Seminarinhalt
Suchmaschinenoptimierung (SEO) war jahrelang der Schlüssel zur digitalen Sichtbarkeit. Heute entscheidet sich immer häufiger in ChatGPT, Gemini, Perplexity oder in den AI Overviews von Google, welche Bank oder Versicherung überhaupt in die engere Auswahl kommt. Ein grosser Teil der Suchanfragen endet inzwischen ohne Klick auf eine Webseite. Und ein gutes Google-Ranking ist keine Garantie für eine Nennung: Ein erheblicher Teil der Quellen, die AI-Systeme zitieren, taucht in der klassischen Suche gar nicht weit vorne auf. Wer in den AI-Antworten fehlt, verliert Sichtbarkeit, Vertrauen und potenzielle Kundinnen und Kunden.
Seit der ersten Durchführung dieses Seminars hat sich das Feld deutlich weiterentwickelt. Aus einem Marketing-Nischenthema ist eine eigene Disziplin geworden – Generative Engine Optimization (GEO), je nach Quelle auch LLMO oder Answer Engine Optimization genannt – mit erster belastbarer Forschung und ersten Messstandards. Eine zentrale Erkenntnis: AI-Antworten sind nicht deterministisch. Dieselbe Frage führt zu unterschiedlichen Antworten. AI-Sichtbarkeit muss deshalb wiederholt gemessen werden statt einmalig geprüft.
Dazu kommt eine neue Ebene: Machine Customers und Agentic Commerce. AI-Agenten vergleichen Angebote, bereiten Entscheidungen vor und schliessen erste Transaktionen selbst ab. Die Zahlungsinfrastruktur dafür entsteht gerade, europäische Banken sind an ersten Live-Transaktionen beteiligt. Für Banken und Versicherungen heisst das: Sichtbarkeit muss künftig nicht nur für Menschen funktionieren, sondern auch für Maschinen.
Das Seminar verbindet aktuelle Forschung mit praktischer Arbeit. Grundlage bilden unter anderem die IFZ-Studien zur AI-Sichtbarkeit von Schweizer Banken sowie repräsentative Befragungen zur Nutzung von AI-Tools bei Finanzfragen in der Schweiz.
Inhalte:
- Grundlagen: Wie AI-Systeme Quellen auswählen, gewichten und zitieren – und was die Forschung dazu belegt
- Messung: Von der einmaligen Ist-Analyse zum wiederholbaren Monitoring, inklusive KPIs, Promptsets und typischer Fehlerquellen
- Live-Analyse: Die Teilnehmenden analysieren die AI-Sichtbarkeit ihrer eigenen Organisation und identifizieren Handlungsfelder
- Massnahmen: AI-gerechte Inhalte, strukturierte Daten, FAQ- und Studieninhalte, externe Quellen und Reputation, technische Zugänglichkeit für AI-Crawler
- Agentenfähigkeit: Was Banken und Versicherungen vorbereiten müssen, wenn AI-Agenten vergleichen, empfehlen und handeln
- Governance: Zuständigkeiten im Haus, Umgang mit falschen AI-Aussagen über das eigene Unternehmen, regulatorische Entwicklungen
Ein Praxis-Case aus der Finanzbranche zeigt, wie AI-Sichtbarkeit heute bereits operativ verankert wird.
Am Ende des Seminars haben die Teilnehmenden:
- ein fundiertes Verständnis, wie AI-Sichtbarkeit entsteht und warum sie strategisch relevant ist,
- eine erste eigene Ist-Analyse inklusive Ansatz für ein laufendes Monitoring,
- konkrete Ansätze für einen massgeschneiderten Massnahmenplan.
