Eine neue Verhaltensstudie zeigt: 88 % der Nutzer übernehmen die KI-Empfehlungsliste ohne externe Prüfung. Was das für Marken und digitale Strategien bedeutet.

Über die Studie

Kevin Indig, Garret French (Citation Labs) und Eric Van Buskirk (Clickstream Solutions) haben eine Usability-Studie mit 48 Teilnehmern und 185 Kaufentscheidungen durchgeführt. Die Kategorien: Fernseher, Laptops, Waschmaschinen/Trockner und Kfz-Versicherungen. Das Besondere: Ein Within-Subjects-A/B-Design, bei dem jeder Teilnehmer sowohl AI Mode als auch die klassische Google-Suche nutzte.

1. 88 % übernahmen die KI-Shortlist direkt

In der klassischen Suche bauten 56 % der Teilnehmer ihre eigene Kandidatenliste aus mehreren Quellen auf. Im AI Mode produzierten nur 8 von 147 kodierbaren Aufgaben eine eigenständig zusammengestellte Shortlist.

64 % der AI-Mode-Nutzer klickten gar nichts an. Sie lasen den Text der KI, scrollten durch Produktkarten und benannten ihre Favoriten. Die Vergleichsphase wurde nicht nur verkürzt. Für die meisten Teilnehmer fand sie schlicht nicht statt.

2. Position 1 der KI wird zu Position 1 des Käufers

74 % der Teilnehmer wählten das erstplatzierte Produkt in der KI-Antwort als ihren Top-Pick. Der Durchschnittsrang der Endauswahl lag bei 1,35. Nur 10 % wählten etwas auf Rang 3 oder darunter.

26 % der Teilnehmer wichen von der Rangfolge ab, aber der Treiber war Markenbekanntheit. 81 % dieser Gruppe blieben trotzdem innerhalb der KI-Kandidatenliste.

3. Die Worte der KI werden zum Vertrauenssignal

Wie die KI ein Produkt beschreibt (37 %) und Markenbekanntheit (34 %) waren die beiden wichtigsten Vertrauenstreiber im AI Mode. In der klassischen Suche dominierte dagegen Multi-Source-Konvergenz: Nutzer bauten Vertrauen auf, indem sie prüften, ob mehrere unabhängige Quellen übereinstimmten. Dieses Verhalten war im AI Mode nahezu absent (5 %).

„Travelers und USAA sagen mir den genauen Betrag, während State Farm und GEICO Prozente angeben. Allein das genaue Wissen über den Betrag lässt mich Travelers oder USAA wählen." So ein Teilnehmer der Studie.

4. Wer nicht auf der Liste steht, existiert nicht

Bei Laptops konzentrierten sich 93 % aller AI-Mode-Endentscheidungen auf nur drei Marken. In der klassischen Suche war die Verteilung breiter.

Zwei Probleme kristallisierten sich heraus:

Nicht erschienene Marken wurden nie in Betracht gezogen. Die KI entschied, wer auf die Liste kam.
Erschienene, aber unbekannte Marken wurden nicht ernst genommen. Erie Insurance tauchte in den Ergebnissen auf, wurde aber von mehreren Teilnehmern allein aufgrund fehlender Bekanntheit eliminiert.

Bemerkenswert: Teilnehmer empfanden den engeren Optionsraum nicht als Einschränkung. Die Frustration über zu wenige Optionen lag bei 15 % (AI Mode) vs. 11 % (klassische Suche).

5. Nutzer verlassen AI Mode zum Kaufen, nicht zum Recherchieren

23 % der AI-Mode-Aufgaben beinhalteten einen externen Website-Besuch (vs. 67 % bei der klassischen Suche). Der entscheidende Unterschied: AI-Mode-Nutzer verließen die Suche, um Preis oder Spezifikation eines bereits akzeptierten Kandidaten zu bestätigen. Klassische Suchnutzer verließen die Suche, um Kandidaten zu entdecken.

Reddit erschien in 19 % der klassischen Suchaufgaben, aber nur zweimal in allen 149 AI-Mode-Sessions.

6. Drei strategische Hebel

Sichtbarkeit auf Modellebene: Wenn AI Mode Ihre Marke nicht anzeigt, haben Sie ein Sichtbarkeitsproblem auf Modellebene. Fragen Sie Ihre Kategorie so ab, wie ein Käufer es tun würde, und dokumentieren Sie regelmäßig, welche Marken erscheinen.
Framing: Marken mit konkreten Attributen (Preis, Modell, Anwendungsfall) hielten stärkere Positionen als generisch beschriebene Marken. Strukturierte Inhalte auf Ihrer Website beeinflussen, wie spezifisch die KI Sie beschreibt.
Strukturierte Preisdaten: Wo Shopping-Panels Preise zeigten, verstanden 85 % der Teilnehmer die Preisgestaltung klar. Wo nicht, füllten Verwirrung und falsches Selbstvertrauen die Lücke. Schema-Markup und Merchant Center Feeds sind der direkteste Hebel.

Was bedeutet das für Ihr Unternehmen?

Die Studie bestätigt eine Entwicklung, die wir bei TYS seit Monaten kommunizieren: KI-Sichtbarkeit ist kein optionaler Kanal mehr. Sie ist die neue Eingangstür für Kaufentscheidungen. Unser 7-Schichten-Framework adressiert genau diese drei Hebel: semantische Datenauszeichnung (Schema.org, llms.txt), strukturierte Produktdaten und kontextspezifisches Content-Framing.

Die vollständige Originalstudie von Kevin Indig, Citation Labs und Clickstream Solutions finden Sie auf Search Engine Journal.

Wie Verbraucher in Googles AI Mode kaufen: 6 Erkenntnisse aus 185 Kaufentscheidungen