KI-Optimierung: Wie Makler ohne Klicks in Zukunft noch gefunden werden
Was Sie erfahren werden
Wie sich die KI-gestützte Suche auf das Online-Verhalten von Versicherungskunden auswirkt
Warum klassische Webseiten in der Kundenkommunikation zunehmend an Relevanz verlieren
Welche strukturellen und technischen Anpassungen Makler jetzt vornehmen sollten
Warum maschinenlesbarer Content über den digitalen Erfolg entscheidet
Die Suche im Internet hat sich durch die Einführung künstlicher Intelligenz stark verändert und wird sich in den kommenden Monaten in großem Tempo wandeln. Nutzer stellen ihre Fragen direkt in einem System, erhalten personalisierte Antworten, vergleichen Angebote und treffen Entscheidungen im laufenden Dialog. Ganze Recherchen, Produktvergleiche und Vertragsabschlüsse finden in einer durchgehenden Gesprächssituation statt. Klassische Webseiten treten dabei in den Hintergrund. Wer mit seinen Inhalten in diesen neuen Abläufen nicht vorkommt, verliert den Zugang zu Kunden. Doch wie sollen sich Versicherungsmakler künftig aufstellen, um den KI-Zug nicht zu verpassen?
In einem Whitepaper des Ergo Innovation Labs gemeinsam mit dem KI-Unternehmen Ecodynamics geht es darum, welche strukturellen und technologischen Anpassungen als Reaktion auf diese Entwicklung notwendig sind. Die Analyse basiert auf mehr als 33.000 ausgewerteten Suchtreffern und über 600 untersuchten Webseiten. Sie zeigt, wie Sprachmodelle die Suche nach Versicherungsangeboten verändern und wie Nutzerinnen und Nutzer mit diesen Angeboten interagieren. Darüber hinaus analysiert die Untersuchung die weiterreichenden Auswirkungen auf die Branche und benennt zentrale Trends, die die Zukunft KI-gestützter Suche prägen. Die Frage ist, wie können Unternehmen – Makler wie Versicherer – den Wandel strategisch nutzen und ihr digitales Vorgehen neu ausrichten.
Inhalte sollten so gestaltet sein, dass sie mit der Logik KI-gestützter Systeme kompatibel sind. Nur dann werden sie zuverlässig erkannt, verarbeitet und in Antworten eingebunden. Andernfalls gewinnen andere Anbieter an Sichtbarkeit – etwa Makler und Maklerinnen, deren Inhalte klar strukturiert, maschinell lesbar und gut vernetzt sind.
Suchvolumen bricht ein
Laut Gartner wird das Suchvolumen klassischer Suchmaschinen bis 2026 um 25 Prozent zurückgehen, da KI-gestützte Dialogsysteme verstärkt genutzt werden. Google bleibt mit einem Marktanteil von 89 Prozent zwar führend, ergänzt seine Suchergebnisse aber bereits um Google AI Overview, eine KI erzeugte Zusammenfassung, die direkt in den Ergebnissen angezeigt wird. Damit entsteht das sogenannte Zero Click Verhalten, bei dem Nutzer ihre Antworten direkt in der Suchoberfläche erhalten und nicht mehr auf externe Seiten klicken müssen. Viele Publisher und Unternehmen, die bisher stark auf organischen Suchverkehr angewiesen waren, überdenken deshalb ihre Strategien zur Sichtbarkeit in einer zunehmend KI gesteuerten Suchlandschaft.
Klickfreies Suchumfeld
Perplexity AI gewinnt zunehmend Nutzer als Alternative zu herkömmlichen Suchmaschinen, während Google die Funktionen seines Gemini Modells ausbaut und KI-gestützte Suche mit den AI Overviews innerhalb des Google Ökosystems kombiniert (Eisenbrand, 2025). Aktuelle Daten von Seer Interactive (2025) zeigen, dass Anfragen mit AI Overviews einen deutlichen Rückgang bei der organischen Klickrate verzeichnen – von 1,41 Prozent auf 0,64 Prozent im Jahresvergleich. Bezahlte Klickraten gingen insgesamt zurück, unabhängig davon, ob ein AI Overview angezeigt wurde. Marken, die in AI Overviews erscheinen, profitieren jedoch: Die organische Klickrate steigt dort von 0,74 auf 1,02 Prozent, die bezahlte Klickrate von 7,89 auf 11 Prozent. Das unterstreicht die wachsende Bedeutung von Sichtbarkeit innerhalb eines zunehmend klickfreien Suchumfelds.
Die meisten Suchprozesse, die durch große Sprachmodelle (Large Language Modelle (LLM)) gesteuert werden, folgen fünf zentralen Phasen:
Erkennen der Nutzerintention
Das System nutzt fortgeschrittene Verfahren der Verarbeitung natürlicher Sprache, um die tiefere Bedeutung einer Anfrage zu entschlüsseln. Es prüft, ob das interne Wissen des Modells ausreicht oder ob zusätzlich Informationen in Echtzeit benötigt werden. Fragt jemand zum Beispiel nach einer Hausratversicherung bei Küstenschäden, interpretiert das Modell sowohl den expliziten Bedarf nach Überschwemmungen als auch implizite Hinweise auf ein geografisches Risiko.
Formulieren einer präzisen Anfrage
Wenn externe Informationen erforderlich sind, verfeinert das Modell die ursprüngliche Nutzerfrage. Es ergänzt Synonyme, Zeitfilter oder branchenspezifische Operatoren, um die Ergebnisqualität zu verbessern. Diese gezielte Umformulierung sorgt dafür, dass nur besonders relevante Quellen berücksichtigt werden. Das erhöht die Genauigkeit und Geschwindigkeit.
Suche nach aktuellen Informationen
Das System greift auf öffentlich verfügbare und vertrauenswürdige Quellen zurück. Dazu zählen behördliche Seiten, akademische Publikationen und renommierte Fachverlage. Bezahlschranken oder geschlossene Datenbanken werden in der Regel ausgeschlossen. Die Auswahl orientiert sich an Glaubwürdigkeit, Aktualität und thematischer Relevanz, damit die Ergebnisse möglichst genau zur Anfrage passen.
Filtern und Bewerten der Inhalte
Jede gefundene Quelle wird auf Verlässlichkeit und inhaltliche Passung geprüft. Automatisierte Filter sortieren veraltete, widersprüchliche oder qualitativ minderwertige Inhalte aus (Yang et al., 2020). Diese sorgfältige Auswahl stellt sicher, dass nur hochwertige Informationen in die Antwort des Modells einfließen und das Risiko von Ungenauigkeiten minimiert wird.
Generieren der Antwort
Das Modell verbindet die neu gewonnenen Informationen mit seinem bestehenden Wissensbestand. Es nutzt dabei Transformer Architektur, Self-Attention und Vektorraumdarstellungen. Durch diesen generativen Prozess entsteht eine zusammenhängende, inhaltlich präzise Antwort, die statisches Wissen und aktuelle Informationen sinnvoll verbindet. Das Ergebnis ist eine Antwort, die nachvollziehbar, individuell und kontextbezogen ist.
Der Vergleich zwischen Google und LLM-gestützten Suchsystemen zeigt grundlegende Unterschiede darin, wie Sichtbarkeit erzeugt wird. Diese Verschiebung verändert die Anforderungen an Versicherer, wie sie ihre Inhalte aufbauen und strukturieren müssen. Die LLM-Plattformen riefen insgesamt deutlich mehr URLs ab als Google, wiesen aber auch eine höhere Variabilität in der Ergebnisqualität auf.
Gleichzeitig ließen sich Muster erkennen, die strukturierten und maschinenlesbaren Inhalten klar den Vorzug gaben – unabhängig von der Markenbekanntheit. Diese Ergebnisse verdeutlichen, dass Auffindbarkeit in KI-gestützter Suche weniger von klassischer SEO abhängt, sondern stärker davon, wie gut Inhalte mit der Abruflogik der Sprachmodelle übereinstimmen. Google bleibt weiterhin die am häufigsten genutzte Suchmaschine – auch im Zusammenhang mit Versicherungsinhalten.
In der Studie wurden 18 versicherungsbezogene Suchbegriffe aus drei Produktkategorien – Zahnzusatzversicherung, Rechtsschutzversicherung, Hausratversicherung – jeweils zehnmal eingegeben, was zu insgesamt 180 Suchdurchläufen führte. Dieses Volumen spiegelt realistisches Nutzerverhalten wider, bei dem häufig mehrere Suchanfragen nötig sind, um vollständige und präzise Informationen zu erhalten. Durch diese Abfragen wurden 5.851 eindeutige URLs identifiziert. Pro Suchdurchlauf ergaben sich im Schnitt 585 URLs, was die große Reichweite von Google unterstreicht. Das Format bleibt jedoch statisch: Nutzer müssen mehrere Links durchklicken und deren Inhalt selbst interpretieren, um relevante Informationen zu finden.
Makler erzielen Sichtbarkeitsvorteile in der LLM-Suche
Unterschiedliche Content-Anbieter schneiden in KI-gestützten Suchsystemen sehr unterschiedlich ab, wenn es um markenoffene, versicherungsbezogene Anfragen geht. Makler, zu denen auch Vergleichsportale mit Maklerlizenz gehören, stellen mit 36 Prozent den größten Anteil, weit vor Versicherern mit 17 Prozent und Verlagen mit 16 Prozent. Redaktionelle Vergleichsplattformen ohne Maklerlizenz und Verbände folgen mit deutlich geringeren Anteilen. Diese Zahlen zeigen nicht nur veränderte Ranking-Ergebnisse, sondern auch eine neue Logik, wie Inhalte bewertet und angezeigt werden.