POLYLOGS AI VISIBILITY INDEX 2026: KI-SICHTBARKEIT IN WERKSTOFFEN, PRODUKTION & INDUSTRIEKOMPONENTEN IM DACH-RAUM

Der von DMP und POLYLOGS entwickelte AI Visibility Benchmark untersucht, wie sichtbar Unternehmen aus Werkstofftechnik, industrieller Produktion und Komponentenfertigung aus Deutschland, Österreich und der Schweiz bei realistischen, markenneutralen B2B-Anbieterfragen sind. Dafür wurden für jede der fünf Teilbranchen zwei konkrete Buyer-Fragen an ChatGPT, Claude, Gemini, Microsoft Copilot und Perplexity gestellt. Anschließend wurde ausgewertet, welche Anbieter die KI-Systeme nennen, an welcher Position sie erscheinen und ob sie unter den ersten drei genannten Anbietern vertreten sind. Die Ergebnisse wurden gegen einen definierten Benchmark von 25 DACH-Unternehmen aus fünf Teilbranchen ausgewertet.

Die Auswertung ist eine datenbasierte Momentaufnahme vom 18. September 2026. Sie ist weder ein Marktanteilsranking noch eine Qualitätsbewertung und erhebt keinen Anspruch, die Märkte für Werkstoffe, industrielle Produktion und Industriekomponenten im DACH-Raum statistisch repräsentativ abzubilden. Da jede Teilbranche mit eigenen, fachlich passenden B2B-Buyer-Fragen untersucht wurde, sind Vergleiche nur innerhalb der jeweiligen Teilbranche sinnvoll. Veröffentlicht werden aggregierte Branchenergebnisse; die Einzelergebnisse der 25 Benchmark-Unternehmen bleiben anonym.

Ergebnisse auf einen Blick

Die wichtigste Erkenntnis: Die untersuchten Unternehmen erreichten insgesamt eine Benchmark-Nennungsrate von 58,4 %, doch die Sichtbarkeit unterschied sich deutlich zwischen den fünf Teilbranchen und KI-Systemen. 47,3 % der gültigen Top-3-Positionen gingen an andere Anbieter. Gleichzeitig zeigte sich, dass hohe Nennungsraten nicht automatisch mit einer entsprechend hohen Top-3-Präsenz verbunden waren.

58,4 % der möglichen Benchmark-Nennungen wurden erreicht. Über alle Messungen hinweg wurden die 25 untersuchten Unternehmen in 146 von 250 möglichen Fällen genannt.
22 von 25 Unternehmen wurden mindestens einmal sichtbar. Drei Benchmark-Unternehmen wurden in keiner der für sie relevanten KI-Antworten genannt.
47,3 % der gültigen Top-3-Positionen entfielen auf andere Anbieter. 71 von 150 gültigen Top-3-Positionen wurden von Unternehmen außerhalb des jeweils definierten Fünfer-Benchmarks besetzt.
Die Sichtbarkeit unterscheidet sich deutlich zwischen den KI-Systemen. Die Benchmark-Nennungsrate reichte von 34 % bei Microsoft Copilot bis 72 % bei ChatGPT.
Unternehmenseigene Quellen dominierten den sichtbaren Quellenmix. 80,3 % der sichtbaren Referenzen stammten aus unternehmenseigenen Quellen.

Inhalt

SO WURDE GEMESSEN

Messgrundlage	Wert
Untersuchte Benchmark-Unternehmen	25
Abgedeckte Teilbranchen	5
Verglichene KI-Systeme	5
Gestellte B2B-Buyer-Fragen	10
Ausgewertete KI-Antworten	50
Untersuchungsregion	Deutschland, Österreich, Schweiz (DACH-Raum)
Messdatum	18. September 2026

Für jede der fünf Teilbranchen wurden zwei realistische, markenneutrale B2B-Anbieterfragen definiert – insgesamt zehn Fragen. Jede dieser Fragen wurde einmal an ChatGPT, Claude, Gemini, Microsoft Copilot und Perplexity gestellt. So entstanden 50 KI-Antworten, die systematisch ausgewertet wurden.

Pro Teilbranche wurden fünf Benchmark-Unternehmen betrachtet. Jedes Unternehmen konnte damit in zehn relevanten KI-Antworten erscheinen: zwei Buyer-Fragen × fünf KI-Systeme. Über alle 25 Unternehmen ergeben sich daraus 250 mögliche Benchmark-Nennungen. Tatsächlich wurden 146 Nennungen registriert – daraus ergibt sich die Benchmark-Nennungsrate von 58,4 %.

DIE WICHTIGSTEN ERGEBNISSE

Die Analyse zeigt deutliche Unterschiede zwischen den untersuchten Teilbranchen. Die durchschnittliche Benchmark-Nennungsrate reichte von 32,0 % bei Fluidtechnik, Pumpen, Ventilen und Verbindungssystemen bis 90,0 % bei Normteilen, Maschinenelementen und Spanntechnik. Zugleich zeigte sich in mehreren Teilbranchen eine Lücke zwischen grundsätzlicher Sichtbarkeit und tatsächlicher Top-3-Präsenz.

58,4 %

Mehr als die Hälfte der möglichen Benchmark-Nennungen wurde erreicht. Von 250 möglichen Nennungen wurden 146 registriert.

22 / 25

22 Benchmark-Unternehmen wurden mindestens einmal sichtbar. Drei blieben im finalen Messfenster ohne Nennung.

47,3 %

Knapp die Hälfte der gültigen Top-3-Positionen ging an andere Anbieter. 79 von 150 Positionen entfielen auf Benchmark-Unternehmen.

80,3 %

Unternehmenseigene Quellen dominierten den sichtbaren Quellenmix. 155 von 193 sichtbaren Referenz-Auftritten entfielen auf eigene Unternehmensquellen.

Zusätzlich zeigt der Vergleich der Prompt-Familien:

Die Anbietersuche erzeugte 75 Benchmark-Nennungen und 36 Benchmark-Top-3-Positionen.
Die Empfehlung / Shortlist erzeugte 71 Benchmark-Nennungen und 43 Benchmark-Top-3-Positionen.
Die Nennungszahlen lagen damit relativ nah beieinander. Bei Empfehlung / Shortlist wurden jedoch 43 Benchmark-Top-3-Positionen registriert, gegenüber 36 bei der Anbietersuche.

External Top-3 Share: „External“ bedeutet in diesem Index: außerhalb des jeweils definierten Fünfer-Benchmarks – nicht außerhalb des DACH-Raums.

Anteil anderer Anbieter in Top-3-Positionen nach Teilbranche

Je höher der Wert, desto häufiger wurden die Top-3-Positionen von Anbietern außerhalb des jeweiligen Fünfer-Benchmarks besetzt – und desto geringer war die Top-3-Präsenz der untersuchten Benchmark-Unternehmen.

Teilbranche	External Top-3 Share
Technische Kunststoffe, Polymerwerkstoffe & Verbundsysteme	46,7 %
Industrielle Oberflächenbehandlung, Beschichtungen & Wärmebehandlung	53,3 %
Normteile, Maschinenelemente & Spanntechnik	3,3 %
Präzisionsantriebe, Motion-Komponenten & Kraftübertragungstechnik	66,7 %
Fluidtechnik, Pumpen, Ventile & Verbindungssysteme	66,7 %

POLYLOGS INSIGHT

Die Verteilung der Top-3-Positionen unterscheidet sich stark zwischen den fünf Teilbranchen. Bei Normteilen, Maschinenelementen und Spanntechnik lag der External Top-3 Share bei nur 3,3 %. Bei Präzisionsantrieben sowie bei Fluidtechnik lag er dagegen jeweils bei 66,7 %.

KI-SICHTBARKEIT NACH TEILBRANCHE

Die fünf Teilbranchen wurden jeweils mit zwei fachlich passenden, markenneutralen B2B-Anbieterfragen untersucht. Die Tabelle zeigt, wie häufig die jeweils fünf Benchmark-Unternehmen in den Antworten der KI-Systeme genannt wurden und wie stark andere Anbieter die Top-3-Positionen besetzten. Veröffentlicht werden ausschließlich aggregierte Ergebnisse; die einzelnen Unternehmen bleiben anonym.

Teilbranche	Ø Nennungsrate der Benchmark-Unternehmen	Mindestens einmal sichtbar	Andere Anbieter in den Top 3
Technische Kunststoffe, Polymerwerkstoffe & Verbundsysteme (Engineering Plastics, Polymer Materials & Composite Systems)	52,0 %	5 / 5	46,7 %
Industrielle Oberflächenbehandlung, Beschichtungen & Wärmebehandlung (Industrial Surface Treatment, Coatings & Heat Treatment)	46,0 %	5 / 5	53,3 %
Normteile, Maschinenelemente & Spanntechnik (Standard Parts, Machine Elements & Clamping Technology)	90,0 %	5 / 5	3,3 %
Präzisionsantriebe, Motion-Komponenten & Kraftübertragungstechnik (Precision Drive, Motion & Power-Transmission Components)	72,0 %	5 / 5	66,7 %
Fluidtechnik, Pumpen, Ventile & Verbindungssysteme (Fluid Control, Pumps, Valves & Connection Systems)	32,0 %	2 / 5	66,7 %

1. Technische Kunststoffe, Polymerwerkstoffe & Verbundsysteme

Untersucht wurden B2B-Anbieterfragen zu technischen Hochleistungskunststoffen, Polymerwerkstoffen, Verbund- und Harzsystemen sowie daraus gefertigten Industriekomponenten für Maschinen- und Anlagenbau.

Alle fünf Benchmark-Unternehmen wurden mindestens einmal genannt. Die durchschnittliche Nennungsrate lag bei 52,0 %. Das sichtbarste Unternehmen erschien in 8 von 10 relevanten KI-Antworten und erreichte eine Top-3-Präsenz von 7 von 10 Antworten. Der External Top-3 Share lag bei 46,7 %.

2. Industrielle Oberflächenbehandlung, Beschichtungen & Wärmebehandlung

Untersucht wurden Anbieterfragen zu industrieller Oberflächenbehandlung, PVD-, CVD- und DLC-Beschichtungen, Wärmebehandlung sowie chemischer Oberflächentechnik für Werkzeuge, Präzisions- und Serienbauteile.

Alle fünf Benchmark-Unternehmen wurden mindestens einmal sichtbar. Die durchschnittliche Nennungsrate lag bei 46,0 %. Die beiden sichtbarsten Unternehmen erschienen jeweils in 7 von 10 relevanten KI-Antworten. Die höchste beobachtete Top-3-Präsenz lag bei 7 von 10 Antworten. Der External Top-3 Share lag bei 53,3 %.

3. Normteile, Maschinenelemente & Spanntechnik

Untersucht wurden B2B-Anbieterfragen zu Normteilen, Bedienteilen, Maschinenelementen, Spanntechnik und Vorrichtungselementen für Maschinenbau, Montage und Produktion.

Alle fünf Benchmark-Unternehmen wurden in allen fünf KI-Systemen sichtbar. Die durchschnittliche Nennungsrate lag bei 90,0 %. Drei Unternehmen erschienen in allen 10 relevanten KI-Antworten. Der External Top-3 Share lag bei nur 3,3 %. Gleichzeitig zeigt diese Teilbranche besonders deutlich, dass eine hohe Nennungsrate nicht automatisch eine prominente Empfehlung bedeutet: Ein Benchmark-Unternehmen wurde in 8 von 10 relevanten KI-Antworten genannt, erreichte dabei jedoch keine einzige Top-3-Position.

4. Präzisionsantriebe, Motion-Komponenten & Kraftübertragungstechnik

Untersucht wurden Anbieterfragen zu Präzisionsantrieben und Motion-Komponenten, darunter Motoren, Getriebe, Kupplungen, Bremsen und Drehmomentbegrenzer.

Alle fünf Benchmark-Unternehmen wurden mindestens einmal genannt. Die durchschnittliche Nennungsrate lag bei 72,0 %. Zwei Benchmark-Unternehmen erschienen jeweils in 9 von 10 relevanten KI-Antworten. Eines davon erreichte trotz dieser hohen Nennungsrate keine einzige Top-3-Position. Der External Top-3 Share lag bei 66,7 %.

5. Fluidtechnik, Pumpen, Ventile & Verbindungssysteme

Untersucht wurden B2B-Anbieterfragen zu fluidtechnischen Komponenten und Systemen, darunter Dichtungen, Ventile, Pumpen, Rohr- und Schlauchverbindungen sowie Mess- und Regeltechnik.

Zwei von fünf Benchmark-Unternehmen wurden mindestens einmal genannt. Die durchschnittliche Nennungsrate lag bei 32,0 %. Das sichtbarste Unternehmen erschien in 9 von 10 relevanten KI-Antworten und erreichte eine Top-3-Präsenz von 7 von 10 Antworten. Drei Benchmark-Unternehmen blieben im Messfenster vollständig ohne Nennung. Der External Top-3 Share lag bei 66,7 %.

KI-SICHTBARKEIT IM VERGLEICH: CHATGPT, CLAUDE, GEMINI, PERPLEXITY & COPILOT

Für alle fünf KI-Systeme wurden dieselben zehn B2B-Buyer-Fragen verwendet. Anschließend wurde ausgewertet, wie häufig die 25 Benchmark-Unternehmen in den jeweils für sie relevanten Antworten genannt wurden.

WIE HÄUFIG DIE BENCHMARK-UNTERNEHMEN JE KI-SYSTEM GENANNT WURDEN

So lesen Sie die Grafik: Pro KI-System waren 50 Nennungen der Benchmark-Unternehmen möglich. ChatGPT erreichte 36 von 50 möglichen Nennungen (72 %), Claude 35 (70 %), Gemini 32 (64 %), Perplexity 26 (52 %) und Microsoft Copilot 17 (34 %).

KI-System	Nennungen	Nennungsrate	Mindestens einmal genannte Benchmark-Unternehmen
ChatGPT	36	72 %	20 / 25
Claude	35	70 %	19 / 25
Gemini	32	64 %	19 / 25
Perplexity	26	52 %	18 / 25
Microsoft Copilot	17	34 %	12 / 25

Berechnungsbasis je KI-System: 25 Benchmark-Unternehmen × 2 relevante Buyer-Fragen = 50 mögliche Nennungen.

POLYLOGS INSIGHT

Die Sichtbarkeit unterscheidet sich deutlich zwischen den fünf KI-Systemen. ChatGPT erreichte mit 72 % die höchste Benchmark-Nennungsrate, Microsoft Copilot mit 34 % die niedrigste. Ein Unternehmen kann deshalb in einem KI-System deutlich sichtbarer sein als in einem anderen. AI Visibility sollte daher über mehrere KI-Systeme hinweg gemessen und nicht aus einem einzelnen System abgeleitet werden.

WER BESETZT DIE TOP-3-POSITIONEN IN DEN KI-ANTWORTEN?

In den 50 ausgewerteten KI-Antworten waren insgesamt 150 mögliche Top-3-Positionen vorhanden. Alle 150 Positionen waren für die Auswertung gültig. Davon entfielen 79 auf die untersuchten Benchmark-Unternehmen, während 71 Positionen von anderen passenden Anbietern besetzt wurden. Das entspricht einem External Top-3 Share von 47,3 %.

Kennzahl	Wert
Rohe Top-3-Slots	150
Im QA ausgeschlossen	0
Ausgewertete Top-3-Positionen	150
Positionen der Benchmark-Unternehmen	79
Positionen anderer Anbieter	71
Anteil anderer Anbieter – External Top-3 Share	47,3 %

POLYLOGS INSIGHT

52,7 % der gültigen Top-3-Positionen entfielen auf Benchmark-Unternehmen; 47,3 % gingen an andere Anbieter. Im Vergleich der Teilbranchen zeigt sich jedoch ein sehr unterschiedliches Bild: In einzelnen Feldern waren Benchmark-Unternehmen in den Top 3 sehr präsent, während in anderen externe Anbieter die Mehrheit der führenden Positionen besetzten.

Im Top-3-QA wurden keine Positionen ausgeschlossen. Alle 150 rohen Top-3-Slots waren gültige Anbieterpositionen. Eindeutige Namensvarianten derselben Anbieterentität wurden vereinheitlicht; unterschiedliche Unternehmen wurden getrennt behandelt.

WELCHE QUELLEN IN DEN KI-ANTWORTEN SICHTBAR WERDEN

In den 50 ausgewerteten KI-Antworten wurden insgesamt 193 sichtbare Referenz-Auftritte erfasst und nach Quellentyp kategorisiert. Dabei wurde untersucht, ob in den Antworten unternehmenseigene Websites, Branchenverzeichnisse, Fachmedien, Institutionen oder andere externe Quellen sichtbar waren.

Die Auswertung zeigt nicht, auf welche internen Datenquellen die KI-Modelle tatsächlich zugegriffen haben, sondern welche Quellen und Referenzen in den ausgegebenen Antworten sichtbar waren. Gerade für GEO ist das relevant, weil diese sichtbaren Referenzen zeigen, welche digitalen Informationsquellen im Umfeld der untersuchten KI-Antworten wiederholt auftreten.

WOHER DIE SICHTBAREN REFERENZEN STAMMTEN

80,3 % der sichtbaren Referenzen stammten aus unternehmenseigenen Quellen. 19,7 % entfielen auf externe Quellen wie Branchenverzeichnisse, Fachmedien und andere Drittseiten.

Quellentyp	Sichtbare Referenzen	Anteil
Unternehmenseigene Quellen	155	80,3 %
Verzeichnisse / Sonstige	32	16,6 %
Fach- / Branchenmedien	5	2,6 %
Kommerzielle Drittanbieter- / Marktquellen	1	0,5 %
Verbände / Institutionen / Fachveranstaltungen	0	0,0 %

POLYLOGS INSIGHT

Unternehmenseigene Quellen dominierten den sichtbaren Quellenmix deutlich. Mit 80,3 % entfiel der überwiegende Teil der erfassten Referenzen auf eigene Unternehmensquellen. Externe Quellen machten zusammen 19,7 % der sichtbaren Referenzen aus.

WELCHE EXTERNEN QUELLEN BESONDERS HÄUFIG SICHTBAR WAREN

Die folgende Übersicht zeigt, welche externen Plattformen und Verzeichnisse in den untersuchten KI-Antworten besonders häufig als sichtbare Referenzen erschienen. Die Anzahl ist kein Qualitäts- oder Einflussranking. Unternehmenseigene Domains werden hier bewusst nicht öffentlich hervorgehoben.

Externe Quelle	Sichtbare Referenzen	Quellentyp
wlw	11	Verzeichnis / Plattform
chemie	6	Verzeichnis / Sonstige
induux	5	Verzeichnis / Plattform

POLYLOGS INSIGHT

Externe Plattformen und Verzeichnisse waren im sichtbaren Referenzmix deutlich schwächer vertreten als unternehmenseigene Quellen. Zusammen entfielen 19,7 % der sichtbaren Referenzen auf externe Quellen. Sie blieben damit dennoch Bestandteil des digitalen Informationsumfelds der untersuchten KI-Antworten.

Methodik und Limitationen

So wurde gemessen

Für jede der fünf Teilbranchen wurden zwei realistische, markenneutrale B2B-Anbieterfragen definiert: eine zur Anbietersuche und eine zur Empfehlung bzw. Shortlist. Jede dieser zehn Fragen wurde einmal an ChatGPT, Claude, Gemini, Microsoft Copilot und Perplexity gestellt. So entstanden insgesamt 50 KI-Antworten, die systematisch ausgewertet wurden.

Erfasst wurde, welche Anbieter genannt wurden, an welcher Position sie erschienen und ob sie unter den ersten drei genannten Anbietern vertreten waren.

So wurden die Benchmark-Unternehmen ausgewählt

Pro Teilbranche wurden fünf Unternehmen aus Deutschland, Österreich oder der Schweiz ausgewählt, deren Produkte und Technologien zu den jeweiligen B2B-Anbieterfragen passen. Insgesamt umfasst der Benchmark damit 25 Unternehmen.

Die Auswahl dient als strukturierte Vergleichsgruppe. Sie soll typische Sichtbarkeitsmuster sichtbar machen, bildet aber nicht die Märkte für Werkstoffe, industrielle Produktion und Industriekomponenten im DACH-Raum statistisch repräsentativ ab.

Was die Ergebnisse nicht aussagen

Der Index ist eine Momentaufnahme vom 18. September 2026. Generative KI-Antworten können sich zwischen Sessions und über die Zeit verändern.

Im Pilot wurden keine wiederholten Kontrollläufe durchgeführt. Die Ergebnisse zeigen daher, wie die untersuchten Anbieter in diesem konkreten Messdurchlauf sichtbar waren – nicht, dass dieselben Werte bei jeder Wiederholung identisch auftreten würden.

Eine geringe oder fehlende Sichtbarkeit bedeutet nicht, dass ein Unternehmen qualitativ schwächer oder im Markt weniger relevant ist. Sie bedeutet nur, dass es bei den verwendeten Fragen und zu diesem Messzeitpunkt von den untersuchten KI-Systemen selten oder nicht genannt wurde.

DIE 10 VERWENDETEN B2B-BUYER-FRAGEN ANZEIGEN

Um die Messung nachvollziehbar zu machen, veröffentlichen wir hier die zehn markenneutralen B2B-Fragen, die im Benchmark verwendet wurden. Pro Teilbranche wurde eine Frage zur Anbietersuche und eine zur Empfehlung bzw. Shortlist gestellt.

1. Technische Kunststoffe, Polymerwerkstoffe & Verbundsysteme

A – Anbietersuche: Welche Hersteller aus Deutschland, Österreich oder der Schweiz bieten technische Hochleistungskunststoffe, Polymerwerkstoffe, Verbund- oder Harzsysteme sowie daraus gefertigte Industriekomponenten für Maschinen- und Anlagenbau?

B – Empfehlung / Shortlist: Welche 5 bis 10 DACH-Anbieter sollte ein Industrieunternehmen bei der Auswahl von Engineering Plastics, Polymer-Halbzeugen, technischen Kunststoffbauteilen, Verbundwerkstoffen oder reaktiven Harzsystemen vergleichen?

2. Industrielle Oberflächenbehandlung, Beschichtungen & Wärmebehandlung

A – Anbietersuche: Welche Anbieter aus Deutschland, Österreich oder der Schweiz bieten industrielle Oberflächenbehandlung, PVD-/CVD-/DLC-Beschichtungen, Wärmebehandlung oder chemische Oberflächentechnik für Werkzeuge, Präzisions- und Serienbauteile?

B – Empfehlung / Shortlist: Welche 5 bis 10 DACH-Anbieter sollte ein Industrieunternehmen bei der Auswahl von Beschichtungs-, Oberflächen- oder Wärmebehandlungslösungen für Werkzeuge und metallische Bauteile vergleichen?

3. Normteile, Maschinenelemente & Spanntechnik

A – Anbietersuche: Welche Hersteller aus Deutschland, Österreich oder der Schweiz bieten Normteile, Bedienteile, Maschinenelemente, Spanntechnik oder Vorrichtungselemente für Maschinenbau, Montage und Produktion?

B – Empfehlung / Shortlist: Welche 5 bis 10 DACH-Anbieter sollte ein Maschinenbauer oder Produktionsbetrieb bei der Auswahl von Normteilen, Bedien- und Maschinenelementen, Spanntechnik oder Vorrichtungsbauteilen vergleichen?

4. Präzisionsantriebe, Motion-Komponenten & Kraftübertragungstechnik

A – Anbietersuche: Welche Hersteller aus Deutschland, Österreich oder der Schweiz bieten Präzisionsantriebe und Motion-Komponenten für Maschinen und Automation, einschließlich Motoren, Getrieben, Kupplungen, Bremsen oder Drehmomentbegrenzern?

B – Empfehlung / Shortlist: Welche 5 bis 10 DACH-Anbieter sollte ein Maschinenbauer bei der Auswahl von Präzisionsmotoren, Getrieben, Kupplungen, Sicherheitsbremsen oder anderen Antriebs- und Motion-Komponenten vergleichen?

5. Fluidtechnik, Pumpen, Ventile & Verbindungssysteme

A – Anbietersuche: Welche Hersteller aus Deutschland, Österreich oder der Schweiz bieten fluidtechnische Komponenten und Systeme für Industrie und Prozessautomation, einschließlich Dichtungen, Ventilen, Pumpen, Rohr-/Schlauchverbindungen sowie Mess- und Regeltechnik?

B – Empfehlung / Shortlist: Welche 5 bis 10 DACH-Anbieter sollte ein Maschinen-, Anlagen- oder Prozessindustrieunternehmen bei der Auswahl von Dichtungs-, Ventil-, Pumpen-, Fluidverbindungs- oder Fluid-Control-Lösungen vergleichen?

SO WERDEN DIE KENNZAHLEN BERECHNET

Kennzahl	So wird sie berechnet	Was sie aussagt
AI Visibility Rate / Nennungsrate	Nennungen des Unternehmens ÷ 10 relevante KI-Antworten	Wie häufig ein Unternehmen bei den verwendeten B2B-Fragen sichtbar war
Top-3 Presence Rate	Top-3-Platzierungen ÷ 10 relevante KI-Antworten	Wie häufig ein Unternehmen unter den ersten drei genannten Anbietern erschien
Cross-Engine Coverage	KI-Systeme mit mindestens einer Nennung ÷ 5	In wie vielen der fünf KI-Systeme ein Unternehmen überhaupt sichtbar war
External Top-3 Share	Top-3-Positionen anderer Anbieter ÷ alle gültigen Top-3-Positionen	Wie viele führende Positionen von Anbietern außerhalb des jeweiligen Fünfer-Benchmarks besetzt wurden

Für die Top-3-Auswertung wurde die Reihenfolge verwendet, in der Anbieter in der jeweiligen KI-Antwort erschienen. Berücksichtigt wurden nur reale, zur jeweiligen B2B-Frage passende Anbieter aus dem DACH-Raum. Doppelte Anbieterentitäten, Anzeigen, Verzeichnisse sowie fachfremde oder nicht passende Ergebnisse wurden ausgeschlossen.

Alle fünf Buyer-Frames bestanden den Pre-Run-Fit-Check und wurden ohne Ersatzläufe für die finale Messung übernommen. In der Entity-QA wurden eindeutige Namensvarianten derselben Anbieterentität vereinheitlicht, während unterschiedliche Unternehmen getrennt behandelt wurden. Der finale Datensatz umfasst unverändert 50 KI-Antworten.

KI-Antworten können sich bei einer erneuten Abfrage verändern. Der Index zeigt deshalb eine Momentaufnahme vom 18. September 2026 und keine dauerhaft feststehende Rangliste. Wurde ein Benchmark-Unternehmen nicht genannt, bedeutet das ausschließlich, dass es bei den verwendeten Fragen und in diesem konkreten Messdurchlauf nicht sichtbar war. Daraus lässt sich keine Aussage über Marktanteil, Produktqualität oder wirtschaftliche Bedeutung des Unternehmens ableiten.

Modell- und Versionsinformationen wurden im Pilot nicht systematisch erfasst und daher nicht nachträglich abgeleitet. In zukünftigen Messzyklen werden verfügbare Modell-, Versions- und Suchmodusinformationen zusätzlich dokumentiert.

WAS BEDEUTET DAS FÜR UNTERNEHMEN AUS WERKSTOFFTECHNIK, INDUSTRIELLER PRODUKTION & KOMPONENTENFERTIGUNG?

Wenn potenzielle Kunden ChatGPT, Claude, Gemini, Copilot oder Perplexity zur Anbietersuche nutzen, entscheidet die digitale Sichtbarkeit mit darüber, welche Unternehmen überhaupt genannt, verstanden und in die engere Auswahl aufgenommen werden.

Hohe Nennungsraten bedeuten nicht automatisch hohe Top-3-Präsenz. Einzelne Benchmark-Unternehmen erreichten in ihren Teilbranchen breite Sichtbarkeit, ohne in den ersten drei Anbieterpositionen aufzutauchen.
Die Wettbewerbsdichte in den Top 3 unterscheidet sich stark nach Teilbranche. Der External Top-3 Share reichte von 3,3 % bis 66,7 %.
Die Wahl des KI-Systems beeinflusst die Sichtbarkeit deutlich. Die Benchmark-Nennungsrate reichte von 34 % bei Microsoft Copilot bis 72 % bei ChatGPT.
Unternehmenseigene Quellen waren in diesem Benchmark besonders präsent. 80,3 % der sichtbaren Referenzen entfielen auf eigene Unternehmensquellen.
Klare Entity-, Werkstoff- und Produktpositionierung ist entscheidend. Gerade bei technisch ähnlichen Komponenten und Werkstoffgruppen sollten Produkte, Anwendungen, Eigenschaften und Zielmärkte eindeutig digital beschrieben werden.
AI Visibility sollte regelmäßig über mehrere KI-Systeme und Buyer-Fragen gemessen werden. POLYLOGS macht sichtbar, wo ein Unternehmen gefunden wird, wo Lücken bestehen und welche Maßnahmen für Website, SEO, GEO und digitale Präsenz sinnvoll sind.

Mehr erfahren:

WIE SICHTBAR IST IHR UNTERNEHMEN BEI CHATGPT & CO.?

Der AI Visibility Index zeigt, welche Anbieter bei definierten B2B-Fragen in verschiedenen KI-Systemen sichtbar werden. Ein individueller POLYLOGS Benchmark untersucht dagegen gezielt Ihr Unternehmen: Wie häufig werden Sie genannt? Bei welchen Fragen erscheinen Wettbewerber vor Ihnen? Welche KI-Systeme verstehen Ihre Produkte und Kompetenzen besonders gut – und wo bestehen Sichtbarkeitslücken?

Individuellen AI Visibility Benchmark anfragen

Mehr über POLYLOGS erfahren

STUDIENINFORMATIONEN & ZITIERHINWEIS

Zitiervorschlag: Werbeagentur dmp / POLYLOGS: AI Visibility Index 2026 – KI-Sichtbarkeit in der Branche Werkstoffe, Produktion & Industriekomponenten im DACH-Raum, Messung vom 18. September 2026, Version 1.0.

Herausgeber & Methodik: Werbeagentur dmp / POLYLOGS
Research Lead: Maryna Kshanovska
Review: Janine Wald, Michael Wald
Messdatum: 18. September 2026
Region: Deutschland, Österreich, Schweiz (DACH)
Version: 1.0