schaller.work

Kategorie: Marketing & Kanal

  • Organisch vs. bezahlt — wie Mittelstand-Marken das Verhältnis richtig steuern

    Marketing & Kanal · Werkstatt

    Organisch vs. bezahlt — wie Mittelstand-Marken das Verhältnis richtig steuern

    Die Frage ist nicht: Organic oder Paid. Die Frage ist: wann welches — und in welchem Verhältnis zueinander. Ein Framework nach Markenreife-Stadium. Weil die gleiche Antwort für eine junge Marke und eine etablierte Marke vollkommen unterschiedliche Ergebnisse produziert.

    Warum die Debatte falsch gestellt ist

    „Wir setzen auf organisches Wachstum.“ Klingt solide. Bedeutet in der Praxis oft: kein Budget für Paid, zu wenig Ressourcen für Content, und eine SEO-Strategie die in zwölf Monaten vielleicht erste Ergebnisse zeigt.

    „Wir machen Performance Marketing.“ Klingt messbar. Bedeutet in der Praxis oft: ROAS wird optimiert ohne Markenaufbau, der Kanal funktioniert nur solange das Budget fließt, und keine Substanz bleibt wenn die Kampagne stoppt.

    Beide Aussagen beschreiben eine Taktik als Strategie. Das Problem ist nicht die Taktik — es ist das Fehlen eines Rahmens der bestimmt, wann welche Taktik richtig ist.

    Dieser Rahmen ist das Markenreife-Stadium.

    Stadium 1: Aufbau — Organic als Fundament, Paid als Testfeld

    Eine Marke die neu am Markt ist, hat kein Suchvolumen für Markenbegriffe. Sie hat keine Vertrauensbasis. Sie hat keine Bewertungen, keine Referenzen, keine Content-Historie.

    In dieser Phase leistet Paid folgendes: Es testet ob die Botschaft funktioniert, ob die Zielgruppe stimmt, ob das Angebot taugt. Paid liefert sofort Feedback. Das ist wertvoll — nicht wegen der Conversions, sondern wegen der Daten.

    Organic in dieser Phase baut das Fundament auf, das Paid nicht kaufen kann:

    • Content der erklärt, wie die Marke denkt
    • SEO-Substanz die in 6 bis 18 Monaten sichtbar wird
    • Glaubwürdigkeit die Paid-Traffic erst konvertierbar macht

    Empfohlenes Verhältnis im Aufbau: 60–70 % Organic-Investition (Content, SEO, Earned Media), 30–40 % Paid als Test-Budget. Keine Skalierung von Paid ohne Lernphase von mindestens 60 Tagen.

    Der häufigste Fehler in dieser Phase: Paid zu früh zu skalieren, weil die Conversions sichtbar sind — und Organic zu vernachlässigen, weil der ROI nicht sofort messbar ist. Das Ergebnis: eine Marke die existiert solange sie zahlt.

    Stadium 2: Skalierung — Paid als Verstärker, Organic als Anker

    Eine Marke in der Skalierungsphase hat Beweis. Sie weiß was funktioniert, hat erste Kundenstimmen, hat Suchvolumen für Long-Tail-Keywords aufgebaut. Jetzt ändert sich die Logik.

    Paid wird zum Verstärker: Inhalte die organisch funktionieren, werden mit Budget verstärkt. Nicht umgekehrt. Kampagnen-Themen folgen dem was Organic bereits validiert hat.

    Organic wird zum Anker: Die Content-Infrastruktur stabilisiert die Marke. Wenn eine Paid-Kampagne stoppt, bleibt Sichtbarkeit erhalten. Das reduziert die Abhängigkeit vom Budget und senkt langfristig den CPNV (Cost per New Visitor).

    Typische Hebelwirkungen in der Skalierungsphase:

    • Retargeting von organisch gewonnenen Besuchern — die günstigste Paid-Audience
    • Lookalike-Audiences basierend auf Bestandskunden — konvertieren besser als cold audiences
    • Sponsored Content auf LinkedIn der auf organische Artikel verlinkt — Vertrauen vor dem Klick

    Empfohlenes Verhältnis in der Skalierung: 40–50 % Organic, 50–60 % Paid. Der Unterschied zur Aufbauphase: Paid-Budget ist jetzt validiert, nicht experimentell. Jeder Euro hat einen bekannten Referenz-ROAS.

    Stadium 3: Bestand — Organic dominiert, Paid wird selektiv

    Eine etablierte Marke mit Marken-Suchvolumen, einer funktionierenden Content-Infrastruktur und einer Bewertungsbasis braucht Paid anders als eine junge Marke.

    In diesem Stadium ist die gefährlichste Entscheidung: Paid-Budget auf Bestandskunden-Keywords zu investieren. Diese Käufer hätten die Marke auch organisch gefunden. Das Budget kauft nichts — es ersetzt Organic durch Paid für denselben Traffic.

    Paid wird selektiv eingesetzt für:

    • Saisonale Peaks — wenn Wettbewerb um Keywords kurzfristig steigt
    • Neue Kategorien — wenn die Marke in Bereichen expandiert, in denen noch keine organische Substanz besteht
    • Retargeting von High-Intent-Signalen — Warenkorbabbrecher, Produktseiten-Besucher die nicht konvertiert haben
    • Defensive Brand-Keywords — wenn Wettbewerber auf Markenbegriffe bieten

    Empfohlenes Verhältnis im Bestand: 70–80 % Organic, 20–30 % Paid. Paid ist hier nicht der Wachstumsmotor — er ist die Feinsteuerung.

    Die Entscheidungsmatrix

    Bevor eine Kanal-Entscheidung getroffen wird, sind diese vier Fragen zu beantworten:

    1. In welchem Stadium ist die Marke? — Aufbau, Skalierung oder Bestand? Nicht nach Unternehmensgröße, sondern nach Digital-Reife.
    2. Was soll gemessen werden? — Awareness, Conversion oder Retention? Jedes Ziel hat andere Kanal-Logiken.
    3. Was kann Organic leisten — innerhalb welchen Zeitraums? — Organic braucht 6 bis 18 Monate um messbar zu werden. Wer sofort Ergebnisse braucht, muss Paid einsetzen — und darf nicht erwarten, dass Organic das kompensiert.
    4. Was passiert wenn das Paid-Budget stoppt? — Wenn die Antwort ist „dann haben wir keine Sichtbarkeit mehr“, ist das Verhältnis falsch gesetzt.

    Die Antworten auf diese vier Fragen bestimmen das Verhältnis. Es gibt kein universell richtiges Verhältnis — es gibt nur ein für das aktuelle Stadium richtiges.

    Ein häufiges Muster im Mittelstand

    Viele Mittelstand-Unternehmen sitzen in einer Paradox-Situation: Sie haben eine starke Marke offline — bei Händlern, Partnern, in der Branche. Aber digital sind sie unsichtbar. Das verführt dazu, mit Paid sofort Sichtbarkeit herzustellen.

    Das funktioniert kurzfristig. Was fehlt, ist die Rückübersetzung der Offline-Marke in eine digitale Substanz: Inhalte die erklären, warum die Marke relevant ist. Content der Vertrauen aufbaut bevor jemand kauft. Eine organische Präsenz die die bezahlte Sichtbarkeit absichert.

    Paid ohne Organic ist ein Kanal ohne Substanz. Organic ohne Paid ist ein Aufbau ohne Beschleunigung. Die Kunst liegt in der Sequenz — nicht in der Wahl zwischen beiden.

    Kanal-Strategie besprechen

    Wenn du nicht sicher bist, in welchem Stadium deine Marke digital steht — und was das für die Verteilung zwischen Organic und Paid bedeutet, schaue ich es mir an. Was ich einschätze, kommt aus aktiver Mandatsarbeit.

    info@schaller.work

  • E-Mail-Marketing für den Mittelstand — der Kanal, den du wirklich besitzt

    Marketing & Kanal · Werkstatt

    E-Mail-Marketing für den Mittelstand — der Kanal, den du wirklich besitzt

    E-Mail ist der einzige Kanal ohne Algorithmus und ohne Plattformabhängigkeit. Kein Meta der die Reichweite halbiert. Kein LinkedIn der den Feed verändert. Kein Google-Update der organische Sichtbarkeit über Nacht zerstört. Wer den E-Mail-Verteiler besitzt, besitzt den direkten Draht. Warum Mittelstand-Unternehmen diesen Vorteil systematisch verschenken — und wie das aufzuholen ist.

    Warum E-Mail trotzdem unterschätzt wird

    Der Ruf von E-Mail als Marketing-Kanal leidet unter schlechten Beispielen. Newsletter die Produkte ankündigen ohne Mehrwert. Wöchentliche Kampagnen die sich wie Werbeflyer lesen. Automatisierungen die mit „Sehr geehrte Damen und Herren“ beginnen und mit einem 10-Prozent-Rabattcode enden.

    Das ist kein Problem von E-Mail als Kanal. Es ist ein Problem der Umsetzung.

    Gleichzeitig haben die meisten Mittelstand-Unternehmen etwas, das viele D2C-Brands erst aufbauen müssen: bestehende Kunden, Händler, Geschäftspartner und potenzielle Interessenten, die bereits eine Beziehung zur Marke haben. Die E-Mail-Adresse fehlt — nicht die Beziehung.

    Was Mittelstand anders macht als D2C

    D2C-Brands bauen E-Mail-Listen über bezahlte Ads, Lead-Magneten und Checkout-Flows. Das ist ein Media-Budget-Problem — wer mehr investiert, wächst schneller.

    Mittelstand-Unternehmen haben einen anderen Ausgangspunkt:

    • Händlernetz und Fachhandelspartner — jede Messe, jedes Partnertreffen, jeder Außendienst-Kontakt ist eine Opt-in-Möglichkeit.
    • Bestandskunden mit Transaktionshistorie — wer eine Bestellung ausgelöst hat, hat eine Beziehung. Reaktivierung ist günstiger als Neuakquise.
    • B2B-Entscheider die nicht auf Instagram sind — der Einkäufer, der Techniker, der Geschäftsführer liest E-Mail. Er liest keinen Instagram-Feed.

    Das bedeutet: der Startpunkt ist nicht „Liste aufbauen mit Ads“ sondern „bestehende Kontakte in den richtigen Kanal überführen“.

    Die drei Grundbausteine

    1. Die Liste: Qualität vor Quantität

    500 Adressen von Menschen, die aktiv eingewilligt haben und eine echte Verbindung zur Marke haben, sind wertvoller als 5.000 Adressen aus einem gescrapten Kontaktimport.

    Praktischer Einstieg für Mittelstand:

    • Bestandskunden mit Double-Opt-In kontaktieren — ehrlich erklären, was sie erwartet
    • Messen und Events: jedes Gespräch mit einem konkreten Opt-in abschließen
    • Website-Kontaktformular: nach dem Submit Einwilligung für Folge-Kommunikation
    • Für B2B: Newsletter als „Branchenwissen“ positionieren, nicht als Produktkatalog

    2. Die Welcome-Sequenz: der erste Eindruck sitzt

    Wer sich einträgt, ist gerade am aktivsten. Die ersten 72 Stunden nach dem Opt-in sind der wichtigste Moment. Eine Welcome-Sequenz ist keine Willkommensnachricht — sie ist eine Einführung in die Logik der Marke.

    Drei-E-Mail-Struktur für B2B-Mittelstand:
    Mail 1 (sofort): Bestätigung + was als nächstes kommt. Kein Rabattcode. Keine Produktliste.
    Mail 2 (Tag 3): Das wertvollste Stück Content das die Marke hat — ein Insight, eine Analyse, ein Fall.
    Mail 3 (Tag 7): Eine direkte Frage: „Was beschäftigt dich gerade?“ — oder eine klare Handlungsaufforderung.

    Diese Sequenz kostet einmal Aufwand und läuft danach automatisch. Sie ist der höchste ROI im E-Mail-Marketing, weil die Öffnungsraten in der Welcome-Sequenz drei- bis fünfmal höher sind als bei regulären Kampagnen.

    3. Die Reaktivierungs-Kampagne: der unterschätzte Wert

    In fast jeder Mittelstand-Kontaktdatenbank schlummern Adressen, die vor einem, zwei, drei Jahren aktiv waren. Vor einer Neuakquise-Kampagne lohnt es sich immer, diese Kontakte zu reaktivieren.

    Eine einfache Drei-E-Mail-Reaktivierungssequenz:

    1. „Wir haben uns eine Weile nicht gemeldet — hier ist etwas Relevantes“ (echter Mehrwert, kein Pitch)
    2. „Wir haben bemerkt, dass du unsere Mails schon länger nicht geöffnet hast — sollen wir dich weiter kontaktieren?“ (Ehrlichkeit als Differenzierung)
    3. „Das ist unsere letzte E-Mail, wenn wir nichts hören“ (Abmelde-Option kommunizieren, Bereinigung der Liste)

    Diese Sequenz bereinigt die Liste und reaktiviert einen Teil der Kontakte — ohne Mediabudget.

    Brevo konkret einrichten

    Brevo (früher Sendinblue) ist für Mittelstand-Unternehmen aus einem Grund relevant: der kostenlose Plan erlaubt bis zu 300 E-Mails pro Tag. Für eine Verteilerliste bis 1.000 Kontakte mit einer wöchentlichen Kampagne reicht das aus, um den Kanal zu testen, bevor ein bezahltes Abo notwendig wird.

    Die drei relevanten Funktionen für den Start:

    • Automatisierungen — Welcome-Sequenz und Reaktivierung einmalig aufbauen, läuft dann selbst
    • Kontakt-Segmentierung — Händler, Endkunden, Interessenten trennen. Verschiedene Inhalte für verschiedene Gruppen.
    • Transaktions-E-Mails — für E-Commerce-Anbindung: Bestellbestätigung, Versandinfo, Bewertungsanfrage

    Was Brevo nicht ist: ein CRM. Wer Vertriebsprozesse abbilden möchte, braucht ein separates CRM und eine Integration. Für rein kommunikative Zwecke ist Brevo ausreichend.

    Was messbar sein sollte — und was nicht

    Öffnungsrate ist seit Apple Mail Privacy Protection wenig aussagekräftig. Was zählt:

    • Click-Rate — echtes Engagement, nicht manipulierbar durch Pre-Loading
    • Abmelderate — über 0,5 Prozent pro Kampagne ist ein Inhalts-Problem
    • Conversion aus Sequenz — Anfragen, Downloads, Käufe die direkt aus einer automatisierten Sequenz kommen

    Wer eine Liste von 500 Kontakten mit einer monatlichen Kampagne und einer automatisierten Welcome-Sequenz betreibt, hat in sechs Monaten mehr valide Daten über seine Zielgruppe als jede externe Marktforschung liefern könnte. Das ist der eigentliche Wert von E-Mail — nicht die Reichweite, sondern die Rückkopplung.

    E-Mail-Strategie besprechen

    Wenn du weißt, dass du einen E-Mail-Kanal aufbauen solltest — aber nicht weißt, wo du anfangen sollst, ist das keine technische Frage. Es ist eine Strategie-Frage.

    info@schaller.work

  • Meta Ads für Markenhersteller — was sie leisten (und was nicht)

    ← Werkstatt | Marketing & Kanal

    Meta Ads für Markenhersteller — was sie wirklich leisten (und was sie nicht tun)

    Lesezeit 8 Min. | Februar 2026 | Christopher Schaller

    Markenhersteller kommen regelmäßig mit demselben Problem in Erstgespräche: Sie haben Meta Ads getestet, ordentlich Budget reingesteckt, und die Zahlen sahen schlecht aus. ROAS 1.2. CPA weit über Marge. Kampagne gestoppt. Fazit: „Meta funktioniert nicht für uns.“ Das Fazit ist falsch — aber der Fehler davor war real.

    Meta Ads funktionieren für Markenhersteller. Aber nur wenn du akzeptierst, was sie leisten: sie schaffen Nachfrage, sie schöpfen sie nicht ab. Wer Meta als direkte Verkaufsmaschine betreibt, verbrennt Geld. Wer Meta als Markenaufbau- und Retargeting-Instrument einsetzt, gewinnt langfristig. Der Unterschied liegt nicht im Budget. Er liegt in der Funnel-Logik dahinter.

    01 / Grundlagen

    Was Meta Ads grundsätzlich leisten — und was nicht

    Facebook und Instagram sind Unterbrechungsplattformen. Nutzer öffnen die App um Fotos von Freunden zu sehen, kurze Videos zu konsumieren, Gruppen zu lesen. Sie suchen kein Produkt. Du unterbrichst sie. Das ist der fundamentale Unterschied zu Google oder Amazon, wo ein Nutzer aktiv etwas sucht und du dich in diesen Suchprozess einschreibst.

    Pull-Marketing auf Google oder Amazon bedeutet: der Nutzer kommt zu dir, weil er ein Problem oder eine Kaufabsicht hat. Push-Marketing auf Meta bedeutet: du gehst zum Nutzer hin und versuchst, Interesse zu wecken, das vorher noch nicht da war. Diese Grundlogik hat direkte Konsequenzen für Conversion-Rates, Attributionsmodelle und die Erwartungen die du an deine Kampagnen stellst.

    Die Zahlen sprechen eine klare Sprache. Meta Ads erzielen im B2C-Bereich Conversion-Rates von 0,5 bis 2,5 % — abhängig von Produkt, Zielgruppe und Creative. Google Shopping liegt bei 1,5 bis 4 %. Amazon PPC liegt bei 8 bis 18 %, weil die Nutzer mit expliziter Kaufabsicht suchen. Das bedeutet nicht, dass Meta schlechter ist. Es bedeutet, dass Meta höher im Funnel arbeitet — mit längerer Time-to-Conversion und einem Attributionsmodell, das schwieriger zu lesen ist.

    Wer Meta mit ROAS-Erwartungen betreibt, die für Google-Shopping gelten, wird enttäuscht sein. Wer Meta als das nutzt, was es ist — ein Instrument für den oberen Funnel, für Reichweite, für Markenbekanntheit, für Retargeting von Menschen die bereits Interesse gezeigt haben — kann damit echte Ergebnisse bauen. Nur nicht in der Kurve die ein Direct-Response-Kanal liefert.

    Meta ist kein Ersatz für Suchkanal-Marketing. Es ist eine Ergänzung für den oberen Funnel. Die Frage ist nicht „Meta oder Google“ — die Frage ist, welchen Teil des Kaufprozesses du mit welchem Kanal abdeckst. Zu der breiteren Kanalentscheidung gibt es einen separaten Rahmen auf dieser Seite.

    02 / Einsatzfälle

    Wann Meta für Markenhersteller Sinn macht

    Es gibt fünf Situationen, in denen Meta-Kampagnen für Markenhersteller klar Sinn machen. Außerhalb dieser Situationen ist die Wahrscheinlichkeit hoch, dass du Budget für einen Kanal ausgibst der nicht der richtige ist.

    1. Brand Awareness für neue Produkte ohne Suchvolumen.

    Wenn du ein Produkt launchst das noch keine Nachfrage hat, hilft dir Google-Search nicht — niemand sucht nach etwas das er noch nicht kennt. Meta ist hier der richtige Kanal: du kannst eine Zielgruppe definieren, die deinem idealen Kunden entspricht, und das Produkt in seinen Feed setzen. Das ist Awareness-Aufbau ohne organisches Suchvolumen als Voraussetzung. In Mandaten zeigt sich, dass diese Logik besonders für Produktinnovationen und Linienextensionen gilt, die echte Neuheit mitbringen.

    2. Retargeting von Website-Besuchern.

    Warm Audiences konvertieren 3 bis 5 Mal besser als Cold Audiences. Jemand der auf deiner Produktseite war oder einen Artikel in den Warenkorb gelegt hat, hat bereits gezeigt dass er Interesse hat. Meta-Retargeting holt diese Menschen ab — mit dem richtigen Creative zum richtigen Zeitpunkt. Das ist der effizienteste Einsatz von Meta-Budget und sollte immer der erste Baustein in jeder Meta-Strategie sein bevor du in Prospecting investierst.

    3. Lookalike Audiences basierend auf Kundenlisten.

    Wenn du eine Liste deiner besten Bestandskunden hochlädst, kann Meta Nutzer finden die diesen ähneln — in demografischen Merkmalen, in Verhalten, in Interessen. Lookalike Audiences aus Top-Käufern (Top 20 % nach Umsatz) sind die qualitativ hochwertigsten Prospecting-Zielgruppen die Meta anbietet. Das setzt eine saubere CRM-Datenbasis voraus, was viele Markenhersteller noch nicht haben — aber es ist der Aufbau wert.

    4. Saisonale Kampagnen mit hoher Kaufbereitschaft.

    Zu Weihnachten, rund um Back-to-School, vor dem Valentinstag oder Muttertag ist die generelle Kaufbereitschaft erhöht — auch auf Unterbrechungsplattformen. Der Nutzer scrollt aktiv nach Geschenkideen oder ist in Kauflaune. In diesen Phasen sinkt der Widerstand gegen Werbung, und Meta-Kampagnen performen strukturell besser. Saisonal erhöhtes Budget in Meta zu investieren macht Sinn, auch wenn der Rest des Jahres andere Prioritäten hat.

    5. Video-Content-Verbreitung für Produkterklärungen.

    CPV (Cost per View) auf Meta ist im Vergleich zu YouTube deutlich günstiger — in der Regel 0,01 bis 0,04 € pro Videoaufruf gegenüber 0,05 bis 0,20 € auf YouTube. Für Markenhersteller mit erklärungsbedürftigen Produkten ist Meta-Video ein effizienter Weg, Produktdemos in die Zielgruppe zu bringen. Das Video-View als Conversion-Signal ist außerdem ein sauberes Signal für nachgelagertes Retargeting: wer 75 % eines Produktvideos gesehen hat, ist warm.

    03 / Kreation

    Kreation ist das eigentliche Meta-Problem

    80 % der Meta-Performance hängt am Creative, nicht am Targeting oder am Budget. Das ist die unbequeme Wahrheit für Markenhersteller, die gewohnt sind Budgets zu optimieren und Zielgruppen zu verfeinern. Auf Meta ist das Creative die entscheidende Variable. Eine falsche Anzeige mit perfektem Targeting performt schlechter als ein starkes Creative mit breitem Targeting. Das Algorithmus-System von Meta findet die richtigen Personen — wenn das Creative die richtigen Signale sendet.

    Was in 2024 und 2025 funktioniert, ist radikal anders als das was vor fünf Jahren funktioniert hat. Der Algorithmus hat gelernt, Anzeigen zu erkennen die sich wie organischer Content anfühlen — und bevorzugt sie. Nutzer haben gelernt, Hochglanz-Werbung zu überscrollen.

    Was funktioniert

    • → UGC-Style: Handy-gefilmte Videos, echter Mensch, echter Ort. Sieht aus wie ein Freund der ein Produkt vorstellt, nicht wie eine Werbung.
    • → Direkte Demo-Videos: Produkt im Einsatz zeigen, keine Hochglanz-Studioaufnahme. Die ersten 2 Sekunden entscheiden ob jemand stoppt.
    • → Problem-Solution-Reveal-Format: Problem benennen (das den Nutzer wirklich nervt), Lösung zeigen, Ergebnis beweisen — in unter 30 Sekunden.
    • → Testimonials mit konkreten Zahlen: „Ich hab damit 12 kg in 8 Wochen abgenommen“ schlägt „tolles Produkt“ in jeder A/B-Situation.

    Was nicht mehr funktioniert

    • × Glossy Hochglanz-Fotografie aus dem Studio — sie schreit „Werbung“ und wird überscrollt
    • × Stockfotos mit lachenden Menschen — kein Mensch glaubt ihnen
    • × Generische Werbebanner mit Produktbild + Logo + Preis — funktioniert nur noch als Retargeting-Reminder, nie als Cold-Prospecting

    Die operative Konsequenz: teste immer mindestens 3 verschiedene Creative-Varianten gleichzeitig, mit unterschiedlichen Hooks, Formaten und Botschaften. Setze wöchentliche Rotationen der Underperformer. Ein Creative das heute gut läuft, erschöpft sich. Meta zeigt dieselbe Anzeige denselben Personen zu oft — die Klickrate sinkt, der CPM steigt, die Kampagne verschlechtert sich. Das ist kein algorithmisches Problem, das ist Creative Fatigue.

    Plane Creative-Kosten realistisch ein: 500 bis 2.000 € pro Batch für 3 bis 5 Varianten — abhängig ob du mit eigenem Content-Team arbeitest, mit Freelancern oder mit UGC-Creatoren. Wer kreative Produktion als Kostenfaktor wegkürzt und nur Mediabudget ausgibt, optimiert am falschen Hebel.

    04 / Kampagnenstruktur

    Kampagnenstruktur die funktioniert

    In Mandaten sehe ich regelmäßig dasselbe strukturelle Problem: alles läuft in einer Kampagne, alle Zielgruppen gemischt, Cold und Warm nicht getrennt, kein klares Ziel pro Kampagnentyp. Das macht es unmöglich zu verstehen was funktioniert — und verhindert dass der Algorithmus sauber optimieren kann.

    Die Konto-Architektur die funktioniert, trennt drei Kampagnen-Typen klar voneinander:

    Kampagne 1 — Prospecting (Cold Audience)

    Zielgruppe: Lookalike Audiences aus Kundenlisten + Interesse-Targeting als Fallback. Ziel: Awareness, Traffic, Video-Views. Optimierungsziel: Reach oder Landing Page Views — keine Conversions, solange das Publikum noch kalt ist. Budget-Anteil: 60 %.

    Kampagne 2 — Retargeting (Warm Audience)

    Zielgruppe: Website-Besucher der letzten 30, 60 und 90 Tage — segmentiert nach Tiefe des Engagements. Cart Abandoner bekommen eine eigene Anzeigengruppe mit expliziter Kaufaufforderung und ggf. Incentive. Ziel: Conversion, ROAS. Das ist dein Profitcenter. Budget-Anteil: 30 %.

    Kampagne 3 — Retention (Bestehende Kunden)

    Zielgruppe: Bestehende Kunden — aus CRM-Datei oder Pixel-Custom-Audience. Ziel: Upsell, Cross-sell, Wiederholungskauf. Das ist oft der effizienteste ROAS im gesamten Konto, weil Vertrauen bereits vorhanden ist. Budget-Anteil: 10 %.

    Diese 60/30/10-Aufteilung ist keine Regel — sie ist ein Ausgangspunkt. Je nach Marktreife, Produktkategorie und Ziel kann sich das verschieben. Eine Marke im Launch-Modus investiert mehr in Prospecting. Eine etablierte Marke mit großem Kundenstamm investiert mehr in Retention.

    Pixel-Tracking: muss sauber sein, bevor du irgendein Budget ausgibst. iOS 14.5 hat das App-Tracking-Transparency-Framework eingeführt — Opt-in-Raten von 25 bis 35 % bedeuten, dass der Browser-Pixel alleine massiv unterreportiert. Server-Side-Events über die Conversions API (CAPI) sind seit 2022 Standard. Wer CAPI nicht implementiert hat, steuert im Blindflug: der Algorithmus bekommt zu wenige Conversion-Signale, optimiert falsch, und dein ROAS sieht schlechter aus als er ist — was zu falschen Budget-Entscheidungen führt.

    Measurement nach iOS 14: Meta-Attribution ist eingeschränkt. Das 28-Tage-Klick-Fenster gibt es nicht mehr — Standard ist 7 Tage Klick / 1 Tag View. Das unterschätzt den tatsächlichen Einfluss von Meta-Kampagnen auf den Umsatz, weil viele Kaufentscheidungen länger dauern. Für eine realistische Einschätzung nutze Lift Studies (Incrementality-Tests die Meta selbst anbietet) und Marketing Mix Modelling (MMM) — das misst den Beitrag eines Kanals statistisch, ohne auf Pixel-Tracking angewiesen zu sein.

    05 / Ökonomie

    Was Meta Ads kosten und wie man sie bewertet

    Bevor du Meta-Kampagnen startest, musst du wissen wo dein Break-Even liegt. Das ist keine Faustregel — das ist die Grundrechenaufgabe die entscheidet ob du profitabel arbeiten kannst oder nicht.

    Benchmarks D-A-CH 2024/2025 (Feed):

    • CPM (Tausend-Kontakt-Preis): 6–22 € je nach Zielgruppe, Saison und Konkurrenzdruck
    • CPC (Cost per Click): 0,20–0,80 €
    • CPA B2C Konsumgut: 25–90 € abhängig von Produktpreis, Marge und Creative-Qualität

    Break-Even-Berechnung — ein konkretes Beispiel:

    Produkt: 89 € Verkaufspreis

    Marge nach COGS und Versand: 40 % → 35,60 € verbleiben

    Davon noch abziehen: Plattformgebühren, Zahlungsgebühren, Retouren (realistisch 5–10 € je nach Kategorie)

    Ergebnis: maximal 28–30 € verfügbar für Marketing-Kosten um profitabel zu bleiben

    Break-Even ROAS: 89 € ÷ 30 € = ~3,0x

    Das bedeutet: wenn deine Retargeting-Kampagne einen ROAS von 4,5x erzielt, ist sie klar profitabel. Wenn deine Prospecting-Kampagne einen ROAS von 1,8x erzielt, ist sie auf den ersten Blick unprofitabel — aber hier kommt der Funnel-Gedanke ins Spiel.

    Prospecting-Kampagnen die unter dem Break-Even-ROAS liegen, bauen trotzdem wertvolle Brand Awareness auf. Sie erzeugen Website-Besucher, die dann im Retargeting zu profitablen Käufern werden. Den ROAS der Prospecting-Kampagne alleine zu bewerten, ohne die nachgelagerten Retargeting-Conversions einzurechnen, ergibt ein falsches Bild. Das Problem ist Attribution: Meta kann diese Verbindung nicht immer sauber abbilden, besonders nach iOS 14.

    Der wichtige Punkt: wer unter Break-Even-ROAS liegt, muss das als bewusstes Investment in Brand Awareness klassifizieren — mit klarem Budget-Rahmen und klarem Ziel. Das ist eine valide strategische Entscheidung. Es ist keine valide Entscheidung, das als Fehler zu verstecken oder die Kampagne unkritisch weiterlaufen zu lassen in der Hoffnung dass es sich irgendwann verbessert. Zu den Leistungen gehört genau diese Analyse — was tatsächlich funktioniert, nicht was die Zahlen oberflächlich zeigen.

    Das Wichtigste in Kürze

    • → Meta ist Push-Marketing. Nutzer suchen kein Produkt — du unterbrichst sie. Das bedeutet längere Time-to-Conversion und ein anderes Attributionsmodell als Suchkanäle.
    • → 80 % der Performance hängt am Creative, nicht am Targeting. UGC-Style, Demo-Videos und Testimonials mit konkreten Zahlen schlagen Hochglanz-Werbung in jeder Situation.
    • → Trenne drei Kampagnen-Typen klar: Prospecting (60 %), Retargeting (30 %), Retention (10 %). Ohne diese Trennung optimiert der Algorithmus falsch.
    • → CAPI (Conversions API) ist seit iOS 14 kein Nice-to-have — es ist die Grundvoraussetzung für sauberes Tracking und Algorithmus-Optimierung.
    • → Berechne deinen Break-Even-ROAS vor dem ersten Euro Mediabudget. Alles darunter ist Brand Awareness — das ist kein Fehler, aber es muss als Investment klassifiziert werden, nicht als Performance-Kanal.

    Häufige Fragen

    Funktionieren Meta Ads noch nach iOS 14?

    Ja — aber anders als vorher. iOS 14.5 hat das App-Tracking-Transparency-Framework eingeführt: Nutzer müssen aktiv zustimmen, bevor Apps sie über Apps hinweg tracken dürfen. Opt-in-Raten liegen bei 25–35 %. Das bedeutet: Meta sieht deutlich weniger Conversions direkt, das Attributionsfenster wurde auf 7 Tage Click / 1 Tag View reduziert, und das Algorithmus-Learning leidet unter kleineren Datensätzen. Die Antwort ist Server-Side Tracking via Conversions API (CAPI): Events werden direkt vom Server übermittelt, nicht aus dem Browser. Wer CAPI nicht implementiert hat, arbeitet mit einem kaputten Steuerungssystem.

    Was ist ein realistisches Meta-Ads-Budget für Einsteiger?

    Unter 1.500 € monatlichem Mediabudget ist Meta-Testing strukturell schwierig. Der Algorithmus braucht mindestens 50 Conversion-Events pro Woche und Anzeigengruppe, um aus der Lernphase herauszukommen. Bei einem CPA von 40 € bedeutet das 2.000 € monatlich nur für eine Anzeigengruppe. Wer mit 500 € startet, kann Reichweite kaufen — aber keinen skalierbaren Conversion-Kanal aufbauen. Sinnvoll: mindestens 1.500–2.500 € Mediabudget, plus Budget für Creative-Produktion (500–1.500 € pro Batch), plus Setup und Management. Wer das nicht leisten kann, sollte zuerst den Suchkanal skalieren.

    Wie lange dauert der Lernprozess?

    Meta spricht von 7 Tagen Lernphase pro Anzeigengruppe nach dem Launch oder nach signifikanten Änderungen. In der Praxis dauert es 4–6 Wochen, bis du verlässliche Performance-Daten hast — genug um zu entscheiden, welche Creatives skaliert werden und welche abgeschaltet werden. Ein erster Monat ist immer Datenerhebung, kein Profitcenter. Wer nach zwei Wochen die Kampagnen komplett umbaut weil die Zahlen schlecht aussehen, verhindert das Lernen. Änderungen an Budgets über 30 % oder an Zielgruppen starten die Lernphase neu — das kostet Zeit und Geld.

    Meta Ads oder Google — was zuerst?

    Google zuerst — fast immer. Google Shopping und Search bedienen Kaufabsicht: jemand sucht aktiv nach deinem Produkt oder einer Kategorie. Das ist der effizienteste Weg zu ersten Verkäufen. Meta ist Push-Marketing: du unterbrichst jemanden beim Scrollen und versuchst, Interesse zu wecken. Das ist teurer und indirekter. Die Ausnahme: wenn dein Produkt kein Suchvolumen hat — weil es neu ist, die Kategorie noch nicht existiert, oder du in einem Nischenmarkt bist — dann macht Meta als primärer Awareness-Kanal Sinn. Sonst: Google aufbauen, stabilisieren, dann Meta als Erweiterung zum Suchkanal schalten.

    Autor

    CS

    Christopher Schaller

    schaller.work

    Dieser Text stammt aus aktiver Mandatsarbeit. Gründer schaller.work — Strategie, Kanalaufbau, Commerce. Aus der Praxis, nicht aus dem Lehrbuch. Mehr zur Arbeitsweise: Werkstatt.

    Sparring statt Pitch?

    Wenn du wissen willst, ob Meta Ads für dein Produkt und deine Marge funktionieren — schreib mir. Kein Pitch. Kein Deck. Ein echtes Gespräch.

    CHRISTOPHER@SCHALLER.WORK

  • LinkedIn für den Mittelstand — warum Unternehmensseiten nicht funktionieren

    ← Werkstatt

    Marketing & Kanal

    LinkedIn für den Mittelstand — warum Unternehmensseiten nicht funktionieren und Personal Authority es tut

    8 Min. Lesezeit

    November 2025

    Christopher Schaller

    LinkedIn ist die einzige Plattform, auf der B2B-Entscheider aktiv Content konsumieren und sich von Experten überzeugen lassen. Kein anderes Medium im B2B gibt dir heute diese Direktheit. Und trotzdem verschwenden die meisten Mittelstandsunternehmen ihr Budget auf die falsche Seite der Plattform.

    Das Muster ist immer dasselbe: Unternehmensseite angelegt, Produktnews gepostet, Mitarbeiter-Jubiläen geteilt — und nach drei Monaten wundert man sich, warum nichts passiert. Ich schaue mir das regelmäßig an. Der Fehler liegt nicht im Content. Er liegt in der Entscheidung, wer postet. Der Hebel ist der Mensch dahinter — nicht das Logo.

    01

    Wer wirklich auf LinkedIn ist — und was er dort tut

    21+ Millionen LinkedIn-Nutzer in der DACH-Region. 57% davon sind Entscheider oder Senior-Level. Das sind keine abstrakten Zahlen — das ist deine Zielgruppe, konzentriert auf einer Plattform, täglich eingeloggt.

    Aber: 90% konsumieren nur. 10% posten überhaupt. Das klingt wie ein Problem — es ist tatsächlich eine Chance. Wer postet, hat fast kein Wettbewerber-Rauschen. Wer nicht postet, existiert für seine Zielgruppe schlicht nicht.

    Die wichtigste Verhaltenseigenheit von LinkedIn: Menschen folgen Menschen, nicht Marken. Das ist kein Zufall — es ist das Plattform-Design. Unternehmensseiten erreichen organisch 2 bis 5% ihrer Follower. Personenprofile mit relevantem Content: 10 bis 30%. Nicht weil Profile besser schreiben würden, sondern weil LinkedIn an Engagement verdient — und Engagement entsteht über Menschen, nicht über Logos.

    Wer im Mittelstand auf LinkedIn Entscheider erreichen will, muss persönlich in Erscheinung treten. Es gibt keinen Workaround über eine bessere Unternehmensseite. Das ist keine Strategie-Empfehlung — das ist Plattform-Mechanik.

    Die Konsequenz ist klar: Wenn du in deiner Branche als Experte wahrgenommen werden willst, musst du als Person sichtbar sein. Nicht das Unternehmen. Du.

    02

    Warum Unternehmensseiten fast nie funktionieren

    Produktnews interessieren niemanden außer bestehenden Kunden. Das ist keine Meinung — das ist eine Beobachtung aus hunderten von LinkedIn-Profilen, die ich in den letzten Jahren analysiert habe. Wer eine Unternehmensseite mit Produkt-Updates betreibt, betreibt Kundenbindung. Das ist nicht falsch. Es ist aber kein Akquisitions-Kanal.

    „Wir freuen uns, bekannt zu geben, dass wir erfolgreich…“ — das liest niemand freiwillig. Niemand. Solche Posts haben eine Funktion: Sie fühlen sich gut an für denjenigen der sie schreibt. Sie haben keine Funktion für denjenigen der sie lesen soll.

    Dazu kommt die Algorithmus-Logik: LinkedIn bestraft externe Links. Posts mit Link-Weiterleitung bekommen bis zu 50% weniger Reichweite als native Posts. Wer also „Neuer Blogartikel — jetzt lesen“ postet und dabei den Link direkt in den Post packt, sabotiert sich selbst.

    Rechenbeispiel

    Unternehmensseite: 2.000 Follower × 3% organische Reichweite = 60 Impressionen pro Post.

    Geschäftsführer-Profil: 500 Connections × 20% Algorithmus-Push = 100 Impressionen — plus Shares, plus Out-of-Network-Verteilung durch Kommentare. Reale Reichweite: 300–600 Impressionen aus 500 Connections.

    Das Personenprofil schlägt die Unternehmensseite selbst mit einem Viertel der Followerzahl. Das ist keine Ausnahme. Das ist die Regel.

    Die Unternehmensseite hat ihren Platz — als Referenzpunkt, als Aushängeschild, als Arbeitgebermarke. Aber als Vertriebskanal? Das funktioniert nicht. Es hat nie funktioniert. Und LinkedIn macht es durch Updates bei der Reichweiten-Logik Jahr für Jahr deutlicher.

    03

    Was Personal Authority auf LinkedIn wirklich bedeutet

    Es geht nicht darum, täglich zu posten. Das ist falsch. Wer täglich postet um die Frequenz zu treffen, produziert früher oder später inhaltslosen Lärm — und das ist schlimmer als Stille. LinkedIn bestraft schlechten Content nicht mit Reichweiten-Entzug. Es belohnt guten Content mit Verbreitung. Der Unterschied ist subtil, aber entscheidend.

    Es geht darum, als Fachperson zu einem Thema erkannt zu werden — von den 3 Personen, die in einem Jahr deinen nächsten Auftrag unterschreiben. Nicht von 10.000 Followern. Nicht von der Branche. Von diesen 3 Personen. Das klingt klein. Es ist präzise.

    Die Content-Typen, die auf LinkedIn für B2B funktionieren:

    Lessons from practice

    Keine Ratschläge. Beobachtungen. „Was ich letzte Woche in einem Mandat gelernt habe.“ „Drei Monate nach diesem Fehler — hier ist was passiert ist.“ Das ist Beleg. Ratschläge ohne Kontext sind Lärm. Beobachtungen mit Kontext sind Autorität.

    Contrarian opinions

    Eigene Meinung gegen den Strom. Nicht Provokation um der Provokation willen — sondern die fundierte Gegenposition. „Das widerspricht dem Mainstream — und hier ist warum ich trotzdem recht habe.“ Wer keine eigene Meinung hat, ist austauschbar.

    Case stories

    Anonymisiert, mit Zahlen. „Ein Hersteller aus der Investitionsgüterbranche hatte ein Problem: X. Wir haben Y gemacht. Ergebnis nach 6 Monaten: Z.“ Konkret, nachprüfbar, ohne Selbstlob. Das ist der Unterschied zwischen Fallstudie und Eigenwerbung.

    Behind-the-scenes — aber richtig

    Nicht Instagram-Style mit Kaffee und Motivationsspruch. Sondern Entscheidungsprozesse. „Warum wir ein Mandat abgelehnt haben.“ „Was an diesem Pitch schiefgelaufen ist und wie wir es behoben haben.“ Das zeigt Urteilsvermögen — nicht nur Aktivität.

    Was nicht funktioniert:

    Motivational quotes. Generische Branchen-Reshares ohne eigene Meinung. „Happy to announce“-Posts. „Excited to share“-Formulierungen. Produktbilder ohne Story. Teamfotos ohne Kontext. Diese Posts existieren im Feed — sie existieren nicht im Kopf des Lesers.

    04

    Ein praktisches Setup für Mittelstand-Entscheider — 30 Minuten pro Woche

    LinkedIn funktioniert nicht mit Budgets. Es funktioniert mit Konsistenz und Klarheit. Hier ist ein Setup das ich jedem Geschäftsführer empfehle, der 30 Minuten pro Woche investieren will — und das reicht.

    01

    Profiloptimierung — Headline ist kein Job-Titel

    Die Headline ist das Erste was jemand sieht — im Feed, in Suchergebnissen, in der Kommentarspalte. „Geschäftsführer bei XY GmbH“ ist keine Headline. Es ist eine Titelzeile im Organigramm.

    Vorher / Nachher

    Geschäftsführer bei XY GmbH

    Helfe mittelständischen Herstellern, digitale Vertriebskanäle profitabel zu machen.

    02

    Content-Kadenz: 1–2 Posts pro Woche, 6 Monate durch

    1 bis 2 Posts pro Woche reichen. Konsistenz über 6 Monate ist wichtiger als 10 Posts in zwei Wochen. Der LinkedIn-Algorithmus belohnt regelmäßige Aktivität, keine Explosionen. Wer in einem Monat täglich postet und dann 6 Wochen schweigt, fängt von vorne an — algorithmisch und in den Köpfen der Leser.

    03

    Netzwerk-Strategie: 200 gezielte Kontakte im Jahr

    200 gezielte Kontaktanfragen im Jahr — Entscheider, potenzielle Kunden, relevante Branchenleute — sind wertvoller als 2.000 zufällige. Das ist keine Massen-Akquise. Das ist Netzwerkpflege mit Kopf. Bei jeder Anfrage: kurze persönliche Notiz, kein Pitch, echter Bezugspunkt.

    04

    Comment-Strategie: 3–5 durchdachte Kommentare pro Woche

    Das ist der unterschätzte Hebel. 3 bis 5 durchdachte Kommentare unter fremden Posts pro Woche generieren mehr Sichtbarkeit als eigene Posts. Warum? Weil dein Kommentar im Feed aller Connections des Post-Autors auftaucht — in einer Zielgruppe die du selbst gar nicht erreichst. Kommentare sind der günstigste Reach-Multiplikator auf LinkedIn. „Interessant!“ ist kein Kommentar. Eine ergänzende Meinung, eine Frage, ein Widerspruch — das ist Sichtbarkeit.

    05

    LinkedIn Ads — wann sie sich lohnen und wann nicht

    LinkedIn Ads sind teuer. CPC zwischen 4 und 12 Euro, CPM zwischen 35 und 80 Euro — je nach Zielgruppe, Branche und Wettbewerb. Wer mit Google Ads vergleicht, ist zunächst geschockt. Der Vergleich hinkt: LinkedIn Targeting ist etwas, das Google nicht kann. Branche + Unternehmensgröße + Jobtitel + Seniorität. Das ist keine Demographiewolke — das ist ein ICP im Werbesystem.

    LinkedIn Ads lohnen sich wenn:

    —

    B2B-Produkt mit Auftragswert über 5.000 Euro. Darunter rechnet sich der CPC nicht.

    —

    Definiertes ICP — konkret: Branche, Unternehmensgröße, Rolle. Ohne ICP verbrennt jedes LinkedIn-Budget.

    —

    Dediziertes Retargeting-Segment aus einer organischen Community — Website-Besucher, E-Mail-Liste, Profilbesucher.

    LinkedIn Ads lohnen sich nicht wenn:

    —

    Budget unter 2.000 Euro pro Monat. Das reicht nicht für ausreichend Daten und Optimierungszyklen.

    —

    Kein organischer LinkedIn-Boden. Wer kalt mit Ads startet ohne organische Präsenz, zahlt Premiumpreise für kalte Zielgruppen. Das ist teuer und ineffizient.

    —

    Kein klarer Conversion-Pfad nach dem Click. Wo landet der Nutzer? Was soll er tun? Wenn die Antwort „unsere Homepage“ ist, ist das keine Strategie.

    Beste Einstiegs-Taktik

    Conversation Ads an eine warme Audience — Website-Besucher, E-Mail-Liste — als Warm-Retargeting. Nicht als Kalt-Akquise. Der Einstieg über warm ist günstiger, schneller messbar und baut auf bestehendem Interesse auf. Erst wenn das funktioniert, skalierst du auf neue Zielgruppen.

    Das Wichtigste in Kürze

    —

    21+ Mio. LinkedIn-Nutzer in DACH, 57% Entscheider oder Senior-Level. Die Zielgruppe ist da. Die Frage ist ob du als Person sichtbar bist oder als Unternehmenslogo.

    —

    Unternehmensseiten erreichen 2–5% ihrer Follower organisch. Personenprofile mit relevantem Content: 10–30%. Das ist kein Ratschlag — das ist Plattform-Mechanik.

    —

    Lessons from practice, Contrarian opinions, anonymisierte Case stories mit Zahlen: diese Formate funktionieren. Motivational quotes, generische Reshares, „Happy to announce“-Posts: das nicht.

    —

    1–2 Posts pro Woche und 3–5 Kommentare unter fremden Posts reichen. Konsistenz über 6 Monate schlägt Intensität über 6 Wochen in jedem Fall.

    —

    LinkedIn Ads erst wenn: Auftragswert über 5.000 Euro, klares ICP, warme Audience vorhanden. Darunter ist das Budget besser in organische Arbeit investiert.

    Wer als Mittelstandsunternehmen auf LinkedIn unsichtbar ist, hat kein LinkedIn-Problem. Er hat eine Entscheidung nicht getroffen: Wer tritt für dieses Unternehmen persönlich ein?

    Häufige Fragen

    FAQ

    Soll ich als Geschäftsführer selbst auf LinkedIn posten?

    Ja — wenn du Entscheider erreichst willst, die du als Kunden willst. Kein Medium im B2B gibt dir heute diese Direktheit: kein Kaltanruf, keine Messe, keine Printkampagne. Du musst es aber richtig angehen: kein Job-Titel als Headline, kein „Wir freuen uns, bekannt zu geben“, keine Motivation-Quotes. Stattdessen: Beobachtungen aus der Praxis, eigene Meinung, konkrete Zahlen. Das schafft Vertrauen — bevor jemand deine Website gesehen hat.

    Was kostet eine saubere LinkedIn-Strategie?

    Das hängt davon ab, ob du es intern aufbaust oder extern betreuen lässt. Für ein solides Setup — Profiloptimierung, Content-Strategie, erste 3 Monate Begleitung — rechne mit 3.000 bis 6.000 Euro. Ghostwriting über 6 Monate liegt je nach Intensität bei 800 bis 2.500 Euro monatlich. LinkedIn Ads on top: frühestens ab 2.000 Euro Monatsbudget sinnvoll.

    Wie schnell sieht man Ergebnisse?

    Erste Sichtbarkeit nach 4 bis 8 Wochen. Messbare Nachfrage-Effekte — also Anfragen, die klar auf LinkedIn zurückgehen — nach 4 bis 6 Monaten konsequenter Arbeit. Das klingt lang. Es ist kürzer als jede SEO-Kampagne und deutlich günstiger als kontinuierliches Kalt-Outreach. Wer nach 6 Wochen aufhört, weil „nichts passiert“, hat das Muster nicht verstanden.

    Was ist der Unterschied zwischen LinkedIn-Seite und Profil?

    Die Unternehmensseite ist eine offizielle Präsenz — sie wird vom Algorithmus benachteiligt, weil LinkedIn an Profilinteraktion verdient, nicht an Unternehmensseiten. Organische Reichweite: 2 bis 5% der Follower. Das Personenprofil ist der Kanal, den LinkedIn bevorzugt: 10 bis 30% Reichweite, Kommentare, Shares, Out-of-Network-Verteilung. Für B2B-Neukundengewinnung gilt: Unternehmensseite = Aushängeschild, Personenprofil = Vertriebskanal.

    Autor

    CS

    Christopher Schaller

    Strategie und Marktaufbau für Mittelstand und Scale-ups. Ich beobachte LinkedIn-Mechaniken seit Jahren — zuerst im Konzern, seit 2022 mit schaller.work aus der Beratungsperspektive.

    schaller.work

    LinkedIn-Auftritt aufbauen?

    Wenn du weißt, dass du auf LinkedIn sichtbarer sein solltest — aber nicht weißt wo du anfangen sollst, schau dir zuerst an, womit wir arbeiten:

    info@schaller.work

  • Kanalentscheidung im Marketing — ein Framework das funktioniert

    ← Werkstatt

    Marketing & Kanal

    Kanalentscheidung im Marketing — ein Framework, das funktioniert (und warum Reichweite der falsche Startpunkt ist)

    CS

    Christopher Schaller

    schaller.work

    7 Min. Lesezeit

    September 2025

    In fast jedem Mandat kommt der Moment, in dem jemand sagt: „Wir müssen auf Instagram sein, da sind unsere Kunden.“ Oder: „Die Wettbewerber machen alle LinkedIn, also sollten wir das auch machen.“ Beides klingt plausibel. Beides ist der falsche Ausgangspunkt. Der richtige Ausgangspunkt ist nicht der Kanal — sondern die Frage, was ein Käufer wert ist und was seine Gewinnung kosten darf.

    Kanalentscheidungen sind Kapitalallokationsentscheidungen. Wer das nicht so behandelt, trifft keine Marketingentscheidung — er trifft eine Geschmacksentscheidung mit Budget. Dieser Artikel zeigt, wie der Entscheidungsprozess strukturiert aussieht und warum die meisten Unternehmen dabei systematisch falsch beginnen.

    01

    Warum Kanalentscheidungen regelmäßig scheitern

    Es gibt drei Fehler, die immer wieder auftauchen — unabhängig von Branche, Budget oder Unternehmensgröße. Alle drei klingen vernünftig, wenn man sie hört. Alle drei führen in dieselbe Richtung: Budget wird verteilt, Kanal wird aufgebaut, Ergebnis bleibt aus.

    Fehler 1 — „Da sind unsere Kunden“

    Reichweite sagt nichts über Kaufbereitschaft. 2 Milliarden Menschen sind auf Instagram — das bedeutet nicht, dass dort 2 Milliarden potenzielle Käufer deines Produkts sitzen. Präsenz und Kaufintention sind zwei verschiedene Dinge. Jemand, der auf Instagram scrollt, ist im Unterhaltungsmodus, nicht im Kaufmodus. Das ändert alles: Botschaft, Format, Erwartung an Conversion-Rate, tolerierbarer CAC. Das wird in der „da sind unsere Kunden“-Logik systematisch ignoriert.

    Fehler 2 — „Das machen alle“

    Benchmarking aus der Branche führt zu Imitations-Marketing — nicht zur Differenzierung. Wenn alle Wettbewerber auf LinkedIn sind, ist der Kanal möglicherweise überfüllt und teuer. Was du siehst, wenn du schaust was andere tun: du siehst, womit sie werben. Du siehst nicht, was davon funktioniert. Wettbewerber-Präsenz auf einem Kanal ist kein Beweis für Wirksamkeit — sie ist ein Beweis für Aktivität. Das ist ein fundamentaler Unterschied. In Mandaten erleben wir regelmäßig, dass Unternehmen Kanäle aufgebaut haben, weil „die Branche das so macht“, obwohl keine einzige Zahl belegt, dass dort die relevanten Käufer konvertieren.

    Fehler 3 — Kanal zuerst, Botschaft danach

    Die Reihenfolge ist tatsächlich umgekehrt. Zuerst kommt die Klarheit über Produkt, Zielgruppe und Botschaft. Aus dieser Klarheit ergibt sich der Kanal fast von selbst — weil du dann weißt, wo deine Zielgruppe sich in welchem Entscheidungsmodus befindet und welches Format zur Botschaft passt. Wer mit dem Kanal anfängt, versucht eine Botschaft für eine Bühne zu bauen, bevor er weiß, was er sagen will. Das erzeugt generischen Content, der auf keinem Kanal wirklich funktioniert.

    02

    Die 4 Fragen vor jeder Kanalentscheidung

    Bevor ein einziger Euro in einen Kanal fließt, müssen diese vier Fragen beantwortet sein. Nicht ungefähr — präzise. Wer sie nicht beantworten kann, hat keine Kanalentscheidung zu treffen, sondern zunächst eine Grundlagen-Arbeit zu erledigen.

    01

    Was ist das Kaufentscheidungs-Profil?

    Ist der Kauf impulsiv oder recherchiert? Ist er preisgetrieben oder emotional? Spielt Markenvertrauen eine Rolle — oder ist der Käufer rein funktional unterwegs? Ein Impulskauf unter 30€ folgt einer anderen Kanallogik als ein Kaufentscheidungsprozess über 3 Monate mit drei Entscheidern. Das Profil bestimmt, ob du Push oder Pull brauchst, ob du Brand oder Intent ansprechen musst.

    02

    Wer trifft die Kaufentscheidung?

    Einzelperson, Einkaufsabteilung oder Gremium? Diese Frage ist nicht trivial. B2B-Entscheidungen ab einem gewissen Volumen werden selten von einer Person getroffen — sie durchlaufen Evaluation, Freigaben, interne Stakeholder. Ein Kanal wie Google Search bringt den initialen Kontakt, löst aber keinen Abschluss aus. Der Abschluss passiert über direkte Kommunikation, Vertrauen und Personal Branding — nicht über Anzeigen. Wer das nicht berücksichtigt, optimiert die falsche Metrik.

    03

    Wie lang ist der Kaufzyklus?

    Minuten, Tage oder Monate? Ein Kaufzyklus von unter einem Tag verträgt direkten Conversion-Traffic — Amazon PPC, Google Shopping. Ein Kaufzyklus von 30 bis 90 Tagen braucht mehrere Touchpoints, Nurturing und einen Mechanismus, der den Kontakt warmhält. Wer einen 60-Tage-Kaufzyklus mit einer Single-Touch-Kampagne lösen will, investiert in den ersten Kontakt und verliert den Abschluss an jemanden, der die Folge-Kommunikation gemacht hat.

    04

    Was ist der tolerierbare CAC bezogen auf LTV?

    Das ist die Zahl, die alles andere reguliert. Wenn ein Kunde im Schnitt 1.200€ über seine Lebensdauer einbringt, darf die Akquise deutlich mehr kosten als bei einem Einmalkäufer mit 80€ Warenkorbwert. Ein tolerierbarer CAC von 40€ schließt bestimmte Kanäle aus — und macht andere interessant. Ohne diese Zahl ist jede Kanalentscheidung eine Meinungsentscheidung. Mit ihr wird sie eine Kalkulation.

    03

    Drei Kanal-Archetypen und eine Entscheidungsmatrix

    Kein Kanal ist pauschal gut oder schlecht. Jeder hat eine Logik — und die muss zur Kaufsituation passen.

    Bevor wir zur Matrix kommen: es gibt drei grundlegende Kanal-Archetypen, und sie funktionieren nach komplett unterschiedlicher Logik. Den falschen Archetyp für eine Situation zu wählen ist teuer — nicht weil der Kanal schlecht ist, sondern weil er nicht für diese Aufgabe gebaut ist.

    Archetyp A

    Direkte Nachfrage abschöpfen — Amazon, Google Search

    Der Nutzer sucht bereits aktiv. Intent ist vorhanden. Deine Aufgabe ist nicht Überzeugung — sondern Auffindbarkeit und Conversion. Das ist der effizienteste Kanal, wenn das Produkt gesucht wird. Wenn es nicht gesucht wird, funktioniert dieser Archetyp nicht — dann gibt es nichts abzuschöpfen.

    Archetyp B

    Nachfrage aufbauen — Meta, LinkedIn, Display

    Der Nutzer sucht nicht — wir unterbrechen ihn. Das erfordert mehr Budget, mehr Geduld und andere Erfolgskriterien als Archetyp A. Brand-Bekanntheit, Engagement, Awareness: das sind die primären Outputs. Conversion passiert nicht sofort — sie passiert nach mehreren Touchpoints. Wer diesen Archetyp mit CAC-Erwartungen aus Archetyp A bewertet, wird immer enttäuscht sein.

    Archetyp C

    Bestehende Beziehungen nutzen — E-Mail, WhatsApp, CRM

    Der Nutzer kennt dich bereits. Das ist der günstigste Kanal überhaupt — wenn er gut geführt wird. Reaktivierung, Upsell, Retention: alles hier. In Mandaten zeigt sich immer wieder, dass dieser Kanal massiv unterinvestiert ist, während Budget in Neukunden-Akquise fließt. Einen bestehenden Kunden zu reaktivieren kostet 5 bis 7 Mal weniger als einen neuen zu gewinnen.

    Entscheidungsmatrix: Preis × Kaufzyklus

    Segment Preis Kaufzyklus Kanal-Empfehlung
    B2C unter 100€ unter 1 Tag Amazon PPC + Google Shopping
    B2C 100–500€ 1–14 Tage Meta Retargeting + Google Search
    B2B 500–5.000€ 30–90 Tage LinkedIn + Google Search + Content/SEO
    B2B über 5.000€ über 90 Tage LinkedIn Personal + SEO + direkter Vertrieb

    Diese Matrix ist kein Dogma — sie ist ein Startpunkt. Die eigene Datenlage schlägt immer allgemeine Empfehlungen. Aber sie ist ein deutlich besserer Ausgangspunkt als Bauchgefühl oder Wettbewerber-Imitation.

    04

    Warum Omnichannel kein Ziel ist, sondern ein Problem

    Omnichannel klingt nach Stärke. Überall präsent sein, jeden Touchpoint bespielen, kein Kanal unbearbeitet lassen. In der Realität bedeutet das für die meisten Unternehmen: überall mittelmäßig sein, nirgendwo wirklich gut.

    Das Kernproblem ist Budget-Verdünnung. Ein Kanal mit 5.000€ pro Monat, der wirklich gemanagt wird — mit Optimierung, A/B-Tests, Audience-Arbeit, kreativer Iteration — liefert mehr als drei Kanäle mit je 1.700€ pro Monat, die nebenher laufen. Das ist keine Theorie. Das erleben wir in Mandaten regelmäßig: Unternehmen, die sich von einem Kanal auf drei verteilten, haben auf keinem davon bessere Ergebnisse erzielt, aber überall mehr Arbeit produziert.

    Die Frage ist nicht „welche Kanäle nutzen wir“ — sondern „welchen Kanal dominieren wir zuerst“.

    Kanaltiefe schlägt Kanalbreite. Ein Kanal, den du wirklich beherrschst — mit eigener Expertise, valider Attribution, sauberer Kampagnenstruktur und Lernmechanismus über mehrere Monate — ist wertvoller als fünf Kanäle, auf denen du im Experimentiermodus steckst.

    Der richtige Zeitpunkt für einen zweiten Kanal ist, wenn der erste profitabel und skalierbar läuft — und du das mit Zahlen belegen kannst. Nicht vorher. Omnichannel ist ein Zielzustand für Unternehmen mit funktionierender Infrastruktur auf mindestens zwei Kanälen — keine Strategie für den Aufbau. Wer Omnichannel als Einstieg formuliert, hat kein Kanal-Problem. Er hat ein Ressourcen-Problem.

    05

    Wann und wie man einen neuen Kanal testet

    Das Konzept des Minimum Viable Budget ist in der Praxis unterbewertet. Jeder neue Kanal braucht zwei Dinge, bevor er überhaupt valide Daten liefert: ausreichend Zeit und ausreichend Budget. Beides wird regelmäßig unterschätzt — mit der Konsequenz, dass Kanäle zu früh als „gescheitert“ abgeschrieben werden.

    Mindest-Laufzeit

    60–90 Tage

    Darunter ist die Datenbasis zu klein für valide Schlüsse. Algorithmen brauchen Lernzeit. Das gilt für Meta und Google gleichermaßen.

    Mindest-Budget

    1.500–5.000€

    Meta: 1.500–3.000€ Testbudget. Google: 2.000–5.000€. Darunter: kein Test, sondern Rauschen.

    Was ein sauberer Kanaltest umfasst: einen klar definierten Messwert als Erfolgskriterium vor dem Start, ein Budget das über die Lernphase trägt, eine Kampagnenstruktur die Isolierung einzelner Variablen erlaubt, und einen Evaluationspunkt nach 30, 60 und 90 Tagen. Ohne vorher definiertes Erfolgskriterium gibt es keinen Test — nur Aktivität.

    Was kein Kanaltest ist: 300€ auf Meta ausgeben, zwei Wochen warten, festzustellen dass keine Verkäufe kamen, und daraus schließen „Meta funktioniert nicht für uns“. Das ist ein häufiger Fehler — und er kostet nicht nur das verbrannte Budget, sondern auch die Entscheidung, einen möglicherweise funktionierenden Kanal nicht weiter verfolgt zu haben.

    In Mandaten sehen wir gelegentlich das Gegenteil: zu viel Geduld mit einem Kanal, der seit 9 Monaten keine verwertbaren Signale liefert. Auch das ist ein Fehler — aber ein seltenerer. Meistens ist das Problem nicht zu viel, sondern zu wenig Testbudget kombiniert mit zu kurzer Laufzeit.

    Weiterführend: Wie GEO und KI-Sichtbarkeit die Kanallogik für Suchverkehr fundamental verändern — und was das für die Budget-Verteilung zwischen bezahlten und organischen Kanälen bedeutet.

    Das Wichtigste in Kürze

    01

    Der richtige Startpunkt für Kanalentscheidungen ist nicht Reichweite, sondern Margin: CAC vs. LTV — was darf ein Käufer kosten, gemessen an dem, was er einbringt.

    02

    Erst Kaufentscheidungs-Profil, Entscheider, Kaufzyklus und tolerierbarer CAC klären — dann ergibt sich der Kanal fast von selbst.

    03

    Kanaltiefe schlägt Kanalbreite. Ein Kanal mit 5.000€ managed liefert mehr als drei Kanäle mit je 1.700€ unmanaged.

    04

    Omnichannel ist ein Zielzustand — kein Einstieg. Der richtige Zeitpunkt für den zweiten Kanal ist, wenn der erste profitabel und skalierbar läuft.

    05

    Ein Kanaltest braucht 60–90 Tage und Mindestbudget (Meta: 1.500–3.000€, Google: 2.000–5.000€). Alles darunter ist kein Test.

    Häufige Fragen

    Wie viele Kanäle sollte ein mittelständisches Unternehmen bespielen?

    In der Regel einen bis zwei — und zwar die, die du wirklich beherrschst. Ein Kanal mit 5.000€ pro Monat, der mit echter Expertise und kontinuierlicher Optimierung geführt wird, liefert mehr als drei Kanäle mit je 1.700€, die nebenher laufen. Die Frage ist nicht, welche Kanäle du nutzt, sondern welchen Kanal du zuerst dominierst. Erst wenn ein Kanal profitabel und skalierbar läuft — und du das mit Zahlen belegen kannst — hat Expansion Sinn.

    Was ist Omnichannel und muss ich es haben?

    Omnichannel bedeutet, dass dein Kunde dich auf allen Kanälen konsistent und ohne Bruch erleben kann. Das ist ein Zielzustand für Unternehmen mit funktionierender Infrastruktur auf mindestens zwei Kanälen — nicht der Startpunkt. Wer Omnichannel als Strategie ausruft, bevor ein einzelner Kanal rentabel läuft, verteilt Budget auf zu viele Fronten und gewinnt keine davon. Die meisten mittelständischen Unternehmen, die „überall sein wollen“, sind nirgendwo wirklich stark.

    Wie lange dauert ein sauberer Kanal-Test?

    60 bis 90 Tage — bei ausreichendem Budget. Für Meta brauchst du mindestens 1.500 bis 3.000€, für Google 2.000 bis 5.000€ Testbudget, bevor du valide Daten hast. Alles darunter ist Rauschen, kein Test. Wer nach zwei Wochen mit 300€ entscheidet, dass ein Kanal „nicht funktioniert“, hat nichts getestet — er hat eine Meinung mit Geld bezahlt. Der Erfolgskriterium muss außerdem vor dem Test definiert sein, nicht danach.

    Wann wechselt man einen Kanal?

    Wenn CAC dauerhaft über dem tolerierbaren Maximum liegt und Optimierungsmaßnahmen über 90 Tage keine Trendwende zeigen. Nicht früher. Ein Kanal, der in Monat zwei schlecht performt, kann in Monat vier der beste sein — vorausgesetzt, das Lernsystem ist vorhanden. Kanalwechsel aus Ungeduld sind eine der teuersten Fehlerquellen im Performance-Marketing. Auf der anderen Seite: wer nach 9 Monaten noch kein einziges verwertbares Signal hat, sollte die Kanal-Hypothese grundlegend überprüfen.

    CS

    Christopher Schaller

    schaller.work

    Dieser Text stammt aus aktiver Mandatsarbeit. Die Beobachtungen, Zahlen und Schlüsse kommen nicht aus Theorie — sie kommen aus dem, was wir in konkreten Projekten sehen.

    Weitere Artikel in der Werkstatt. Für konkrete Arbeit: Leistungen.

    Direkte Frage?

    Wenn du wissen willst, welcher Kanal für dein spezifisches Kaufprofil Sinn macht — schreib direkt.

    info@schaller.work

  • Was Sichtbarkeit kostet — Kanal-Benchmarks für Mittelstand und Markenhersteller

    ← Werkstatt

    Marketing & Kanal

    Was Sichtbarkeit auf verschiedenen Kanälen wirklich kostet — Benchmarks, versteckte Kosten, Realitäts-Check

    8 Min. Lesezeit

    23. Juni 2025

    CS

    Christopher Schaller

    Ich frage in Erstgesprächen regelmäßig: Was kostet euch ein Neukunde auf Google? Was auf Meta? Was auf Amazon? Die häufigste Antwort ist Schweigen — gefolgt von einer Zahl, die aus dem Bauch kommt. Das ist kein Vorwurf. Das ist der Normalzustand.

    Marketingbudgets entstehen in den meisten Unternehmen nicht aus Kanal-Kosten-Kennzahlen. Sie entstehen aus dem Vorjahresbudget plus X Prozent, aus dem Bauchgefühl des Geschäftsführers oder aus einer Agenturempfehlung. Was konkret ein Klick, ein Lead und eine Conversion kosten — kanalübergreifend und ehrlich — weiß kaum jemand.

    Dieser Artikel gibt dir Benchmarks für Deutschland 2024/2025, erklärt was diese Benchmarks nicht zeigen, und zeigt wo Mittelstand und Markenhersteller typischerweise zu viel ausgeben — und wo zu wenig.

    01

    Die Illusion vom „kostenlosen“ Kanal

    Organisches Social Media, SEO, E-Mail-Newsletter — das klingt nach „kostenlos“. Ist es nicht. Es klingt deshalb kostenlos, weil man dafür keine Rechnung einer Werbeplattform bekommt. Aber die Kosten entstehen — sie sind nur anders verbucht.

    Nehmen wir einen LinkedIn-Post mit ordentlicher Qualität. Recherche: 45 Minuten. Schreiben und redigieren: 60 Minuten. Abstimmung und Freigabe: 30 Minuten. Scheduling, Kommentarmanagement: 20 Minuten. Das sind 2,5 Stunden pro Post. Bei einem fairen Stundensatz für einen erfahrenen Marketing-Manager — sagen wir 80–100€ brutto/Stunde inklusive Arbeitgeberkosten — liegt ein LinkedIn-Post bei 200–250€ Äquivalentkosten. Jeden Monat. Pro Post. Die meisten Unternehmen posten 3–5 Mal pro Woche und rechnen das als „kostenlos“.

    Realkosten: organischer LinkedIn-Post

    Recherche + Schreiben + Abstimmung + Scheduling: ~2,5 Std.

    Stundensatz Marketing-Manager intern: 80–100€

    = 180–250€ Äquivalentkosten pro Post

    SEO ist noch extremer. Eine gut recherchierte, ausführliche Seite kostet in der Produktion 800–2.500€. Dazu kommen Tools (Ahrefs, Sistrix: 150–400€/Monat), regelmäßige Updates, technische Wartung. Dass organische Google-Rankings „kostenlos“ sind ist ein Buchhaltungs-Mythos — in Wirklichkeit ist SEO ein Kapitalinvestment mit verzögertem Ertrag.

    Und dann ist da noch der Facebook-Faktor: Organische Reichweite auf Facebook liegt heute bei unter 3% der Follower pro Post. Wer 10.000 Follower hat, erreicht organisch etwa 250–300 Menschen. Der Rest sieht den Post nicht. Ohne Boost ist Facebook als organischer Kanal für die meisten Unternehmen längst irrelevant — aber das Budget für Redaktion läuft trotzdem.

    Das sehe ich in Mandaten regelmäßig: Ein Unternehmen investiert monatlich 8.000€ Personalkosten in organischen Content — und misst dessen Wirkung nicht. Sobald man diese Kosten gegen bezahlte Kanäle rechnet, verschiebt sich das Bild dramatisch. „Kostenlos“ ist ein gefährliches Framing.

    02

    Kanal-Benchmarks Deutschland 2024/2025

    Die folgenden Werte stammen aus Praxiserfahrung in Mandaten sowie Benchmark-Publikationen für den deutschsprachigen Markt. Sie sind Orientierungswerte — abhängig von Branche, Produkt, Landingpage-Qualität und Kampagnenreife können sie erheblich abweichen. Trotzdem: besser eine Orientierung als gar keine.

    Kanal Typischer CPC Typischer CPM Conv. Rate Typischer CPA
    Google Search (B2C, Konsumgut) 0,40–1,20€ — 2–5% 12–45€
    Google Shopping 0,35–0,85€ — 1,5–4% 18–55€
    Meta Ads (B2C, Feed) 0,20–0,80€ 6–18€ 0,8–2,5% 25–90€
    LinkedIn Ads (B2B) 4–12€ 35–80€ 0,5–2% 80–400€
    Amazon Sponsored Products 0,45–1,80€ — 8–18% 5–25€
    E-Mail (eigene Liste) — ~2–8€/1.000 Sends 2–6% 3–15€
    SEO organisch (Jahreskosten ÷ Leads) — — variiert ~20–60€ langfristig

    Hinweis: CPAs hängen stark von Preis, Produkt und Conversion-Optimierung ab. Diese Werte sind Orientierungswerte aus Praxiserfahrung — kein Versprechen.

    Was diese Tabelle zeigt: Die Spannbreiten sind enorm. Ein Amazon-CPC von 0,45€ klingt teurer als ein Meta-CPC von 0,20€ — bis du siehst, dass Amazon 8–18% Conversion Rate hat, während Meta bei 0,8–2,5% liegt. Der günstigste Klick ist selten der günstigste Kunde.

    LinkedIn ist auf den ersten Blick absurd teuer. CPC von 4–12€, CPM von 35–80€. Für B2B-Mandanten mit hochwertigem Angebot (Ticket-Size über 10.000€) kann ein CPA von 200–400€ trotzdem vertretbar sein — weil ein gewonnener Kunde das 50-Fache einbringt. Für einen Shop mit 80€-Produkt wäre derselbe CPA ruinös.

    03

    Was die Benchmarks nicht zeigen

    Jede Benchmark-Tabelle hat blinde Flecken. Das hier sind die vier, die ich in Mandaten am häufigsten als teure Überraschung erlebe.

    01

    Mindestbudgets für aussagekräftige Tests

    Meta-Kampagnen unter 20€/Tag liefern keine belastbaren Daten. Der Algorithmus braucht Conversions zum Lernen — mit 10€/Tag bekommt er die nicht. LinkedIn ist noch knapper: unter 50€/Tag ist ein aussagekräftiger Test kaum möglich. Wer mit 300€/Monat auf LinkedIn testen will, spart Geld und bekommt keine Erkenntnis zurück.

    02

    Produktionskosten — der unterschätzte Posten

    Gute Kreative für Meta-Ads kosten 500–2.000€ pro Set. Video-Assets für TikTok oder Reels: 1.500–5.000€. Wer diese Kosten nicht in den CPA einrechnet, unterschätzt den echten Kanal-ROI systematisch. Ich sehe das regelmäßig in Budget-Planungen: der Ad-Spend ist eingerechnet, die Produktion landet im „Content-Budget“ — und der Meta-Kanal sieht plötzlich viel profitabler aus, als er ist.

    03

    Managementaufwand — der größte Hidden Cost

    Amazon PPC braucht wöchentliche Search-Term-Analyse — wer das nicht macht, verbrennt 20–40% des Budgets auf irrelevante Keywords. Google Ads ohne regelmäßige Negativlisten-Pflege ähnlich. Meta braucht regelmäßiges Creative-Refresh (alle 4–6 Wochen). Diese Arbeit ist nicht „einmal aufsetzen und laufen lassen“ — sie ist Betrieb. Und Betrieb kostet Zeit oder Geld.

    04

    Lernkurve — die ersten 3 Monate auf einem neuen Kanal

    In den ersten 3 Monaten auf einem neuen Kanal sind die Kosten 30–50% höher als nach der Einlaufphase. Der Algorithmus lernt, du lernst, Creatives werden getestet. Wer nach 6 Wochen abbricht weil „der Kanal nicht funktioniert“, hat nur die teuerste Phase gesehen und nie die rentable. Das Budget für die Lernphase muss eingerechnet sein — sonst fehlt der Mut zum Durchhalten.

    Ein CPC von 0,50€ klingt günstig. Mit Produktionskosten, Management und Lernphase gerechnet sieht derselbe Kanal manchmal 3x teurer aus — und ist trotzdem der richtige Kanal.

    04

    Das CAC-Problem

    CPC und CPM sind Sichtbarkeitsmetriken. Sie sagen dir, was ein Klick oder tausend Impressionen kosten. Sie sagen dir nicht, ob dein Marketing profitabel ist. Die einzige Metrik, die das sagt, ist der Customer Acquisition Cost (CAC).

    Formel

    CAC = Gesamte Marketingausgaben ÷ Neukunden im gleichen Zeitraum

    Die entscheidende Anschlussfrage: Welcher CAC ist vertretbar? Das hängt vom Lifetime Value (LTV) des Kunden ab. Die Faustregel für nachhaltiges Wachstum: LTV zu CAC mindestens 3:1. Heißt: Wenn ein Kunde dir über seine gesamte Beziehung mit dir 300€ Deckungsbeitrag bringt, darfst du maximal 100€ für seine Akquise ausgeben.

    Ein konkretes Beispiel, das ich in ähnlicher Form häufig in Mandaten sehe: Ein Konsumgut mit 120€ durchschnittlichem Warenkorb. Wiederbestellrate 25% im Folgejahr. Durchschnittliche Beziehungsdauer 2,5 Bestellungen.

    LTV-Rechnung: Konsumgut 120€ AoV

    Ø Warenkorb

    120€

    Ø Bestellungen (Lifetime)

    2,5×

    Rohertragsmarge (35%)

    35%

    LTV (Rohertrag)

    ~105€

    Max. CAC bei 3:1-Ratio

    ~35€

    Mit diesem Maßstab kannst du die Benchmark-Tabelle von oben neu lesen: Google Search mit CPA 12–45€ passt gerade noch rein. Meta Ads mit CPA 25–90€ geht teils drüber. LinkedIn mit 80–400€ ist für dieses Produkt nicht vertretbar — egal wie gut die Kampagne läuft.

    Das sehe ich in Mandaten regelmäßig: Marketing-Teams optimieren auf ROAS und fühlen sich gut dabei — aber niemand hat den maximalen CAC ausgerechnet. Damit fehlt der Anker. Ohne Anker kann kein Kanal wirklich bewertet werden.

    05

    Wo Mittelstand und Markenhersteller zu viel ausgeben — und wo zu wenig

    Das sind keine allgemeinen Behauptungen. Das ist, was ich in Mandaten mit Mittelständlern und Markenherstellern regelmäßig sehe — auf beiden Seiten.

    Zu viel ausgegeben

    Awareness-Kampagnen auf LinkedIn ohne Conversion-Pfad

    Video-Views und Impressionen kaufen ohne klaren nächsten Schritt. Kein Retargeting, keine Lead-Magnet-Landingpage, keine Nurture-Sequenz. Das Geld geht raus, aber niemand kann sagen was es gebracht hat. In B2B-Mandaten ist das der häufigste Einzelposten ohne messbare Wirkung.

    Google Broad Match ohne Negativlisten

    Broad-Match-Kampagnen laufen auf Suchbegriffen, die mit dem Produkt nichts zu tun haben. Ohne wöchentliche Search-Term-Analyse und konsequente Negativlisten-Pflege können 30–60% des Budgets auf irrelevante Suchanfragen entfallen. Das sieht man erst wenn man genau hinschaut — und viele schauen nicht.

    Organischer Content auf schwacher Reichweite ohne Strategie

    3 Posts pro Woche auf Instagram mit 800 Followern, für eine B2B-Marke, ohne Paid-Verstärkung und ohne klaren Funnel-Beitrag. Die Opportunitätskosten (Zeit + Produktion) übersteigen den messbaren Nutzen um ein Vielfaches. Das Content-Budget wäre in E-Mail-Automatisierung besser eingesetzt.

    Zu wenig ausgegeben

    Amazon Sponsored Products — wöchentliche PPC-Optimierung

    Search-Term-Reports wöchentlich auswerten, Negativkeywords pflegen, Gebote anpassen. Das kostet 2–3 Stunden pro Woche oder 300–500€ im Monat extern. Die Effizienzgewinne liegen regelmäßig bei 20–35% des Ad-Spends. Wer das nicht macht, zahlt für Traffic der nicht konvertiert.

    E-Mail-Automatisierung — einmal aufbauen, dauerhaft profitabel

    Willkommensserie, Warenkorb-Abbrecher, Post-Purchase-Sequenz, Reaktivierungsmail. Einmaliger Aufbau 2.000–6.000€. Laufende Kosten minimal. CPA auf eigene E-Mail-Liste liegt bei 3–15€ — der günstigste Performance-Kanal überhaupt. Trotzdem investieren die meisten Unternehmen hier zuletzt statt zuerst.

    Retargeting mit eigenem CRM-Segment

    Wer bereits Kundendaten hat, kann auf Meta und Google eigene Listen hochladen und Lookalike-Audiences bauen. Diese Zielgruppen konvertieren 2–4x besser als Cold Traffic. Trotzdem schalten die meisten Unternehmen Retargeting auf Basis von Pixel-Daten — ohne die wertvollste Quelle zu nutzen: ihre eigene Kundenliste. Das ist konsequent zu wenig ausgeschöpft.

    Das Muster ist konsistent: Das Geld geht in Sichtbarkeit (Awareness, Reichweite, organischer Content) — und die Maschinen die aus Bestandskunden dauerhaften Umsatz machen (E-Mail, CRM-Retargeting, PPC-Optimierung) bekommen Reste. Das ist keine Strategie. Das ist Gewohnheit.

    Das Wichtigste in Kürze

    —

    Kein Kanal ist wirklich kostenlos. SEO, organisches Social Media und Newsletter haben Realkosten von 180–250€ pro Post aufwärts — sie erscheinen nur nicht auf einer Paid-Rechnung.

    —

    CPC und CPM sind für Kanal-Vergleiche ungeeignet. Die einzige faire Metrik ist der CAC — inklusive Produktion, Management und Lernphase.

    —

    Kein CAC ist isoliert bewertbar. Erst wenn du den maximalen CAC aus LTV:CAC ≥ 3:1 ausgerechnet hast, kannst du einen Kanal als rentabel oder nicht rentabel einordnen.

    —

    Die meisten Unternehmen geben zu viel für Sichtbarkeit ohne Conversion-Pfad aus — und zu wenig für E-Mail-Automatisierung, CRM-Retargeting und PPC-Optimierung, die dauerhaft profitabel sind.

    Häufige Fragen

    FAQ

    Was kostet ein guter Marketing-Mix pro Monat?

    Kommt auf den Kanal und das Ziel an. Für erste aussagekräftige Tests brauchst du bei Meta mindestens 600€/Monat (20€/Tag), bei Google Search ab 500€, bei LinkedIn ab 1.500€. Dazu kommen Produktionskosten und Management. Ein realistischer Einstieg für einen Testkanal liegt bei 1.500–3.000€/Monat all-in. Darunter bekommst du keine belastbaren Daten — nur Rauschen.

    Welcher Kanal hat den besten ROI?

    E-Mail auf eigene Liste ist die profitabelste Basis — wenn du die Liste aufgebaut hast. Amazon Sponsored Products hat die höchsten Conversion Rates aller Paid-Kanäle (8–18%). Google Search ist bei Käufer-Intent unschlagbar. Der „beste“ Kanal hängt immer vom Produkt, Preis und Funnel ab. Entscheide nicht nach CPC — entscheide nach CAC und LTV:CAC.

    Wie vergleiche ich Kanäle fair miteinander?

    Einzige faire Metrik: Customer Acquisition Cost (CAC) — Gesamte Marketingausgaben auf dem Kanal geteilt durch Neukunden im gleichen Zeitraum. Inklusive Produktionskosten, Managementaufwand, Toolkosten. CPC und CPM sind für den Kanal-Vergleich ungeeignet, weil sie Conversion-Rates ignorieren.

    Ab wann lohnt sich professionelles Kanal-Management?

    Sobald dein monatlicher Ad-Spend 2.000€ überschreitet, zahlt sich professionelles Management rechnerisch aus. Bei Amazon PPC ab 500€ Monatsbudget — hier holt wöchentliche Search-Term-Analyse regelmäßig 20–35% Effizienzgewinn. Das Schlechteste ist bezahltes Management für ein Budget, das zu klein ist um signifikante Tests zu fahren.

    Autor

    CS

    Christopher Schaller

    Strategischer Sparringpartner für Mittelstand und Markenhersteller. Kanal-Strategie, Budget-Allokation, Performance-Aufbau — aus Mandaten, nicht aus Theorie.

    schaller.work

    Budget-Struktur durchleuchten?

    Wenn du wissen willst, wo dein Marketing-Budget tatsächlich hingeht — und ob die Kanal-Verteilung noch stimmt — schaue ich es mir an. Kein Pitch, kein Angebot ohne Basis. Ein direktes Gespräch.

  • Warum 80 % der Mittelstandsmarken in AI-Antworten unsichtbar sind

    ← Werkstatt | Sichtbarkeit / GEO

    Warum 80 % der Mittelstandsmarken in AI-Antworten unsichtbar sind

    Lesezeit 6 Min.
    Veröffentlicht Mai 2026
    Von Christopher Schaller

    Ich betreue Vendor-Accounts für Marken die in ihrer Kategorie führend sind. Und wenn ich die Marke in Perplexity oder ChatGPT suche? Nichts. Der amerikanische Wettbewerber kommt sofort. Das ist das Problem.

    Google AI Overviews, Perplexity, ChatGPT — diese Systeme ranken nicht nach Link-Popularität. Sie zitieren Quellen, die strukturiert, klar und faktisch belegt sind. Der durchschnittliche Mittelstands-Websitetext ist nichts davon. Das Ergebnis: Unternehmen mit echter Marktführerschaft in ihrer Kategorie kommen in den Antworten nicht vor, die ihre Zielkunden heute lesen.

    Das ist kein SEO-Problem in einem neuen Gewand. Es ist ein Content-Architektur-Problem — und es lässt sich lösen, wenn man versteht, wie KI-Systeme Quellen bewerten.

    Abschnitt 01

    Wie KI-Antwortmaschinen Quellen auswählen

    Der verbreitete Irrtum: KI-Systeme wählen Quellen nach denselben Kriterien wie Google — Domainautorität, Backlinks, Seitenalter. Das stimmt nicht. Trainingsdaten-Selektion und Retrieval-Augmented-Generation (RAG) — die Technologie hinter Systemen wie Perplexity und Google AI Overviews — priorisieren Quellen nach einem anderen Prinzip: Grounding.

    Grounding bedeutet: Kann das System aus diesem Text eine klare, faktisch überprüfbare Antwort extrahieren? Drei Signale entscheiden das.

    Signal 1

    Faktische Präzision

    Konkrete Zahlen, benannte Quellen, Jahreszahlen, Prozentwerte. „Bis zu 40 % effizienter“ ist nicht präzise. „37 % weniger Ausschuss in Taktanlagen über 6 m/s (Fraunhofer IPA 2024)“ ist es.

    Signal 2

    Strukturelle Klarheit

    H-Tag-Hierarchie, klar benannte Abschnitte, Claim-Evidence-Sequenzen. Nicht: Fließtext ohne Struktur. Sondern: Frage → Antwort → Beleg. Das ist exakt das Format, das RAG-Systeme aus einem Dokument extrahieren.

    Signal 3

    Entity-Etablierung

    Ist die Firma, die Person als Entity in Wissensgraphen bekannt? Google Knowledge Graph, Wikidata, Wikipedia. Unternehmen ohne Wikipedia-Eintrag existieren für viele KI-Systeme de facto nicht als vertrauenswürdige Quelle.

    Klassisches SEO fragt: Wie bekomme ich mehr Links? GEO fragt: Wie baue ich Content, aus dem ein Sprachmodell direkt eine korrekte Antwort extrahieren kann? Das sind strukturell verschiedene Fragen.

    Abschnitt 02

    Das typische Mittelstands-Content-Problem in vier Mustern

    Es gibt eine bestimmte Art von Website, die ich kenne. Ich habe sie dutzende Male gesehen. Professionell gestaltet. Acht Kategorien in der Navigation. Texte, die den Firmengründer loben, die Unternehmensgeschichte erzählen und „Qualität, die überzeugt“ versprechen. Diese Sites versagen bei allen drei Grounding-Signalen.

    Das ist nicht das Problem des Unternehmens. Das ist das Problem des neuen Einkäufers. Der neue Einkäufer googelt zuerst, ruft dann an. Nicht andersherum. Das war 2015 noch anders. Heute läuft die erste Qualifikation digital — und wenn da nichts ist das ein KI-System zitieren kann, findet keine erste Qualifikation statt.

    Texte, die alles beschreiben und nichts erklären

    „Wir bieten hochwertige Lösungen für anspruchsvolle Kunden in der industriellen Fertigung“ — dieser Satz könnte auf 400.000 deutschen Unternehmenswebsites stehen, die mit vergleichbarer Bedeutungslosigkeit gefüllt sind. Für ein KI-System ist das unbrauchbar: kein Fact, kein Entity, keine Aussage, die extrahierbar wäre.

    Ein System wie Perplexity, das auf die Frage „Welche Hersteller von Vakuumgreifern eignen sich für Taktanlagen über 5 Zyklen/Sekunde?“ eine Antwort generiert, wird keine Quelle zitieren, aus der keine Antwort extrahierbar ist — egal wie hochwertig das Design.

    Keine H-Tag-Hierarchie, kein Structured Data, keine FAQ-Blöcke

    Viele Mittelstands-Sites wurden für den Bildschirm gebaut — nicht für maschinenlesbare Extraktion. H1 ist oft der Firmenname. H2 sind Designelemente. Structured Data (Schema.org JSON-LD) fehlt vollständig. FAQ-Sektionen, die das direkteste Format für RAG-Extraktion darstellen, existieren nicht. Die Information ist auf der Seite — aber für ein KI-System nicht auffindbar, weil die Architektur der Extraktion widerspricht.

    Content für den Prospekt, nicht für die Maschine

    Der Druckprospekt ist das Urmodell vieler Firmenwebsites. Fließtexte, Produktfotos, ein QR-Code. Das war die Digitalisierung des gedruckten Materials — nicht die Entwicklung einer digitalen Kommunikation. Für Google war das lange tolerierbar. Für KI-Systeme ist es ein Ausschluss-Kriterium.

    Keine Autor-Attribution — E-E-A-T ohne Grundlage

    Googles E-E-A-T-Konzept (Experience, Expertise, Authoritativeness, Trustworthiness) und die Grounding-Logik von RAG-Systemen stimmen in einem Punkt überein: Inhalte mit nachvollziehbarer Expertise-Quelle werden bevorzugt. Wer schreibt das? Was qualifiziert ihn? Kein Firmen-Impressum-Hinweis — eine Person mit Expertise und Publikationsgeschichte. Das fehlt auf fast allen Mittelstands-Sites vollständig.

    Abschnitt 03

    Die Hidden Champion Ironie

    Der Begriff Hidden Champion, geprägt von Hermann Simon, bezeichnet Unternehmen mit Weltmarktführerschaft in einer engen Nische — oft 60, 70, 80 % Marktanteil in ihrer Kategorie, Exportquoten über 60 %, Jahrzehnte an technologischem Vorsprung. Und: fast kein digitales Profil.

    Das Paradox läuft konkret so: Es gibt Hidden Champions mit 300+ Maschineninstallationen weltweit. Weltmarktführer in ihrer Nische. Wikipedia-Eintrag: keiner. Google-Sichtbarkeit für Kategorie-Keywords: Position 47. Ihr US-Mitbewerber: Position 2. In Perplexity: der US-Anbieter kommt in jeder relevanten Antwort. Der Hidden Champion: nie.

    ChatGPT kennt deinen US-Wettbewerber besser als dich — weil der US-Wettbewerber einen Wikipedia-Artikel hat und Pressemitteilungen in Fachpublikationen veröffentlicht. Nicht weil er besser ist. Weil er sichtbarer strukturiert ist.

    Das ist keine Kulturkritik. Das ist ein messbares Ergebnis unterschiedlicher Content-Strategien.

    Die Ironie dabei: Wer laut ist ohne Substanz wird trotzdem zitiert — weil er sichtbar ist. Wer Substanz hat aber unsichtbar ist, wird ignoriert. Schaumschlägerei auf LinkedIn zahlt sich für die KI-Sichtbarkeit mehr aus als zwanzig Jahre Marktführerschaft ohne Wikipedia-Eintrag. GEO ist der Weg das zu ändern. Nicht durch Lautsein. Durch Struktur.

    Warum ist das so? Hidden Champions kommunizieren traditionell nach innen und durch Messen — Hannover, Bauma, Medica. Pressearbeit gilt als unnötig, wenn die Auftragsbücher voll sind. Wikipedia-Einträge entstehen nicht von selbst. Das war lange kein Problem.

    Heute recherchieren Einkäufer — auch im B2B — über KI-Systeme. Laut Gartner 2024 nutzen 75 % der B2B-Käufer KI-gestützte Recherche-Tools in den frühen Phasen des Buying Cycle. Wer dort nicht erscheint, verliert Top-of-Funnel-Sichtbarkeit ohne es zu wissen. Kein verlorener Klick. Kein Bounce. Einfach nicht auf der Shortlist.

    Abschnitt 04

    Was GEO konkret bedeutet — und was nicht

    GEO — Generative Engine Optimization — ist der Begriff für die Disziplin, Content so zu strukturieren, dass er als Grounding-Quelle in KI-generierten Antworten erscheint. Es ist kein SEO-Nachfolger. Es ist eine Ergänzung, die andere Anforderungen stellt.

    SEO fragt: Wie verbesser ich mein Ranking in der Trefferliste? GEO fragt: Wie werde ich als Quelle für eine KI-generierte Antwort ausgewählt? Der Unterschied: Bei SEO konkurriere ich um eine Position unter zehn Treffern. Bei GEO werde ich zitiert — oder nicht.

    Definition

    Generative Engine Optimization (GEO): Strategische Ausrichtung von Content-Struktur, Faktendichte und Entity-Präsenz mit dem Ziel, als Grounding-Quelle in KI-generierten Antworten (ChatGPT, Perplexity, Google AI Overviews, etc.) zu erscheinen.

    Praktisch heißt das: Klarer Schema.org-Markup (Organization, FAQ, Article), strukturierter Content mit definierbaren Aussagen, Autor-Attribution mit Expertise-Belegen, und — wo möglich — Erwähnungen in zitierbaren Drittquellen.

    Content-Formate, die funktionieren: Definitionen, Schritt-für-Schritt-Anleitungen mit konkreten Zahlen, FAQ-Blöcke, und Glossar-Seiten. Das sind exakt die Formate, aus denen KI-Systeme eine extrahierbare Antwort ziehen können.

    Abschnitt 05

    Was konkret hilft — fünf Maßnahmen mit Wirkungsgrad

    Ich gebe hier fünf Maßnahmen in der Reihenfolge abnehmenden Aufwands und zunehmender Wirkung über Zeit. Die ersten drei kann man in 4–6 Wochen umsetzen. Die letzten zwei sind Investments auf 6–18 Monate.

    M1

    Structured Data (JSON-LD) für Organization, Product, FAQ

    Schema.org-Markup macht deine Unternehmensidentität und deine Inhalte maschinenlesbar. Organization-Schema verknüpft Firmenname, Adresse, Gründungsjahr, Branche, Social-Media-Präsenz. FAQ-Schema signalisiert KI-Systemen: Hier gibt es Fragen mit Antworten — genau das, was für Grounding genutzt werden kann. Umsetzungsaufwand: 1–2 Tage für einen erfahrenen Entwickler.

    M2

    FAQ-Sektionen auf allen relevanten Produktseiten

    KI-Systeme lieben Frage-Antwort-Strukturen — weil sie auf genau diese Form trainiert sind. Wer „Was ist der Unterschied zwischen Servoantrieb und Schrittmotor?“ in einer Produktseiten-FAQ klar und präzise beantwortet, hat eine reale Chance, in der Perplexity-Antwort auf genau diese Frage zitiert zu werden. Das ist kein SEO-Hack. Das ist Information in der Form, in der sie abgerufen wird.

    M3

    Glossarseite mit präzisen Definitionen der Kernbegriffe

    Ein Unternehmen, das die Kategorie definiert, wird in der Kategorie zitiert. Wer eine klare, belegbare Definition von „Hochvakuum-Greifsystem für Lebensmittelverpackungen“ schreibt — mit technischen Parametern, Anwendungsbeispielen und Quellenverweisen — wird in relevanten AI-Antworten als Referenz auftauchen, noch bevor das Unternehmen in einer Frage direkt erwähnt wird.

    M4

    Autorenbio mit Expertise-Belegen auf Content-Seiten

    Kein anonymes „Redaktion“ — eine Person mit Namen, Qualifikation, Berufserfahrung und verlinktem LinkedIn-Profil. Das ist der einfachste E-E-A-T-Hebel und zugleich eine der am häufigsten versäumten Maßnahmen. Für ein Fachmagazin wäre Anonymität undenkbar. Für Unternehmens-Content ist sie Standard — aber immer weniger toleriert von KI-Systemen, die nach Expertise-Signalen bewerten.

    M5

    Wikipedia-Präsenz aufbauen — neutral, faktisch, belegt

    Wikipedia ist eine der meistzitierten Quellen in KI-Trainingsdaten und Retrieval-Systemen. Ein Wikipedia-Eintrag zum Unternehmen, zur Technologie oder zur Gründerperson verankert das Unternehmen als Entity im Knowledge Graph — und erhöht die Wahrscheinlichkeit, dass es in AI-generierten Antworten als Referenzpunkt erscheint.

    Wichtig: Wikipedia-Einträge müssen neutral sein und durch externe Quellen belegt werden. Werbetexte werden gelöscht. Wer einen Eintrag anlegt, muss ihn verdienen — durch Fachpresseartikel, Verbandspublikationen, Studienergebnisse, die den Eintrag belegen.

    Das Wichtigste in Kürze

    Fünf Sätze, die du dir merken kannst

    01

    KI-Systeme wählen Quellen nach Grounding-Qualität — nicht nach Domainautorität. Das ist ein anderes Spiel als SEO.

    02

    Faktische Präzision, strukturelle Klarheit und Entity-Etablierung sind die drei Grounding-Signale, die entscheiden.

    03

    Hidden Champions ohne Wikipedia-Eintrag und ohne Fachpresseerwähnungen existieren für KI-Systeme kaum als Expertenquelle — unabhängig von ihrer tatsächlichen Marktposition.

    04

    Schema.org-Markup, FAQ-Blöcke und Glossar-Seiten sind die konkreten Formate, die GEO-Sichtbarkeit aufbauen.

    05

    GEO ist kein optionales Upgrade. Wer in 2–3 Jahren in KI-Antworten nicht vorkommt, verliert Top-of-Funnel-Sichtbarkeit ohne Opt-out-Möglichkeit. Wer heute anfängt ist in 12 Monaten sichtbar. Wer wartet, konkurriert dann gegen die die schon da sind.

    Häufige Fragen

    FAQ

    Was ist der Unterschied zwischen SEO und GEO?

    SEO: Seite 1 in Google, Klick auf die Website. GEO: Zitat in einer KI-generierten Antwort — auch wenn kein Klick erfolgt. Bei SEO konkurrierst du um Position. Bei GEO wirst du zitiert oder nicht. Das ist kein Ranking. Das ist eine Auswahl.

    Welche Inhaltsformate werden von KI-Systemen bevorzugt zitiert?

    Klare Definitionen, FAQ-Blöcke, Schritt-für-Schritt-Anleitungen, Zahlen mit Quellenangabe. Das sind die Formate aus denen ein Sprachmodell direkt eine Antwort extrahieren kann. Fließtext ohne Struktur wird übergangen. Nicht weil er schlechter ist — sondern weil er nicht extrahierbar ist.

    Wie lange dauert es, in AI-Antworten sichtbar zu werden?

    GEO-optimierter Content kann in 4–8 Wochen in Perplexity-Antworten erscheinen, wenn er strukturiert und faktisch präzise ist. Entity-Aufbau über Wikidata und Google Business Profile braucht 3–6 Monate bis er sich im Knowledge Graph niederschlägt. Wer heute anfängt ist in 12 Monaten sichtbar.

    Braucht jedes Unternehmen GEO?

    Wenn deine Zielkunden bei Entscheidungen KI-Tools nutzen: ja. Laut Gartner tun das bereits 75 % der B2B-Einkäufer in frühen Recherchephasen. Die Frage ist nicht ob GEO relevant wird — sie ist wann dein Wettbewerber anfängt und du noch nicht angefangen hast.

    Autor

    Christopher Schaller — schaller.work

    Strategie und Umsetzung für Mittelstand, Hidden Champions und Scale-ups. GEO-Mandat seit 2024.

    Dieser Artikel ist aus aktiver Mandatsarbeit entstanden. Ich betreue Vendor-Accounts für Marken die in ihrer Kategorie führend sind — und erlebe regelmäßig die Lücke zwischen echter Marktposition und digitaler Sichtbarkeit. Wenn ich eine dieser Marken in Perplexity suche, kommt der amerikanische Wettbewerber. Das ärgert mich. Und es ist lösbar.

    Wenn du das Thema für dein Unternehmen durchdenken willst — GEO-Audit, Content-Architektur, Entity-Aufbau: info@schaller.work

  • Google vs. Amazon als Produktsuchmaschine — wo Kaufentscheidungen wirklich fallen

    ← Werkstatt | Marketing & Kanal

    54 % aller Produktsuchen starten auf Amazon — nicht auf Google

    Lesezeit 9 Min.
    Veröffentlicht November 2024
    Von Christopher Schaller

    Ich schaue mir regelmäßig Marketingbudgets von Herstellern an. Das erste, was mir auffällt: Fast alle investieren primär in Google — SEO, Google Ads, Google Shopping. Das Marketingteam kennt Quality Score, Cost-per-Click und Impressionsanteile auswendig. Amazon ist ein Nebenprojekt, das irgendjemand im Account-Management betreut.

    Das Problem: 54 bis 63 % aller Produktsuchen starten heute direkt auf Amazon — nicht auf Google. Bei B2C-Konsumgütern, Health, Home, Electronics. Der Ort, wo Kaufentscheidungen fallen, hat sich verschoben. Die Budgetallokation der meisten Hersteller hat das nicht mitgemacht. Das ist kein kleines Optimierungsproblem. Das ist strukturelles Fehlinvestment.

    Abschnitt 01

    Wie sich Produktsuche verändert hat — von Google zu Amazon

    2015 war Google noch der Startpunkt für rund 55 % aller Produktsuchen. Das stimmte damals. Und es hat die Budgets geprägt, die heute noch so aussehen wie damals. Seitdem hat sich etwas verändert, das in keiner Marketingkonferenz laut genug gesagt wird: Amazon hat Google als primäre Produktsuchmaschine abgelöst.

    Aktuelle Studien — unter anderem von Jungle Scout, Profitero und dem Digital Commerce 360 Institut — zeigen konsistent: 54 bis 63 % aller Produktsuchen beginnen heute direkt auf Amazon. Nicht bei Google. Nicht bei einem Preisvergleich. Auf Amazon. Das ist kein Nischenphänomen. Das gilt besonders für diese Kategorien: Fast Moving Consumer Goods (FMCG), Health & Beauty, Haushalt, Elektronik-Zubehör, Tiernahrung, Sportartikel.

    Was das konkret bedeutet: Wenn ein Käufer Proteinpulver, ein Küchenmesser, Sonnenschutzmittel oder einen Bluetooth-Lautsprecher kaufen will, tippt er in Amazon — nicht in Google. Google sieht diese Suchanfragen nicht. Google Shopping sieht sie nicht. Und die Kampagne, die du bei Google buchst, greift an einem Touchpoint ein, der bei dieser Kaufentscheidung gar nicht mehr stattfindet.

    Verschiebung im Überblick

    2015: ~55 % der Produktsuchen starten bei Google — Amazon war Fulfillment-Plattform, nicht Suchmaschine

    2020: Erstmals Kipppunkt — mehr als die Hälfte der Produktsuchen gehen direkt auf Amazon

    2024: 54–63 % starten auf Amazon — abhängig von Kategorie und Zielgruppe

    Warum ist die Verschiebung so stark? Drei Faktoren haben sich gegenseitig verstärkt. Erstens: Prime. Wer Prime hat, hat gespeicherte Zahlungsdaten, kennt das Retourenmodell, vertraut der Lieferzeit. Der Kaufprozess ist so kurz, dass der Umweg über Google eine Reibungsstufe darstellt, die echte Kosten in Zeit bedeutet.

    Zweitens: Bewertungen. Amazons Bewertungssystem — trotz aller Manipulationsversuche — ist das dichteste und für Käufer unmittelbarste Informationssystem für Produktentscheidungen. Wer auf Amazon sucht, hat Preisvergleich, Bewertungen und Lieferzusage auf einer Seite. Drittens: Mobile. Auf dem Smartphone ist der Aufwand, von einem Google-Ergebnis über externe Händler zu einem Kauf zu kommen, erheblich größer als direkt in der Amazon-App zu kaufen. Diese drei Faktoren wurden nie rückgängig gemacht.

    Abschnitt 02

    Was Amazon-Suche von Google-Suche unterscheidet

    Wer sagt „Amazon ist auch eine Suchmaschine“, hat die Dimension des Unterschieds noch nicht begriffen. Amazon und Google sind strukturell verschieden — nicht in der Technik, sondern in der Absicht der Nutzer, den Ranking-Faktoren und dem Zeitraum bis zur Kaufentscheidung.

    01

    Suchabsicht: 100 % transaktional vs. gemischtes Intent-Spektrum

    Google unterscheidet vier Intent-Typen: informational, navigational, commercial, transactional. Wenn jemand auf Google „beste Kaffeemühle“ sucht, könnte er kaufen wollen — oder einen Testbericht lesen, Preise vergleichen, oder sich eine Meinung bilden. Rund 40 % aller Produktsuchen auf Google sind informational, nicht transaktional.

    Auf Amazon gibt es nur einen Intent: kaufen. Wer auf Amazon „Kaffeemühle“ eingibt, will eine kaufen. Keine Ausnahmen. Die Conversion Rate ist kein Zufall — sie spiegelt die Kaufbereitschaft wider, die mit dieser Suche kommt.

    02

    Ranking-Faktoren: Conversion statt Backlinks

    Google rankt über Domain Authority, Backlinks, Seitenstruktur, Ladezeit, E-E-A-T. Investitionen in Google SEO sind in erster Linie Investitionen in technische Exzellenz und externe Verlinkung. Das dauert Monate bis Jahre.

    Amazon rankt über Conversion Rate, Bewertungsanzahl und -qualität, Lagerbestand, Click-Through-Rate auf Suchergebnissen und Keyword-Relevanz im Listing. Das ist ein anderes System. Wer hier mit Google-SEO-Logik arbeitet — viele Keywords rein, Texte aufblähen — verschlechtert seinen Rank. Amazon bestraft schlechte Conversion. Nicht dünnen Content.

    03

    Kaufzeitraum: Minuten vs. Tage

    Der durchschnittliche Google-Conversion-Pfad für ein Produkt unter 100 € dauert 1,8 Tage. Mehrere Touchpoints, Preisvergleiche, Rückkehr zur Seite, dann Kauf. Retargeting funktioniert hier, weil Zeit und Entscheidungsspielraum vorhanden sind.

    Auf Amazon dauert der Durchschnittskauf für Prime-Mitglieder unter 20 Minuten. Suche, zwei bis drei Listings anschauen, kaufen. Diese Entscheidung ist zu dem Zeitpunkt, wo Google Retargeting eingreift, bereits gefallen. Du bist zu spät.

    Abschnitt 03

    Warum CPC-Vergleiche zwischen Google und Amazon in die Irre führen

    Das höre ich regelmäßig in Gesprächen mit Marketingverantwortlichen: „Amazon ist ähnlich teuer wie Google, da machen wir lieber Google.“ Das stimmt nicht. Die Zahlen werden verglichen, aber die falsche Metrik.

    CPC im Vergleich — Konsumgüter

    Amazon Sponsored Products — Ø CPC 0,60 – 1,40 €
    Google Shopping — Ø CPC 0,50 – 1,20 €
    Conversion Rate Amazon (Prime-User, Produktseite) 10 – 15 %
    Conversion Rate Google Shopping 1 – 3 %
    Cost-per-Order Amazon (Ø bei 1,00 € CPC / 12 % CVR) ≈ 8,33 €
    Cost-per-Order Google Shopping (Ø bei 0,90 € CPC / 2 % CVR) ≈ 45 €

    Der CPC ist vergleichbar. Der Cost-per-Order ist es nicht. Amazon kostet pro abgeschlossenem Kauf in diesem Beispiel rund 8 Euro. Google Shopping rund 45 Euro. Das ist kein Rundungsfehler — das ist ein 5-facher Unterschied, der aus der Conversion Rate entsteht, nicht aus dem Klickpreis.

    Warum konvertiert Amazon so viel besser? Zwei Gründe. Erstens: Kaufabsicht beim Einstieg in die Suche, wie oben erklärt. Zweitens: Prime-Mitgliedschaft. Prime-User haben ihre Zahlungsdaten gespeichert, kennen das Rückgabeprozedere, vertrauen der Plattform. Ein Klick auf Amazon von einem Prime-User ist strukturell wertvoller als ein Klick auf einen fremden Onlineshop von einem Google-User. Das lässt sich nicht mit Bidding-Strategien kompensieren.

    Ich sehe das regelmäßig in Mandaten. Wenn wir Amazon ACoS und Google ROAS in denselben Report laden und auf Cost-per-Order normieren, kippt das Bild in fast jedem Fall. Der Google-Kanal sieht auf der CPC-Ebene kompetitiv aus. Auf der Order-Ebene ist Amazon fast immer billiger — teils um Faktor 3 bis 5.

    Die Metrik, die zählt, ist nicht der CPC. Es ist der Cost-per-Order. Wer das nicht vergleicht, trifft Budgetentscheidungen auf Basis falscher Zahlen.

    Abschnitt 04

    Wann Google weiterhin der richtige Kanal ist

    Das hier ist kein Plädoyer gegen Google. Google ist für bestimmte Kaufentscheidungen und bestimmte Phasen der Kundenreise nach wie vor der richtige Kanal. Der Fehler liegt darin, Google als Default zu wählen — ohne zu fragen, ob der Kanal zur Kaufentscheidungsstruktur des Produkts passt.

    Google gewinnt klar in drei Situationen:

    S1

    Hochpreisige Kaufentscheidungen — B2B und Investitionsgüter

    Wer eine CNC-Fräse, eine Serverinfrastruktur oder einen Maschinenpark kauft, fängt nicht auf Amazon an. Wer ein ERP-System evaluiert oder eine Beratungsleistung sucht, kauft nicht impulsiv. Für Produkte und Dienstleistungen mit Preisen über 1.000 €, langen Entscheidungszyklen und mehreren beteiligten Entscheidern ist Google der richtige Kanal — weil hier der informational Intent dominiert.

    Google Ads erlaubt hier, im richtigen Moment mit dem richtigen Argument zu erscheinen — während sich der potenzielle Kunde noch im Recherche-Modus befindet. Das ist ein Vorteil, den Amazon nicht bieten kann.

    S2

    Informational Research — Wissensaufbau vor der Kaufentscheidung

    Wenn ein Käufer noch nicht weiß, was er kaufen will — wenn er versteht, welche Parameter eine Rolle spielen, welche Alternativen existieren, was andere Nutzer berichten — dann ist Google der richtige Kanal. Der Content-Marketing-Ansatz (Blogartikel, Vergleichsseiten, FAQ-Seiten) funktioniert hier, weil er in der Informationsphase greift.

    Dieser Ansatz ist sinnvoll für Premium-Marken, die ihren Produktansatz erklären müssen. Für Commodity-Produkte mit bekannten Spezifikationen ist er weitgehend überflüssig — da startet die Suche bereits auf Amazon.

    S3

    Brand Awareness — wenn Bekanntheit das Ziel ist

    Display-Kampagnen auf Google und YouTube eignen sich für Markenaufbau in breiten Zielgruppen. Das hat Amazon nicht in gleicher Tiefe. Amazon DSP ist ein alternatives Tool, aber Google hat schlicht mehr Reichweite und mehr Targeting-Optionen für Awareness-Ziele.

    Für B2C-Produkte unter 100 €: Google Awareness-Kampagnen können den Amazon-Kanal vorbereiten. Aber die Konversion findet dann auf Amazon statt — und wenn du dort nicht sichtbar bist, gibt jemand anderes den Abschluss.

    Abschnitt 05

    Praktische Budgetallokation — ein Framework

    Kein Modell passt auf jedes Unternehmen. Aber das folgende Framework gibt einen Startpunkt für die Frage, welcher Kanal für welches Produkt die richtige Primärinvestition ist. Es basiert auf drei Variablen: Durchschnittspreis, Kaufzyklus, Zielgruppe.

    Produkttyp Ø-Preis Kaufzyklus Primärkanal
    B2C Konsumgut unter 50 € unter 1 Tag Amazon (80 %+ Budget)
    B2C Semi-Premium 50 – 150 € 1 – 3 Tage Amazon (60 %) + Google (40 %)
    B2C Hochpreis über 150 € 3 – 14 Tage Google (50 %) + Amazon (50 %)
    B2B Investitionsgut über 500 € 30 + Tage Google / LinkedIn (80 %+)
    B2B Verbrauchsmaterial unter 100 € wiederkehrend Amazon Business (stark unterschätzt)

    Die wichtigste Faustregel: Wenn B2C + Preis unter 150 € + Kaufentscheidung in unter drei Tagen — erhöhe Amazon-Budget. Das ist der Bereich, in dem die meisten Hersteller strukturell falsch investiert sind. Sie geben 70 % des digitalen Mediabudgets für Google aus, obwohl 60 % ihrer Zielgruppe die Kaufentscheidung auf Amazon trifft.

    Der umgekehrte Fehler ist seltener, aber er existiert: B2B-Hersteller mit Kaufzyklus über 30 Tagen und mehreren Entscheidern, die in Amazon PPC investieren, weil die Plattform gerade populär ist. Das funktioniert nicht. Amazon Business gibt es — aber für komplexe B2B-Kaufentscheidungen mit langen Abstimmungsrunden ist die Plattform nicht gebaut. Für Verbrauchsmaterialien, Bürobedarf, Hygieneartikel unter 100 € im B2B-Kontext: Amazon Business ist dagegen massiv unterschätzt.

    In der Praxis bedeutet das: Ich sehe bei Herstellern regelmäßig, dass die Umschichtung von 20 Prozentpunkten Budget von Google Shopping zu Amazon Sponsored Products — bei sonst gleichen Bedingungen — den Cost-per-Order um 30 bis 50 % senkt. Nicht weil Google schlecht ist. Sondern weil das Budget endlich dort wirkt, wo die Entscheidung fällt.

    Weiterführend: Damit die Budget-Umschichtung auf Amazon auch wirkt, muss die Kampagnenstruktur stimmen.

    Wie du Amazon ACoS strukturiert managst und Conversion Rate und Budget effizient steuerst, erklärt dieser Artikel im Detail.

    Das Wichtigste in Kürze

    Vier Sätze, die du mitnehmen solltest

    01

    54 % aller Produktsuchen starten auf Amazon. Die meisten Marketingbudgets spiegeln das nicht wider. Das ist keine Meinung — das sind Zahlen, die seit 2020 konsistent dieselbe Richtung zeigen.

    02

    Der CPC auf Amazon und Google ist ähnlich. Der Cost-per-Order nicht. Amazon konvertiert 5–10x besser — weil die Kaufabsicht beim Suchstart eine andere ist.

    03

    Google bleibt der richtige Kanal für hochpreisige B2B-Entscheidungen, Informationsphasen und Brand Awareness. Für B2C-Produkte unter 150 € mit kurzem Kaufzyklus ist Amazon der primäre Entscheidungsort.

    04

    Budgets folgen Gewohnheiten — nicht Daten. Die Frage ist nicht „Google oder Amazon?“, sondern „Wo fällt die Kaufentscheidung für dieses Produkt?“ Wer das beantwortet, kann das Budget sinnvoll verteilen.

    Häufige Fragen

    FAQ

    Was ist der Unterschied zwischen Google Shopping und Amazon PPC?

    Google Shopping zeigt Anzeigen an Nutzer, die möglicherweise kaufen wollen — aber auch recherchieren, vergleichen oder einfach neugierig sind. Amazon Sponsored Products zeigen Anzeigen an Nutzer, die auf Amazon mit Kaufabsicht suchen. Conversion Rate bei Amazon: 10–15 % (Prime-User). Google Shopping: 1–3 %. Der CPC ist ähnlich. Das Ergebnis ist es nicht.

    Muss ich mich zwischen Google und Amazon entscheiden?

    Nein — aber du musst wissen, welcher Kanal welche Funktion hat. Amazon gewinnt bei B2C-Produkten unter 150 € mit kurzer Kaufentscheidung. Google gewinnt bei hochpreisigen Kaufentscheidungen, Informationsbedarf und B2B. Die meisten Hersteller investieren zu viel in Google und zu wenig in Amazon — nicht weil Google schlecht ist, sondern weil der Ort der Kaufentscheidung sich verschoben hat.

    Wie tracke ich den Einfluss von Amazon auf meine Marke?

    Amazon Brand Analytics (für Seller und Vendoren mit Brand Registry) zeigt, über welche Suchbegriffe deine Produkte gefunden werden und wie Kunden vorher nach dir gesucht haben. Außerdem: Share of Voice über Sponsored Products Impression Share und Marktanteil-Berichte in der Advertising Console. Diese Daten fehlen in den meisten Marken-Dashboards — weil die Marketingteams sie nicht kennen oder keinen Zugang haben.

    Was kostet Amazon PPC im Vergleich zu Google?

    Amazon CPC liegt für Konsumgüter bei 0,60–1,40 €. Google Shopping ähnlich. Aber der Cost-per-Order ist bei Amazon deutlich niedriger — weil die Conversion Rate 5–10x höher ist. Bei 1,00 € CPC und 12 % CVR kostet eine Amazon-Bestellung 8,33 €. Bei 1,00 € CPC und 2 % CVR auf Google Shopping kostet eine Bestellung 50 €. Die Metrik, die zählt, ist nicht der CPC — sie ist der Cost-per-Order.

    Dieser Text stammt aus aktiver Mandatsarbeit.

    Wenn du wissen willst, wo dein Budget heute wirklich wirkt — und wo du Geld auf der falschen Plattform verbrennst…

    Ich betreue Vendor- und Seller-Accounts aktiv und schaue mir Budgetstrukturen an, die seit Jahren auf Google ausgerichtet sind — während die Kaufentscheidung längst woanders fällt. Wenn du das für dein Sortiment durchrechnen willst, findest du mehr unter Leistungen →

    Kein Pitch. Kein Deck. Wenn es passt, arbeiten wir. Wenn nicht, sagst du es — und ich auch. Alles Weitere in der Werkstatt →

    info@schaller.work →

  • GEO — Was Generative Engine Optimization ist und warum klassisches SEO nicht reicht

    Sichtbarkeit

    8 Min. Lesezeit

    Mai 2026

    GEO — Was Generative Engine Optimization ist und warum klassisches SEO nicht reicht

    SEO ist nicht tot. Aber es reicht nicht mehr allein. Ein wachsender Teil der Suchanfragen wird heute von KI-Systemen direkt beantwortet — ohne Klick auf eine Website. Wer für diese Systeme unsichtbar ist, verliert Reichweite die er nie messen wird.

    CS

    Christopher Schaller

    schaller.work

    Klassisches SEO ist nicht tot. Aber wer 2026 nur auf Klicks optimiert, optimiert für ein schrumpfendes Spiel. Ein wachsender Teil der Entscheidungsrecherche findet heute statt, bevor jemand auf eine Website klickt — in ChatGPT, Perplexity, Google AI Overviews. Wenn dein Unternehmen dort nicht vorkommt, verlierst du Reichweite die du nie in deiner Analytics siehst.

    Ich sehe das konkret: In meiner Arbeit mit Vendor-Accounts suche ich Kategorien regelmäßig in mehreren Systemen gleichzeitig. Perplexity nennt drei Anbieter. ChatGPT nennt zwei davon plus einen US-Wettbewerber. Die deutschen Marktführer — manchmal die echten Weltmarktführer in ihrer Nische — tauchen nicht auf. Nicht weil ihr Produkt schwächer ist. Sondern weil das System keine strukturierte Grundlage hat, sie zu nennen.

    Das Ergebnis ist asymmetrisch. Google AI Overviews erscheinen bereits für 15 bis 20 Prozent aller informationalen Suchanfragen. Perplexity AI hat 15 Millionen aktive Nutzer — mit überdurchschnittlichem B2B- und Recherche-Anteil. ChatGPT beantwortet Beschaffungsfragen direkt, ohne eine Website aufzurufen. Position 1 in Google liefert weniger Traffic als vor drei Jahren. Klassisches SEO optimiert für Klicks auf eine Seite. GEO optimiert für Zitate in einer Antwort. Das ist kein Trend. Das ist Arithmetik.

    01 — Die Verschiebung

    Was sich gerade verändert — und warum es keine Phase ist

    Das ist keine Phase. Drei Entwicklungen laufen parallel ab und verstärken sich gegenseitig:

    15–20%

    aller Google-Suchanfragen erhalten ein AI Overview — Tendenz steigend, besonders bei informativen Queries (Stand 2025)

    15 Mio.

    aktive Perplexity-Nutzer, mit überdurchschnittlichem B2B- und Akademiker-Anteil — kein Massenphänomen, aber genau die Recherche-affinen Early Adopters

    0 Klicks

    so viel Traffic liefert deine Nennung in einer KI-Antwort — und trotzdem entsteht Einfluss auf die Shortlist, die Wahrnehmung, die Entscheidung

    Was das in der Praxis bedeutet: Der Einkäufer, der früher „Präzisionsdrehteile Medizintechnik Deutschland“ in Google eingegeben und auf die ersten drei Ergebnisse geklickt hätte, gibt heute dieselbe Frage in ChatGPT oder Perplexity ein — und erhält eine direkte Antwort mit zwei bis fünf Anbieternennungen. Wer nicht genannt wird, kommt nicht auf die Shortlist. Dieser Auswahlprozess ist für das fehlende Unternehmen vollständig unsichtbar: kein verlorener Klick, kein Bounce, keine Messung.

    Das gilt nicht nur im Web. Ich optimiere aktuell Produktlistings für Amazon Rufus — Amazons KI-Assistent, der Produktfragen direkt beantwortet. Rufus zieht aus Titeln, Bullet Points, A+ Content und Q&As. Wer dort nicht strukturiert liefert, existiert für Rufus nicht. Das ist GEO auf dem Marketplace. Dieselbe Logik, andere Plattform.

    Wer die nächste Generation der Sichtbarkeit verschläft, konkurriert in 12 bis 24 Monaten gegen Anbieter, die längst als Referenzpunkte gesetzt sind. Wer heute anfängt ist in 12 Monaten sichtbar. Wer wartet, konkurriert dann gegen die die schon da sind. Das ist kein Alarmsignal. Das ist Arithmetik.

    02 — Der Unterschied

    Wie klassisches SEO und GEO sich grundlegend unterscheiden

    Klassisches SEO

    • →Googlebot crawlt und indexiert Seiten
    • →Ranking nach PageRank, E-E-A-T, Core Web Vitals
    • →Ziel: Position 1, Featured Snippet, Klick auf Website
    • →Erfolgsmetrik: organischer Traffic, Klickrate, Conversion
    • →Optimierung für Crawler-Algorithmen

    GEO — Generative Engine Optimization

    • →KI-System generiert Antwort, wählt Quellen als Grounding
    • →Bewertung: Faktenpräzision, Quellenklarheit, Entity-Verankerung
    • →Ziel: Nennung/Zitat in der generierten Antwort
    • →Erfolgsmetrik: Share of Voice in KI-Antworten, Shortlist-Nennung
    • →Optimierung für maschinenlesbare Struktur und Vertrauenssignale

    Der entscheidende konzeptuelle Unterschied: SEO optimiert für eine Liste von Ergebnissen, aus der ein Mensch wählt. GEO optimiert dafür, dass ein System dich in eine Antwort einbaut, die den Menschen direkt erreicht — ohne Zwischenschritt. Grounding ist der Fachbegriff: das KI-System verankert seine Aussagen in verifizierbaren Quellen um Halluzinationen zu vermeiden. Wer keine strukturierte, faktenpräzise Quelle ist, wird nicht gegrounded.

    Die meisten SEO-Agenturen haben GEO noch nicht auf dem Schirm. Die optimieren für Google 2019. Das ist nicht böse gemeint — aber es ist teuer für ihre Kunden. Wer heute ein SEO-Briefing bekommt das ausschließlich auf Keyword-Dichte und Backlinks schaut, sollte fragen: Was macht ihr für meine Sichtbarkeit in KI-generierten Antworten? Wenn die Antwort kommt, wird sie oft zeigen wo der Beratungsstand gerade ist.

    03 — Structured Data

    Schema Markup: die Sprache die KI-Systeme sprechen

    Structured Data über Schema.org ist nicht neu — es existiert seit 2011, als Google, Bing, Yahoo und Yandex das gemeinsame Vokabular vereinbarten. Was sich verändert hat: Für KI-Systeme ist es nicht mehr optional, sondern der primäre Kanal um Fakten über eine Organisation maschinenlesbar zu machen. Vier Schema-Typen sind besonders relevant:

    Organization

    schema.org/Organization

    Name, URL, Logo, Gründungsdatum, Beschreibung, Adresse, Branche. Das ist die Identitäts-Signatur des Unternehmens im Wissensgraphen. Ohne diesen Block ist eine Organisation für KI-Systeme eine unstrukturierte Textmenge — kein Objekt, das man zitieren kann.

    Article

    schema.org/Article

    Autor, Datum, Beschreibung, Kategorie, Publisher. Artikel ohne diese Metadaten haben keine klare Herkunft — und Quellen ohne klare Herkunft werden von KI-Systemen mit gutem Grund niedriger bewertet. E-E-A-T (Experience, Expertise, Authoritativeness, Trustworthiness) ist für generative Systeme mindestens so relevant wie für Google selbst.

    FAQPage

    schema.org/FAQPage

    Direkte Frage-Antwort-Paare. Das ist der für GEO wichtigste Schema-Typ: KI-Systeme generieren Antworten auf Fragen — und FAQ-Markup liefert exakt das Format. Wer Fragen präzise formuliert und kurz beantwortet, erhöht die Wahrscheinlichkeit, mit genau diesem Satz zitiert zu werden. Jede wichtige Seite sollte 3 bis 5 FAQ-Einträge enthalten.

    HowTo

    schema.org/HowTo

    Schritt-für-Schritt-Inhalte mit strukturierter Abfolge. Hohe Zitierwahrscheinlichkeit weil das Format KI-Systemen erlaubt, Prozesse direkt zu referenzieren ohne sie rekonstruieren zu müssen. Relevant für alles was Entscheidungsprozesse, Checklisten oder Methoden beschreibt.

    04 — Entity-Optimierung

    Entity-Aufbau: im Wissensgraphen existieren, nicht nur ranken

    Googles Knowledge Graph und Wikidata sind die Infrastruktur, auf der KI-Systeme Fakten über Unternehmen, Personen und Organisationen validieren. Ein Unternehmen das dort nicht als strukturiertes Objekt existiert, ist für diese Systeme nicht verifizierbar — und nicht verifizierbare Quellen werden seltener zitiert.

    Entity-Optimierung bedeutet: sicherstellen, dass das Unternehmen — und die relevanten Personen — als verifizierbare Objekte in maschinenlesbaren Wissensdatenbanken existieren. Konkret:

    Wikidata-Eintrag

    Maschinenlesbare Fakten über das Unternehmen: Gründungsjahr, Branche, Sitz, Wikipedia-Verlinkung falls vorhanden. Kein Marketing — Infrastruktur. Der Eintrag kann durch jeden erstellt werden der mit Wikidata-Syntax vertraut ist. Zeitaufwand: 2 bis 4 Stunden. Wirkungsdauer: permanent.

    Google Business Profile

    Vollständig ausgefüllt, regelmäßig aktualisiert, mit Produktkategorien und Dienstleistungsbeschreibungen. Das GBP ist direkter Input für Googles Knowledge Graph und damit für AI Overviews. Lücken im GBP sind Lücken im Wissensgraphen.

    NAP-Konsistenz

    Name, Adresse, Telefonnummer — identisch auf Website, GBP, LinkedIn, Branchenverzeichnissen, Verbands-Profilen. KI-Systeme nutzen NAP-Konsistenz als Vertrauenssignal. Inkonsistente Daten senken die Vertrauensbewertung der Quelle.

    LinkedIn-Unternehmensprofil

    Vollständige Daten, korrekter Branchencode, About-Section mit klarem Unternehmensprofil. LinkedIn-Daten fließen in mehrere KI-Systeme als Vertrauensquelle ein — besonders für B2B-Unternehmen.

    05 — Content-Struktur

    Content schreiben den KI-Systeme zitieren wollen

    KI-Systeme generieren Antworten indem sie Sätze aus Quellen extrahieren oder paraphrasieren. Was leicht extrahierbar ist, wird häufiger zitiert. Was in Fließtext eingebettet und ohne klare Grenze zwischen Behauptung und Beleg ist, wird übergangen.

    Ich kenne das von innen: In Konzernen werden Produkttexte von Produktmanagern geschrieben die sich nicht fragen ob Google oder eine KI das versteht. Die fragen sich: Ist die technische Spec korrekt? Das ist nicht dasselbe. Korrekte Specs sind kein zitierbarer Content. Das Ergebnis: Jahrzehntelange Expertise, komprimiert in Fließtext ohne Struktur, ohne Claim-Evidence-Aufbau, ohne FAQ. Für KI-Systeme nicht extrahierbar. Vier Strukturprinzipien die das ändern:

    Claim-Evidence-Struktur

    Erst die Behauptung, dann der Beleg. Nicht: „Durch unsere jahrelange Erfahrung haben wir erkannt, dass Kunden, die strukturierte Datenprozesse einführen, insgesamt bessere Ergebnisse erzielen.“ Sondern: „Unternehmen mit strukturierten Datenprozessen reduzieren Fehlentscheidungen um durchschnittlich 23 Prozent (McKinsey Digital, 2024).“ Der zweite Satz ist zitierbar. Der erste ist Fülltext.

    Nicht so:

    „Signifikant gestiegene Conversion-Rate…“

    So:

    „+47% Conversion-Rate in Q3 2024 gegenüber Vorjahr…“

    Glossarseiten und Definitionen

    KI-Systeme bevorzugen klar abgegrenzte Definitionen weil sie diese direkt als Antwort auf „Was ist X?“-Fragen verwenden können. Wer in seiner Kategorie Begriffe definiert — nicht erklärt, sondern präzise definiert — baut eine Zitatposition auf. Jeder Branchenbegriff, jedes intern verwendete Konzept, jedes Framework ist eine potenzielle Definition die ein System sucht.

    FAQ-Blöcke auf Hauptseiten

    Nicht als „Haben Sie noch Fragen?“-Pflichtkapitel — sondern als echte, präzise Antworten auf die 3 bis 5 häufigsten Fragen pro Seite. Diese Fragen sollten so formuliert sein, wie jemand sie in eine Suchmaske eingeben würde. FAQ-Markup kombiniert mit präzisen Antworten ist das direkteste GEO-Signal das Content liefern kann.

    Erwähnungen in glaubwürdigen Quellen

    Für GEO sind Erwähnungen in vertrauenswürdigen Quellen wichtiger als Backlinks. Fachpresse (Handelsblatt, Wirtschaftswoche, einschlägige Branchenzeitschriften), Verbands-Websites und -Publikationen, Unternehmensregister mit aktuellen Daten. Das sind die Quellen, auf die KI-Systeme selbst zugreifen — und eine Erwähnung dort ist ein Vertrauenssignal das direkt in die Grounding-Logik einfliesst.

    Was GEO nicht ist

    ×

    Prompt-Engineering für ChatGPT — das ist kein Content-Marketing und keine skalierbare Strategie

    ×

    Keyword-Stuffing in neuer Form — Dichte zählt nicht, Struktur und Faktenpräzision zählen

    ×

    Ein Ersatz für technisches SEO — das bleibt die Grundlage für alle Sichtbarkeitsmaßnahmen

    ×

    Eine kurzfristige Maßnahme — Entity-Aufbau und Reputation in Wissensgraphen brauchen 6 bis 18 Monate

    Das Wichtigste in Kürze

    —

    GEO optimiert nicht für Klicks, sondern für Nennungen in KI-generierten Antworten. Kein Traffic-Signal, aber direkter Einfluss auf Shortlists und Kaufentscheidungen.

    —

    Structured Data (JSON-LD) mit Organization, Article, FAQPage und HowTo ist die technische Basis — keine Option, sondern Infrastruktur.

    —

    Entity-Aufbau in Wikidata, Google Business Profile und LinkedIn ist kein Marketing — es ist digitale Infrastruktur, die KI-Systeme als Vertrauenssignal auswerten.

    —

    Content braucht Claim-Evidence-Struktur, präzise Zahlen und klar extrahierbare Definitionen. Vage Aussagen werden nicht zitiert.

    —

    GEO gilt nicht nur im Web. Amazon Rufus, Gemini in B2B-Tools, integrierte Assistenten in Salesforce und HubSpot — dieselbe Logik, andere Plattformen. Strukturierte Information gewinnt überall wo ein KI-System antwortet.

    —

    Wer heute anfängt, ist in 12 Monaten sichtbar. Wer wartet, konkurriert dann gegen Anbieter, die bereits als Referenzpunkte in den Systemen verankert sind. Das ist kein Alarmsignal. Das ist Arithmetik.

    Der Unterschied zwischen SEO und GEO: SEO fragt „Findet mich der Algorithmus?“ GEO fragt „Versteht mich das System gut genug, um mich als Quelle einzubauen?“ Das sind zwei verschiedene Fragen. Die meisten Unternehmen beantworten gerade nur die erste.

    06 — Traffic-Verlust heute

    Wie viel Traffic verlierst du schon jetzt

    Google AI Overviews erscheinen bereits für 15 bis 20 Prozent aller informationalen Suchanfragen. Für Research-Queries — also die Queries, die deine B2B-Zielkunden stellen — liegt dieser Anteil höher: ca. 25 bis 35 Prozent. Diese Queries haben einen Namen: „Was ist X?“, „Wie funktioniert Y?“, „Welche Anbieter für Z gibt es in Deutschland?“ — genau die Fragen, auf die du mit Fachartikeln und Landingpages optimiert hast.

    Forbes hat 2024 dokumentiert: Seiten, die in AI Overviews erscheinen, verzeichnen eine Reduktion organischer Klicks um durchschnittlich 37 Prozent. Das stimmt erst einmal seltsam. Aber es ist logisch: Der AI Overview beantwortet die Frage. Der Nutzer klickt nicht mehr weiter. Das bedeutet konkret: Selbst auf Position 1 verlierst du Klicks, wenn der AI Overview die Frage beantwortet — es sei denn, du bist die zitierte Quelle im Overview selbst.

    Entweder du bist die Quelle für den AI Overview — oder du verlierst Traffic an jemanden, der es ist. Es gibt keine dritte Option.

    Was das bedeutet: Das Ziel ist nicht mehr, auf Position 1 zu ranken. Das Ziel ist, die Quelle zu sein, aus der das KI-System zitiert. Wer das versteht, optimiert anders — nicht mehr auf Klick-Wahrscheinlichkeit, sondern auf Zitier-Wahrscheinlichkeit. Das ist der Kern von GEO.

    07 — Umsetzung

    GEO Schritt für Schritt — Prioritäten in der richtigen Reihenfolge

    GEO ist kein Einmalproject. Es ist ein Aufbau in Phasen. Die Reihenfolge ist nicht optional — wer mit Entity-Aufbau anfängt ohne die technische Basis, verschwendet Zeit.

    Woche 1–2 — Technische Basis

    • →Google Search Console prüfen: welche Queries lösen AI Overviews aus? (Appearance in Search Console → AI Overviews — das ist der erste Daten-Input)
    • →Schema.org Organization einmalig auf der Homepage implementieren — das ist deine Identitäts-Signatur im Wissensgraphen
    • →Alle Content-Seiten: datePublished und dateModified ergänzen — KI-Systeme bevorzugen Quellen mit klarem Zeitstempel
    • →Canonicals prüfen — generative Systeme bevorzugen die kanonische URL, keine doppelten Inhalte

    Monat 1 — Content-Struktur

    • →FAQ-Blöcke auf allen Hauptseiten: mindestens 4 Fragen, direkt und präzise beantwortet, mit FAQPage-Markup hinterlegt
    • →Glossar-Seite aufbauen: jede Definition 2 bis 4 Sätze, maschinenextrahierbar, mit DefinedTerm-Markup
    • →Artikel-Struktur: H2 als Frage formulieren („Wie funktioniert X?“ statt „X-Grundlagen“) — das matcht den Query-Intent direkt

    Monat 2–3 — Entity-Aufbau

    • →Wikidata-Eintrag für das Unternehmen anlegen: maschinenlesbar, verknüpft mit Google Knowledge Graph — Zeitaufwand ca. 3 Stunden, Wirkung permanent
    • →Google Business Profile vollständig befüllen: Öffnungszeiten, präzise Beschreibung, aktive Posts — das GBP ist direkter Kanal zum Knowledge Graph
    • →LinkedIn: Author-Profil vollständig, Expertise-Felder ausgefüllt, Unternehmensseite mit Branchencode und About-Text der entity-konform ist
    • →2 bis 3 Erwähnungen in branchenrelevanten Fachpublikationen erzielen: Gastbeiträge, Interviews, Kommentare — das sind die Quellen, aus denen KI-Systeme selbst zitieren

    Monat 4–6 — Messung

    • →Perplexity.ai: manuell nach deinen Top-5-Queries suchen — erscheinst du als Quelle? Wird dein Unternehmen genannt? Das ist der schnellste Realitätscheck
    • →Google AI Overview Monitoring: noch kein vollständiges Tool, manuell oder über Drittanbieter wie SE Ranking — Tendenz messen, nicht Absolutzahlen
    • →Search Console: Impression-Daten für informationalen Queries — Rückgang bei stabiler oder wachsender Sichtbarkeit bedeutet AI Overview hat die Query übernommen

    08 — Fehler

    Die 4 häufigsten GEO-Fehler — und warum sie passieren

    Ich sehe diese Fehler in Mandaten regelmäßig. Manchmal nach einem teuren SEO-Relaunch. Manchmal nach sechs Monaten Content-Marketing das niemand zitiert. Nicht weil die Leute dahinter keine Ahnung haben — sondern weil GEO neu ist und die meisten Agenturen die Briefings schreiben noch nicht verstanden haben was sich verändert hat.

    Fehler 01

    Schema.org implementieren ohne den Content anzupassen

    JSON-LD auf einer Seite, die generisch und strukturlos ist, bringt nichts. Das Markup erklärt dem System was die Seite ist — aber wenn die Seite keine citable Antworten enthält, wird sie trotzdem nicht zitiert. Structured Data ist ein Container. Wenn der Container leer ist, nützt das beste Labeling nichts.

    Fehler 02

    GEO als einmaliges Projekt behandeln

    KI-Systeme aktualisieren ihre Wissensquellen laufend. Content der heute zitiert wird, kann in 3 Monaten veraltet sein — neue Studien, neue Wettbewerber, neue Definitionen. GEO braucht denselben Pflegerhythmus wie SEO. Wer nach dem einmaligen Setup aufhört, baut eine Sichtbarkeit auf, die langsam wieder verblasst.

    Fehler 03

    Auf die falschen Systeme fokussieren

    Perplexity hat eine andere Nutzer-Demografie als Google AI Overviews. B2B-Entscheider und Research-affine Nutzer sind bei Perplexity überproportional vertreten. Consumer-Suchanfragen laufen stärker über Google. Wer zuerst verstehen will, welches System seine Zielgruppe nutzt, und dann optimiert — statt blind auf alle Systeme parallel — arbeitet effizienter und mit messbarem Ergebnis.

    Fehler 04

    Keine Quellen verlinken

    KI-Systeme werten Quellenangaben als Vertrauenssignal. Eigene Aussagen mit verlinkten Studien, Daten oder Fachquellen zu belegen, erhöht die Zitierwahrscheinlichkeit — paradoxerweise auch für die eigenen Inhalte. Eine Seite, die auf McKinsey, Destatis oder eine Branchenstudie verlinkt, signalisiert dem System: hier wird belegt, nicht behauptet. Das ist ein anderes Vertrauensniveau.

    09 — Beispiel

    Praktisches Beispiel — vorher/nachher

    Der schnellste Weg um zu verstehen was GEO-optimierter Content ist: einen direkten Vergleich sehen. Hier ist ein Beispiel aus der Praxis — ein Unternehmens-Über-uns-Text, einmal wie er meistens geschrieben wird, einmal wie er für KI-Extraktion aussehen sollte.

    Vorher — generisch

    „Wir sind ein führendes Unternehmen für digitale Strategien und bieten maßgeschneiderte Lösungen für unsere Kunden. Mit jahrelanger Erfahrung und einem kompetenten Team stehen wir für höchste Qualität und Kundenzufriedenheit.“

    Nachher — GEO-optimiert

    „schaller.work ist ein strategischer Beratungsbetrieb mit Fokus auf Mittelstand und Hidden Champions. Gründer Christopher Schaller berät seit 2010 Unternehmen in digitaler Strategie, Amazon-Commerce und Markenpositionierung. Mandate in Lebensmittel, Maschinenbau, Consumer Health und B2B-Electronics.“

    Der Unterschied ist nicht stilistisch. Er ist strukturell. Im zweiten Text sind 4 Arten von Informationen enthalten, die KI-Systeme extrahieren können:

    • →Named Entity: „Christopher Schaller“ und „schaller.work“ — klare, verifizierbare Namen
    • →Konkretes Datum: „seit 2010“ — Erfahrungsdauer als Faktum, nicht als Adjektiv
    • →Spezifische Verticals: Maschinenbau, Consumer Health, B2B-Electronics — keine Branche ist austauschbar durch eine andere
    • →Spezifische Capabilities: Amazon-Commerce als abgrenzbarer Begriff — kein „digitale Lösungen“

    Das erste Beispiel ist für ein KI-System nicht extrahierbar. „Führendes Unternehmen“, „maßgeschneiderte Lösungen“, „höchste Qualität“ — das sind Adjektiv-Stapel ohne Informationsgehalt. Das System kann sie nicht zitieren, weil sie nichts Belegbares aussagen. Das zweite Beispiel ist ein zitierbares Objekt.

    Häufige Fragen

    FAQ

    Was ist GEO — Generative Engine Optimization?

    GEO steht für Generative Engine Optimization. Es bezeichnet die Ausrichtung von Content und digitaler Infrastruktur darauf, in KI-generierten Antworten zitiert zu werden. SEO optimiert dafür dass ein Mensch auf deine Seite klickt. GEO optimiert dafür dass ein System — ChatGPT, Perplexity, Google AI Overviews — dein Unternehmen direkt als Quelle einbaut. Kein Klick. Trotzdem Einfluss auf die Shortlist.

    Wie verhält sich GEO zu klassischem SEO?

    GEO ersetzt SEO nicht. Wer keine technisch saubere SEO-Basis hat, kann auch keine GEO-Sichtbarkeit aufbauen. Aber SEO allein reicht nicht mehr: Es optimiert für Klicks. GEO optimiert für Zitate. Das sind zwei verschiedene Spiele. Ein wachsender Anteil der relevanten Suchanfragen wird heute ohne Klick beantwortet. Wer nur für Klicks optimiert, verliert diesen Anteil unsichtbar.

    Welche Unternehmenstypen profitieren am meisten von GEO?

    B2B-Unternehmen mit erklärungsbedürftigen Produkten. Hidden Champions. Spezialisierte Mittelständler. Genau die, deren Einkäufer heute KI-Systeme für die erste Recherche nutzen. Wer bei dieser Recherche nicht erscheint, kommt nicht auf die Shortlist — obwohl er die bessere Lösung hätte. Und merkt es nie, weil kein Klick fehlt den er messen könnte.

    Was ist Structured Data und warum ist es für GEO wichtig?

    Structured Data ist maschinenlesbares Markup nach Schema.org im JSON-LD-Format. Es sagt KI-Systemen präzise: wer du bist (Organization), was dieser Artikel behandelt (Article), welche Fragen du beantwortest (FAQPage). Ohne dieses Markup ist deine Website für ein KI-System eine unstrukturierte Textmenge. Kein zitierbares Objekt. Du kannst den besten Inhalt der Branche haben — wenn er nicht strukturiert ist, wird er übergangen.

    Autor

    CS

    Christopher Schaller

    Strategischer Sparringpartner für Mittelstand, Hidden Champions und Scale-ups. Sichtbarkeitsstrategien für B2B-Unternehmen in gesättigten Märkten.

    schaller.work

    GEO-Audit für dein Unternehmen?

    Wenn du wissen willst, wo dein Unternehmen in KI-generierten Antworten steht — und was konkret fehlt um dort zu erscheinen — schaue ich es mir an. Kein Briefing, kein Formular. Eine direkte E-Mail reicht.

    info@schaller.work

  • First Party Data: was es ist, warum es zählt und wie man anfängt

    First Party Data: was es ist, warum es zählt und wie man anfängt | schaller.work
    Sichtbarkeit

    First Party Data: was es ist, warum es zählt und wie man anfängt

    3 Min. Lesezeit 17. Juli 2023 Christopher Schaller
    Definition

    First-Party-Data sind Daten, die du direkt von deinen Kunden erhältst — weil sie dir bewusst und freiwillig etwas mitgeteilt haben. Eine E-Mail-Adresse beim Newsletter-Abo. Ein Kaufverlauf. Klickverhalten auf deiner eigenen Website. Du sammelst sie, du speicherst sie, du kontrollierst sie.

    Warum es jetzt zählt

    Das Tracking-Ökosystem, auf dem digitales Marketing jahrelang aufgebaut war, bricht Stück für Stück zusammen.

    • // Third-Party-Cookies: Google schränkt sie ein, Safari und Firefox blockieren sie längst. Wer Nutzer über Websites hinweg verfolgt, verliert die Grundlage dafür.
    • // iOS App-Tracking-Transparenz: Seit iOS 14.5 müssen Apps um Erlaubnis bitten, bevor sie Nutzer über Apps hinweg tracken. Die Opt-in-Quote liegt unter 30 %. Meta-Attribution ist seitdem strukturell unvollständig.
    • // DSGVO-Einschränkungen: Consent-Banner, Opt-out-Rechte und Datensparsamkeits-Anforderungen reduzieren, was du über anonyme Besucher wissen darfst.

    Was du mit eigenen Daten machen kannst, ist davon nicht betroffen.

    Womit anfangen

    Du musst kein Data-Engineering-Team aufbauen. Drei konkrete Einstiegspunkte:

    01
    E-Mail mit Werttausch
    Kein generisches „Jetzt anmelden“. Ein konkretes Angebot: ein Ratgeber, eine Checkliste, Early Access. Die Adresse ist das Wertvollste, was du von einem Besucher bekommen kannst.
    02
    Kaufhistorie nutzen
    Wer hat wann was gekauft? Das allein ermöglicht Wiederkauf-Sequenzen, Cross-Sell und Churn-Prävention. Liegt bereits vor — wird oft nicht genutzt.
    03
    Cookieless Analytics
    Plausible, Fathom oder Matomo (self-hosted) zeigen dir On-Site-Verhalten ohne Consent-Banner. Aggregiert, DSGVO-konform, brauchbar.

    Was du mit guten First-Party-Daten langfristig bekommst: echte Personalisierung, verlässliche Retention-Automationen und Lookalike-Audiences auf Meta und Google, die tatsächlich funktionieren — weil dein Seed-Pool sauber ist.

    „Wer heute noch keine First-Party-Data-Strategie hat, wird in zwei Jahren in blindem Paid-Traffic ertrinken.“
    Christopher Schaller Strategie und digitale Sichtbarkeit für Marken
    Gespräch anfragen