KI-ready? Na klar! KI‑Sichtbarkeit bei Banken und Finanzdienstleistern? Was ist das denn?

Schwerpunkt: Agentic, explainable & poisoned AI

AI-Sichtbarkeit als neuer Wettbewerbsfaktor: Die Art und Weise, wie Menschen heute nach Informationen, Produkten und Dienstleistungen suchen, verändert sich. Immer öfter wenden sich Nutzer nicht zuerst an Google, sondern direkt an generative AI-Anwendungen wie ChatGPT, Gemini, Copilot oder Perplexity. Dadurch formulieren Kunden keine Keywords mehr, sondern stellen vollständige Fragen, erwarten klare Empfehlungen – und treffen Entscheidungen zunehmend direkt innerhalb der AI-Anwendungen. Dieses geänderte Suchverhalten betrifft natürlich auch Banken und Finanzdienstleister. Mare Hojc ist Gründer der Digitalagentur AN Digital und erklärt im Interview, warum KI-Sichtbarkeit für Banken künftig immer wichtiger wird und wie sich diese erreichen lässt.

von Dunja Koelwel

Eine McKinsey-Umfrage aus dem Jahr 2025 zeigt, wie stark sich dieses Verhalten bereits etabliert hat: Beim Kaufverhalten beeinflussen heute generative KI-Systeme die gesamte Customer Journey – von der ersten Awareness-Phase bis zu konkreten Produktvergleichen in der Entscheidungsphase. Besonders früh im Prozess, in der Awareness-Phase, greifen Nutzer bereits zu 73 Prozent auf generative AI-Anwendungen zurück, wenn sie sich über eine Kategorie informieren wollen. Für Banken bedeutet das: Wer in diesen Antworten nicht erscheint, verliert den ersten Kontaktpunkt zu potenziellen Kundinnen und Kunden.

Herr Hojc, man hört in diesem Kontext immer öfter den Begriff „KI-Sichtbarkeit“. Was ist darunter zu verstehen und warum ist die KI-Sichtbarkeit so wichtig?

Als ich vor einigen Jahren begonnen habe, die Entwicklung von generativer KI zu analysieren, wurde mir schnell klar: Wir stehen vor einem Paradigmenwechsel, der größer ist als Social Media und Suchmaschinen zusammen. KI-Sichtbarkeit beschreibt genau diesen Wandel. Darunter verstehe ich die Fähigkeit eines Unternehmens, in den Antworten von Systemen wie ChatGPT, Perplexity, Google AI Overviews oder dem AI Mode überhaupt stattzufinden – und zwar korrekt, vertrauenswürdig und bevorzugt.

KI-Modelle arbeiten nicht wie Suchmaschinen. Sie indexieren nicht einfach Webseiten, sondern rekonstruieren Wissen, gewichten Quellen unterschiedlich, bewerten Glaubwürdigkeit, Expertise und Konsistenz. Marken, die darin nicht vorkommen, existieren in der Informationswelt von Millionen Nutzern schlicht nicht mehr. Wer aber präsent ist, wird zu dem, was KI-Systeme als „verlässliche Quelle“ ansehen – und wird entsprechend häufiger zitiert, erwähnt und empfohlen.

Warum das so wichtig ist? Weil wir heute nicht mehr nur um Klicks konkurrieren, sondern um Relevanz in einem KI-gesteuerten Wissensraum. Menschen fragen ChatGPT:

• „Welcher Finanzdienstleister ist führend in …?“
• „Was sagen Kunden über folgende Bank …?“

Und wenn eine Marke dort nicht erscheint, verliert sie Marktanteile, bevor sie überhaupt merkt, dass es passiert. KI-Sichtbarkeit bedeutet also: Ein Unternehmen wird zum Referenzpunkt in der Wissensbasis der wichtigsten KI-Systeme. Das beeinflusst Meinungsbildung, Kaufentscheidungen und Markenwahrnehmung viel direkter als klassische SEO oder PR.

Wir stehen heute erst am Anfang dieses neuen Wettbewerbs. Doch eines ist sicher: Die Unternehmen, die jetzt in KI-Sichtbarkeit investieren, definieren die Kategorien von morgen.“

Ihr Ratschlag: Weil Google ab 2026 vollständig auf AI-Search umstellt, sollten Banken aller Größen eine KI-Sichtbarkeit-Analyse erstellen. Was ist unter einer KI-Sichtbarkeit-Analyse zu verstehen?

Eine KI-Sichtbarkeit-Analyse ist die zentrale Grundlage, um zu verstehen, wie eine Bank in der neuen, KI-dominierten Suchlandschaft wahrgenommen wird. Wenn Google ab 2026 vollständig auf AI-Search umstellt, verändert sich das Informationsverhalten radikal: Kunden erhalten keine Liste von Links mehr, sondern eine einzige, verdichtete KI-Antwort. Wer in dieser Antwort auftaucht, gewinnt. Wer nicht vorkommt, verliert Sichtbarkeit – unabhängig vom bisherigen SEO-Erfolg. Eine KI-Sichtbarkeit-Analyse untersucht genau das.

Wie, wo und mit welcher Glaubwürdigkeit taucht eine Bank in den Antworten von ChatGPT, Perplexity, Google AI Overviews, dem AI Mode oder Gemini auf? Konkret umfasst eine professionelle Analyse vier Ebenen:

• Präsenz: Wird die Bank überhaupt genannt – bei Produktfragen, Standortrecherchen, Anlageempfehlungen oder Wettbewerbsvergleichen?
• Korrektheit: Sind die Fakten, die die KI über die Bank ausgibt, richtig, aktuell und vollständig?
• Positionierung: Welche Rolle schreibt die KI der Bank zu? Innovativ, regional, konservativ, führend, irrelevant?
• Vergleichbarkeit: Wie schneidet die Bank im direkten KI-Vergleich zu Mitbewerbern ab? Wer wird bevorzugt empfohlen? Wer wird ausgelassen?

Die Analyse macht sichtbar, wie KI-Modelle das Markenbild rekonstruieren – und welche Signale fehlen, falsch priorisiert oder falsch verstanden wurden. Warum ist das so entscheidend?

Weil KI-Systeme der neue Gatekeeper für Vertrauen und Empfehlungen werden. Eine Bank, die dort korrekt und positiv repräsentiert ist, gewinnt digital Reichweite, Reputation und Neukunden. Eine Bank, die unsichtbar bleibt, verliert Relevanz – lange bevor die klassischen Analysedashboards Alarm schlagen.

Eine LLM- und KI-Sichtbarkeit-Analyse ist daher kein SEO-Report, sondern ein strategisches Steuerungsinstrument für Vorstände, die die Position ihrer Bank im KI-Zeitalter sichern wollen.

KI-Sichtbarkeit ist möglich: 3 Tipps

Noch sind viele Unternehmen in KI-Suchsystemen wie ChatGPT, Perplexity, AI Overviews & Co. relativ unsichtbar. Banken sind keine Ausnahme – das zeigt beispielsweise die geringe Sichtbarkeit bei typischen Finanzfragen. Wie können sich Banken besser vorne positionieren? 3 Tipps?

Dass Banken heute in KI-Suchsystemen wie ChatGPT, Perplexity oder Google AI Overviews oft unsichtbar sind, liegt nicht an der KI – sondern daran, dass Banken ihre digitale Wissensbasis noch nicht für KI optimiert haben. KI-Modelle können nur das rekonstruieren, was sie als vertrauenswürdiges, konsistentes und zitierfähiges Wissen wahrnehmen. Drei Maßnahmen helfen Banken, sich dort deutlich besser zu positionieren:

Die eigene Expertise für KI explizit dokumentieren: Viele Banken verfügen über tiefes Fachwissen – aber KI-Modelle „sehen“ dieses Wissen häufig nicht, weil es nicht klar strukturiert und nicht eindeutig formuliert ist. Banken sollten Inhalte entwickeln, die präzise Fragen beantworten, etwa:

• „Welche Kontoarten gibt es und welche eignen sich für wen?“
• „Was unterscheidet einen Vermögensverwalter von einer Bank?“
• „Wie funktioniert nachhaltige Geldanlage konkret?“

Wenn diese Informationen klar, konsistent und faktenbasiert kommuniziert werden, werden sie von KI-Modellen bevorzugt verarbeitet. KI liebt Expertise – aber nur, wenn sie sauber aufbereitet und erkennbar ist.

KI-Vertrauenssignale aktiv aufbauen: KI-Systeme gewichten Quellen nach Glaubwürdigkeit. Banken müssen daher sogenannte Trust Signals stärken:

• klare Autorenprofile
• transparente Methodik bei Analysen
• regelmässige Aktualisierung von Fachartikeln
• Veröffentlichung von Studien, Reports und Zahlen
• exakte Produktbeschreibungen und Datenblätter

Je konsistenter diese Signale sind, desto eher ordnen Modelle eine Bank als „verlässliche Quelle“ ein – ein entscheidender Faktor dafür, ob die Bank genannt wird oder nicht.

Digitale Präsenz für AI-Search ausrichten: Viele Websites sind weiterhin nach klassischem SEO aufgebaut. Für AI-Search benötigen Banken Inhalte, die direkt in KI-Antworten einfließen können. Dazu gehören:

• komprimierte, verständliche Erklärtexte
• strukturierte FAQ-Sektionen
• KI-optimierte Produktbeschreibungen
• Glossare zu Finanzbegriffen
• Vergleiche und Entscheidungsbäume

Das Ziel: Antworten liefern, die KI-Modelle 1:1 verwenden können. Banken, die diese Struktur beherrschen, tauchen in mehr KI-Antworten auf – besonders bei generischen Finanzfragen, wo heute oft nur internationale Player sichtbar sind.

Mit welchen Tools können Banken ihre KI-Sichtbarkeit im Blick behalten und welche Abteilung sollte sich darum kümmern?

Die Überwachung der KI-Sichtbarkeit ist heute noch kein Standardprozess in Banken – aber sie wird ab 2026, mit der vollständigen Umstellung auf AI-Search, zu einer Kernaufgabe. Banken benötigen dafür eine Kombination aus spezialisierten Tools und internen Verantwortlichkeiten, die sowohl technische als auch inhaltliche Aspekte abdecken.

Tools zur Messung der KI-Sichtbarkeit: Da klassische SEO-Tools für AI-Search nicht ausreichen, brauchen Banken Lösungen, die KI-Antworten direkt analysieren. Dazu gehören KI-Antwort-Monitoring-Tools (z. B. AN Digital KI Visibility Engine): Tools dieser Kategorie crawlen täglich die Antworten von ChatGPT, Perplexity, Gemini, Claude und Google AI Overviews und analysieren:

• Wird die Bank genannt?
• Wie oft?
• In welchem Kontext?
• Mit welchen Mitbewerbern?
• Mit welcher Korrektheit?

Sie liefern damit erstmals ein Messsystem für KI-Präsenz, das Banken heute fehlt.

Content- und Daten-Konsistenz-Checker: Diese Tools prüfen, ob Produktdaten, Zinssätze, Kontobeschreibungen, Gebührenmodelle und AGB aktuell, konsistent und KI-lesbar sind. In Finanzinstituten ändern sich Daten häufig – jede Inkonsistenz reduziert Vertrauen in KI-Systemen.

Reputations- und Trust-Signal-Analysen: Diese Tools erfassen:

• Autorenprofile
• Expertise-Signale
• Publikationen
• Studienzitate

Alles Faktoren, die darüber entscheiden, ob ein Modell eine Bank als „verlässliche Quelle“ einstuft.

Wer ist in der Bank verantwortlich?

Die Verantwortung sollte eingebettet sein in eine cross-funktionale Struktur, denn KI-Sichtbarkeit berührt mehrere Bereiche gleichzeitig.

Marketing & Communication (Lead-Verantwortung): Hier liegt die Steuerung, denn KI-Sichtbarkeit ist letztlich ein Teil der Markenführung. Marketing verantwortet:

• den Aufbau von Expertise-Signalen
• die Qualität der Inhalte
• die Positionierung der Bank in KI-Systemen

Digital / Online-Experience / SEO-Team: Diese Teams sorgen dafür, dass Inhalte technisch KI-lesbar sind:

• strukturierte Daten
• konsistente Produktinformationen
• korrekte Metadaten
• technische Qualität der Website

Fachabteilungen (Produkt, Anlage, Kredite, Compliance): Sie liefern die inhaltliche Korrektheit und Aktualität. Ohne validierte Inhalte entsteht kein Vertrauen – weder beim Kunden noch bei der KI.

Executive-Level-Sponsor (idealerweise CMO oder CDO): LLM- und KI-Sichtbarkeit ist keine operative Aufgabe, sondern eine strategische Wettbewerbsposition. Sie braucht Budget, Priorität und Governance.

Herr Hojc, vielen Dank für das Gespräch.dk