Die meisten Elektronikhersteller haben kein KI-Problem. Sie haben ein Datenblatt-Problem, und ChatGPT macht es nur sichtbar. Die Kennwerte liegen in PDFs, Kundenportalen und Vertriebsordnern. Manches davon war nie öffentlich. Der Rest steckt in einem Layout, aus dem KI-Assistenten die Werte nur unsauber herauslesen.
Stell dir als Beispiel vor, ein Entwickler tippt in ChatGPT: „Welches Hutschienennetzteil mit 24 V und 10 A eignet sich für Umgebungstemperaturen bis 70 °C?“ Die Antwort nennt drei Marken, deine fehlt, obwohl dein Datenblatt die Frage beantwortet. Laut dem State of Marketing to Engineers Report 2026 erledigen europäische technische Käufer nach eigener Einschätzung fast zwei Drittel ihres Kaufprozesses online, bevor sie einen Anbieter kontaktieren. Diese Vorauswahl fällt ohne dich.
Wie Ingenieure heute recherchieren
Von den technischen Käufern, die KI-Zusammenfassungen über den Suchergebnissen sehen, halten nur 6 % sie „in der Regel für ausreichend“. 69 % lesen sie und scrollen danach weiter durch die Ergebnisse.
Die Zahlen stammen aus dem 2026 State of Marketing to Engineers Report von GlobalSpec und TREW Marketing, erstellt in Zusammenarbeit mit Elektor. Befragt wurden über 1.000 Ingenieure und technische Fachkräfte weltweit, je nach Frage antworteten rund 570 bis 790. Elektor hat den Report im März 2026 auf Deutsch vorgestellt.
Genutzt wird generative KI im Kaufprozess trotzdem immer häufiger. Gut zwei Drittel der Befragten setzen sie ein, knapp ein Drittel allerdings nur selten. „Nie“ sagen noch 31 %, im Vorjahr waren es 42 %. Das Vertrauen in KI-Antworten liegt bei 4,7 von 10 Punkten. Europäer sind mit 4,3 die größten Skeptiker im Vergleich der Regionen.
Eine Einschränkung nennt der Report selbst: Über 72 % der Befragten sind älter als 56, nur 6 % jünger als 35. Die Werte beschreiben also vor allem erfahrene Einkäufer, Jüngere vertrauen KI-Antworten etwas mehr (4,9 Punkte). Leichter wird es für dich dadurch nicht, denn gerade diese Käufer prüfen eine KI-Antwort nach.
Für Ingenieure ist KI damit der Einstieg, nicht die Entscheidung. Der Assistent sortiert ein Feld vor, geprüft wird danach bei Quellen, denen der Ingenieur traut: Fachmedien, Datenblatt, Herstellerseite. Für Generative Engine Optimization im B2B, kurz GEO, folgt daraus zweierlei. Fehlt deine Marke in der KI-Antwort, kommst du gar nicht erst in diese Prüfung. Steht sie drin, aber deine Website trägt die Behauptung nicht, verlierst du beim Nachprüfen.
Selbsttest: Was KI-Assistenten über deine Produktkategorie sagen
Bevor du optimierst, brauchst du den Ist-Zustand, und der kostet eine Stunde. Nimm die zehn Fragen, die deine Anwendungsingenieure am häufigsten am Telefon hören. Stelle sie ChatGPT, Perplexity und Gemini so, wie ein Entwickler sie tippen würde. Die Hutschienen-Frage aus der Einleitung ist das Muster: konkrete Werte, eine Einsatzbedingung, keine Marke.
Notiere für jede Antwort drei Dinge. Wird deine Marke genannt? Wird eine Seite von dir verlinkt oder als Quelle angeführt? Und wer steht stattdessen da? Die dritte Spalte ist die interessanteste. Nennt die KI einen Distributor, der dein Produkt beschreibt, kennt sie dich, nur nicht über deine eigene Seite. Nennt sie nur Wettbewerber, hat sie für diese Frage keine Quelle über dich herangezogen.
Ein Durchlauf reicht nicht. Rand Fishkin von SparkToro rechnet im selben Report vor: Bei hundert Wiederholungen derselben Rankingfrage liegt die Chance unter eins zu hundert, dass ChatGPT oder Googles KI zweimal dieselbe Markenliste liefern. Dieselbe Frage morgens und abends kann zwei verschiedene Herstellerlisten ergeben. Fünf Durchläufe über zwei Wochen sagen mehr als einer. Und ein Screenshot ist kein KPI.
Taucht deine Marke in keiner einzigen Antwort auf, prüf als Erstes die Tür. Eine Zeile in der robots.txt, die OAI-SearchBot aussperrt, genügt: Laut OpenAI-Dokumentation zu den Crawlern erscheint deine Seite dann nicht mehr in den ChatGPT-Suchantworten, höchstens noch als Navigationslink.
OpenAI dokumentiert mehrere Crawler, für die Sichtbarkeit in ChatGPT zählen drei. GPTBot sammelt Trainingsdaten, OAI-SearchBot speist die ChatGPT-Suche, ChatGPT-User ruft Seiten ab, wenn ein Nutzer das auslöst. Wer nur GPTBot sperrt, verhindert das Training und bleibt auffindbar. Bei Anthropic ist es ähnlich aufgeteilt: ClaudeBot sammelt Trainingsdaten, Claude-SearchBot indexiert für die Suche. Wie Sperren in Firewall und Bot-Management aussehen und wie du sie mit einem curl-Test als Schnelldiagnose aufspürst, zeigt unser Artikel Findet KI deine Website überhaupt?.
Wie aus den Testfragen ein wiederholbares Messverfahren wird, steht in unserem Leitfaden zur Messung der Sichtbarkeit in ChatGPT, Perplexity und Google AI Overviews. Er nutzt dafür den KI-Bericht der Search Console und GA4. Für die Budgetrunde reicht dann ein Satz wie „Bei acht von zehn Anwendungsfragen nennt die KI unseren Wettbewerber, uns in keiner.“
Datenblätter, Produktdaten und Anwendungsfragen
Das Datenblatt des Netzteils aus der Einleitung zeigt das Problem. Die Derating-Kurve steckt als Grafik auf einer Seite im PDF, die Temperaturgrenzen in einer Tabelle mit zusammengeführten Zellen, die Zulassungen als Logos in der Fußzeile. Ein Ingenieur liest das in Sekunden. Ein KI-Assistent muss es erst aus dem Layout extrahieren, und dabei gehen Bezüge leicht verloren. Welcher Wert gehört zu welcher Variante, welche Fußnote zu welcher Zeile?
Die wichtigsten Kennwerte gehören deshalb als HTML-Tabelle auf die Produktseite: Nennspannung, Ausgangsstrom, Temperaturbereich mit Derating-Grenze, Schutzart, Normen, Bauform. Das PDF bleibt als Download daneben. Google indexiert PDFs zwar, entscheidend ist aber, ob sich jeder Wert eindeutig dem richtigen Produkt zuordnen lässt.
Für Produktdaten im Maschinenformat gilt dasselbe Prinzip. Hersteller, die ihre Artikel nach ETIM oder ECLASS klassifizieren und per BMEcat an den Großhandel liefern, haben die Merkmale längst strukturiert, vom Ausgangsstrom bis zur Schutzart. Wenn auf der eigenen Produktseite dann nur ein Werbesatz steht, liegt die Lücke offen. Ergänze die Merkmale dort um schema.org-Auszeichnung für Produkt und Organisation, damit Crawler Produktname, Hersteller und Eigenschaften eindeutig zuordnen.
Google schreibt Stand Oktober 2026 in seiner Dokumentation zu KI-Funktionen in der Suche ausdrücklich, dass AI Overviews und AI Mode keine zusätzlichen technischen Anforderungen und kein spezielles Markup voraussetzen. Es gelten die normalen Regeln: indexierbar, crawlbar, strukturierte Daten passend zum sichtbaren Text. Wer dir ein „GEO-Markup“ als Voraussetzung für Google verkauft, verkauft etwas, das Google selbst nicht verlangt.
Die zehn Testfragen aus dem Selbsttest stammen aus den Telefonaten deiner Anwendungsingenieure. Beantwortet sind sie längst, nur per E-Mail und jedes Mal für einen einzelnen Kunden. Den größten ungenutzten Bestand hat deshalb deine Anwendungstechnik, mit Antworten zu Derating über 50 °C, Parallelschaltung, EMV-Filtern oder dem Ersatz für ein abgekündigtes Modell.
Stell jede dieser Fragen als Zwischenüberschrift auf eine Seite und beantworte sie darunter in einem kurzen, geschlossenen Absatz. In dieser Form kann ein KI-Assistent sie zitieren. Unter der Zwischenüberschrift „Kann ich zwei 24-V-Netzteile parallel schalten?“ stehen dann zum Beispiel drei Sätze dazu, ob das Modell dafür ausgelegt ist, was der Anwender beachten muss und welches Zubehör er braucht. Dazu kommt ein Verweis auf den passenden Abschnitt im Datenblatt.
Fachmedien: Vertrauen entsteht außerhalb deiner Website
Online-Fachpublikationen haben Herstellerwebsites im Report als wichtigste Recherchequelle überholt. 76 % der technischen Käufer nutzen sie routinemäßig, Herstellerseiten 74 %, generative KI-Plattformen 21 %. CJ Haight von GlobalSpec folgert daraus, deine Käufer könnten sich ihre Meinung in diesen Publikationen bilden, bevor sie überhaupt deine Seite besuchen. Der Abstand ist knapp, das räumt Haight selbst ein. Für deine Planung reicht aber schon der Gleichstand: Die Fachpresse zählt für deine Käufer so viel wie deine eigene Website.
Dazu kommt die Markenfrage. 70 % der Befragten greifen bei zwei technisch ähnlichen Lösungen eher zur bekannteren Marke. Bekanntheit entsteht bei Ingenieuren zu einem guten Teil dort, wo andere über dich schreiben: in Fachmedien, bei Distributoren, in Foren und Konferenzprogrammen.
Auch KI-Assistenten stützen sich auf solche Quellen. Dale Bertrand von Fire & Spark formuliert es im Report zugespitzt: KI lerne ihre Antworten aus Bewertungen, Foren und Community-Diskussionen, nicht aus Produktseiten. Ich sehe das etwas vorsichtiger, teile aber die Richtung. Ein Assistent wird dich eher als zuverlässigen Hersteller für Hutschienennetzteile nennen, wenn mehrere unabhängige Quellen das stützen.
Angenommen, derselbe Netzteil-Hersteller schaltet ein Advertorial mit dem Titel „Der innovative Partner für Ihre Stromversorgung“. Parallel schreibt sein Entwicklungsleiter einen Fachbeitrag „Derating über 50 °C richtig auslegen“. Der zweite Text löst ein echtes Auslegungsproblem und hat damit die besseren Chancen, in Foren verlinkt und von einem KI-Assistenten als Quelle herangezogen zu werden.
Dasselbe gilt für Application Notes, die Distributoren veröffentlichen, für Vortrags-Abstracts und für Forenantworten deiner Ingenieure unter Klarnamen. Wer Fachmedienarbeit bisher als Image-Pflege verbucht hat, sollte sie neu bewerten: als Input für die Systeme, mit denen seine Kunden ihre Shortlist bilden.
Erwähnungen baust du allerdings nicht in einem Quartal auf. Die Arbeit an Datenblättern und Anwendungsfragen wirkt schneller, deshalb kommt sie zuerst.
GEO-Check für B2B-Elektronikhersteller in 5 Schritten
Der erste Durchlauf passt in einen Nachmittag, die Wiederholung der Testfragen braucht zwei Wochen.
- Crawler-Zugang (IT oder Webhosting). Prüfe die robots.txt auf Sperren für OAI-SearchBot, Claude-SearchBot und PerplexityBot, dazu die Bot-Einstellungen von Firewall oder CDN. Ein curl-Aufruf mit fremdem User-Agent ist nur ein Hinweis, weil Bot-Management echte Crawler an IP oder Signatur erkennt; belastbarer sind die Serverlogs. Jede Sperre eines Such-Crawlers, die niemand bewusst entschieden hat, hebst du sofort auf.
- Testfragen (Marketing). Die zehn Fragen aus dem Selbsttest, drei Assistenten, fünf Durchläufe in zwei Wochen, Ergebnis ins Raster. Meine Schwelle: Nennt die KI in mehr als der Hälfte der Fragen einen Wettbewerber und dich nicht, gehört das Thema vor die Geschäftsführung.
- Produktseiten (Produktmanagement mit Web-Team). Nimm die fünf umsatzstärksten Produkte. Steht jeder Kernkennwert als Text auf der Seite? Gibt es Produkt-Markup, und deckt es sich mit dem sichtbaren Inhalt? Fehlen mehr als zwei Kernkennwerte als Text, liegt dein Engpass bei den Produktseiten.
- Anwendungsfragen (Anwendungstechnik und Innendienst). Sammle die zwanzig häufigsten Fragen der letzten zwölf Monate und sortiere sie nach Häufigkeit. Die ersten fünf schreibt die Anwendungstechnik im nächsten Monat als Antwortseiten.
- Erwähnungen (Marketing oder PR). Suche deinen Markennamen zusammen mit der Produktkategorie in Fachmedien, Distributoren-Portalen und Foren. Stammen die Treffer überwiegend von dir selbst, ist die Fachmedienarbeit dein Engpass fürs nächste Jahr.
Schritt 1 und 3 sind die schnellsten Hebel, weil beide vollständig in deiner Hand liegen. Wenn du für die Umsetzung oder ein strukturiertes Audit Unterstützung willst, übernehmen wir das als GEO-Agentur mit Audit, technischem Setup für Crawler und Schema sowie Content. Für die ersten Schritte brauchst du uns aber nicht.
Fazit: Die Anwendungstechnik ist deine eigentliche GEO-Abteilung
Das Wissen, das KI-Assistenten über deine Produkte bräuchten, liegt in der Anwendungstechnik und in den Datenblättern. GEO heißt für dich vor allem, dieses Wissen aus E-Mails und PDFs auf öffentliche Seiten und in Fachmedien zu bringen. Das Marketing organisiert es, die Inhalte kommen aus der Technik.
Was ich nicht empfehlen würde: Budget in „KI-optimierte Texte“ zu stecken, bevor die Such-Crawler hereinkommen und die Kennwerte als Text auf den Produktseiten stehen. Ebenso wenig würde ich bei der eigenen Website stehen bleiben. Vertrauen in Fachmedien und Foren verdienst du nur mit technischer Erklärarbeit.
Der Online-Anteil des Kaufprozesses steigt laut den Autoren des Reports jedes Jahr, bei europäischen technischen Käufern lag er im März 2026 bei 64 %. Wenn der Entwickler aus dem Beispiel seine 70-°C-Frage in ein paar Monaten wieder stellt, sollte die Antwort deine Derating-Tabelle zitieren. Öffne dafür als Erstes deine robots.txt.
