Stabiler Traffic, schwindender Einfluss — was AI-Ready für mittelständische CMS in der Zero-Click-Ära wirklich heißt

TL;DR — die 90-Sekunden-Zusammenfassung

Wenn AI-Antworten Suchen abschließen, ohne dass jemand klickt, ist die Traffic-Kurve nicht mehr die richtige Messlatte. 58 bis 60 Prozent aller US- und EU-Google-Suchen enden 2026 ohne Klick aufs offene Web, bei Treffern mit AI Overview sogar rund 83 Prozent. ChatGPT, Perplexity, Gemini und Copilot tragen zusammen etwa ein Prozent des Referral-Traffics — Tendenz: in zwölf Monaten verfünffacht. Für mittelständische Websites bedeutet das: Wer „AI-Ready“ als Feature-Häkchen versteht — Generator hier, Copilot dort — verfehlt die eigentliche Verschiebung. AI-Ready ist 2026 vor allem eine Sichtbarkeitsfrage, und sie wird im Datenmodell der Inhalte entschieden, nicht im Editor. Dieser Post zeigt, warum die alten KPIs trügerisch ruhig wirken können, welche Kennzahlen Mittelständler stattdessen brauchen und welche CMS-Bewegung diesen Wechsel überhaupt erst trägt.

Was sich an der Sichtbarkeit gerade verschiebt

Drei Datenpunkte sortieren das Bild — alle aus 2025/2026, alle auf öffentlich verfügbaren Datenbeständen.

Erstens: Zero-Click ist Mehrheit, nicht Ausnahme. Die SparkToro/Datos-Studie für 2024 hatte bereits gezeigt, dass von je 1.000 Google-Suchen nur 360 (US) bzw. 374 (EU) Klicks auf das offene Web entfallen — der Rest endet in Snippets, Knowledge-Panels, Verticals oder schlicht ohne Klick. Folgeauswertungen für 2026 verdichten das auf 58 bis 60 Prozent aller Suchen ohne Klick. Auf Mobil liegt der Wert höher.

Zweitens: AI Overviews verstärken das. Suchen, die ein AI Overview triggern, zeigen im aktuellen Datos-Quartalsbericht eine durchschnittliche Zero-Click-Rate von rund 83 Prozent — gegenüber etwa 60 Prozent bei Suchen ohne Overview. Die Reichweite ist gleichzeitig gestiegen: AI Overviews decken laut den BrightEdge-Auswertungen Anfang 2026 deutlich über die Hälfte der informationellen Suchen ab, mit branchenabhängiger Spreizung.

Drittens: Der Traffic wandert nicht direkt, aber die Aufmerksamkeit schon. Die AI-Assistenten — ChatGPT, Perplexity, Gemini, Claude, Copilot — kamen Anfang 2026 zusammen auf rund 0,9 Prozent des globalen Referral-Verkehrs. Vor zwölf Monaten waren es 0,18 Prozent. Fünffaches Wachstum, gemessen am gesamten Web-Traffic, nicht an einer Nische. ChatGPT verliert dabei intern Anteile an Gemini und Perplexity — der „AI-Layer“ ist also keine monolithische zweite Suche, sondern bereits mehrpolig.

Wichtig für die Mittelstand-Lesart: Die meisten dieser Antworten passieren weiterhin auf Google, nicht neben Google. Wer in einem AI Overview gar nicht erscheint, fällt nicht aus dem organischen Ranking — er fällt aus der Antwort. Und die Antwort ist das, was der Nutzer sieht.

Warum die Traffic-Kurve eine trügerische Messlatte ist

Operative Marketing-Verantwortliche im Mittelstand schauen 2026 oft auf stabile oder leicht wachsende organische Sitzungen und schließen daraus, dass „bei uns nichts kippt“. Diese Lesart greift aus zwei Gründen zu kurz.

Erstens bleiben Brand- und Direkt-Sucher länger im klassischen Kanal. Sie kennen den Anbieter, sie geben den Namen ein, sie klicken. Diese Kohorte schiebt die Klickzahlen, während die nicht markenbezogene, oben-im-Funnel gelegene Recherche zunehmend in AI-Oberflächen abwandert. Das sind aber genau die Kontakte, aus denen neue Pipeline entsteht.

Zweitens kannibalisieren Zero-Click-Antworten leise die Erklär-Inhalte. Wer einen Service erklärt, eine Frage zur Branche beantwortet, eine Vergleichsseite betreibt — die Texte, die früher in Position 1 bis 3 standen und Pipeline brachten — sieht den Effekt zuerst. Der Rang bleibt. Der Klick fällt. Im Analytics sieht das aus wie „das Thema interessiert nicht mehr“. Tatsächlich konsumiert es jemand anders.

Wer das im Mittelstand zuerst trifft

Drei Profile sind 2026 am stärksten exponiert, und es lohnt sich, nüchtern zu prüfen, ob die eigene Marke darunter fällt. Erstens Service-Marken mit langer Erklär-Achse: alles, was Produkte oder Leistungen erklärungsbedürftig macht und bisher über vertiefende Inhalte Pipeline gezogen hat. Zweitens Spezialanbieter mit hoher fachlicher Tiefe: B2B-Komponenten, Industriedienstleister, technische Beratungen — also genau die Hidden Champions, deren Stärke aus einer engen, präzisen Sprache kommt. Drittens Software- und SaaS-Anbieter im Mittelstand, deren Buyer-Journey über Vergleichsanfragen, How-Tos und Konzept-Texte läuft.

Der Punkt: Dieselbe inhaltliche Tiefe, die im klassischen SEO ein Vorteil war, wird in der AI-Antwort zur Voraussetzung dafür, als Quelle zu erscheinen. Aber nur, wenn die Inhalte strukturell zugänglich sind. Wenn die Marken-Fachsprache in PDF-Anhängen liegt, in JavaScript-Lazy-Loads, in einer Suche-nur-Suchergebnisseite oder hinter einer Cookie-Wall, dann gibt es im Modell keinen Halt für die Marke. Eine im Frühjahr 2026 vielfach zitierte Cross-Platform-Analyse von rund 680 Millionen AI-Zitaten kam auf eine Überschneidung von nur ungefähr elf Prozent zwischen den von ChatGPT und Perplexity zitierten Domains. Eine zweite, kleinere Studie aus dem gleichen Zeitraum fand bei derselben Marke Sichtbarkeitsunterschiede zwischen Plattformen, die in Spitzenwerten Faktoren von über 600 erreichten. Das ist keine SEO-Welt mehr; das ist eine Mehrkanal-Welt mit eigenen Rankings.

Welche Kennzahlen 2026 wirklich zählen

Wenn Klicks nicht mehr der Hauptindikator sind, müssen es Sichtbarkeitskennzahlen in den Antworten werden. Vier davon sind operativ gut handhabbar und tauchen in den meisten der neuen AI-Visibility-Tools in vergleichbarer Form auf.

Citation Frequency — wie oft erscheint die Marke oder ein Inhalt als Quelle in AI-Antworten zu definierten Themen-Sets. Das ist die direkte Übersetzung von „Impressions“ in die neue Welt.

Share of Voice (AI) — Anteil der eigenen Marke an den genannten Marken in einem Themenfeld, im Vergleich zu Wettbewerbern. Es ist die Variante von Marktanteil, die in der Antwort entsteht.

Position in AI-Antworten — wo in einer Liste, einem Vergleich, einer Aufzählung erscheint die Marke. „Top 3 in der Antwort“ ist 2026 die neue „Top 3 in Google“.

Sentiment — wie wird die Marke kontextualisiert: neutral, positiv, einschränkend. Das ist relevant, weil AI-Antworten häufiger als klassische SERPs Beziehungen und Bewertungen zwischen Anbietern formulieren.

Zwei Eigenschaften dieser Kennzahlen verdienen ehrliche Beachtung. Erstens schwanken sie pro Plattform und pro Tag stärker als klassische Rankings — eine Antwortgenerierung ist probabilistisch, sie ist kein deterministisches Index-Lookup. Zweitens ist die Plattformfragmentierung real: Wer nur ChatGPT misst, hat ein Drittel der Realität. Wer nur Perplexity misst, hat ein anderes Drittel. Die organisatorische Antwort ist nicht „ein Tool reicht“, sondern „ein Reporting-Frame steht, in dem mehrere Quellen einlaufen“.

Was eine retrieval-fähige CMS-Architektur dafür leisten muss

Hier kommt der Bezug zu CMS und Inhaltsmodell zurück — und der ist enger, als die Marketing-Diskussion oft suggeriert.

AI-Antwortsysteme retrieven Inhalte nicht als Seiten, sondern als Aussage-Einheiten mit Entitäten. Sie folgen Navigation nicht. Sie suchen das, was ihre Anfrage beantwortet, und sie suchen es dort, wo Struktur dieses Finden zulässt. Daraus ergeben sich, ohne neue Hypezyklen zu bauen, drei nüchterne Anforderungen an die Plattform.

Erstens ein abfragbarer Content-Layer, der Inhalte als Daten und nicht nur als Seiten zurückliefert. In TYPO3-Welten heißt das konkret: Schema.org-Auszeichnung in der Tiefe (Article, Service, FAQ, Person, SoftwareApplication), strukturierte API-Auslieferung der für die Marke wichtigen Entitäten, ein Vokabular über Inhalte hinweg, das nicht in jeder Sektion neu erfunden wird.

Zweitens Antwort-zuerst strukturierte Inhalte: Definitionen, FAQ-Antworten und Erklär-Absätze, die als Aussage stehen und nicht als Marketing-Brücke. Das ist keine stilistische Frage, sondern eine Retrieval-Frage. Ein Modell, das eine Antwort zusammensetzt, greift auf Sätze zu, die für sich eine Antwort sind. Wer den eigentlichen Satz in den dritten Absatz unter ein „Aber zunächst“ schreibt, wird seltener Quelle.

Drittens Provenienz und Auflösbarkeit von Aussagen: woher kommt die Information, wann wurde sie zuletzt geändert, wer steht dafür ein. Das ist auch jenseits regulatorischer Pflichten — und der EU AI Act setzt hier eigene Anker — eine Vertrauenswährung gegenüber Retrievern. Modelle bevorzugen Quellen, deren Aussagen verlässlich verortet sind. Eine Plattform, die das ausweist, hat darin einen Sichtbarkeits-, nicht nur einen Compliance-Vorteil.

Was nicht in diese Liste gehört: die Pflicht zu llms.txt. Die Frage ist 2026 öffentlich geklärt, und der zugehörige Beitrag in dieser Reihe gibt die Differenzierung — llms.txt schadet nicht, ersetzt aber kein retrievaltaugliches Datenmodell. Ähnliches gilt für die zwei Themen, die kommerziell mit AI-Ready in einem Atemzug genannt werden, technisch aber separate Achsen sind. Strukturierte Inhalte sind eine Voraussetzung für Sichtbarkeit in AI-Antworten — sie sind keine Voraussetzung für „Open Source“ oder „Souveränität“. Wer beides will, wählt beides; aber das eine erzwingt das andere nicht.

Wie wir das im Mittelstand operativ angehen

Bei Moselwal verteilen wir diese Anforderungen über drei Pakete, die in unserer Open-Source-Ecke (alle veröffentlicht, alle dokumentiert) liegen.

structured-content führt die Kontext-Annotation für Inhalte ein, definiert Entitätsbeziehungen und gibt eine JSON-LD-API, die Schema.org-Strukturen pro Seite und übergreifend liefert. Das ist die Schicht, in der „Antwort-zuerst“ technisch ankommt.

semantic-delivery verteilt die so beschriebenen Inhalte über Kanäle, die für Maschinen relevant sind — Schema.org-Discovery, RSS, Distributionslogik. Es ist der Layer, der zwischen „im CMS strukturiert“ und „im Web auffindbar“ steht.

content-provenance setzt Ed25519-Signaturen, Audit-Trail und eine Verifikations-API darüber. Das wird in zwei Richtungen relevant: gegenüber Retrievern (verlässliche Quelle) und gegenüber Auditoren (AI-Act-Konformität, wo zutreffend; siehe dazu den Beitrag zum Digital Omnibus).

Für die Sichtbarkeitsmessung empfehlen wir Kunden 2026 ein Setup, das nicht mehr nur in Search Console oder GA endet, sondern ein AI-Visibility-Reporting integriert: ein Tool für ChatGPT/Claude/Gemini-Zitate, ein Tool für AI-Overview-Coverage, eines für Brand-Mentions im offenen Web. Die Auswahl ist 2026 weit; entscheidend ist nicht das Tool, sondern dass die Kennzahlen monatlich in dieselbe Reporting-Linie laufen, in der heute organische Sichtbarkeit besprochen wird.

Fazit

Die ehrliche Lesart der 2026er-Zahlen ist nicht „Search ist tot“ und nicht „SEO ist obsolet“. Sie ist nüchterner: Suche verlagert einen wachsenden Teil der Antwortbildung in eine Schicht, die nicht mehr auf die Website klickt. Wer in dieser Schicht erscheinen will, braucht Inhalte, die als Daten funktionieren — und ein CMS, das das nicht nur als Feature anbietet, sondern als Architektur trägt. AI-Ready ist 2026 deshalb keine Werkzeugfrage. Es ist die Frage, ob die eigene Marke in den Antworten anderer Systeme noch eine Adresse hat.