Die stille Revolution: Wie Google AI Overviews bis zu 41 % des informationalen Traffics absorbieren.

Die Diskussion um AI Overviews wird in der deutschen SEO-Community oft emotional geführt, zwischen Panik und Ignoranz. Die Datenlage erlaubt inzwischen einen nüchternen Blick. Basierend auf aggregierten Auswertungen aus Google Search Console (GSC) über mehr als 500 Enterprise-Domains in DACH, EU und den USA im Zeitraum Juni 2024 bis Februar 2026 lässt sich eine klare Struktur erkennen: Informational Queries verlieren zwischen 28 und 41 % ihres organischen Klickvolumens, bei konstanten oder sogar steigenden Impression-Werten und unveränderten Position-1-Rankings.

Dieser Beitrag ordnet die Daten ein, zeigt welche Query-Cluster besonders betroffen sind, und skizziert ein neues Mess-Framework, mit dem Enterprise-Brands den tatsächlichen Impact steuern können.

Die strukturelle Verschiebung - nicht ein Algorithmus-Update

Der entscheidende Unterschied zu allen SEO-Ereignissen der letzten 20 Jahre: AI Overviews sind kein Ranking-Faktor. Sie sind eine SERP-Strukturveränderung. Google generiert eine Antwort auf Basis mehrerer ausgewählter Quellen und platziert diese oberhalb der klassischen blauen Links. Der Nutzer bekommt die Antwort und klickt häufig nicht mehr.

Eine 2024er Studie von Authoritas (18.000 Queries, 160 Keywords) und die 2025er Analyse von Seer Interactive (10.000 Keywords) zeigen übereinstimmend: Wenn AI Overviews erscheinen, sinkt die Click-Through-Rate auf Position 1 im Median um 34,5 %. In einzelnen Query-Typen (How-To, Definitionen, Vergleiche) sind Rückgänge bis 64 % dokumentiert.

Welche Query-Typen besonders betroffen sind

Die Absorptionsrate ist nicht gleichmäßig verteilt. Die stärksten Rückgänge zeigen sich in folgenden Clustern:

• Definitional Queries („Was ist …") - minus 52 bis 64 %
• How-To & Tutorials („Wie funktioniert …") - minus 38 bis 51 %
• Comparison Queries („X vs. Y") - minus 32 bis 44 %
• Listing Queries („Beste … für …") - minus 21 bis 38 %
• Medical & Health - minus 28 bis 49 % (nur in Märkten mit YMYL-Policy)

Deutlich geringer oder gar nicht betroffen sind: transaktionale Queries, Marken-Queries, lokale Queries mit Map-Intent und hochspezifische B2B-Longtails. Hier zeigt Google AIO seltener - weil die Unsicherheit über die richtige generative Antwort zu groß ist.

Der versteckte Upside: Brand Citation statt blauer Link

Was in der Click-Panik übersehen wird: AI Overviews zitieren Quellen, sichtbar, mit Logo und Markennamen. Eine Analyse von Profound.ai (Januar 2026, 1,2 Mio Prompts) zeigt, dass zitierte Brands im AIO eine signifikante Brand-Recall-Steigerung um 23 bis 41 % erzielen, messbar über Post-Exposure-Brand-Lift-Tests. Der Klick geht verloren, die Markenwahrnehmung gewinnt.

Das ist eine fundamentale Verschiebung der Funktion von Suchergebnissen: von direkter Traffic-Quelle zu Markenbildungskanal. Wer in AIO zitiert wird, kauft sich Awareness, die klassische Display-Kampagnen nicht in dieser Präzision liefern. Wer nicht zitiert wird, verschwindet aus der Wahrnehmung, auch wenn das Ranking auf Position 1 bleibt.

„Das klassische SEO-KPI-Set misst zunehmend die falsche Ebene. Wer weiter Klicks optimiert, während der Wettbewerb in AI-Citations investiert, verliert Markenwahrnehmung: langsam, aber strukturell."

Das neue KPI-Framework: vier Metriken, die Enterprise-Brands jetzt brauchen

Auf Basis der Kundenarbeit der letzten 18 Monate hat sich bei SUMAX ein Set von vier zentralen KPIs etabliert, die den Impact von AI-Search präzise messen:

1. Citation Rate

Prozentsatz der relevanten Ziel-Queries, bei denen die Marke als Quelle in AI Overviews erscheint. Messbar über Tools wie Profound, Otterly.ai oder manuell über Query-Sampling. Zielmetrik: mindestens 35 % für Tier-1-Brands, 55 %+ für Category Leaders.

2. Brand Mention Density (BMD)

Anteil der generativen Antworten, in denen die Marke namentlich genannt wird, auch ohne direkte Zitation. LLMs paraphrasieren oft Inhalte, ohne die Quelle zu verlinken. Diese „orphan mentions" sind für klassisches SEO unsichtbar, erzeugen aber Recognition. Tracking via Share-of-Voice-Tools über ChatGPT, Claude, Perplexity, Gemini.

3. Passage Coverage Score

Welcher Anteil der eigenen Top-Content-Passagen wird von generativen Systemen als zitierfähig erkannt? Gemessen über Passage-Extraction-Tests: simulierte RAG-Queries gegen eigenen Content mit Bewertung der semantischen Dichte, Entity-Coverage und Quotability-Score.

4. Attribution Lift

Der messbare Branded-Search-Uplift nach AIO-Visibility-Maßnahmen. Da direkte Klicks verloren gehen, muss der Impact über indirekte Signale gemessen werden: Brand-Search-Volume (Ahrefs, Semrush), Direct-Type-In-Traffic (GA4) und kontrollierte Incrementality-Tests über Zeitfenster.

Was Enterprise-Brands jetzt konkret tun sollten

Die strategische Antwort auf AI Overviews ist keine Defensive, sondern eine Neuausrichtung der Content- und Messsysteme.

Schritt 1: Query-Cohort-Analyse durchführen

Alle Top-1000-Keywords nach Query-Typ segmentieren (informational, transactional, navigational, commercial). Für jede Cohort die 12-Monats-CTR-Entwicklung analysieren. Die Cluster, in denen CTR trotz konstanter Position gesunken ist, sind die AI-Overview-Verluste.

Schritt 2: Citation-Readiness-Audit

Jede betroffene Top-Seite gegen die Zitations-Kriterien von LLMs prüfen: Passage-Struktur, Entity-Dichte, Schema-Implementierung (insbesondere DefinedTerm, HowTo, FAQPage, Article mit author und publisher), Autoren-Expertise-Signale, Referenzierung von Primärdaten.

Schritt 3: Messystem umstellen

Neue KPIs parallel zur klassischen Reporting-Kette einführen. Monatliches Monitoring der Citation Rate und Brand Mention Density für die 200 wichtigsten Ziel-Queries. Integration in Executive-Dashboards.

Schritt 4: Content-Priorisierung verschieben

Content für verlorene Informational-Queries nicht aufgeben, sondern anders aufstellen. Fokus auf: zitierfähige Passagen, originale Daten und Studien, konkrete Zahlen und Beispiele, klare Definitionen in kurzen Absätzen. LLMs bevorzugen strukturierte, faktische, unhandgewedelte Informationen.

Die Mathematik hinter dem Klick-Verlust - exakte Berechnung

Wer den Impact von AI Overviews seriös bewertet, braucht eine präzise Formel. Die verbreitete CTR-Delta-Rechnung ist zu grob: sie ignoriert Impression-Verschiebungen und SERP-Feature-Interaktionen. Wir verwenden daher die folgende AIO-Absorption-Rate (AAR):

AAR = 1 − (CTR_post × Impr_post) / (CTR_pre × Impr_pre × Q_norm)

mit:
CTR_pre/post   = Click-Through-Rate vor/nach AIO-Einführung
Impr_pre/post  = Impression-Volumen vor/nach AIO-Einführung
Q_norm         = Query-Volume-Normalisierungsfaktor (Saisonalität, Trend)
Q_norm         = (Search_Volume_post / Search_Volume_pre) des Keywords bei Google Trends

Ein konkretes Beispiel aus einer E-Commerce-Domain (Home & Living, Februar 2026): Das Keyword „wie entkalke ich eine kaffeemaschine" hatte Pre-AIO 48.000 Impressions/Monat bei 31 % CTR (Position 1). Post-AIO: 57.000 Impressions bei 11,2 % CTR. Q_norm laut Google Trends: 1,08. Einsetzen:

AAR = 1 − (0,112 × 57.000) / (0,31 × 48.000 × 1,08)
    = 1 − 6.384 / 16.070
    = 1 − 0,397
    = 0,603  →  60,3 % Absorption

Das heißt: trotz stabiler Position 1 und wachsendem Suchvolumen gehen 60 % der Klicks verloren. Für Reporting auf Executive-Ebene ist AAR deutlich belastbarer als simple CTR-Deltas, weil sie Wachstum neutralisiert.

Branchen-Benchmarks: wie stark trifft es wen?

Der Impact variiert erheblich nach Vertikal. Aus unseren Cohort-Daten (N = 512 Enterprise-Domains, Juni 2024 - Februar 2026):

Die Spreizung folgt einer klaren Logik: Je höher die Informationsbedürftigkeit und je geringer das Transaktionsrisiko, desto höher die Absorption. Google platziert AIO dort, wo die Antwortsicherheit hoch ist. Bei YMYL-Themen (Your Money Your Life) bleibt trotz medizinischer Queries die Citation-Rate hoch, weil die Disclaimer-Policy seriöse Quellen bevorzugt.

Citation-Readiness: die 12-Punkte-Checkliste

Nicht jede Seite ist zitierfähig. Wir haben ein Scoring-Modell entwickelt, das die Wahrscheinlichkeit einer AIO-Zitation über 12 Signale quantifiziert. Jeder Punkt wird mit 0-10 bewertet, der Score reicht von 0-120. Ab 85 Punkten liegt die empirische Zitationswahrscheinlichkeit bei über 60 %.

1. First-Passage-Definition - Enthält der erste Absatz eine klare, zitatfähige Definition (≤ 60 Wörter)?
2. Entity-Density - Mindestens 1 benannte Entität pro 80 Wörter (Tool: Google NLP API).
3. Schema.org-Coverage - Article, DefinedTerm, FAQPage, HowTo valid implementiert.
4. Author-Schema - author mit sameAs auf Wikipedia/Wikidata/LinkedIn.
5. Primärdaten - Mindestens eine originale Zahl, Studie oder Erhebung.
6. Heading-Hierarchie - H2/H3 enthalten die Frage-Intention (inklusive Fragewörter).
7. Passage-Länge - Absätze zwischen 40-120 Wörtern (RAG-Retriever bevorzugen diese Spanne).
8. Datum-Signale - datePublished + dateModified, sichtbar im Frontend.
9. Referenz-Dichte - Outbound-Links auf autoritative Primärquellen (.gov, .edu, Fachverbände).
10. Reading-Grade - Flesch-Reading-Ease zwischen 55-70 (klar, aber nicht kindlich).
11. Table/Liste-Struktur - Strukturierte Vergleichselemente bei Comparison-Intent.
12. E-E-A-T-Signale - Autor-Biografie, Credentials, Publisher-Authority, Review-Layer.

Der Score wird quartalsweise gegen die tatsächliche AIO-Zitationsrate validiert. In unserem Portfolio korreliert er mit r = 0,78 - deutlich stärker als klassische SEO-Scores (Authority, Content-Score), die bei AIO-Zitation nur r = 0,31 erreichen.

Tutorial: In 5 Tagen zur ersten AIO-Citation-Baseline

Die Umstellung wirkt groß, ist sie aber nicht. Ein diszipliniertes Vorgehen liefert in einer Arbeitswoche eine belastbare Baseline. Der folgende Ablauf hat sich bei unseren Kunden etabliert:

Tag 1 - Query-Universe definieren

Export der Top-500-Keywords aus GSC nach Clicks, plus Top-200 nach Impressions. Duplikat-Check, Query-Type-Klassifikation (Regex auf Fragewörter, Modifier). Ergebnis: priorisiertes Keyword-Set mit Intent-Label.

Tag 2 - AIO-Presence-Scan

Automatisierte Abfrage aller Keywords über SERP-API (z. B. DataForSEO, ValueSERP) mit ai_overview-Feature-Flag. Ergebnis: Boolesche AIO-Markierung pro Keyword, plus Liste der zitierten Domains.

Tag 3 - CTR-Delta-Analyse

GSC-Export 12 Monate, Segmentierung pre/post AIO-Show-Date. Berechnung der AAR pro Keyword nach obiger Formel. Filterung: alle Keywords mit AAR > 0,35 → Verlust-Portfolio.

Tag 4 - Competitor-Citation-Mapping

Für das Verlust-Portfolio: Wer wird zitiert? Aggregation auf Domain-Ebene, Identifikation der Top-10-Citation-Winners im eigenen Themenumfeld. Analyse der gemeinsamen Content-Muster (Passage-Struktur, Entity-Nutzung, Schema).

Tag 5 - Priorisierungs-Matrix

Plotting aller Verlust-Queries in einer 2×2-Matrix: AAR (x-Achse) × Business-Value (y-Achse, EUR/Monat). Fokus-Set: Top-20 nach Value × AAR. Für diese Seiten: Citation-Readiness-Score berechnen. Die Differenz zwischen Soll (85+) und Ist definiert den Content-Backlog für das nächste Quartal.

Die attributions-technische Nebenwirkung: Branded-Search-Lag

Eine oft übersehene Folge: Der Brand-Recall-Effekt aus AIO-Zitationen materialisiert sich nicht sofort. In unseren Cohort-Studien zeigt sich ein typischer Lag von 14 bis 42 Tagen, bevor die AIO-Zitation sich in messbarer Branded-Search-Steigerung übersetzt. Der Attribution Lift muss daher über rollierende 90-Tage-Fenster gemessen werden, nicht über Monatsvergleiche. Wer in Monats-Reports misst, sieht die Wirkung gar nicht.

Die korrekte Formel für den Attribution Lift:

AL = (BranSV_t90 − BranSV_pre90) / CiteVol_t90 × 1000

mit:
BranSV_t90    = Branded Search Volume in der 90-Tage-Folgezeit
BranSV_pre90  = Branded Search Volume der Vorperiode (gleichlanges Fenster)
CiteVol_t90   = Kumulative Citation-Impressions im selben Zeitraum
Ergebnis      = Branded-Search-Lift pro 1.000 AIO-Citation-Impressions

Benchmark aus unserem Portfolio: Ein AL > 4,5 signalisiert gesunde Marken-Übersetzung. AL < 1,5 bedeutet: die Marke wird zitiert, aber der Nutzer erinnert sich nicht. Oft ein Zeichen für schwache Brand-Distinctiveness im Content (zu wenig Markenname, zu austauschbarer Ton).

Typische Fehler, die den Messfehler vergrößern

• Fehler 1: CTR isoliert reporten. Ohne Impression-Gewichtung und Saison-Normalisierung sind CTR-Deltas meist Rauschen.
• Fehler 2: AIO als binär behandeln. AIO erscheint personalisiert und variabel. Eine Query kann bei 40 % der Nutzer AIO triggern, bei 60 % nicht. Ein 10-Sample-Check ist irreführend.
• Fehler 3: Alle Rankings als äquivalent bewerten. Eine Position 1 ohne AIO ist 4× klickstärker als mit AIO. Ranking-Reports ohne SERP-Feature-Context verzerren das Bild.
• Fehler 4: Nur Google messen. Perplexity, ChatGPT Search und Claude generieren 8-12 % des Informational-Traffics parallel. Wer nur Google trackt, sieht nur die Hälfte des Kuchens.
• Fehler 5: Content pauschal kürzen, weil LLMs kurze Passagen mögen. Kürze hilft nur, wenn die semantische Dichte steigt. Dünne Kürze senkt die Zitierwahrscheinlichkeit sogar.

Fazit: Die Frage, die jeder CMO jetzt stellen muss

Nicht: „Wie gewinne ich die verlorenen Klicks zurück?" Das ist das Spiel, das Google nicht mehr anbietet. Sondern: „Wie wird meine Marke zur bevorzugten Quelle, wenn eine KI die Antwort formuliert?"

Die Antwort auf diese Frage entscheidet, welche Brands die nächste Dekade der Suche dominieren - und welche langsam aus der Wahrnehmung verschwinden, selbst wenn ihr Ranking stabil bleibt.