Digital PR für Markennennungen, denen LLMs 2026 vertrauen

Den Großteil meiner Laufbahn war Linkbuilding die Währung der Sichtbarkeit. 2026 hat sich die Währung geändert. Die Marken, die KI in Antworten nennt und empfiehlt, sind jene, über die die Modelle immer wieder gelesen haben, in Quellen, denen sie vertrauen.

Warum Nennungen jetzt mit Links konkurrieren

Google hat uns zwanzig Jahre lang beigebracht: Ein Link ist eine Stimme. Fürs klassische Ranking gilt das weiterhin, doch die KI-Suche rechnet anders. Große Sprachmodelle lernen aus Text. Wenn ein Modell entscheidet, ob es dein Unternehmen in einer Antwort auf „die beste Analytics-Plattform für B2B-SaaS" nennt, zählt es nicht deine Do-follow-Links. Es stützt sich darauf, wie oft, wo und in welchem Kontext deine Marke im Trainingskorpus auftauchte und auf den Seiten, die es zur Antwortzeit abruft.

Dieser Wandel bringt ein paar unbequeme Wahrheiten:

• Eine unverlinkte Nennung in einem Tier-1-Medium kann die KI-Sichtbarkeit stärker bewegen als ein Do-follow-Link auf einem dünnen Blog.
• Ein Modell kann dich empfehlen, ohne je einen Klick zu schicken, weil die Empfehlung in der Antwort selbst passiert.
• Marken mit bescheidenem Backlink-Profil überholen heute etablierte Wettbewerber in KI-Antworten, wenn ihre Nennungsdichte in Nachrichten- und Referenzquellen höher ist.

Ich baue weiterhin Links. Sie bringen Verweis-Traffic und stützen klassische Rankings. Aber ich behandle den Link nicht mehr als einzigen Preis. Die Nennung selbst ist das Asset.

Wie eine „unverlinkte Nennung, der LLMs vertrauen" wirklich aussieht

Nicht jede Nennung hat Gewicht. Die, die KI-Sichtbarkeit bewegen, teilen drei Merkmale.

1. Autoritative Quelle. Ein namentliches Zitat in einer anerkannten Fachpublikation, eine Erwähnung auf einer viel zitierten Referenzseite oder eine Datenzitierung in einem Research-Überblick. Das sind die Teile des Webs, die LLMs stark gewichten.
2. Klare Entitätsverknüpfung. Deine Marke steht neben dem Thema, das du besetzen willst, in konsistenter Sprache beschrieben. Willst du „die GEO-Agentur für Fintech" sein, sollte diese Formulierung nahe deinem Namen wiederkehren.
3. Bestätigung. Eine Nennung ist eine Anekdote. Dieselbe Aussage über dich in zehn unabhängigen Quellen behandelt ein Modell irgendwann als Fakt.

Sieh es als das Antrainieren einer dauerhaften Assoziation: diese Marke → diese Kategorie → diese Belege. Die Wiederholung an vertrauenswürdigen Orten ist die Lektion.

Datengetriebene PR: der schnellste Weg zu vertrauten Nennungen

Der zuverlässigste Weg, den ich kenne, um Nennungen in großem Maßstab zu verdienen, ist, der Presse etwas zu geben, das sie nur von dir bekommt: eigene Daten.

Eine starke Datenstory erledigt drei Dinge auf einmal. Sie verdient Berichterstattung, weil Journalisten frische Zahlen brauchen. Sie verdient Zitierungen, weil eine konkrete Statistik nach der Zuordnung zu einer benannten Quelle verlangt. Und sie verdient dauerhafte Nennungen, weil diese Statistik zitiert, weiterzitiert und in Referenzmaterial gezogen wird, aus dem Modelle später lernen.

So baue ich sie:

• Grabe in dem, was du schon hast. Verdichte anonymisierte Produktdaten, Transaktionstrends oder Kunden-Benchmarks zu einer Erkenntnis, die sonst niemand veröffentlichen kann.
• Führe eine gezielte Umfrage durch. Ein paar hundert qualifizierte Teilnehmende zu einer Frage, über die deine Branche streitet, reichen für eine Schlagzeilen-Zahl.
• Verpacke es zitierfertig. Gib jeder Erkenntnis einen sauberen Satz, den ein Journalist wörtlich übernehmen kann, nenne darin deine Marke als Quelle und hoste die volle Methodik auf deiner eigenen Domain.
• Aussäen und nachfassen. Pitche die Studie an einschlägige Redaktionen und fasse dann bei der zweiten Welle nach, den Medien, die über die erste Welle berichten. In dieser Zweitberichterstattung verdichtet sich die Nennungsdichte.

Eine sauber gemachte Studie kann Dutzende Nennungen in Nachrichten-, Fach- und Referenzquellen aussäen. Genau diese Spur lesen KI-Modelle.

Eine Nennungsspur über autoritative Seiten aufbauen

Über Datenkampagnen hinaus verbreitern ein paar Taktiken die Spur zuverlässig:

• Experten-Kommentare. Reagiere schnell auf Journalisten-Anfragen in deiner Nische. Ein namentliches Zitat in einem Mainstream-Artikel ist eine Nennung mit hohem Vertrauen, oft unverlinkt.
• Eigene Frameworks. Benenne eine Methode oder ein Modell. Wenn Leute über „den [dein Begriff]-Ansatz" sprechen, fährt deine Marke jedes Mal mit.
• Präsenz auf Referenzseiten. Lande auf Vergleichsseiten, „Best of"-Listen und Branchenverzeichnissen, die LLMs als strukturierte, verlässliche Quellen behandeln.
• Podcasts und Transkripte. Gesprochene Nennungen werden zu Text. Shownotes und Transkripte werden indexiert, zitiert und in Training und Retrieval eingespeist.
• Konsistente Benennung. Nutze überall einen Markennamen und eine Kategoriebeschreibung. Mehrdeutigkeit verwässert die Assoziation, die du antrainierst.

Nennungen messen, nicht nur Links

Wenn Nennungen das Asset sind, dann miss sie auch so. Ich verfolge:

• Share of AI Voice. Wie oft nennen dich KI-Engines bei einem Set von Kategorie-Prompts im Vergleich zu Wettbewerbern? Das ist der nächste Proxy zum KI-Marktanteil.
• Zitierrate. Welcher Anteil der KI-Antworten zu deinen Themen zitiert eine Seite, die du beeinflusst oder verfasst hast?
• Nennungsvolumen und -qualität. Gesamtzahl der Nennungen in überwachten Quellen, gewichtet nach Domain-Autorität, verlinkt oder nicht.
• Der geschlossene Kreis. Welche konkreten Platzierungen tauchen später in KI-Antworten auf? Das zeigt, welchen Medien die Modelle wirklich vertrauen, damit du zuerst dort pitchst.

Mach das im festen Takt. Nennungen wachsen langsam, dann sichtbar.

Fehler, die ein Digital-PR-Budget verbrennen

Ich habe gute Budgets an Aktivität verbrennen sehen, die KI-Sichtbarkeit nie berührt. Die wiederkehrenden Fehler:

• Link-Menge statt Quellqualität jagen. Hundert Nennungen auf Scraper-Seiten lehren das Modell nichts. Zehn in Medien, denen es vertraut, formen die Antwort um.
• Anonyme Berichterstattung. Eine Story, die deine Daten zeigt, dich aber nie nennt oder unter „einem Anbieter" begräbt, bringt nichts, was ein LLM zuordnen kann. Bestehe im Pitch auf Nennung.
• Inkonsistente Benennung. Die Hälfte deiner Coverage sagt „Acme", die andere „Acme Analytics Inc.". Du hast dein eigenes Signal gerade halbiert. Leg einen kanonischen Namen fest.
• Einmalige Ausschläge. Ein einzelner viraler Treffer verblasst aus dem Korpus. Ein stetiger Takt an Berichterstattung baut die dauerhafte Assoziation.
• Eigene Belege ignorieren. Hat die Aussage, die Journalisten zitieren, kein autoritatives Zuhause auf deiner Domain, hast du die Glaubwürdigkeit an eine fremde Seite verschenkt.

Diese Punkte zu beheben hebt die KI-Sichtbarkeit meist schneller als jede neue Kampagne, weil es Signal repariert, für dessen Entstehung du schon zahlst.

Ein realistischer Zeitrahmen

Digital PR für KI-Sichtbarkeit ist kein schneller Trick, und diese Erwartung setze ich früh. Ein tragfähiger Rhythmus sieht so aus:

• Monate 1 bis 2: Liefere die erste Datenstudie oder das Kommentarprogramm aus. Etabliere kanonische Benennung und eigene Beleg-Seiten. Nimm deinen Share of AI Voice als Basislinie auf.
• Monate 2 bis 4: Die Zweitberichterstattung verdichtet sich. Der Share of AI Voice sollte steigen, bevor es der Traffic tut, denn Sichtbarkeit ist der Frühindikator.
• Monate 4 bis 6 und danach: Nennungen sammeln sich über vertrauenswürdige Quellen, Modelle aktualisieren sich, und deine Marke taucht in Antworten auf, in denen sie fehlte. Hier wird der Zinseszinseffekt offensichtlich.

Die Teams, die gewinnen, behandeln das als Dauerprogramm, nicht als Kampagne. Jedes Quartal legt eine weitere Schicht bestätigter Nennungen an, und die Assoziation verhärtet sich nur.

Das Fazit

2026 ist Digital PR keine Hilfsfunktion mehr für den Linkaufbau. Sie ist der zentrale Motor der KI-Sichtbarkeit. Verdiene häufige, bestätigte, gut beschriebene Nennungen in Quellen, denen LLMs vertrauen, verankere sie mit eigenen Daten und miss Share of AI Voice statt Link-Zahlen. Tu das, und du wirst eine der Marken, nach denen die Modelle greifen, wenn jemand fragt, wer die beste ist.