Die KI-Wende: Welche Makler-Website geht bei ChatGPT unter?

Ein Kunde möchte seine Hausratversicherung wechseln. Vor zwei Jahren hätte er „Hausratversicherung Vergleich“ gegoogelt, sich durch eine Trefferliste geklickt und irgendwann bei einem Makler in seiner Nähe gelandet. Heute öffnen Kunden ChatGPT, Google AI und Co und schreiben, was sie wissen möchten und worauf man achten sollte. Die Antwort enthält womöglich Versicherer, Vergleichsportale und Ratgeberseiten – aber keinen einzigen Makler, denn ob der eigene Name in einer solchen Antwort überhaupt vorkommt, entscheidet sich nicht im Moment der Anfrage, sondern wurde von den KI-Bots schon vorher entschieden.

Die Anfrage verlagert sich messbar

Wie stark sich das Rechercheverhalten bereits verändert hat, zeigen aktuelle Zahlen. Da wäre beispielsweise die Studie des Marktforschungsunternehmens Heute und Morgen mit dem Titel „Von Google zu generativer KI“. (https://heuteundmorgen.de/wp-content/uploads/2026/07/HUM-Studienangebot-KI-Grundlagenstudie-Juli-2026.pdf) Für die Untersuchung wurden 1.500 Verbraucher zwischen 18 und 70 Jahren befragt, ergänzt um Tiefeninterviews und Sichtbarkeitstests mit KI-Nutzern in sechs Versicherungssparten. Und die Umfrage zeigt, dass fast 70 Prozent der Deutschen in dieser Altersgruppe bereits Erfahrung mit KI-Chatbots gesammelt haben, gut ein Drittel nutzt sie inzwischen regelmäßig. Ein weiteres interessantes Ergebnis der Umfrage ergab, dass rund 43 Prozent der Nutzer, die KI-Chatbots in ihrer Customer Journey einsetzen, dort starteten und sich anschließend an dem orientieren, was ihnen die KI empfohlen hat. Google, Vergleichsportale und die persönliche Beratung verschwinden dadurch nicht – ihre Rolle verschiebt sich aber nach hinten, zur Prüfung und Absicherung einer bereits getroffenen Vorauswahl. KI-Chatbots übernehmen also mittlerweile die Funktion eines vorgelagerten Gatekeepers. Versicherungen in allen Formaten scheinen dabei nach Ansicht der Konsumenten besonders für KI-Anfragen geeignet: Eine Erhebung des IT-Branchenverbandes Bitkom aus dem Jahr 2025 (https://www.bitkom.org/Presse/Presseinformation/Antraege-Analyse-Beratung-KI-Hilfe-Versicherungen) zeigt, dass sich fast die Hälfte der Deutschen KI-Unterstützung besonders bei Versicherungsfragen erhofft.

Hat SEO ausgedient? Klassische Google-Positionierung greift nicht

Ist nun zu befürchten, dass die jahrelange SEO-Optimierung „für die Katz“ war? Hat SEO ausgedient? Mitnichten, aber man sollte sich den Unterschied zwischen SEO und KI-Sichtbarkeit bewusst machen: Suchmaschinenoptimierung folgt einer einfachen Logik: Eine Seite wird für bestimmte Begriffe optimiert, von der Suchmaschine gecrawlt und im Moment der Anfrage platziert. Wer besser optimiert, rankt höher – im Moment der Suche selbst.

Generative KI-Systeme funktionieren anders, denn sie beantworten eine Anfrage nicht, indem sie in Echtzeit Websites durchsuchen und bewerten, sondern indem sie eine Antwort aus zuvor aufgebautem Wissen synthetisieren – aus Trainingsdaten und aus einem Netz von Drittquellen, die das jeweilige System als verlässlich einstuft. Ob ein Makler in einer solchen Antwort auftaucht, entscheidet sich damit größtenteils, bevor die konkrete Kundenanfrage überhaupt gestellt wird.

Die Heute-und-Morgen-Studie zeigt diesen Mechanismus auch technisch: ChatGPT stützt sich bei Versicherungsfragen vor allem auf Vergleichsportale und Ratgeberseiten als Quelle, Gemini dagegen deutlich häufiger auf die Websites der Anbieter selbst. In beiden Fällen gilt: Wer in den Quellen, aus denen das jeweilige System schöpft, nicht vorkommt, wird auch in der Antwort nicht vorkommen – unabhängig davon, wie gut die eigene Website für Google optimiert ist. Aufschlussreich ist zudem ein Detail aus der Studie zur Hausratversicherung: Neben dem Marktführer erscheint dort bereits ein deutlich kleinerer Anbieter mit rund einer Million Kunden fast ebenso häufig in den KI-Antworten. Markengröße allein erklärt Sichtbarkeit in KI-Systemen offenbar nicht – strukturelle Präsenz in den richtigen Quellen schon.

Was KI-Sichtbarkeit tatsächlich bestimmt

Aus der Arbeit mit AIVA – dem AI-Visibility-Framework von AN Digital – lassen sich nun vier Ebenen ableiten, auf denen sich entscheidet, ob ein Makler oder eine Mehrfachagentur für KI-Systeme sichtbar wird. Sie unterscheiden sich deutlich von den Stellschrauben klassischer Suchmaschinenoptimierung:

• Maschinenlesbarkeit: Liegen Informationen zu Spezialisierungen, Zielgruppen und Fachthemen – etwa betriebliche Altersvorsorge, Berufsunfähigkeitsschutz oder Gewerbeversicherung für Handwerksbetriebe – so strukturiert vor, dass ein KI-System sie verlustfrei aufnehmen kann? Klare FAQ-Formate und faktendichte Fachbeiträge wirken hier deutlich stärker als lange, werblich formulierte Fließtexte.
• Erkennung als eigenständige Entität: Ist der Makler oder die Kanzlei in den Wissensstrukturen, aus denen KI-Systeme schöpfen, als eindeutige, verifizierbare Größe verankert – über ein gepflegtes Unternehmensprofil, Verbandsmitgliedschaften oder Brancheneinträge – oder taucht der Name dort schlicht nicht auf?
• Thematischer Kontext: Erscheint der Name regelmäßig im Zusammenhang mit den Begriffen, die Kunden tatsächlich verwenden – BU-Vergleich, Rürup-Rente, Cyberversicherung für KMU – und zwar auf unabhängigen Quellen wie Fachportalen oder lokaler Presse, nicht nur auf der eigenen Website?
• Externe Validierung: Wird der Makler auf Plattformen erwähnt, die das jeweilige KI-System als vertrauenswürdig einstuft – Bewertungsportale, Verbraucher- und Fachmedien, Verbandsseiten? Aussagen auf der eigenen Website wiegen hier deutlich weniger als Nennungen auf unabhängigen Drittseiten.

Diese vier Ebenen erklären, warum kurzfristige Maßnahmen – ein optimierter Blogartikel, eine neue Landingpage kurz vor der Hauptsaison – bei KI-Systemen kaum Wirkung zeigen. Sprachmodelle kalibrieren ihr Bild von einer Marke nicht laufend neu, sondern verfestigen es in Trainingszyklen. Wer heute nicht in den relevanten Strukturen verankert ist, konkurriert morgen unter schwierigeren Bedingungen um denselben Platz.

Zwei Ebenen der Betroffenheit für Makler

Für Makler und Mehrfachagenten hat die Entwicklung zwei unterschiedliche Dimensionen. Die erste betrifft standardisierbare Produkte wie Hausrat- oder Kfz-Versicherungen. Hier entsteht ein zusätzlicher, direkter Kanal zwischen Versicherer und Kunde, der die Vermittlerrolle bei einfachen Abschlüssen zunehmend infrage stellt. In Deutschland ist diese Entwicklung noch nicht so weit wie in den USA oder Spanien, technisch über den Branchenstandard BiPRO aber gut vorbereitet – und regulatorisch nicht abschließend geklärt, etwa bei der Frage, ob eine KI-Empfehlung bereits als beratungspflichtige Leistung im Sinne der IDD-Richtlinie gilt.

Die zweite Dimension betrifft beratungsintensive Produkte wie Berufsunfähigkeitsversicherung, betriebliche Altersvorsorge oder komplexe Gewerbedeckungen. Hier bleibt der Bedarf an persönlicher, dokumentierter Beratung hoch – umso wichtiger wird es aber, dass Kunden bei ihrer Vorrecherche über KI-Systeme überhaupt auf den passenden Spezialisten stoßen, statt ausschließlich bei Versicherern und Vergleichsportalen zu landen. Genau hier zeigt sich ein Muster, das sich branchenübergreifend wiederholt: Wer sein Fachgebiet gegenüber KI-Systemen klar und nachvollziehbar definiert – wofür man steht und wofür ausdrücklich nicht –, wird in seinem Segment auch gegenüber deutlich größeren Generalisten messbar häufiger genannt. Semantische Klarheit ist für statistisch arbeitende Systeme ein Qualitätssignal; wer versucht, für ein möglichst breites Themenspektrum relevant zu wirken, verwässert genau dieses Signal.

KI-Sichtbarkeit entscheidet sich vor der Suchanfrage

Ob ein Makler bei ChatGPT, Perplexity oder Gemini überhaupt auftaucht, entscheidet sich nicht mehr über die eigene Website allein und nicht mehr im Moment der Kundenanfrage. Es entscheidet sich über die Frage, ob man in den Wissensstrukturen, Fachquellen und Referenzsystemen verankert ist, aus denen diese Systeme ihre Antworten synthetisieren. Das ist eine andere Aufgabe als klassisches Suchmaschinenmarketing – und sie verlangt einen anderen Blick: nicht auf einzelne Maßnahmen, sondern auf die strukturellen Voraussetzungen, unter denen KI-Systeme einen Makler überhaupt wahrnehmen, einordnen und empfehlen können. Wer diese Struktur jetzt aufbaut, sichert sich einen Vorsprung, der sich mit der Zeit selbst verstärkt. Wer wartet, muss die entstandene Lücke später mit deutlich höherem Aufwand schließen.