KI-Leads vs. organische Suche: Der Conversion-Unterschied
Zwei Zahlen geistern seit Monaten durch meinen Feed. Die eine sagt, KI-Traffic konvertiere 4,4x besser als die organische Suche. Die andere sagt, die Lücke sei null - nicht klein, null, statistisch nicht von Zufallsrauschen zu unterscheiden.
Beide stammen von glaubwürdigen Analysten. Beide beruhen auf echten Daten. Sie können nicht beide recht haben.
Stay in the loop
Get news and updates about GEO, AI search and new features. Unsubscribe anytime.
Is your brand a Ghost or a Guide on AI?
See if AI knows your brand. We ask Gemini and Claude live - in ~5 seconds, no signup.
Also habe ich aufgehört zu scrollen und das Mühsame getan - jeden öffentlichen Datensatz zu KI gegen organisch in eine Tabelle gezogen, um zu sehen, welches Lager mir eine Geschichte verkauft. Die Antwort ist nicht die, die eine der beiden Seiten wiederholt sehen will. Sie ist besser, weil du mit ihr tatsächlich planen kannst.
Fang mit dem Teil an, über den sich beide Lager im Stillen einig sind: Ein KI-Lead und ein Lead aus der organischen Suche sind nicht dasselbe Tier. Der Besucher aus dem blauen Link überlegt noch. Den Besucher, den eine KI dir schickt, hat das Modell vorqualifiziert, bevor er überhaupt geklickt hat - es hat die Optionen gelesen, sich eine Meinung gebildet und jemanden geschickt, der fast schon bei "Ja" ist. Der ganze Streit dreht sich darum, was das wert ist und ob es überhaupt in deinen Zahlen auftaucht. Schau dir also zuerst die Spannweite an.
Die Zahlen: KI-Traffic konvertiert in den meisten Studien besser, nicht in allen
Vier unabhängige Datensätze, vier Methoden. Drei der vier zeigen in dieselbe Richtung. Eine sagt, die Lücke verschwindet unter statistischer Prüfung. Du musst beide Gedanken gleichzeitig halten, also zeige ich dir die Spannweite, bevor ich kommentiere.
| Studie | Was gemessen wurde | KI-Ergebnis | Organische Basis | Lesart |
|---|---|---|---|---|
| Visibility Labs / Search Engine Land (94 E-Commerce-Marken, GA4) | ChatGPT-Referral-CVR | 1,81% | 1,39% nicht-markenbezogen organisch | +31% Vorsprung, die konservative Zahl |
| Semrush (500+ hochwertige Themen) | Besucherwert nach Conversion | 4,4x | 1,0x Basis | Wert, nicht reine CVR - genau lesen |
| Seer Interactive (1 B2B-SaaS-Kunde) | Perplexity-Referral-CVR | 10,5% | Einzelseite, keine saubere Basis | Ein Kunde, B2B - Anekdote, kein Benchmark |
| Amsive (54 Websites) | LLM vs. organische CVR | 4,87% | 4,6% organisch | Unterschied NICHT signifikant (p=0,794) |
Schau, was in dieser Tabelle gerade passiert ist. Die Schlagzeilen-4,4x von Semrush ist ein Wert-Multiplikator, keine Conversion-Rate. Die 10,5% von Perplexity, die alle zitieren, sind ein einziger B2B-SaaS-Kunde bei Seer Interactive - eine einzelne Seite, kein Benchmark. Und Amsive hat 54 Seiten durch eine echte Signifikanzprüfung geschickt und fand, dass der LLM-Vorsprung (4,87% vs. 4,6%) Rauschen war: ein p-Wert von 0,794, wo du unter 0,05 brauchst, um von echt zu sprechen.
Das ist kein Widerspruch. So sieht ein junger, kleiner, schnell wachsender Kanal aus, wenn verschiedene Leute ihn verschieden messen.
Plane mit der konservativen Zahl - ChatGPTs rund +31% gegenüber nicht-markenbezogener organischer Suche - und behandle die 4,4x und 10,5% als Obergrenzen, nicht als Plan. Wenn deine eigenen Daten keine Lücke zeigen, wie bei Amsive, glaub deinen eigenen Daten. Der Vorteil, wo er existiert, liegt pro Session. Er ist kein Grund, Budget aus organisch abzuziehen. Du sammelst ihn obendrauf ein, nicht indem du das eine gegen das andere tauschst.
Warum die Lücke existiert, wo sie existiert
Wo der Vorsprung echt ist, ist er keine Magie. Es ist Intent-Kompression, und dahinter stecken drei Mechanismen:
- Vorqualifizierung. Das Modell liest den Vergleich, bildet eine Empfehlung und schickt die Person erst dann zu dir. Semrushs Formulierung: Das Modell hat bereits 3 bis 8 Quellen zusammengeführt und die Vergleichsphase abgeschlossen, bevor der Klick überhaupt passiert. Der Besucher kommt jenseits der Recherchephase an.
- Weniger Links pro Antwort. Perplexity zeigt eine Handvoll Quellen, nicht zehn blaue Links plus Anzeigen. Jeder Klick trägt überproportionale Absicht, weil das Feld für den Nutzer schon eingegrenzt war.
- Die Frage ist schon beantwortet. "Bestes CRM für eine 5-Personen-Agentur" wird im Chat geklärt. Der Klick danach ist näher an "ich will dieses" als an "ich schaue weiter". Seer hat das auch im Verhalten gesehen - KI-Sessions gingen rund 2,3 Seiten tief gegenüber 1,2 bei organisch.
Beachte: Alle drei drehen sich um Absicht, nicht um Volumen. Genau diese Unterscheidung ist der Grund, warum die nächsten zwei Vorbehalte so wichtig sind.
Vorbehalt 1: höhere Conversion, kleinerer Warenkorb
Höhere CVR bedeutet nicht automatisch mehr Geld pro Besuch. Dieselbe Visibility-Labs-Studie, die den +31%-Vorsprung fand, fand auch, dass ChatGPTs durchschnittlicher Bestellwert 14,3% niedriger liegt - 204 $ gegenüber 238 $ bei nicht-markenbezogener organischer Suche.
Warum? Preissensible Such-Prompts ("beste kabellose Kopfhörer unter 50 $"), Einzelartikel-Empfehlungen statt aufgebautem Warenkorb und ein Kategorie-Mix mit günstigeren Impulskäufen drücken den Warenkorb.
Jetzt rechne es ganz durch, denn hier hören die meisten Texte zu früh auf. Höhere CVR bei kleinerem Warenkorb bleibt netto positiv: Der Umsatz pro Session lag bei 3,65 $ für ChatGPT gegenüber 3,30 $ bei organisch, rund 10,3% mehr pro Session. Der Kanal gewinnt - nur mit dünnerer Marge, als der Conversion-Vorsprung allein vermuten lässt. Modelliere beide Zahlen, sonst prognostizierst du zu hoch.
Vorbehalt 2: Es sind heute rund 1% deines Traffics
Das ist der Punkt, der ehrlich hält. Über das Web gemischt sind KI-Referrals noch rund 1% des Gesamt-Traffics - etwa 1,08% nach manchen Messungen, ein Bruchteil eines Prozents nach anderen. Er wächst schnell (das Gesamtjahr 2025 lag im dreistelligen Prozentbereich), aber klein ist klein.
Er variiert außerdem stark nach Branche. IT und Software haben den höchsten Anteil mit rund 2,8% der Besuche, Finanzen um 1,21%, Gesundheit unter 1%. Wenn du B2B-Software verkaufst, solltest du dich mehr darum kümmern, als wenn du lokale Dienstleistungen anbietest.
Sind deine Passwörter stark, dein Tracking sauber? Gleiche Energie hier: 31% Vorsprung auf 1% des Traffics sind ein Rundungsfehler beim Umsatz dieses Quartals und ein echtes strategisches Signal fürs nächste Jahr. Beides stimmt. Behandle KI als zusätzliches Potenzial, das du sorgfältig misst, nicht als Kanal, in den du das SEO-Budget umschichtest. Organisch zu kürzen, um einem 1%-Kanal nachzujagen, ist heute der falsche Tausch. Puffff. Ich habe Leute es trotzdem tun sehen.
So misst du es auf deiner eigenen Seite
Hör auf, über fremde Durchschnitte zu streiten, und lies deine eigenen. Hier ist das Setup, der Reihe nach:
- Nutze GA4s KI-Assistent-Kanal und erweitere ihn. Seit dem 13. Mai 2026 liefert GA4 einen nativen KI-Assistent-Kanal in der Standard-Kanalgruppe - er setzt das Medium ai-assistant und braucht keinerlei Einrichtung (Search Engine Journal, 2026). Aber er erkennt nur ChatGPT, Gemini und Claude, und er ist nicht rückwirkend. Lege also eine Benutzerdefinierte Kanalgruppe mit einem Regex an, der auch perplexity.ai und copilot.microsoft.com erfasst, sodass du einen einzigen KI-Suche-Kanal über alle Engines bekommst (und der füllt historische Daten rückwirkend). Zerlege nicht jede Engine in einen eigenen Kanal - ab Mittelstand aufwärts zersplittert das deine Kanalgruppen und ruiniert das Reporting, auf das du angewiesen bist. Die CVR- und AOV-Unterschiede pro Plattform siehst du trotzdem, indem du diesen einen Kanal in einer GA4-Exploration nach Quelle aufschlüsselst.
- Geh davon aus, dass ein großer Teil in Direkt versteckt ist. Statcounter bezifferte 35-70% der KI-Referral-Sessions als ohne Referrer ankommend - kopierte Links, In-App-Browser, mobile Apps - sodass sie in Direkt landen, nicht in deinem KI-Kanal. Was der KI-Kanal zeigt, ist eine Untergrenze, nicht die volle Zahl. Achte auf nicht zugeordneten Direkt-Traffic, der im Gleichschritt mit deinem KI-Zitatwachstum steigt, und hör auf, die Kanalsumme als vollständig zu behandeln.
- Vergleiche kommerziell-orientierte organische Suche, nicht gemischte - und mach es in GA4. Gemischte organische Suche enthält markenbezogene Besuche mit hoher Absicht, die die Basis schönen, also willst du sie raus haben. Die Falle ist, dafür zur Search Console zu greifen: GSC zählt Query-Klicks und -Impressionen, GA4 zählt Sessions und Conversions, und die beiden lassen sich auf Query-Ebene nie abgleichen - GA4 hat keine Keyword-Dimension, du kannst die Marken-Aufteilung also nicht zurück auf deine Conversion-Daten legen. Mach stattdessen, was die Visibility-Labs-Studie tat: Filtere in GA4 nach Landingpage und schließe die Startseite und offensichtliche markengetriebene Seiten aus, sodass du kommerziell-orientierte organische Suche gegen deinen KI-Kanal auf einem Messsystem vergleichst. Nutze GSC nur, um abzuschätzen, wie markenlastig dein organischer Mix ist, nie als die andere Hälfte eines Conversion-Vergleichs.
- Beobachte AOV und Umsatz pro Session neben der CVR. Stelle alle drei pro Kanal in eine Ansicht. 31% mehr Conversion bei 14% weniger AOV ist ein echter, aber kleinerer Gewinn - bemiss ihn korrekt, statt nur die Conversion-Zahl zu zitieren.
- Verfolge Zitate, nicht nur Klicks. Die meiste KI-Sichtbarkeit erzeugt nie einen Klick, eine reine Klick-Sicht zählt dich also zu niedrig. Öffne den kostenlosen Bing-Webmaster-Tools-Bericht "AI Performance" - seit Februar 2026 in der öffentlichen Vorschau - der Gesamtzitate, Zitatzahlen pro Seite und die dahinterliegenden Grounding-Queries zeigt. Der Haken: Er deckt nur Microsoft Copilot und Bings KI-Antworten ab, nicht ChatGPT, Perplexity oder Gemini. Für diese Engines brauchst du einen separaten Cross-Engine-Tracker - das SOV-Dashboard von GEOlikeaPro ist einer. Zwei unabhängige Prüfungen auf zwei verschiedenen Oberflächen; nichts liest beide an einem Ort. Klicks sind die Spitze; Zitate sind der Eisberg.
- Prüfe Signifikanz, nicht Bauchgefühl. Wenn deine KI-Stichprobe ein paar hundert Sessions umfasst, ist ein Unterschied von 0,3 Punkten Rauschen - genau das ist die Lektion aus Amsives p=0,794. Warte auf Volumen, bevor du eine Budgetentscheidung an der Lücke festmachst.
Als ich in unsere eigenen Bing-Webmaster-Zitatdaten geschaut habe, sprang die Konzentration ins Auge: Eine einzige Seite kann fast alle deine KI-Zitate tragen, bevor die Engines breiter werden. Genau deshalb misst du den Kanal, statt zu raten - deine Lücke ist nicht die Lücke der Studie, und die einzige Zahl, die dein Budget bewegen sollte, ist deine.
Das SOV-Dashboard von GEOlikeaPro zeigt dir, wo ChatGPT, Perplexity und Google AI dich zitieren - und wo sie stattdessen einen Wettbewerber zitieren. Sieh, wo du stehst - kostenlose Stufe, keine Kreditkarte.
FAQ
Konvertieren KI-Leads wirklich besser als die organische Suche?
In den meisten Studien ja - aber es ist umstritten. Visibility Labs fand, berichtet von Search Engine Land, dass ChatGPT-Referral-Traffic mit 1,81% konvertiert gegenüber 1,39% bei nicht-markenbezogener organischer Suche, ein Plus von 31% über 94 E-Commerce-Marken. Semrush bezifferte den KI-Besucherwert auf das 4,4-Fache von organisch, und Seer Interactive sah 10,5% für Perplexity bei einem einzigen B2B-Kunden. Aber Amsive prüfte 54 Seiten und fand, dass der LLM-Vorsprung (4,87% vs. 4,6%) statistisch nicht signifikant war (p=0,794). Die ehrliche Lesart: Wo die Lücke existiert, kommt sie aus Intent-Kompression, aber du solltest sie an deinen eigenen Daten prüfen, statt sie anzunehmen.
Warum schicken KI-Engines Besucher mit höherer Kaufabsicht?
Drei Gründe. Das Modell liest den Vergleich und bildet eine Empfehlung vor dem Klick - Semrush zufolge hat es bereits 3 bis 8 Quellen zusammengeführt -, sodass der Besucher jenseits der Recherchephase ankommt. KI-Antworten zeigen weit weniger Links als eine Suchergebnisseite, also trägt jeder Klick mehr Absicht. Und die eigentliche Frage ist oft schon im Chat beantwortet, sodass der Klick näher an einer Kaufentscheidung liegt als an Erkundung.
Gibt KI-Traffic weniger pro Bestellung aus?
Oft ja. Die Visibility-Labs-Studie fand, dass ChatGPTs durchschnittlicher Bestellwert rund 14,3% niedriger liegt - 204 $ gegenüber 238 $. Der Umsatz pro Session liegt insgesamt trotzdem höher (3,65 $ vs. 3,30 $, rund 10,3% mehr), weil der Conversion-Vorsprung den kleineren Warenkorb überwiegt, aber die Marge ist dünner, als die Conversion-Rate allein vermuten lässt. Modelliere immer beide Zahlen zusammen.
Sollte ich Budget von organischer SEO zu KI-Suche verschieben?
Nein. KI-Referral-Traffic ist für die meisten Seiten noch rund 1% des Gesamt-Traffics, auch wenn er schnell wächst. Behandle KI als zusätzlich: Du sammelst den Conversion-Vorteil pro Session obendrauf ein, nicht indem du organisch wegtauschst. Organisch zu kürzen, um einem 1%-Kanal nachzujagen, ist heute der falsche Tausch.
Wie verfolge ich KI-Leads in der Analyse?
Seit Mai 2026 hat GA4 einen nativen KI-Assistent-Kanal in der Standard-Kanalgruppe, der ChatGPT, Gemini und Claude automatisch erkennt. Er verpasst Perplexity und Copilot und ist nicht rückwirkend, also erweitere ihn mit einer Benutzerdefinierten Kanalgruppe per Regex, die auch diese in einen einzigen KI-Suche-Kanal erfasst - zerlege nicht jede Engine in einen eigenen Kanal, das zersplittert das Messen ab jeder echten Größe. Schlüssle den Kanal in einer GA4-Exploration nach Quelle auf, um die CVR- und AOV-Unterschiede pro Plattform zu sehen. Denk daran, dass 35-70% der KI-Referrals ohne Referrer ankommen und in Direkt landen, dein KI-Kanal ist also eine Untergrenze. Prüfe separat den Bericht "AI Performance" der Bing Webmaster Tools (Copilot- und Bing-Zitate, öffentliche Vorschau seit Februar 2026) und nutze einen Cross-Engine-Share-of-Voice-Tracker für ChatGPT, Perplexity und Gemini - das sind unabhängige Werkzeuge, kein verbundener Datenstrom. Vergleiche die Conversion mit nicht-markenbezogener organischer Suche, nicht mit gemischter.
Warum ist die Conversion-Lücke zwischen den Studien so unterschiedlich?
Methodik und Stichprobe. Manche Studien vergleichen KI mit nicht-markenbezogener organischer Suche (die konservativen +31%); andere zitieren einen Wert-Multiplikator (Semrushs 4,4x) oder eine Einzelkunden-Anekdote (Seers 10,5%). Und Amsives Analyse über 54 Seiten fand gar keinen statistisch signifikanten Unterschied (p=0,794), was meist bedeutet, dass die Stichprobe zu klein war, um Signal von Rauschen zu trennen. Nutze die konservative ChatGPT-vs-nicht-markenbezogen-Zahl für Prognosen, behandle die größeren Werte als Obergrenzen und prüfe die Signifikanz an deinem eigenen Traffic, bevor du handelst.