während SEO auf Rankings und Klicks optimiert, geht es bei GEO darum, als zitierfähige Quelle in Systemen wie ChatGPT, Perplexity oder dem Google AI Mode wahrgenommen zu werden. Da laut der internetwarriors GEO-Studie 2026 nur 9,2 % der von ChatGPT zitierten Quellen in den Google Top 10 ranken, sind SEO-Ranking und LLM-Sichtbarkeit weitgehend entkoppelt. 

Wie kann ich LLM-Sichtbarkeit messen? 

Mit spezialisierten Tools wie Peec AI lässt sich systematisch erfassen, ob und wie häufig eine Marke in Antworten von ChatGPT, Perplexity, dem Google AI Mode und anderen LLMs erscheint, mit welchem Sentiment und im Vergleich zu Wettbewerber*innen. Klassische Web-Analytics-Tools bilden diesen Kanal nicht ab. Wer heute mit dem Aufbau eines GEO-Tracking-Frameworks beginnt, gewinnt eine Datenbasis, die mit der Zeit immer wertvoller wird.