Ein Investment-Vorstand, der einen neuen Vermögensverwalter evaluiert. Ein Family-Office-Berater, der Alternativen zu einem bestehenden Verwahrstellen-Partner sucht. Eine Pensionskasse, die beispielsweise externe Asset Manager vergleicht. In immer mehr solcher Fälle beginnt die Recherche heute nicht mehr bei Google, sondern bei ChatGPT, Perplexity, Copilot und Co.
Das verändert die Ausgangslage für Anbieter im institutionellen Geschäft und wirft für Entscheider und deren Berater eine Frage auf, die bislang kaum systematisch adressiert wird. Was bedeutet es, wenn die Vorauswahl von Vermögensverwaltern, Vorsorgeeinrichtungen oder Finanzdienstleistern zunehmend durch Systeme der Künstlichen Intelligenz (KI) gefiltert wird, deren Funktionsweise sich von klassischen Suchmaschinen fundamental unterscheidet?
Die Anbietersuche verlagert sich in KI-Systeme
Dieser Trend ist inzwischen gut belegt. Eine im März 2026 veröffentlichte Befragung von gut 1.000 Einkäufern von Business-to-Business-Software (B2B) durch die Bewertungsplattform G2 kam zu dem Ergebnis, dass 71 Prozent der Befragten KI-Chatbots in ihre Kaufrecherche einbeziehen – ein Anstieg gegenüber dem Vorjahreswert von rund 60 Prozent.
Der Datenanbieter 6sense fand in seinem Buyer Experience Report 2025 heraus, dass Einkäufer im Schnitt bereits 61 Prozent ihrer Buying Journey durchlaufen haben, bevor sie erstmals einen Anbieter kontaktieren. Und schließlich berichtet das Marktforschungsunternehmen Forrester auf Basis seiner Buyers'-Journey-Befragung 2025, dass inzwischen doppelt so viele B2B-Einkäufer wie im Vorjahr generative KI als ihre wichtigste Informationsquelle nennen – noch vor Anbieter-Websites, Fachexperten und dem direkten Vertriebskontakt.
Wenige belastbate Zahlen für Institutionelle und Private Banker
Belastbare Zahlen speziell für die institutionelle Vermögensverwaltung und das Private Banking liegen bislang kaum vor. Der zugrunde liegende Mechanismus – Vorauswahl und Shortlisting verlagern sich in Systeme, die Informationen synthetisieren, statt Links zu ranken – betrifft jedoch jede Branche, in der Anbieter über komplexe, beratungsintensive Leistungen verglichen werden.
Warum klassische Suchmaschinenoptimierung hier an Grenzen stößt
Suchmaschinenoptimierung (SEO) basiert auf einer einfachen Logik: Eine Seite wird für bestimmte Suchbegriffe optimiert, von einer Suchmaschine gecrawlt und zum Zeitpunkt der Anfrage in einer Ergebnisliste platziert. Wer seine Seiten besser optimiert, rankt höher – im Moment der Suche.
Generative KI-Systeme funktionieren jedoch anders. Sie beantworten eine Anfrage nicht, indem sie in Echtzeit Webseiten 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 eine Marke in dieser Antwort auftaucht, entscheidet sich damit größtenteils, bevor die konkrete Anfrage überhaupt gestellt wird.
Diese Verschiebung lässt sich auch datenseitig zeigen. In einer eigenen Auswertung von mehreren Millionen KI-Zitaten und über 11.000 Prompts entlang des gesamten Entscheidungsprozesses – erhoben in Zusammenarbeit mit dem Analyseanbieter Peec.ai – zeigte sich, dass die zehn meistgenannten Marken einer Branche über alle Phasen hinweg konstant rund 25 Prozent aller Markennennungen hielten. Der Anteil veränderte sich kaum, unabhängig davon, ob es sich um eine frühe Informationsanfrage oder eine konkrete Anbietervergleichsfrage handelte.
Das bedeutet: KI-Systeme entdecken Anbieter nicht im Moment der Entscheidung – sie bestätigen dort im Wesentlichen, was zuvor bereits als relevante, vertrauenswürdige Referenz etabliert wurde. Wer ausschließlich Inhalte für transaktionale Suchanfragen wie „bester Vermögensverwalter für institutionelle Anleger“ optimiert, adressiert einen Zeitpunkt im Prozess, an dem die Weichen für die Sichtbarkeit bereits gestellt sind. Klassisches SEO – auf die eigene Domain, auf Keywords und Backlinks ausgerichtet – greift hier zu kurz, weil das eigentliche Spielfeld nicht mehr allein die eigene Website ist, sondern ein verteiltes Netz externer Quellen, aus dem KI-Systeme ihr Bild einer Marke ableiten.
Was KI-Sichtbarkeit bestimmt
Über verschiedene Projekte und Studien hinweg lassen sich vier Ebenen identifizieren, auf denen sich entscheidet, ob ein Anbieter für KI-Systeme sichtbar wird:
- Maschinenlesbarkeit: Sind Informationen zu Leistungen, Zielgruppen und Fachthemen so strukturiert, dass ein KI-System sie verlustfrei aufnehmen und in eine Antwort einbauen kann – etwa über strukturierte Daten und faktendichte Inhalte statt langer Fließtexte?
- Erkennung als eigenständige Entität: Ist die Marke in den Wissensstrukturen, aus denen KI-Systeme schöpfen, als eindeutige, verifizierbare Größe verankert – oder taucht sie dort schlicht nicht auf?
- Thematischer Kontext: Erscheint der Anbieter auf unabhängigen Fachportalen und Referenzquellen regelmäßig im Zusammenhang mit den Begriffen, die die Zielgruppe tatsächlich verwendet – etwa berufliche Vorsorge (BVG), Verwahrstelle, Family-Office-Mandat oder Sammelstiftung?
- Externe Validierung: Wird der Anbieter auf Plattformen erwähnt, die das jeweilige KI-System als vertrauenswürdige Quelle einstuft? Eigene Aussagen auf der eigenen Website wiegen hier deutlich weniger als Nennungen auf unabhängigen Drittseiten.
Dass sich die KI-Sichtbarkeit auf diese Weise verbessern lässt, zeigen erste Untersuchungen. So fanden Forschende aus dem Umfeld von Princeton und Georgia Tech, dass Inhalte mit belastbaren Fakten und Quellenangaben deutlich häufiger von KI-Systemen zitiert werden als rein werbliche Texte. Und eine Analyse des SEO-Tool-Anbieters Ahrefs ergab, dass ein Großteil der von ChatGPT zitierten Seiten von Domains mit hoher externer Autorität stammt – ein Hinweis darauf, dass über Jahre aufgebaute Reputation auf Drittplattformen ein stärkerer Faktor ist als kurzfristige Maßnahmen auf der eigenen Seite.
Ein Beispiel aus der Praxis
Illustrativ ist ein anonymisiertes Beispiel aus der Beratungspraxis: Eine etablierte Schweizer Vorsorgeeinrichtung mit gewachsener Marktposition tauchte bei Fragen zu Vorsorgelösungen in gängigen KI-Systemen schlicht nicht auf – teils nicht einmal dann, wenn Nutzer nach ihrem eigenen Namen fragten. Die Ursache lag nicht an mangelnder Qualität der Website oder fehlenden Inhalten, sondern daran, dass die Institution in den Wissensstrukturen der Systeme nicht als eigenständige Entität verankert war. Durch gezielt strukturierte, maschinenlesbare Fachinhalte und gestärkte externe Referenzsignale ließ sich diese Lücke in überschaubarer Zeit schließen. Bemerkenswert ist daran weniger die Größenordnung als die grundsätzliche Erkenntnis: Ursache war kein Content-Mangel, sondern das Fehlen einer für KI-Systeme lesbaren Struktur.
Was das für institutionelle Entscheider und ihre Berater bedeutet
Daraus ergeben sich zwei Perspektiven – je nachdem, ob man Anbieter evaluiert oder selbst evaluiert wird.
Als Auswahlgremium: Wer Vermögensverwalter, Fondsboutiquen oder Vorsorgepartner heute auch über KI-gestützte Recherche vorselektiert oder vorselektieren lässt, sollte sich bewusst machen, dass die Trefferliste einer KI-Anfrage keine neutrale Marktübersicht ist. Sie spiegelt in erster Linie wider, welche Anbieter in den zugrunde liegenden Wissensstrukturen bereits gut verankert sind – nicht, welche Anbieter fachlich am besten zum konkreten Bedarf passen.
Gerade spezialisierte Boutiquen oder jüngere Anbieter können dadurch systematisch unterrepräsentiert sein, obwohl sie in der klassischen Due Diligence überzeugen würden. Eine strukturierte, von der KI-Vorauswahl unabhängige Marktsichtung bleibt daher relevant.
Als Anbieter: Für Vermögensverwalter, Pensionskassen, Family-Office-Dienstleister und Verwahrstellen, die selbst im Auswahlprozess bestehen wollen, folgt daraus, dass der Reputationsaufbau gegenüber KI-Systemen eine strukturelle, langfristige Aufgabe ist – vergleichbar mit dem Aufbau von Markenbekanntheit oder Analystenabdeckung. Kurzfristige Kampagnen kurz vor einer Ausschreibung greifen kaum. Relevanter sind kontinuierliche Fachpublikationen auf unabhängigen Plattformen, sauber strukturierte Informationsangebote und eine bewusste, dokumentierte fachliche Positionierung.
Für beide Seiten gilt zudem ein regulatorischer Aspekt, der in dieser Diskussion oft zu kurz kommt: Wenn KI-generierte Zusammenfassungen zunehmend in Vorauswahlprozesse einfließen, wird auch die Frage relevant, wie Compliance- und Governance-Funktionen den Ursprung und die Verlässlichkeit dieser Information nachvollziehen. Die Antwort eines Sprachmodells ist keine Quelle im aufsichtsrechtlichen Sinn – sie ersetzt keine Due Diligence, kann aber die Vorauswahl beeinflussen, auf deren Basis eine Due Diligence überhaupt erst stattfindet.
Fazit
Dass generative KI-Systeme die Anbietersuche verändern, ist inzwischen empirisch gut belegt. Entscheidend ist die Einsicht, dass klassische Suchmaschinenoptimierung diesen Wandel nicht abbildet: KI-Systeme ranken keine Seiten, sie synthetisieren Antworten aus zuvor aufgebautem, verteiltem Wissen. Wer als Anbieter dort nicht vorkommt, verliert an Sichtbarkeit, lange bevor ein Ausschreibungsprozess beginnt. Wer als Entscheider KI-gestützte Recherche nutzt, sollte sich der strukturellen Verzerrung bewusst sein, die darin liegt – und sie durch eine eigene, unabhängige Marktsichtung ergänzen.
Über den Autor
Mare Hojc ist als Gründer und Geschäftsführer bei AN Digital tätig, einer auf KI-Sichtbarkeit spezialisierten Beratung. Der Beitrag gibt seine persönliche fachliche Einschätzung wieder.