Der traditionelle Marketing-Funnel fühlt sich mit KI-Suche völlig überholt an – wie passt ihr eure Customer-Journey-Strategie an?

Du bist nicht allein. Das ist DAS Gesprächsthema in jedem Marketing-Leadership-Meeting im Moment.

Die grundlegende Veränderung:

Der traditionelle Funnel ging von sequentiellen Touchpoints aus, an denen man Käufer:innen in jeder Phase beeinflussen konnte. Die KI-Suche komprimiert das in das, was ich “Simultane Intent-Auflösung” nenne.

Wenn ein:e Käufer:in Perplexity eine komplexe Frage stellt, äußert sie/er:

• Awareness-Bedürfnisse (“Welche Lösungen gibt es?”)
• Consideration-Bedürfnisse (“Wie schneiden sie im Vergleich ab?”)
• Decision-Bedürfnisse (“Welche passt zu meiner speziellen Situation?”)

…alles auf einmal. Die KI synthetisiert alles und gibt eine Empfehlung ab. Dein Funnel ist jetzt eine einzige Interaktion, die du nicht kontrollierst.

Die Daten sind eindeutig:

• 90 % der B2B-Käufer:innen nutzen mittlerweile generative KI während der Kaufreise
• 83 % der Buyer Journey passieren, bevor sie mit Sales sprechen
• Traditionelle Attributionsmodelle erfassen das meiste davon nicht

Das neue Denkmodell:

Denke nicht mehr in “Funnel-Phasen”, sondern in “KI-Empfehlungsfähigkeit”.

Dein Ziel ist es nicht mehr, Käufer:innen durch Phasen zu bewegen – sondern die Marke zu sein, die die KI empfiehlt, wenn Käufer:innen all diese Phasen in einer einzigen Anfrage zusammenfassen.

Wir haben unsere gesamte Go-to-Market-Strategie vor 6 Monaten auf diese Realität umgestellt.

Unser “KI-Zeitalter-Funnel”:

Statt TOFU/MOFU/BOFU denken wir jetzt in:

1. KI-Sichtbarkeits-Schicht

• Werden wir erwähnt, wenn Käufer:innen KI nach unserer Kategorie fragen?
• Wie groß ist unser KI-Stimmenanteil vs. Wettbewerber?
• Wie sind wir in KI-Empfehlungen positioniert?

2. Markenverstärkungs-Schicht

• Wenn KI uns nennt, bleiben wir im Gedächtnis?
• Ist unsere Marke stark genug für KI-Zusammenfassungen?
• Tauchen wir in mehreren KI-Touchpoints auf?

3. Conversion-Schicht

• Wenn Käufer:innen (vorgebildet durch KI) ankommen, konvertieren wir sie?
• Ist unsere Website für KI-informierte Besucher:innen optimiert?
• Weiß Sales, wie man mit KI-gebildeten Interessent:innen umgeht?

Unsere gemessenen Metriken:

• KI-Zitationshäufigkeit (wöchentlich via Am I Cited)
• KI-Stimmenanteil nach Kategorie
• Trends beim Marken-Suchvolumen
• Korrelation KI- zu Marken-Suche
• Conversion-Raten “vorgebildeter” Interessent:innen

Wir können die Mitte nicht tracken, deshalb konzentrieren wir uns auf Sichtbarkeit beim Input (KI-Empfehlungen) und Optimierung des Outputs (Conversions).

Attribution-Spezialist hier. Ich kann deine Bedenken mit Daten belegen.

Das Problem “Attribution Dark Matter” ist real:

Wir haben unsere letzten 500 abgeschlossenen Deals analysiert:

• 34 % hatten “direkt” als First Touchpoint
• Davon gaben 78 % an, bei Nachfrage mit KI recherchiert zu haben
• Traditionelle Attribution gab der KI-Awareness NULL Credit

Das mathematische Problem:

Wenn ein:e Interessent:in ChatGPT nach unserer Kategorie fragt, empfohlen wird und dann unsere URL direkt eintippt – ist das in GA4 “direkter Traffic”. In Wahrheit ist es KI-getriebene Nachfrage.

Unsere Anpassungen:

1. Post-Purchase-Umfragen – Einfach fragen: “Wie haben Sie erstmals von uns erfahren?” zeigt die KI-Rolle

2. Korrelation Marken-Suche – Steigt unsere KI-Sichtbarkeit, folgt das Marken-Suchvolumen 2–3 Wochen später

3. Marketing-Mix-Modellierung (MMM) – Statistische Modelle, die Einfluss ableiten ohne individuelle Pfade zu tracken

4. KI-Zitations-Tracking – Mit Am I Cited messen, was traditionelle Analytics nicht erfassen

Die unbequeme Wahrheit:

Traditionelle Funnel-Metriken (MQLs, SQLs, Touch-Attribution) messen immer mehr Aktivität, aber nicht Wirkung. Der eigentliche Einfluss passiert in Konversationen, die wir nicht sehen.

So haben wir unsere Content-Strategie für den KI-Funnel umgebaut:

Alter Ansatz (Funnel-Stage-Content):

• Awareness: “Was ist [Kategorie]?"-Blogposts
• Consideration: Vergleichsguides, Feature-Listen
• Decision: Produktseiten, Case Studies

Neuer Ansatz (KI-zitierbarer Content):

Umfassende Intent-Inhalte

• Einzelne Seiten beantworten die gesamte Käuferfrage
• Decken ab, was es ist, wie Lösungen im Vergleich abschneiden und wer was nutzen sollte
• Strukturiert für KI-Extraktion (klare Überschriften, direkte Antworten, unterstützende Daten)

Autoritäts-Content

• Originäre Studien, die KI zitieren kann
• Expert:innen-Perspektiven, die KI zitieren kann
• Branchenspezifische Use Cases

Validierungs-Content

• Kunden-Belege über Drittseiten
• Präsenz auf Bewertungsportalen optimieren
• Features in Branchenpublikationen

Der entscheidende Wandel:

Wir haben aufgehört zu fragen: “Für welche Funnel-Phase ist dieser Content?”, und gefragt: “Welche vollständige Frage beantwortet dieser Content?”

Denn KI interessiert sich nicht für Funnel-Phasen. Sie will Nutzerfragen umfassend beantworten.

Sales-Perspektive auf diese Transformation:

Was sich in Kundengesprächen verändert hat:

Früher kamen Käufer:innen mit Fragen. Heute kommen sie mit KI-informierten Meinungen.

Sie haben bereits:

• Über die Kategorie gelernt
• Anbieter verglichen
• Präferenzen gebildet
• Bedenken identifiziert

Manchmal ist ihre KI-Recherche korrekt, manchmal nicht – aber sie sind in jedem Fall überzeugt.

Unsere Anpassungen:

1. “Was hat KI Ihnen gesagt?"-Discovery – Wir fragen jetzt früh im Gespräch, welche KI-Recherche gemacht wurde und was gelernt wurde. Das offenbart Missverständnisse, die wir adressieren müssen.

2. KI-informiertes Einwand-Handling – Häufige KI-Einwände werden dokumentiert und proaktiv adressiert.

3. Kürzere Sales-Zyklen – Käufer:innen sind weiter, deshalb optimieren wir auf kürzere Zyklen mit KI-gebildeten Interessent:innen.

4. Win/Loss-Analyse beinhaltet KI – Wir tracken, ob KI uns (oder Wettbewerber) in verlorenen Deals genannt hat.

Das Positive:

Wenn KI uns positiv empfiehlt, kommen Interessent:innen als warme Leads mit implizitem Vertrauen. Diese Deals schließen schneller und zu höheren Werten ab.

Die Herausforderung ist, dass KI uns überhaupt korrekt und positiv empfiehlt.

Startup-Perspektive – das ist für kleinere Unternehmen tatsächlich GUT.

Vorteile des traditionellen Funnels:

• Große Marken mit umfangreichen Content-Bibliotheken
• Jahre aufgebaute SEO-Autorität
• Markenbekanntheit an jedem Touchpoint

Vorteile des KI-Funnels:

• Relevanz zählt mehr als Größe
• Beste Antwort gewinnt, nicht das größte Budget
• Newcomer können neben Platzhirschen empfohlen werden

Was wir tun:

1. Extremes Nischenfokus – KI empfiehlt Spezialisten statt Generalisten bei spezifischen Fragen

2. Besser antworten statt besser ranken – Wir können nicht für traditionelle Rankings konkurrieren, aber wir können die beste Antwort auf spezifische Fragen liefern

3. Fokus auf Drittvalidierung – In Bewertungen, Vergleichen und Diskussionen erwähnt werden, denen KI vertraut

4. KI-Empfehlungen obsessiv überwachen – Mit Am I Cited tracken wir jede Erwähnung und passen die Strategie wöchentlich an

Unsere Ergebnisse:

Wir werden neben Wettbewerbern erwähnt, die 10-mal so groß sind, weil KI Unternehmensgröße egal ist – nur die Relevanz zur Frage zählt.

Das Spielfeld ist ausgeglichener als je zuvor.

Ich berate Unternehmen bei diesem Wandel. Das ist mein Framework:

Die “Kollabierter-Funnel”-Strategie:

Schicht 1: Auffindbar sein

• Für KI-Discovery optimieren (strukturierte Inhalte, umfassende Antworten)
• Präsenz auf Plattformen aufbauen, die KI zitiert (Wikipedia, Reddit, G2, Branchenpubs)
• Überall konsistente, korrekte Informationen sicherstellen

Schicht 2: Empfehlenswert sein

• Klare Positionierung für spezifische Anwendungsfälle
• Drittvalidierung sammeln
• Vergleichsfragen direkt adressieren
• Starke Bewertungspräsenz halten

Schicht 3: Konvertierbar sein

• Website für KI-gebildete Besucher:innen optimieren
• Schnelle Self-Service-Evaluierung ermöglichen
• Sales für kürzere, fortgeschrittenere Gespräche trainieren

Schicht 4: Messbar sein

• KI-Sichtbarkeit als primäre Metrik tracken
• Für Einfluss-Attribution MMM nutzen
• KI-Erwähnungen mit nachgelagerten Metriken korrelieren

Die Umsetzung in der Praxis:

Die meisten Unternehmen können nicht über Nacht alles umstellen. Fangt mit Measurement an – trackt KI-Sichtbarkeit. Dann arbeitet euch schrittweise zurück durch die Schichten.

Wer seine KI-Sichtbarkeit nicht kennt, kann sie nicht verbessern.

Gegenrede – ich glaube nicht, dass der Funnel tot ist, sondern transformiert.

Käufer:innen bewegen sich immer noch durch Phasen:

• Sie werden auf Probleme aufmerksam
• Sie erwägen Lösungen
• Sie treffen Entscheidungen

Was sich geändert hat: WO diese Phasen passieren und WIE SCHNELL sie zusammengedrückt werden.

Der neue Funnel ist nicht “kein Funnel”, sondern “beschleunigter Funnel in KI-Umgebungen”:

• Awareness passiert in KI-Konversationen
• Consideration passiert in KI-Vergleichen
• Decision passiert in KI-Empfehlungen

Praktische Implikation:

Du brauchst immer noch Content für jede Phase – aber er muss DORT existieren, wo KI ihn finden kann, und SO strukturiert sein, dass KI ihn nutzen kann.

Die Funnel-Psychologie bleibt gleich. Die Umsetzung ist völlig anders.

Diese Diskussion hat meine Sichtweise auf unsere Strategie grundlegend verändert.

Die wichtigsten Perspektivwechsel:

1. Von Funnel-Phasen zur KI-Empfehlungsfähigkeit – Ziel ist es, die Marke zu sein, die KI empfiehlt, nicht Menschen durch Phasen zu bewegen, die wir kontrollieren

2. Von Stage-Content zu umfassenden Antworten – Einzelne Inhalte, die komplette Käuferfragen beantworten, sind besser als stage-spezifischer Content

3. Von Attribution Tracking zu Influencemessung – Akzeptieren, dass traditionelle Attribution kaputt ist, Proxy-Metriken wie KI-Sichtbarkeit und Marken-Suche nutzen

4. Von Traffic-Metriken zu KI-Share-of-Voice – Erwähnt zu werden zählt, auch ohne Klicks

5. Von SEO-Optimierung zu Reputationsaufbau – Autorität im gesamten Web zählt mehr als einzelne Seitenrankings

Meine nächsten Schritte:

1. KI-Sichtbarkeitsmonitoring mit Am I Cited einrichten
2. Alle Inhalte auf KI-Vollständigkeit vs. Funnel-Phasen überprüfen
3. KI-Zitations-Tracking ins Dashboard neben traditionellen Metriken integrieren
4. “Wie hat KI uns beschrieben?” in Win/Loss-Analyse aufnehmen
5. MMM-Investment für bessere Influencemessung an die Führung vorschlagen

Die unbequeme Akzeptanz:

Der Funnel, den ich jahrelang optimiert habe, war ein mentales Modell für eine andere Ära. Zeit, neue Modelle für das KI-Zeitalter zu bauen.