AI Visibility Index 2026
Branchenbericht Industrie
Die KI versteht den deutschen Maschinenbau.
Sie findet ihn nur nicht.
Wie 34 deutsche Weltmarkt- und Nischenführer in ChatGPT, Gemini, Claude und Perplexity gefunden, verstanden und empfohlen werden.
34Weltmarkt- und Nischenführer
4KI-Systeme live abgefragt
4.032Abfragen am 7.–8. September 2026
57,4durchschnittlicher VISIWING Score
Messung 7.–8. September 2026
4.032 Abfragen an vier Systeme.
Eine Branche im Zerrspiegel.
Inhalt · Ausgabe 09/2026
Inhalt
Ein Index, vier Säulen, 34 Unternehmen.
01
EinordnungMuss ich mich dafür überhaupt interessieren?
03
02
Executive SummarySechs Befunde, die das Bild drehen
04
03
Das ModellVier Fragen, vier Säulen
05
04
Das Gesamtbild32 Punkte zwischen verstanden und auffindbar
06
05
Säule 1 · AuffindbarkeitDas Crawler-Paradox
07
06
Säule 2 · Verständnis1.014 Lücken · Nischenführer
08
07
Säule 3 · VertrauenWer erzählt der KI, wer Sie sind? · Quellenqualität
10
08
Säule 4 · EmpfehlungErwähnung vs. Empfehlung · Die Matrix
12
09
PraxisbeispieleZwei Paare · Der Fall KION
14
10
Vier Systeme, vier RealitätenEine KI ist nicht „die KI“
16
11
Vier Säulen, vier SiegerKein Unternehmen führt in mehr als einer Disziplin
17
12
Das Gesamtfeld34 Unternehmen im Überblick
18
13
Was folgt daraus?Sechs Prüfschritte · Methodik und Grenzen
20
14
Fazit, Glossar, ImpressumZitierhinweis und Begriffe
22
Der Index in Zahlen
4.032Abfragen an vier KI-Systeme, 7.–8. September 2026
26.368sichtbare Quellenzitate ausgewertet
10,4 %davon von der eigenen Unternehmensdomain
1.014erfasste Informationslücken
32Punkte Abstand zwischen Verständnis und Auffindbarkeit
13/34Unternehmen blockieren mindestens einen KI-Crawler
Alle Werte sind Indexzahlen zwischen 0 und 100, keine Marktanteile.
VISIWING Research · Berlin02
Einordnung
KI-Sichtbarkeit in 90 Sekunden
Muss ich mich dafür überhaupt interessieren?
Wenn potenzielle Kunden KI fragen, welcher Anbieter zu ihrem Problem passt, dann ja.
KI-Sichtbarkeit klingt zunächst nach einem neuen Marketingbegriff. Gemeint ist etwas sehr Konkretes: Taucht Ihr Unternehmen in einer Antwort von ChatGPT, Gemini, Claude oder Perplexity auf, wenn jemand nach einer Lösung, einem Hersteller oder einem Spezialisten sucht?
Früher führte die digitale Recherche häufig über eine Suchmaschine zur Website. Bei einer KI-Antwort kann die Vorauswahl schon vor dem ersten Websitebesuch stattfinden.
Frage an eine KI„Welcher Anbieter eignet sich für …?“
→
KI nennt 2–3 Anbieterund ordnet sie ein
→
Shortlist entstehtbevor Sie einen Klick sehen
Die einfache Definition
AI Visibility beschreibt, ob eine KI Ihr Unternehmen findet, richtig versteht, auf belastbare Quellen stützt und bei einer relevanten Frage tatsächlich empfiehlt.
Wann ist das besonders relevant?
Vor allem dann, wenn Produkte erklärungsbedürftig sind, Anbieter verglichen werden, Käufer eine Vorauswahl treffen oder Ihr Unternehmen in einer klaren Nische gegen größere Marken antritt.
Der Bericht behauptet nicht, dass KI klassische Suche ersetzt. Er untersucht eine zusätzliche Ebene der digitalen Sichtbarkeit.
Untersuchte Systeme
Gemini67,9
Claude66,2
ChatGPT59,4
Perplexity56,9
Durchschnittlicher Erwähnungsindex je System.
Einordnung für Leser ohne Vorwissen03
Executive Summary
Die Untersuchung in 60 Sekunden
Sechs Befunde, die das Bild drehen.
78,4
Die KI versteht.
Verständnis ist die stärkste Säule. Wenn Systeme ein Unternehmen kennen, ordnen sie Produkt und Markt meist gut ein.
46,4
Sie findet schlecht.
Auffindbarkeit ist die schwächste Säule. Technischer Zugang und maschinenlesbare Selbstauskunft bleiben lückenhaft.
10,4%
Nur jedes zehnte Zitat ist „von Ihnen“.
Von 26.368 sichtbaren Quellenzitaten stammen 10,4 % von der jeweiligen Unternehmensdomain.
29/34
Maschinenlesbarkeit fehlt.
Bei 29 Unternehmen werden Lücken bei llms.txt, APIs oder strukturierten Daten erfasst.
27/34
ROI bleibt unsichtbar.
Bei 27 Unternehmen fehlen in den Befunden Informationen zu Preis, ROI oder Wirtschaftlichkeit.
13/34
Crawler werden blockiert.
13 Unternehmen weisen mindestens einen der geprüften KI-Crawler ab. Ein Sichtbarkeitsnachteil ist in dieser Messung nicht erkennbar.
Der Kern des Reports
Der deutsche Maschinenbau hat in dieser Stichprobe kein primäres Verständnisproblem. Er hat ein Zugangs-, Quellen- und Empfehlungsproblem.
Quelle aller Kennzahlen: VISIWING AI Visibility Index, 7.–8.09.202604
Das Modell
Was genau gemessen wird
Vier Fragen entscheiden, ob eine KI Sie als Anbieter „sieht“.
Die vier Säulen werden getrennt gemessen, weil ein Unternehmen an jeder Stufe unabhängig scheitern kann.
01
Auffindbarkeit: Findet die KI Sie?Kann sie relevante Inhalte technisch erreichen? Gibt es Sitemap, strukturierte Daten, lesbaren Text und maschinenlesbare Informationen?
46,4Feldschnitt
02
Verständnis: Versteht die KI, was Sie tun?Erkennt das System Unternehmen, Produkte, Leistungen, Zielgruppen und Anwendungsfelder korrekt?
78,4Feldschnitt
03
Vertrauen: Worauf stützt sich die Antwort?Kommt das Wissen von Ihrer Website, aus Fachquellen, Verzeichnissen, Bewertungsportalen oder anderen Dritten?
50,3Feldschnitt
04
Empfehlung: Werden Sie ausgewählt?Werden Sie nur erwähnt, neutral verglichen oder aktiv empfohlen, und an welcher Position in der Antwort?
54,3Feldschnitt
61,8Erwähnungsindex: Wie oft fällt der Unternehmensname bei relevanten Marktfragen?
34,8Empfehlungsindex: Wie häufig entstehen aus den Fragen aktive Empfehlungen?
VISIWING Modell · vier Säulen + Live-Messwerte05
Das Gesamtbild
Der große Abstand
32 Punkte zwischen „verstanden“ und „auffindbar“.
Verständnis
78,4
Empfehlung
54,3
Vertrauen
50,3
Auffindbarkeit
46,4
Abb. 1 · Durchschnittswerte der vier Säulen über 34 Unternehmen. Index 0–100.
Wenn ein KI-System einen deutschen Maschinenbauer gefunden hat, beschreibt es ihn häufig erstaunlich präzise.
Die eigentliche Schwäche liegt davor: Viele Unternehmensinformationen sind technisch schwer zugänglich, nicht strukturiert oder nur indirekt über Dritte verfügbar.
93SICK erreicht den höchsten Verständniswert im Feld.
81Pepperl+Fuchs erzielt den höchsten Auffindbarkeitswert.
10TURCK liegt am unteren Ende der Auffindbarkeit.
Was heißt das für mich?
Eine bekannte Marke kann in KI-Systemen präsent sein, ohne den eigenen Informationsraum gut zu kontrollieren. Bekanntheit und Steuerbarkeit sind nicht dasselbe.
Der Index trennt technische Präsenz und inhaltliche Einordnung06
Der paradoxe Befund
13 Unternehmen blockieren KI-Crawler und sind trotzdem sichtbar.
Crawler blockiert · 13 Unternehmen
Website offen · 21 Unternehmen
ErwähnungsindexEmpfehlungsindex
Abb. 2 · In dieser Stichprobe zeigt sich kein messbarer Unterschied zwischen Unternehmen mit und ohne Bot-Sperre.
Warum ist das kein Entwarnungssignal?
KI-Systeme können Unternehmen aus Training, Suchindizes, Verzeichnissen und anderen Quellen bereits kennen. Eine Bot-Sperre macht eine Marke deshalb nicht automatisch unsichtbar.
Sie kann aber dazu führen, dass andere Quellen wichtiger werden als die eigene Website.
Und die Website selbst?
Neun der 13 betroffenen Startseiten liefern ohne JavaScript weniger als 310 Zeichen Text. Für Systeme, die nicht wie ein vollständiger Browser rendern, ist das extrem wenig verwertbarer Inhalt.
Wichtig: Die Messung zeigt eine Korrelation in dieser Stichprobe, keine allgemeine Kausalitätsaussage über Crawler-Sperren.
„Wer den Crawler aussperrt, wird nicht zwingend unsichtbar. Er kann aber unsteuerbarer werden.“
13/34 blockieren mindestens einen geprüften Crawler07
Die KI versteht, aber ihr fehlen Entscheidungsdaten
1.014 Lücken. Fast 30 pro Unternehmen.
Maschinenlesbarkeit
240 · fehlt bei 29/34
Preise / ROI / Wirtschaftlichkeit
181 · fehlt bei 27/34
Fallstudien / Referenzen
98 · fehlt bei 25/34
Technische Spezifikationen
77 · fehlt bei 25/34
Standort / Kontakt
43 · fehlt bei 17/34
Service / Wartung / Ersatzteile
17 · fehlt bei 10/34
Nachhaltigkeit / Energie
15 · fehlt bei 8/34
Verfügbarkeit / Lieferung
9 · fehlt bei 6/34
Abb. 3 · Erfasste Inhalts- und Informationslücken (Einzelbefunde). Befunde können sich pro Unternehmen mehrfach wiederholen.
Am häufigsten fehlen maschinenlesbare Informationen. Direkt danach folgen Informationen zu Preis, ROI und Wirtschaftlichkeit.
Das ist besonders relevant, weil generative Systeme nicht nur Produkte beschreiben, sondern auf Fragen wie „welcher Anbieter passt?“ oder „welche Lösung lohnt sich?“ antworten sollen.
In einfacher Sprache
Die KI weiß oft, was Sie verkaufen. Sie findet aber zu selten genug Material dafür, warum sich ein Käufer gerade für Sie entscheiden sollte.
29/34: Lücken bei Maschinenlesbarkeit · 27/34: Lücken bei Wirtschaftlichkeit08
Nischenführer
Je konkreter die Frage, desto besser die Chance
Der Spezialist gewinnt, sobald die KI die Nische richtig benennt.
genanntempfohlen
Abb. 4 · Anteil der Fragen, in denen Unternehmen genannt bzw. empfohlen werden, nach Fragetyp.
Bei breiten Kategoriefragen landen globale Generalisten häufig vorne. Wird die Frage jedoch auf eine konkrete Technologie, Anwendung oder Komponente zugespitzt, steigt die Sichtbarkeit vieler Spezialisten.
Ultraspezifische Fragen erzeugen in dieser Messung die höchste Nennungs- und Empfehlungsrate.
89,6%Empfehlungsrate von ebm-papst, wenn das Unternehmen genannt wird. Der Erwähnungsindex liegt bei 48.
18,8%Empfehlungsrate der KION Group innerhalb ihrer Nennungen. Der Erwähnungsindex liegt bei 16.
„Eine klar benennbare Nische ist für eine KI leichter zuzuordnen als ein sehr breiter Leistungsbegriff.“
Breit vs. spezifisch vs. ultraspezifisch09
Wer erzählt der KI, wer Sie sind?
Nur 10,4 % der sichtbaren Zitate kommen von der eigenen Domain.
Von 26.368 sichtbaren Quellenzitaten entfallen 2.749 auf die Domain des jeweils untersuchten Unternehmens.
Die übrigen knapp 90 % kommen aus externen Quellen, etwa Verzeichnissen, Lexika, Fachportalen oder Bewertungsplattformen.
Häufigste externe Quellen · Zitate
wlw.de
918
kununu.com
391
industrystock.de
275
de.wikipedia.org
271
chemie.de
244
induux.de
238
directindustry.de
226
automation-list.com
203
europages.de
185
Abb. 5 · Häufigste externe Quellen in den sichtbaren Zitaten von Gemini und Perplexity.
Der überraschendste Einzelbefund
kununu.com ist mit 391 Zitaten die zweitmeistzitierte externe Quelle. Ein Arbeitgeber-Bewertungsportal wird damit Teil des Informationsraums, aus dem KI-Systeme Unternehmenswissen zusammensetzen.
Quellenanalyse basiert auf Gemini und Perplexity10
Quellenqualität
Wenn Sie selbst schweigen, sprechen andere
Die meisten zitierten Quellen sind leicht zugänglich, nicht unbedingt besonders autoritativ.
90,9%
ohne besondere Autorität
Der größte Teil der Zitate stammt aus Quellen, die in der Analyse keiner hohen Autoritätsklasse zugeordnet wurden.
7,1%
mittlere Autorität
Nur ein kleiner Teil entfällt auf mittlere Autorität.
2,0%
hohe Autorität
Fachpresse, Hochschulen, Verbände oder Normung spielen in der Stichprobe nur eine geringe Rolle.
Die Systeme teilen ihre Quellen kaum.
Nur 13,7 % der zitierten Quellen werden von mehr als einem untersuchten System verwendet. Wer bei Perplexity eine starke Quellenbasis hat, muss bei Gemini deshalb nicht automatisch genauso stehen.
Das spricht gegen die Vorstellung eines einzigen, einheitlichen „KI-Index“.
Offene Hypothese
VISIWING behauptet nicht, dass Verzeichnisse bewusst bevorzugt werden. Eine plausible Alternative lautet: Sie sind schlicht leichter maschinenlesbar. Genau das soll in der nächsten Welle getestet werden.
Ihr digitaler Footprint wird zum Rohmaterial für KI-Antworten.
Dazu gehören nicht nur die eigene Website, sondern auch Profile, Branchenportale, Partnerseiten, Fachquellen und andere öffentlich erreichbare Informationen.
Quellen sind Teil der AI Visibility, auch außerhalb der eigenen Domain11
Bekannt sein reicht nicht
Erwähnung und Empfehlung sind zwei verschiedene Spiele.
igus
Herrenknecht
KION
Koenig & Bauer
SICK
wenglor
Trumpf
fischer
ebm-papst
Senvion
Empfehlungsrate ↑
Erwähnungsindex →
Abb. 6 · Erwähnungsindex vs. Empfehlungsrate innerhalb auswertbarer Nennungen. Hilfslinien bei den Feldwerten 61,8 und 61,0.
SICK: sehr präsent, selten empfohlen.
SICK erreicht einen Verständniswert von 93 und einen Erwähnungsindex von 85. Innerhalb der auswertbaren Nennungen liegt die Empfehlungsrate bei 5,9 %.
Die Systeme wissen also sehr gut, wer SICK ist. Und sie entscheiden sich bei konkreten Empfehlungen dennoch oft für andere Anbieter.
ebm-papst: seltener präsent, dann sehr stark.
ebm-papst erreicht einen Erwähnungsindex von 48. Wenn das Unternehmen genannt wird, liegt die Empfehlungsrate bei 89,6 %.
Das ist die Gegenrichtung: weniger Reichweite, aber ein starkes Empfehlungssignal.
„Wer nur Nennungen zählt, misst Bekanntheit. Wer AI Visibility verstehen will, muss Empfehlung, Position, Kontext und Quellen mitmessen.“
Aktiv empfohlene Anbieter stehen im Median auf Position 112
Die Matrix
Vier Muster statt einer Rangliste
Erwähnung und Empfehlung ergeben eine Matrix.
Beide Werte sind unabhängig voneinander. Trägt man sie gegeneinander auf, entstehen vier Muster mit vier sehr unterschiedlichen Aufgaben. Die Achsen liegen auf den Feldwerten dieser Messung: Erwähnung 61,8, Empfehlung 61,0. Um jede Achse liegt eine Pufferzone von zehn Punkten, damit ein Unternehmen nicht wegen eines halben Punktes in eine Schublade fällt.
Bekannt und empfohlen4
häufig genannt, häufig empfohlen
Erw.Empf.
Trumpf93,087,1
igus90,080,0
Beckhoff Automation89,077,5
Herrenknecht86,084,9
Das Ziel. Diese Unternehmen stehen in der Antwort und werden darin ausgewählt.
Laut ohne Wirkung3
häufig genannt, selten empfohlen
Erw.Empf.
Koenig & Bauer87,027,9
SICK AG85,05,9
MICHAEL WEINIG73,050,7
Der teuerste Fall. Die Bekanntheit ist da und wird nicht eingelöst. Wer nur Nennungen zählt, hält diese Unternehmen für gut aufgestellt.
Stiller Favorit2
selten genannt, dann fast immer empfohlen
Erw.Empf.
ebm-papst48,089,6
wenglor sensoric21,072,2
Das Gegenteil. Wer es in die Antwort schafft, gewinnt sie meistens. Hier liegt der größte Hebel: mehr Anlässe, überhaupt genannt zu werden.
Noch nicht im Relevant Set7
selten genannt, selten empfohlen
Erw.Empf.
TURCK48,028,6
HARTING45,048,9
ifm electronic35,022,2
Leuze electronic32,022,6
Senvion32,00,0
KION Group16,018,8
Dürr15,041,7
Diese Unternehmen kommen in der Kaufrecherche kaum vor. Die Ursachen sind unterschiedlich und im Einzelfall zu klären.
18 der 34 Unternehmen liegen im Mittelfeld und tragen deshalb keine Bezeichnung. Dazu gehören auch Spitzenreiter des Gesamtindex wie Jungheinrich (Erwähnung 59,0, Empfehlung 59,3): durchschnittlich in beiden Werten ist nicht dasselbe wie auffällig in einem.
Die Matrix · September 202613
Praxisbeispiele
Warum A und nicht B
Zwei Paare aus demselben Markt, zwei gegensätzliche Ergebnisse.
Der Gesamtscore sagt wenig darüber, woran es liegt. Aufschlussreich wird es erst im direkten Vergleich zweier Anbieter, die um dieselben Aufträge konkurrieren.
Ventilatoren: Technik macht auffindbar, nicht empfehlenswert
Ziehl-Abeggebm-papst
Erwähnungsindex83,048,0
Empfehlungsindex54,289,6
VISIWING Score7050
Auffindbarkeit6537
gefundene Artefakte42
llms.txt vorhandenjanein
eigene Domain zitiert77 %45 %
Ziehl-Abegg ist technisch deutlich besser vorbereitet: vier gefundene Artefakte gegen zwei, eine llms.txt, und bei den KI-Systemen wird in 77 Prozent der Fälle die eigene Domain zitiert statt 45. Das zahlt auf die Erwähnung ein, 83,0 gegen 48,0. Auf die Empfehlung zahlt es nicht ein: Dort dreht sich das Verhältnis um, 89,6 gegen 54,2. Wer erst einmal in der Antwort steht, wird nicht wegen seiner Sitemap empfohlen.
Sensorik: am besten verstanden, am seltensten empfohlen
SICK AGBalluff
Erwähnungsindex85,046,0
Empfehlungsindex5,960,9
Verständnis9380
Empfehlung (Säule)4662
gefundene Artefakte14
llms.txt vorhandenneinja
abgewiesene KI-Crawler03
SICK hat den höchsten Verständniswert des gesamten Feldes und wird in 85 von 100 Marktfragen genannt. Balluff wird in 46 genannt, sperrt sogar alle drei KI-Crawler aus, und wird in 60,9 Prozent dieser Nennungen empfohlen. SICK in 5,9. Der sichtbarste Unterschied in den Daten: Balluff hat vier technische Artefakte einschließlich llms.txt, SICK nur ein JSON-LD-Schema.
Einschränkung: Beide Paare sind Einzelfälle aus einer Messung ohne Wiederholung. Sie zeigen, welche Faktoren sich unterscheiden, nicht, dass diese Faktoren die Ursache sind.
Warum A und nicht B · September 202614
Der Fall KION
Markenarchitektur
Die Tochter ist sichtbarer als die Mutter.
Die KION Group ist technisch das bestausgestattete Unternehmen des Feldes. Sechs gefundene Artefakte, darunter als einziges Unternehmen der Untersuchung eine OpenAPI-Spezifikation und eine MCP-Konfiguration. Auffindbarkeit 79, Verständnis 87, beides über dem Feldschnitt.
Im Erwähnungsindex steht KION bei 16,0. Der letzte Platz des Feldes.
Dematic (KION)
35
Jungheinrich (Wettbewerb)
21
KION Group
16
STILL (KION)
8
Linde Material Handling (KION)
7
In wie vielen der 100 Marktfragen an vier KI-Systeme der jeweilige Name in der Antwort vorkam. Dematic und Linde Material Handling gehören zur KION Group, Jungheinrich ist Wettbewerber.
Was das heißt
Die Sichtbarkeit liegt bei den Produktmarken, nicht bei der Holding. Wer nach Intralogistik fragt, bekommt Dematic. Wer eine Dachmarke optimiert, während der Markt die Tochtermarken kennt, misst und verbessert am falschen Objekt.
KION Group im Index
6gefundene technische Artefakte, der höchste Wert des Feldes.
79 / 87Auffindbarkeit und Verständnis, beide über dem Feldschnitt.
16,0Erwähnungsindex: letzter Platz unter 34 Unternehmen.
Der Befund ist keine Schwäche der Website, sondern eine Frage der Markenarchitektur. Er lässt sich mit technischen Mitteln allein nicht lösen.
Intralogistik: Die Sichtbarkeit liegt bei den Produktmarken, nicht bei der Holding.
Der Fall KION · September 202615
Vier Systeme, vier Realitäten
Eine KI ist nicht „die KI“
Gemini nennt mehr Anbieter als Perplexity. Einzelne Marken fallen komplett aus.
Gemini
67,9
Claude
66,2
ChatGPT
59,4
Perplexity
56,9
Abb. 7 · Durchschnittlicher Erwähnungsindex je System.
Totalausfälle · Nennungen je System
ChatGPTGeminiPerplexityClaude
ifm electronic
48
48
44
0
wenglor
8
40
36
0
Leuze electronic
0
40
40
48
Klingele
0
48
52
0
Abb. 8 · Beispiele für Totalausfälle: Ein Unternehmen kann in einem System häufig erscheinen und in einem anderen gar nicht.
Der Praxisfehler
„Ich habe unsere Firma einmal in ChatGPT eingegeben und das sah gut aus“ ist kein belastbarer Sichtbarkeitstest.
Die Systeme nutzen unterschiedliche Quellenbestände und Antwortlogiken. Deshalb muss eine Messung mehrere Engines, mehrere Fragen und künftig auch Wiederholungen je Frage umfassen.
Gemini 67,9 · Claude 66,2 · ChatGPT 59,4 · Perplexity 56,916
Das Gesamtfeld
Vier Säulen, vier Sieger
Kein Unternehmen führt in mehr als einer Disziplin.
Das ist der stärkste Hinweis darauf, dass KI-Sichtbarkeit keine einzelne Eigenschaft ist. Vier Säulen, vier verschiedene Erstplatzierte, und keiner von ihnen führt zugleich den Gesamtindex an.
Auffindbarkeit
Kommt die KI an die Informationen?
81
Pepperl+Fuchs
2. KION Group (79)
Feldschnitt 46,4
Schlusslicht TURCK (10)
Verständnis
Erfasst sie korrekt, was das Unternehmen tut?
93
SICK AG
2. Leuze electronic (90)
Feldschnitt 78,4
Schlusslicht TURCK (42)
Vertrauen
Aus welchen Quellen spricht sie?
63
igus
2. Herrenknecht (62)
Feldschnitt 50,3
Schlusslicht Senvion (18)
Empfehlung
Wird das Unternehmen ausgewählt?
70
KAESER
2. Ziehl-Abegg (67)
Feldschnitt 54,3
Schlusslicht Phoenix Contact (34)
94,0Höchster Erwähnungsindex: fischer. In 94 von 100 Marktfragen fiel der Name.
89,6Höchster Empfehlungsindex: ebm-papst. Von den Nennungen wurden 89,6 Prozent zu einer Empfehlung.
Den Gesamtindex führen Jungheinrich und Ziehl-Abegg mit je 70 Punkten an. Beide sind in keiner einzelnen Säule Erster: Sie verlieren nirgends deutlich.
Vier Säulen, vier Sieger · September 202617
Das Gesamtfeld · 01–17
34 Unternehmen im Überblick
Kein Siegerpokal, sondern ein Diagnosefeld.
Die Reihenfolge zeigt den VISIWING Gesamtscore. Kleine Abstände sind mit dem aktuellen Messdesign nicht als belastbares Ranking zu interpretieren. Neben dem Gesamtscore stehen die vier Säulen einzeln: So wird sichtbar, wo ein Unternehmen gegenüber dem Wettbewerb wirklich stark oder schwach ist.
Tabelle seitlich wischen
UnternehmenVISIWING ScoreVIWIAufVerVertEmpErwEmpf
01
Jungheinrich
70
77
81
56
64
59,0
59,3
02
Ziehl-Abegg
70
65
86
61
67
83,0
54,2
03
Balluff
68
71
80
58
62
46,0
60,9
04
Pepperl+Fuchs
68
81
87
54
50
50,0
60,0
05
igus
68
59
86
63
62
90,0
80,0
06
KAESER
67
63
76
60
70
91,0
63,7
07
Herrenknecht
66
62
87
62
55
86,0
84,9
08
KION Group
65
79
87
46
48
16,0
18,8
09
Koenig & Bauer
65
58
87
61
55
87,0
27,9
10
SICK AG
65
68
93
52
46
85,0
5,9
11
WAGO
64
65
86
55
49
54,0
36,0
12
wenglor sensoric
64
59
83
54
58
21,0
72,2
13
Trumpf
63
47
83
55
66
93,0
87,1
14
SCHUNK
62
44
90
54
60
67,7
83,6
15
fischer
62
57
72
60
57
94,0
52,7
16
HOMAG
61
37
86
60
62
92,0
68,1
17
Klingele
61
57
80
57
50
25,0
54,2
Auf = Auffindbarkeit · Ver = Verständnis · Vert = Vertrauen · Emp = Empfehlung18
Das Gesamtfeld · 18–34
Tabelle seitlich wischen
UnternehmenVISIWING ScoreVIWIAufVerVertEmpErwEmpf
18
Dürr
60
57
83
46
55
15,0
41,7
19
Beckhoff Automation
57
27
87
61
52
89,0
77,5
20
Krones
56
27
87
52
58
55,0
69,1
21
Pilz
55
28
80
54
58
64,0
64,1
22
Rittal
55
27
80
53
60
66,3
73,8
23
BITZER
54
31
78
50
59
75,0
58,7
24
Leuze electronic
54
27
90
52
48
32,0
22,6
25
MICHAEL WEINIG
54
39
79
54
45
73,0
50,7
26
Weidmüller
53
27
83
47
56
71,0
47,9
27
ebm-papst
50
37
77
54
34
48,0
89,6
28
ifm electronic
50
49
73
37
42
35,0
22,2
29
Phoenix Contact
48
27
80
51
34
84,5
62,3
30
LAPP
46
36
54
28
64
65,0
54,7
31
MULTIVAC
45
24
65
32
58
68,0
66,2
32
HARTING
40
24
55
28
52
45,0
48,9
33
Senvion
34
30
42
18
44
32,0
0,0
34
TURCK
30
10
42
24
46
48,0
28,6
Wichtig: Alle Werte sind Indexzahlen zwischen 0 und 100, keine Marktanteile. Phoenix Contact wurde bei der Nennungserkennung manuell bereinigt; Senvion ist als Kontrastfall enthalten.
Erwähnung ist der Anteil der Marktfragen mit Nennung, Empfehlung der Anteil der Nennungen, der eine aktive Empfehlung war. Beide Werte stehen bewusst neben dem Gesamtscore: Sie erklären, was der Score verdichtet.
Gesamtfeld · September 202619
Was folgt daraus?
Von der Analyse zur Praxis
Was sollte ein Industrieunternehmen jetzt konkret prüfen?
Nicht „für die KI schreiben“, sondern den eigenen Informationsraum so klar machen, dass Menschen und Maschinen dieselben belastbaren Antworten finden.
01 · Fragen
Welche Fragen stellen potenzielle Kunden?
Nicht den Firmennamen testen. Reale Markt-, Produkt- und Auswahlfragen formulieren: „Welcher Anbieter …?“, „Welche Lösung eignet sich …?“
02 · Zugang
Kann die KI Ihre Informationen überhaupt lesen?
Serverseitigen Text, Sitemap, robots.txt, strukturierte Daten und maschinenlesbare Inhalte prüfen. JavaScript-Abhängigkeit sichtbar machen.
03 · Entscheidung
Gibt es genug Material für eine Empfehlung?
Referenzen, technische Spezifikationen, Anwendungsgrenzen, ROI, Wirtschaftlichkeit, Service und Vergleichskriterien klar verfügbar machen.
04 · Quellen
Was erzählen Dritte über Sie?
Branchenverzeichnisse, Fachquellen, Partnerseiten, Lexika und Bewertungsportale als Teil des Informationsraums behandeln.
05 · Mehrere Systeme
Nicht nur ChatGPT testen.
Gemini, Claude und Perplexity können deutlich andere Anbieter nennen. Sichtbarkeit muss systemübergreifend beobachtet werden.
06 · Wiederholen
Eine Antwort ist kein Trend.
Generative Systeme variieren. Einzeltests sind Momentaufnahmen. Wiederholungsmessungen und Konfidenzintervalle erhöhen die Belastbarkeit.
Der sinnvollste erste Schritt
Testen Sie nicht „Kennt die KI uns?“, sondern: „Bei welchen echten Kundenfragen werden wir genannt oder empfohlen, und warum?“
Handlungsrahmen aus den Befunden der Messung20
Methodik und Grenzen
Transparenz ist Teil des Ergebnisses
Was gemessen wurde und was nicht.
Erhebung
34 Unternehmen aus dem VISIWING Panel, gemessen am 7. und 8. September 2026. Je Unternehmen 30 Fragen an ChatGPT, Gemini, Perplexity und Claude. 4.032 Läufe, davon 3 ohne Antwort.
Grenzen
Eine Messung je Frage und System, keine Wiederholung. Keine Zeitreihen, keine gesicherten Aussagen über kleine Unterschiede zwischen Unternehmen. Die Auswahl ist theoriegeleitet und nicht repräsentativ für den gesamten deutschen Maschinenbau.
Fragen
25 Marktfragen ohne Markennamen und 5 Markenfragen. Nur Marktfragen fließen in Erwähnungs- und Empfehlungsindex ein.
Drei korrigierte Messfehler
Fünf Panels maßen zunächst das falsche Unternehmen; ein Ausfall der Signalklassifikation wurde als „nicht empfohlen“ gezählt; Phoenix Contact erforderte eine manuelle Bereinigung der Nennungserkennung.
Quellen
ChatGPT und Claude lieferten in dieser Messung keine Quellenangaben. Die Quellenanalyse beschreibt daher Gemini und Perplexity.
Kontrollrechnung
Unternehmen mit methodischen Einschränkungen lagen im Erwähnungs- und Empfehlungsindex nahe bei den übrigen. Ihr Ausschluss verschiebt den Gesamtschnitt nicht wesentlich.
Warum wir Fehler veröffentlichen: Der Bericht dokumentiert auch einen scheinbar starken Zusammenhang (r = +0,69), der nach einer Kontrollrechnung auf r = +0,02 zusammenfiel. Das zeigt, wie leicht in jungen Messfeldern ein Artefakt wie ein Befund aussehen kann.
Methodikpapier, Fragenpanel und Rohdatensatz sollen veröffentlicht werden21
Fazit · Zitierhinweis
Was bleibt?
Die KI kennt viele deutsche Industrieunternehmen schon.
Die Frage ist, wer ihr Bild von ihnen prägt.
Die stärkste Säule ist das Verständnis. Die schwächste ist die Auffindbarkeit. Nur 10,4 % der sichtbaren Quellenzitate stammen von der jeweiligen Unternehmensdomain. Und hohe Bekanntheit führt nicht automatisch zu einer Empfehlung.
„Wenn ein Kunde eine relevante Frage stellt: Versteht die KI, warum gerade Ihr Unternehmen die richtige Antwort sein könnte, und besitzt sie genügend belastbare Informationen, um Sie tatsächlich zu empfehlen?“
Suggested citation
VISIWING (2026): AI Visibility Index 2026 – Branchenbericht Industrie. Messung 7.–8. September 2026, 34 Unternehmen, 4.032 KI-Läufe. Berlin: VISIWING.
Kontakt: dialog@visiwing.com · visiwing.com
Untersuchte Systeme
Gemini67,9
Claude66,2
ChatGPT59,4
Perplexity56,9
Die genannten Marken und Logos/Markenzeichen gehören den jeweiligen Rechteinhabern. Darstellung ausschließlich zur redaktionellen Einordnung der untersuchten Systeme.
VISIWING AI Visibility Index 202622
Glossar
Begriffe dieser Ausgabe
Glossar
AI Visibility
Ob eine KI ein Unternehmen findet, richtig versteht, auf belastbare Quellen stützt und bei einer relevanten Frage tatsächlich empfiehlt.
GEO · Generative Engine Optimization
Arbeit an der Sichtbarkeit in generativen Antwortsystemen, analog zur Suchmaschinenoptimierung für klassische Suche.
Auffindbarkeit
Säule 1. Technischer Zugang zu den Inhalten: Sitemap, robots.txt, serverseitiger Text, strukturierte und maschinenlesbare Daten. Feldschnitt 46,4.
Verständnis
Säule 2. Ob ein System Unternehmen, Produkte, Leistungen, Zielgruppen und Anwendungsfelder korrekt erfasst. Feldschnitt 78,4.
Vertrauen
Säule 3. Woraus die Antwort ihr Wissen bezieht: eigene Website, Fachquellen, Verzeichnisse, Bewertungsportale. Feldschnitt 50,3.
Empfehlung
Säule 4. Ob ein Unternehmen nur erwähnt, neutral verglichen oder aktiv empfohlen wird, und an welcher Position. Feldschnitt 54,3.
Erwähnungsindex
Anteil der Marktfragen, in denen der Unternehmensname in der Antwort vorkommt. Feldwert 61,8.
Empfehlungsindex
Anteil der auswertbaren Nennungen, die zu einer aktiven Empfehlung werden. Feldwert 34,8.
VISIWING Score
Gesamtwert aus den vier Säulen, Index 0–100. Feldschnitt 57,4.
Marktfrage / Markenfrage
Marktfragen enthalten keinen Markennamen und fragen nach Anbietern oder Lösungen. Markenfragen nennen das Unternehmen selbst.
llms.txt
Textdatei im Wurzelverzeichnis einer Website, die KI-Systemen maschinenlesbar erklärt, welche Inhalte relevant sind.
Strukturierte Daten / JSON-LD
Maschinenlesbare Auszeichnung von Seiteninhalten, aus der Systeme Unternehmen, Produkte und Leistungen direkt auslesen können.
KI-Crawler
Automatisierte Abrufprogramme der KI-Anbieter. Eine Sperre in der robots.txt weist sie ab; 13 der 34 Unternehmen tun das bei mindestens einem Crawler.
Artefakt
Im Index gezähltes technisches Element maschinenlesbarer Selbstauskunft, etwa llms.txt, JSON-LD, OpenAPI-Spezifikation oder MCP-Konfiguration.
Relevant Set
Die Menge der Anbieter, die ein System bei einer Kaufrecherche überhaupt in Betracht zieht.
Totalausfall
Ein Unternehmen erscheint in einem System regelmäßig und in einem anderen in keiner einzigen Antwort.
Glossar · AI Visibility Index 202623
Impressum
Über VISIWING
AI Visibility, gemessen.
VISIWING untersucht, wie generative KI-Systeme Unternehmen finden, verstehen, belegen und empfehlen. Der AI Visibility Index erscheint als Branchenbericht; diese Ausgabe behandelt den deutschen Maschinenbau.
Methodikpapier, Fragenpanel und Rohdatensatz sollen veröffentlicht werden.
Herausgeber
VISIWING · Berlin
September 2026
dialog@visiwing.com
visiwing.com
Redaktion und Analyse
Dr. Oleg Seifert
VISIWING Research
Verantwortlich für den Inhalt
Bildnachweis
Titel und Säule 2: YIHAI LASER · Säule 1: Shameer Vayalakkad Hydrose · Säule 3 und Säule 4: Freek Wolsink · Intralogistik: Peter Xie. Alle Fotos: Pexels.
Marken
Genannte Marken und Markenzeichen gehören den jeweiligen Rechteinhabern.
Zitierhinweis
VISIWING (2026): AI Visibility Index 2026 – Branchenbericht Industrie. Messung 7.–8. September 2026, 34 Unternehmen, 4.032 KI-Läufe. Berlin: VISIWING.
Hinweis
Alle Werte beruhen auf einer Messung ohne Wiederholung. Kleine Unterschiede zwischen Unternehmen sind nicht als belastbares Ranking zu lesen.
VISIWING · Berlin · September 202624
AI Visibility Index 2026 · Maschinenbau
Alle Ausgaben
Methodik
Bericht als PDF 6 MB
