Was in der KI-Suche für Beratungen, Kanzleien und Finanzdienstleister zählt

Die Informationssuche von Entscheidern verändert sich derzeit grundlegend. Während über zwei Jahrzehnte klassische Suchmaschinen den Einstiegspunkt für Rechercheprozesse darstellten, verlagert sich die Informationsbeschaffung zunehmend auf KI-gestützte Systeme wie ChatGPT, Microsoft Copilot, Gemini oder Claude.

Diese Systeme beantworten komplexe Fragestellungen direkt und reduzieren damit die Notwendigkeit, selbst mehrere Quellen zu durchsuchen.

Im B2B-Umfeld ist dieser Wandel besonders ausgeprägt. Studien zeigen, dass rund 89 % der B2B-Käufer generative KI bereits aktiv in mehreren Phasen ihres Informations- und Entscheidungsprozesses nutzen. Gleichzeitig geben bereits 44 % der Nutzer an, dass KI-gestützte Systeme ihre bevorzugte Informationsquelle sind.

Gerade in wissensintensiven Branchen, etwa Beratung, Finanzdienstleistungen oder Rechtsberatung, entsteht dadurch ein neues Informationsökosystem:

Fachliche Einschätzungen, Expertenempfehlungen und Marktübersichten werden zunehmend von KI-Systemen aggregiert und priorisiert, bevor potenzielle Mandanten überhaupt eine klassische Recherche beginnen.

Systemische Auswirkungen auf Expertenpositionierung

Die Logik dieser Systeme unterscheidet sich grundlegend von klassischen Suchmaschinen.

Während klassische Suchmaschinen primär einzelne Webseiten ranken, generieren KI-Systeme Antworten aus einem Netzwerk verschiedener Quellen.

Typische Inputs sind:

• Firmenwebsites
• Fachartikel und Blogbeiträge
• Medienberichte und Rankings
• Wissensplattformen (z. B. Wikipedia)
• Social-Media-Inhalte
• Videos und Interviews
• institutionelle Webseiten
• Branchenpublikationen

Die Sichtbarkeit einzelner Experten entsteht daher nicht mehr allein durch eine starke Website oder klassische Pressearbeit. Entscheidend ist vielmehr die konsistente Präsenz einer Person über mehrere Quellen hinweg, die von KI-Systemen als vertrauenswürdige und relevante Referenzen interpretiert werden.

Diese Systeme entwickeln dabei einen ausgeprägten Brand- und Authority-Bias:

Bekannte Organisationen und etablierte Experten werden überproportional häufig genannt, sofern ihre Positionierung klar, reichhaltig und konsistent im digitalen Informationsraum abgebildet ist.

Risiko für Kanzleien und professionelle Dienstleister

Für internationale Wirtschaftskanzleien entsteht daraus ein strategisches Risiko.

Traditionelle Sichtbarkeitsmechanismen, etwa Presseartikel hinter Paywalls, bleiben zwar reputationsrelevant, sind jedoch häufig für KI-Systeme nur eingeschränkt zugänglich oder strukturell schwer auswertbar. Dadurch entsteht eine Diskrepanz zwischen realer Reputation und digitaler Auffindbarkeit.

Gleichzeitig verändern sich auch die Recherchegewohnheiten potenzieller Mandanten. Typische Fragestellungen in KI-gestützten Rechercheprozessen lauten beispielsweise:

• „Welche Kanzleien beraten Unternehmen in Europa zu Sanktions-Compliance?“
• „Wer sind führende Experten für internationale Handelssanktionen?“
• „Welche Anwälte beraten Unternehmen zu geopolitischen Risiken und Sanktionen in Lieferketten?“

Die Antworten auf solche Fragen werden zunehmend direkt von KI-Systemen generiert, ohne dass Nutzer klassische Suchergebnisse durchgehen.

Wenn eine Kanzlei oder ein Experte in diesen Antworten nicht erscheint, entsteht faktisch eine unsichtbare Wettbewerbsposition, selbst wenn die tatsächliche Marke stark ist.

Strategische Implikationen für Expertenpositionierung

Für Kanzleien oder Beratungen ergibt sich daraus eine strategische Herausforderung: Die digitale Positionierung einzelner Experten muss künftig so aufgebaut sein, dass sie auch im Kontext KI-gestützter Informationssysteme zuverlässig erkannt und referenziert werden.

Dabei stehen insbesondere drei Dimensionen im Mittelpunkt:

1. Owned Authority
   Klare fachliche Positionierung und Quellenaufbau über eigene lokalisierte digitale Inhalte, die spezifische Fragestellungen adressieren.
2. Earned Media
   Bestätigung dieser Positionierung und Expertise durch externe Quellen wie Fachmedien, Rankings, Interviews oder Branchenpublikationen.
3. Knowledge Graph Presence
   Strukturierte Präsenz von Experten in öffentlich zugänglichen Wissensquellen und Entitätsdatenbanken.

Erst die Kombination dieser Faktoren ermöglicht es KI-Systemen, eine Person konsistent als relevante Quelle oder als Expertenreferenz einzuordnen.

Strategischer Ansatz: Aufbau messbarer KI-Sichtbarkeit

Um diese Dynamik systematisch zu adressieren, empfiehlt sich ein strukturierter Analyse- und Strategieprozess. Ziel ist es zunächst, die aktuelle KI-Sichtbarkeit einer Person oder Marke innerhalb von KI-Antworten messbar zu machen.

Daraus lassen sich drei zentrale strategische Fragestellungen ableiten:

• Wie häufig wird eine Person oder Marke aktuell in KI-Antworten genannt oder zitiert?
• Welche Wettbewerber oder Experten erscheinen stattdessen in relevanten Antworten?
• Welche Quellen und Inhalte beeinflussen diese Antworten maßgeblich?

Erst auf dieser Grundlage lassen sich gezielte Maßnahmen definieren, um die AI Visibility systematisch zu verbessern.

Strategische Prioritäten

Aus strategischer Sicht ergeben sich typischerweise folgende Prioritäten:

1. Analyse der KI-Antwortlandschaft
   Untersuchung relevanter Fragen und Themenfelder entlang der Kundenreise sowie der darin auftretenden Experten, Marken und Quellen.
2. Messung des „Share of Voice“ in KI-Antworten
   Quantifizierung von Erwähnungen und Zitierungen im Vergleich zu Wettbewerbern.
3. Identifikation einflussreicher Quellen
   Analyse, welche Plattformen, Medien oder Inhalte von KI-Systemen besonders häufig konsumiert werden.
4. Strategische Positionierung von Themen und Expertise
   Entwicklung klarer Themencluster, die die gewünschte fachliche Positionierung unterstützen.
5. Priorisierung von Maßnahmen in Content, Digital PR und Tech
   Definition konkreter Hebel zur Verbesserung der KI-Sichtbarkeit und Markendarstellung.

Zukünftige Entwicklung

Die Bedeutung von KI-gestützten Informationssystemen im B2B-Entscheidungsprozess wird in den kommenden Jahren weiter zunehmen. Generative KI und KI-Assistenten greifen auf öffentlich verfügbare digitale Informationsquellen zu, aggregieren diese und überführen sie in direkte, verdichtete Antworten.

Für Nutzer entfällt damit ein wachsender Teil der klassischen Recherchearbeit. Mit der zunehmenden Integration in Arbeitsprozesse und Unternehmenssoftware werden diese Systeme immer häufiger zum primären Einstiegspunkt für Recherche und Entscheidungsfindung.

Unternehmen und Organisationen, die ihre digitale Expertenpositionierung frühzeitig auf diese neue Logik ausrichten, können dadurch einen strukturellen Sichtbarkeitsvorteil aufbauen.

Gleichzeitig entstehen neue Anforderungen an Marketing- und Kommunikationsstrategien: Digitale Sichtbarkeit wird künftig nicht mehr ausschließlich über Kanäle wie klassische Medienpräsenz, Social Media oder Suchmaschinenoptimierung definiert, sondern über die systematische Präsenz in den Wissensnetzwerken, aus denen KI-Systeme ihre Antworten generieren.