AI-Referral-Traffic: 357% Wachstum und 4,4x Conversion

AI-Referral-Traffic ist die kleinste und zugleich wertvollste Besucherquelle, die viele B2B-Websites gerade übersehen. Die Volumina sind noch klein, das Wachstum ist enorm, und die Conversion-Qualität schlägt alles, was klassische organische Suche liefert. Wer GEO (Generative Engine Optimization) jetzt aufsetzt, sichert sich Sichtbarkeit in ChatGPT, Perplexity und Google AI Overviews, bevor die Wettbewerber den Kanal überhaupt messen.

Warum AI-Referral-Traffic für B2B in der DACH-Region relevant ist

Der Kanal explodiert. AI-Plattformen erzeugten im Juni 2025 über 1,13 Milliarden Referrals an die global 1.000 größten Websites, ein Plus von 357 Prozent gegenüber Juni 2024 (Daten: Similarweb, weltweit). Das klingt nach einer Revolution, ist es im Volumen aber noch nicht: Im selben Zeitraum lieferte Google Search 191 Milliarden Referrals. AI-Traffic entspricht also rund 0,59 Prozent dessen, was Google an Verweisen erzeugt. ChatGPT dominiert diesen jungen Kanal und stellt laut der Similarweb-Auswertung den Großteil der AI-Referrals.

Die Reichweite dahinter wächst weiter. ChatGPT erreichte im Oktober 2025 800 Millionen wöchentlich aktive Nutzer, nach 500 Millionen Ende März 2025 (Angabe von OpenAI-CEO Sam Altman, international). Für österreichische und DACH-B2B-Unternehmen ist die strategische Frage daher nicht, ob dieser Traffic kommt, sondern ob er als messbarer Kanal erfasst oder unsichtbar im Direct-Topf verschwindet.

Entscheidend ist die Qualität. Der durchschnittliche AI-Such-Besucher ist laut einer internationalen Studie 4,4-fach so wertvoll wie ein durchschnittlicher Besucher aus klassischer organischer Suche, gemessen an der Conversion-Rate (Semrush, Basis: über 500 hochwertige Digital-Marketing- und SEO-Themen). Ein zweiter, unabhängiger Datensatz bestätigt die Richtung: AI-Traffic konvertiert rund dreimal besser als andere Kanäle (Microsoft Clarity, über 1.200 Publisher- und News-Sites). Die Spannweite 3x bis 4,4x zeigt: Der Effekt ist real und methodenübergreifend stabil.

Was AI-Referral-Traffic ist und warum er besser konvertiert

AI-Referral-Traffic sind Website-Besuche, die aus einer generativen Suchoberfläche stammen: ChatGPT (inklusive ChatGPT Search), Perplexity, Google AI Overviews und AI Mode, Gemini sowie Microsoft Copilot. Der Nutzer stellt eine Frage, die KI synthetisiert eine Antwort und verweist mit Quellen-Links oder Zitaten auf Websites. Der Klick erfolgt erst nach der KI-Antwort, nicht davor.

Genau hier liegt der Conversion-Vorteil. Bei klassischer organischer Suche klickt der Nutzer auf ein Suchergebnis und beginnt erst dann zu evaluieren, zu vergleichen und Vertrauen aufzubauen. In der KI-Suche passiert dieser Schritt vorgelagert:

• Pre-Qualification durch die KI: Vergleich, Auswahl und implizite Empfehlung erfolgen bereits in der KI-Antwort. Wer klickt, hat eine Vorauswahl akzeptiert und ist näher an der Entscheidung.
• Bottom-of-Funnel-Intent: KI-Anfragen sind oft konkrete Lösungsfragen ("welches Tool für X", "Anbieter für Y in Österreich"), nicht breite Recherche. Der Besucher kommt mit höherer Kaufabsicht.
• Kontext-Filterung: Die KI hat irrelevante Optionen bereits aussortiert. Der verbleibende Traffic ist besser passend, was die niedrigere Streuung und höhere Conversion erklärt.

Die Daten stützen das. Bei Microsoft Clarity lag die Sign-up-Klickrate für LLM-Traffic bei 1,66 Prozent gegenüber 0,15 Prozent für Suche, die Subscription-Klickrate bei 1,34 Prozent gegenüber 0,55 Prozent. Das Conversion-Premium ist nicht gleichmäßig verteilt: Es konzentriert sich auf wissensintensive Branchen wie SaaS, B2B-Dienstleistungen, Finanz, Recht und Bildung, wo Nutzer komplexe Fragen stellen und die KI als Vorab-Berater fungiert.

GEO-Strategie: So wird Ihr Content in KI-Antworten zitiert

Sichtbarkeit in KI-Antworten folgt anderen Regeln als klassisches SEO. Die maßgebliche Grundlage liefert die Princeton-GEO-Studie. Sie zeigt, dass GEO die Sichtbarkeit in generativen Engine-Antworten um bis zu 40 Prozent steigern kann (Aggarwal et al., KDD 2024, Benchmark mit 10.000 Anfragen aus 25 Domänen). Die wirksamsten Hebel sind klar benannt:

• Statistiken einbauen: Konkrete Zahlen mit Quelle erhöhen die Zitationswahrscheinlichkeit messbar.
• Zitate ergänzen: Wörtliche Aussagen aus autoritativen Quellen werden bevorzugt extrahiert.
• Quellen belegen: Sichtbare Quellenangaben signalisieren der KI Verlässlichkeit.

Laut Studie erreichten diese drei Methoden, Cite Sources, Quotation Addition und Statistics Addition, eine relative Verbesserung von 30 bis 40 Prozent beim Position-Adjusted Word Count. Anders gesagt: Reines Keyword-Stuffing wirkt in generativen Engines nicht, belegte Substanz dagegen schon.

Der zweite Hebel ist die Platzierung. KI-Systeme extrahieren bevorzugt aus dem Seitenanfang. Eine Analyse von Google AI Overviews zeigt, dass 55 Prozent der AI-Overview-Zitate aus den oberen 30 Prozent einer Seite stammen, 24 Prozent aus der Mitte und 21 Prozent aus dem unteren Bereich (CXL, 100 AI-Overview-Zitate), wobei die ersten rund 150 bis 200 Wörter häufiger zitiert werden als jeder andere Abschnitt. Daraus folgen zwei Techniken:

• Front-Loading: Die direkte Antwort auf die wahrscheinliche Nutzerfrage steht in den ersten 40 bis 150 Wörtern, nicht erst nach einer langen Einleitung.
• Answer Islands: Jeder Abschnitt liefert einen in sich geschlossenen, entitäten-attribuierten Antwortblock, der ohne umgebenden Kontext zitierbar ist. Begriff, Definition und Beleg stehen kompakt beieinander.

Der dritte Hebel betrifft die Off-Page-Logik. In der KI-Suche wirken unstrukturierte Brand Mentions oft stärker als klassische Backlinks. Sprachmodelle bilden Marken-Assoziationen aus Textnennungen im Trainings- und Retrieval-Korpus, nicht primär aus Link-Graphen. Eine konsistente, häufige Markennennung im richtigen thematischen Umfeld erhöht die Wahrscheinlichkeit, dass die KI Ihre Marke als Antwort vorschlägt, selbst ohne gesetzten Link.

Best Practices: Technisches GEO-Fundament und Tracking

Ohne sauberes Tracking ist AI-Traffic nicht steuerbar. Das größte praktische Problem ist der fehlende Referrer. Mehrere KI-Tools senden keinen Referrer-Header, weshalb ihr Traffic in GA4 als Direct erscheint. Die Ahrefs-Studie über 3.000 Websites zeigt, dass Mistral und Jasper AI als "direct" durchlaufen und Copilot seit etwa Oktober mutmaßlich Referrer-Informationen zurückhält, weshalb AI-Traffic vermutlich massiv unterschätzt wird. Praktische Schritte:

• Referrer-Regex in GA4 definieren: Eigene Channel-Gruppe "AI Search" anlegen und Quellen wie chatgpt.com, perplexity.ai, gemini.google.com und copilot.microsoft.com per Regex zusammenfassen.
• UTM-Logik nutzen: ChatGPT taggt Desktop-Links inzwischen mit utm_source=chatgpt.com. Solche Parameter sauber ins Channel-Grouping einsortieren, statt sie als Direct zu verlieren.
• Das Direct-Problem eingrenzen: Da Copilot und Mistral keinen Referrer liefern, sollten ungewöhnliche Sprünge im Direct-Traffic auf neue Landingpages als potenzieller AI-Traffic interpretiert werden. Die reine Referrer-Messung untererfasst den Kanal strukturell.

Das technische Fundament macht Inhalte für Crawler zugänglich und maschinenlesbar:

• llms.txt: Eine Datei, die KI-Systemen die wichtigsten Inhalte strukturiert auflistet. Sie ist noch selten: Nur 2,13 Prozent der Desktop-Seiten weisen gültige llms.txt-Einträge auf (Web Almanac 2025, rund 12,9 Millionen analysierte Sites). Genau das macht sie zum frühen Differenzierungs-Asset.
• Schema.org / strukturierte Daten: Article-, FAQPage-, Organization- und Product-Markup helfen KI-Systemen, Entitäten und Fakten eindeutig zu interpretieren.
• robots.txt bewusst steuern: Die Zugriffe von GPTBot, ClaudeBot und PerplexityBot gezielt erlauben oder sperren. GPTBot-Nennungen in robots.txt stiegen von 2,6 Prozent (2024) auf rund 4,5 Prozent (2025). Wer in KI-Antworten erscheinen will, muss die relevanten Bots zulassen.

Häufige Fehler beim Aufbau von AI-Sichtbarkeit

• AI-Traffic gar nicht messen: Wer kein eigenes Channel-Grouping einrichtet, sieht den 4,4x-Wert nie und kann ihn nicht steuern. Der wertvollste Kanal bleibt im Direct-Rauschen verborgen.
• Den Direct-Anteil ignorieren: Da viele KI-Tools keinen Referrer senden, unterschätzen reine Referrer-Reports den Kanal deutlich. Wer nur erfasste AI-Referrals zählt, plant auf zu kleiner Basis.
• Volumen mit Wert verwechseln: 0,59 Prozent von Googles Referrals klingt vernachlässigbar. Bei 3x bis 4,4x Conversion-Hebel ist der Deckungsbeitrag pro Besuch jedoch überproportional.
• GEO wie altes SEO behandeln: Keyword-Dichte und reine Linkmenge tragen in generativen Engines wenig. Belegte Statistiken, Zitate und Quellen sind laut Princeton-Studie die wirksamen Faktoren.
• Antwort im Text vergraben: Wenn die direkte Antwort erst nach langer Einleitung kommt, sinkt die Zitationschance, weil KI bevorzugt den Seitenanfang extrahiert.
• Crawler pauschal blocken: Wer GPTBot oder PerplexityBot per robots.txt aussperrt, schließt sich aus den entsprechenden KI-Antworten aus.

Metriken, Tools und der Ausblick auf Agentic Commerce

AI-Sichtbarkeit braucht eigene Kennzahlen jenseits von Rankings:

• Citations und Mentions: Wie oft wird die Marke in ChatGPT, Perplexity und AI Overviews genannt oder verlinkt? Tools wie Ahrefs Brand Radar und AI-Visibility-Index-Lösungen messen Erwähnungen und Zitate über Prompts hinweg.
• Share of Voice: Der Anteil der eigenen Marke an allen relevanten KI-Nennungen im Themenfeld, verglichen mit Wettbewerbern.
• Mention-Source-Divide: Die Lücke zwischen Quellen, die die KI zitiert, und den eigenen Top-Inhalten zeigt, wo Content für KI-Extraktion fehlt.
• Conversion-Attribution: Der AI-Such-Kanal in GA4 mit eigenem Channel-Grouping, um den 4,4x-Wert sichtbar und budgetierbar zu machen.

Die Reichweite des Kanals wächst strukturell. Laut Ahrefs erhalten bereits 63 Prozent der untersuchten Websites AI-Traffic, auch wenn dieser im Schnitt nur 0,17 Prozent der Besuche und 0,12 Prozent der Seitenaufrufe ausmacht. Die Wachstumsdynamik ist eindeutig: Bei Microsoft Clarity wuchs AI-getriebener Traffic um 155,6 Prozent, während Suche um 24,0 Prozent zulegte. Semrush projiziert, dass Digital-Marketing- und SEO-Themen ab Anfang 2028 mehr Besucher aus KI-Suche als aus klassischer Suche ziehen könnten, und falls AI Mode zur Standard-Sucherfahrung von Google wird, dieser Übergang deutlich früher eintritt (begrenzt auf die untersuchten Digital-Marketing-Themen).

Die nächste Stufe ist Agentic Commerce. KI-Agenten treten dabei selbst als Käufer auf, recherchieren Anbieter, vergleichen und lösen über Instant-Checkout-Schnittstellen Transaktionen aus. Im B2B betrifft das die Beschaffung: Ein Agent könnte Lieferanten vorqualifizieren, bevor ein Mensch eingreift. Für Anbieter heißt das, Produkt- und Leistungsdaten so strukturiert, maschinenlesbar und zitierfähig bereitzustellen, dass ein Agent sie überhaupt als Option erkennt. Wer heute in KI-Antworten sichtbar ist, baut die Grundlage für morgige Agenten-Sichtbarkeit.

Für die DACH-Region und speziell Österreich kommt ein struktureller Treiber hinzu: Der Google-Marktanteil sinkt, Zero-Click-Verhalten nimmt in der EU zu, und die deutschsprachige KI-Suchnutzung wächst. Österreichische B2B-Unternehmen, die ihre Inhalte früh für generative Engines optimieren und den AI-Kanal sauber messen, sichern sich einen Conversion-starken Vorsprung, solange der Wettbewerb diesen Traffic noch übersieht.

Weiterführendes

AI-Referral-Traffic ist heute klein, aber qualitativ überlegen und wächst schneller als jeder andere Kanal. Die nächsten Schritte sind konkret: ein eigenes AI-Channel-Grouping in GA4 einrichten, das Direct-Problem über UTM und Referrer-Regex eingrenzen, Inhalte nach den Princeton-Hebeln mit Statistiken, Zitaten und Quellen anreichern, die Antwort per Front-Loading nach vorn ziehen und das technische Fundament aus llms.txt, Schema.org und bewusster robots.txt-Steuerung legen. Wer diese Bausteine kombiniert, verwandelt einen heute unterschätzten Kanal in einen messbaren B2B-Wachstumstreiber.