Der teuerste Trust-Fehler im Silicon Valley: Warum OpenAIs Ads-Wette gegen die eigenen Nutzerdaten läuft

Warum bezahlte Sichtbarkeit in KI-Antworten das Einzige zerstört, was KI wertvoll macht, und weshalb GEO/AEO für kleine und mittlere Unternehmen der einzig belastbare Weg nach vorn ist.

Eine Zahl reicht, um das Dilemma zu verstehen, in dem OpenAI gerade steckt: 63 Prozent der US-Erwachsenen sagen, dass Werbung in KI-Suchergebnissen ihr Vertrauen in die Antworten verringert. Nur 24 Prozent widersprechen. Über die Hälfte hält Werbung nicht einmal für hilfreich bei der Kaufentscheidung (Ipsos-Umfrage, zitiert nach Digital Applied). Das ist kein Nebengeräusch, das ist die zentrale Schwachstelle eines Geschäftsmodells, das gerade zum wichtigsten Rettungsanker für OpenAIs Monetarisierung ausgebaut wird, mit ernüchterndem Erfolg.

Für KMU, die überlegen, ob sie auf bezahlte Sichtbarkeit in ChatGPT, Perplexity oder Claude warten sollen, bis diese Kanäle "reif" sind, liefert dieses Kapitel eine klare Antwort: Der Rückstand lässt sich aktuell nicht mit Geld aufholen, weil das Medium selbst gegen genau die Monetarisierung immunisiert ist, die man bräuchte, um dort Sichtbarkeit zu kaufen. Die gute Nachricht: Wer das versteht, kann heute schon konkret handeln, statt zu warten, dazu am Ende des Artikels ein Fahrplan.

Die Ausgangslage: ads.openai.com und ein 90-Prozent-Fehlschlag

OpenAI hat sein Werbegeschäft in wenigen Monaten stark ausgebaut: Test-Ads mit Partnern wie Best Buy, Target, Adobe, Ford, Williams-Sonoma und Audible starteten Anfang 2026 (The Verge), im Mai folgte der Self-Service-Ads-Manager ohne die bisherige 50.000-Dollar-Mindestbuchung (Quartz), im Juli kamen automatisierte Produkt-Feed- und Shopping-Ads dazu, dieselbe Katalog-Pipeline, die auch die organischen Shopping-Carousels in ChatGPT speist (Digiday).

Das Ergebnis bislang: laut Analystenrechnung verfehlt OpenAIs Werbeumsatz die eigene Fünf-Jahres-Prognose um rund 90 Prozent, 2,5 Milliarden Dollar Zielumsatz für 2026 stehen einer Marktrealität von unter einer Milliarde gegenüber; das langfristige Ziel von 100 Milliarden Dollar bis 2030 kollidiert mit einer realistischen Marktobergrenze von etwa 5,4 Milliarden (Adweek, bestätigt von Futurism). Selbst OpenAIs eigene CRO Denise Dresser wirbt bislang nur mit einer Engagement-Kennzahl, einer 50-prozentigen Reduktion der Ad-Dismissal-Rate seit Februar 2026 -, nicht mit harten Klick- oder Conversion-Zahlen (Adweek). Das ist bezeichnend: Wer nach einem halben Jahr Selbstbedienungs-Ads-Manager noch keine belastbaren, aggregierten Erfolgszahlen zeigen kann, hat kein reifes Werbeprodukt, er hat ein Experiment im Live-Betrieb.

Die Zahlen, die niemand gern zeigt: CTR 0,91% gegen 6,4%

Die meistzitierte harte Zahl aus der frühen Pilotphase, ursprünglich von Adthena erhoben und über Adweek und Microsofts "The Keyword" verbreitet: Die Klickrate von ChatGPT-Ads liegt bei 0,91 Prozent, gegenüber einem Google-Search-Benchmark von 6,4 Prozent. Ein Faktor von rund 7x (Thrad, 360ROI). Similarweb kommt mit einer breiteren Datenbasis (Q1 2026) auf eine Gesamt-CTR von 0,68 Prozent, wobei selbst die Top-Marken im Schnitt nur 1,57 Prozent erreichen (DesignRush). Ein Werbetreibender hatte 250.000 Dollar Budget eingeplant, konnte davon wegen eines Reporting-Fehlers im Ads Manager nur 3 Prozent tatsächlich ausgeben (LinkedIn/Stacked).

OpenAI und sein Ad-Tech-Partner Criteo kontern mit einer Qualitätskennzahl: Nutzer, die über ChatGPT-Ads verwiesen werden, konvertieren angeblich 1,5-mal häufiger als aus anderen Kanälen (DesignRush). Das mag stimmen, ändert aber nichts daran, dass alle diese Zahlen "advertiser-reported", aus einer kleinen, selbst-selektierten Stichprobe der ersten Betriebswochen stammen und von OpenAI selbst bis heute nicht als aggregierte, geprüfte Benchmarks veröffentlicht wurden (360ROI). Es gibt schlicht noch keinen belastbaren Markt, in den man mit Geld "einsteigen" könnte, um verlorene organische Sichtbarkeit zu kompensieren.

Update (31. Juli 2026): OpenAI macht aus der Anzeige ein Gespräch

Die CTR-Zahlen oben erklären, warum OpenAI jetzt einen radikaleren Schritt testet: Statt auf eine externe Landingpage zu verlinken, öffnet ein neues, in Ads Manager für ausgewählte Werbetreibende sichtbares Anzeigenformat direkt eine ChatGPT-Unterhaltung mit einem unternehmensspezifischen "Business Agent" (Search Engine Land). Der Ablauf laut Search Engine Land: ChatGPT crawlt zunächst die Unternehmenswebsite und erstellt automatisch ein Business-Profil (häufige Kundenfragen, Support-Infos, Unternehmenskontext); Werbetreibende konfigurieren daraus per Custom Instructions einen Agenten, angereichert mit Produkt-Feeds, MCP-Tools für Live-Geschäftsdaten und eigenen Lead-Formularen; Kampagnen führen dann nicht mehr zu einer URL, sondern direkt in ein Gespräch mit diesem Agenten, technisch auf derselben Basis wie Custom GPTs. Belastbare Nutzungszahlen zu Klickverhalten oder Conversion gibt es für dieses Format noch nicht, es befindet sich in einer sehr frühen, eingeschränkten Testphase.

Für die These dieses Artikels ist das eine Bestätigung statt eine Widerlegung, aus zwei Gründen: Erstens ist es ein weiteres Indiz dafür, dass klassische Klick-Anzeigen bei ChatGPT nicht funktionieren, OpenAI versucht nicht, die 0,91-Prozent-CTR zu verbessern, sondern das Format zu umgehen, bei dem sie überhaupt gemessen wird. Zweitens verschärft es genau das Vertrauensproblem, um das es im nächsten Abschnitt geht: Ein "Business Agent", der sich wie der normale ChatGPT-Assistent anfühlt und liest, aber tatsächlich die bezahlte Interessenvertretung eines Werbetreibenden ist, macht die Grenze zwischen unabhängiger Auskunft und Werbung für den Nutzer noch schwerer erkennbar als ein gekennzeichneter Anzeigenblock. Genau diese Unsicherheit ist es, die laut Idea Grove bereits 48 Prozent der Konsumenten nicht durchschauen (siehe unten), ein Format, das die Anzeige als Gespräch tarnt, dürfte diesen Anteil eher erhöhen als senken. Was das für das ohnehin wachsende Vertrauen in KI als persönlichen Berater bedeutet, inklusive Belegen dazu, wie gezielt sich diese Nähe beeinflussen lässt, ist Thema des Magazin-Artikels "Der Berater, der bezahlt wird: Wenn KI-Vertrauen zur Werbefläche wird". Gleichzeitig zeigt der erste Schritt des Verfahrens, automatisches Crawlen und Profiling der Unternehmensseite, wie wichtig genau die technische AI-Lesbarkeit ist, die im Fahrplan unten beschrieben wird: Das Business-Profil, das später die bezahlte Anzeige speist, entsteht aus denselben Signalen wie die organische Sichtbarkeit.

Der eigentliche Bruch: Werbung zerstört das, was das Medium wertvoll macht

Hier liegt der Kern der Sache, und er ist strukturell, nicht temporär:

• Ipsos (1.085 US-Erwachsene, Februar 2026): 63 Prozent sagen, Ads in KI-Antworten mindern ihr Vertrauen (27% "stark", 36% "etwas"); 52 Prozent verneinen sogar, dass Werbung die Kaufentscheidung erleichtert (Digital Applied).

• ResponseSource (UK, 2.564 Konsumenten, Juni 2026): 54 Prozent der KI-Nutzer würden Empfehlungen weniger vertrauen, sobald Werbung in den Antworten erscheint. 63 Prozent würden das KI-Tool sogar komplett wechseln, wenn Ads zur Regel werden (ResponseSource).

• Idea Grove (1.000 US-Konsumenten, 2026): Nur 15 Prozent vertrauen KI-Empfehlungen vorbehaltlos; 98 Prozent prüfen eine Empfehlung erst nach, bevor sie kaufen; 48 Prozent wissen gar nicht, dass Unternehmen versuchen, KI-Antworten gezielt zu beeinflussen (Business Wire).

Und zum Vergleichspunkt, den man beim Thema "vertraue ich der KI mehr als Google oder meinem Umfeld" braucht: Laut Conveo (UK-Studie) werden KI-Empfehlungen doppelt so oft genannt wie Empfehlungen von Freunden und Familie (51% vs. 26%) und fünfmal häufiger als Verkaufspersonal oder Online-Rezensionen (Conveo). Zur Einordnung, damit das nicht zur reinen Hype-Zahl wird: Nielsen/Gracenote-Daten zeigen weiterhin eine Mehrheit, die klassischer Suche bei reiner Genauigkeit mehr vertraut als Chatbots (50% vs. 27%), KI gewinnt vor allem beim Punkt Bequemlichkeit und Komplexitätsreduktion (OneChatAI, Auswertung von Nielsen/Gracenote-Daten). Beide Zahlen können gleichzeitig wahr sein, und genau das macht das LLM zu einer fragilen, aber besonders wertvollen Vertrauensquelle: Es wird als kuratierter, unabhängiger Rechercheassistent wahrgenommen, nicht als weitere Suchmaschine mit Anzeigenzeile.

Das ist der Denkfehler, den man als Unternehmer nicht machen darf: Ein LLM, mit dem man "wie mit einem Freund" spricht, funktioniert nur so lange als Vertrauensquelle, wie seine Empfehlungen nicht käuflich sind. Sobald ein Nutzer weiß oder vermutet, dass eine Antwort von einer Zahlung beeinflusst sein könnte, verschiebt sich das Werkzeug in dieselbe Kategorie wie eine Suchmaschinen-Anzeige oder ein Influencer-Post mit "#ad", und genau diese Verschiebung messen Ipsos, ResponseSource und Idea Grove bereits in großem Maßstab.

Der Präzedenzfall: Perplexity ist genau deswegen ausgestiegen

Perplexity hat diesen Konflikt schon einmal in aller Konsequenz durchgespielt, und sich dagegen entschieden, ihn einzugehen. Nach ersten Tests mit gesponserten Folgefragen ab November 2024 pausierte das Unternehmen im Oktober 2025 alle neuen Werbedeals (Adweek) und zog sich im Februar 2026 vollständig aus dem Werbegeschäft zurück (Search Engine Land, Wired). Die Begründung war explizit trust-basiert: "Ein Nutzer muss glauben, dass dies die bestmögliche Antwort ist", eine Formulierung, die den Kern des Problems trifft. Bemerkenswert: Werbung machte ohnehin nur rund 20.000 Dollar von 34 Millionen Dollar Gesamtumsatz 2024 aus, unter 0,1 Prozent (ALM Corp), der Ausstieg war finanziell fast kostenlos, das Vertrauensrisiko dagegen real. Emarketer ordnet das als Beleg für eine grundsätzliche Marktspaltung ein: werbefinanzierte KI-Modelle auf der einen, Trust-first-Modelle mit Abo- und Enterprise-Fokus auf der anderen Seite (Emarketer).

Auch im deutschsprachigen Raum wurde dieser Kurswechsel früh eingeordnet: Im Doppelgänger-Podcast beschrieb Philipp Klöckner bereits im Frühjahr 2026, dass "das Werbegeschäft nicht richtig gut anzulaufen scheint" und verwies darauf, dass OpenAI seine E-Commerce-Ambitionen zurückgeschraubt und Perplexity die Werbung eingestellt habe, "weil es nicht funktioniert" (OMR-Podcast mit Pip Klöckner). In der Doppelgänger-Folge #580 (17. Juli 2026) wurde die 90-Prozent-Prognoseverfehlung von OpenAI dann als weiterer Beleg für dieselbe These aufgegriffen.

Anthropic: der Gegenbeweis, dass es ohne Ads geht

Während OpenAI um jeden Werbe-Prozentpunkt kämpft, fährt Anthropic die entgegengesetzte Strategie, und zwar erfolgreich. Claude erreichte im April 2026 einen ARR von 30 Milliarden Dollar, davon etwa 80 Prozent aus Enterprise- und API-Geschäft (Digital Applied). 2025 schloss Anthropic mit rund 4,5 Milliarden Dollar Umsatz ab, ungefähr 75 Prozent davon aus API-Zugriff; Claude Code allein soll für etwa 2,5 Milliarden Dollar ARR stehen.

Anthropic hat diesen Unterschied im Februar 2026 sogar zum Marketing-Statement gemacht: Vier Super-Bowl-Spots (Kostenpunkt zusammen rund 8 Millionen Dollar) mit der Botschaft "Ads are coming to AI. But not to Claude" nahmen OpenAI direkt aufs Korn (Reuters). Sam Altman reagierte prompt und nannte die Kampagne "dishonest" (Business Insider), während ein Anthropic-Vertriebsverantwortlicher das Unternehmen als "unconflicted" positionierte, ohne Interessenkonflikt zwischen Werbekunden und Nutzerinteresse (CNBC). Bezeichnend übrigens: Anthropics eigener Marketing-Spot im Juli 2026 ("There's hope in hard questions") wurde in der Presse breit als "dystopisch" verrissen (TechCrunch, Time), ein Hinweis darauf, dass auch Marketing rund um KI-Vertrauen ein Minenfeld ist, ganz unabhängig vom Ads-Produkt selbst.

Die Logik dahinter ist simpel und für KMU lehrreich: Anthropic braucht keine In-Product-Werbung, weil sein Geschäftsmodell nicht auf dem fragilen Consumer-Vertrauens-Layer aufsetzt, sondern auf Vertragsbeziehungen mit Unternehmen, die Claude als Infrastruktur einkaufen, etwa KPMG mit 276.000 Claude-Sitzen oder PwC mit 30.000 zertifizierten Mitarbeitenden. OpenAI dagegen versucht, denselben Layer, der als "vertrauter Berater" funktionieren soll, gleichzeitig als Werbefläche zu vermarkten. Das ist kein Ausführungsproblem, das man mit besserem Creative oder mehr Budget löst, es ist ein struktureller Zielkonflikt.

Was das für die eigene GEO-Strategie bedeutet

Für ein Unternehmen, das heute überlegt, ob es abwarten soll, bis sich in ChatGPT & Co. ein funktionierender, kaufbarer Sichtbarkeits-Marktplatz etabliert, ergibt sich daraus eine klare Handlungsanweisung:

1. Es gibt aktuell keinen reifen Markt, in den man "einkaufen" könnte. Eine CTR von 0,91 Prozent bei fehlenden offiziellen Benchmarks nach einem halben Jahr Selbstbedienung ist kein Signal für einen kurz bevorstehenden Reifegrad, sondern für ein grundsätzliches strukturelles Problem der Werbeform in einem Antwort-statt-Ergebnislisten-Interface.

2. Selbst wenn der Markt reift, bleibt das Vertrauensproblem bestehen. 63 Prozent Vertrauensverlust (Ipsos) und 63 Prozent Tool-Wechsel-Bereitschaft (ResponseSource) sind keine Kinderkrankheiten einer neuen Werbeform, sie beschreiben, warum Nutzer ein LLM überhaupt konsultieren: als unabhängige, nicht-kommerzielle Rechercheinstanz. Jede sichtbare Monetarisierung untergräbt genau diesen Nutzen.

3. Organische, faktenbasierte Sichtbarkeit, GEO/AEO, ist der einzige Hebel, der von diesem Konflikt nicht betroffen ist. Wer als Marke in KI-Antworten zitiert, empfohlen oder in Vergleichen genannt wird, weil die zugrundeliegenden Produktdaten, Fachinhalte und strukturierten Informationen für das Modell nachweisbar relevant und vertrauenswürdig sind, profitiert genau von dem Vertrauensbonus, den bezahlte Platzierungen untergraben. Das ist der Unterschied zwischen "gekaufter" und "verdienter" Sichtbarkeit, und Nutzer und Modelle behandeln beides messbar unterschiedlich.

4. Anthropics Enterprise-Fokus ist die Blaupause auf Unternehmensebene, GEO/AEO ist die Übersetzung davon auf Sichtbarkeits-Ebene für Marken. So wie Anthropic sein Geschäftsmodell von der fragilen Consumer-Werbefläche entkoppelt, sollten Marken ihre Sichtbarkeitsstrategie von der Hoffnung auf einen zukünftigen, kaufbaren AI-Ads-Markt entkoppeln.

Der Fahrplan: Was konkret zu tun ist

Analyse allein bringt keine Sichtbarkeit. Wer die obigen Punkte ernst nimmt, sollte in dieser Reihenfolge vorgehen:

1. Technisches Fundament prüfen (AI-Readiness-Audit). Können Sprachmodelle die eigene Website überhaupt zuverlässig auslesen? Das betrifft strukturierte Daten (Schema.org-Markup für Produkte, FAQs, Bewertungen, Organisation), saubere HTML-Semantik statt reiner JavaScript-Rendering-Wände und eine llms.txt-Datei, die Crawlern zusammenfasst, welche Inhalte maßgeblich sind. Ohne serverseitiges Rendering kann das Modell die Informationen gar nicht lesen; ohne strukturierte Daten liest es sie zwar, ordnet sie aber nicht sicher zu. In beiden Fällen läuft der Content-Aufwand ins Leere. Als ersten Schritt genügt ein kostenloser 60-Sekunden-Check, der genau zeigt, welchen Anteil der eigenen Seite ChatGPT, Claude und Perplexity tatsächlich lesen können: Klariton Free Check. Wer verstehen will, warum die meisten KI-Crawler JavaScript-Inhalte gar nicht erst sehen, findet den Hintergrund im Klariton-Magazin-Artikel „Why most AI crawlers cannot read your JavaScript content“.

2. Inhalte für Zitierbarkeit statt für Ranking schreiben. LLMs bevorzugen präzise, direkt beantwortbare Aussagen mit Quellenangaben, Zahlen und klaren Vergleichen gegenüber vager Marketingsprache. Konkret heißt das: Produktseiten mit expliziten Spezifikationen statt Fließtext-Werbeprosa, FAQ-Abschnitte mit direkten Frage-Antwort-Paaren, Vergleichstabellen, die den eigenen USP nüchtern gegen Alternativen stellt. Wie genau strukturierte Produktdaten Schritt für Schritt umgesetzt werden, inklusive kopierfertiger Product- und FAQ-JSON-LD-Beispiele und der vier häufigsten Fehler dabei, beschreibt der Klariton-Magazin-Artikel „How shops make their products readable for AI: structured data, step by step“.

3. Strukturierte Produktdaten in die richtigen Feeds bringen. Da OpenAIs eigene Shopping-Carousels laut Studien zu 83 Prozent aus organischen Google-Shopping-Daten gespeist werden, lohnt sich saubere Produktfeed-Pflege (Google Merchant Center, Bing Shopping) unabhängig vom Werbebudget, sie wirkt doppelt, organisch wie potenziell für spätere KI-Produktflächen.

4. Eigene AI-Sichtbarkeit messen statt raten. "Share of Voice" oder "Agentic Reach", also wie oft und wie prominent die eigene Marke in KI-Antworten zu relevanten Suchanfragen auftaucht, lässt sich heute bereits regelmäßig stichprobenartig über eigene Prompts in ChatGPT, Perplexity und Claude erheben oder über spezialisierte Monitoring-Tools verfolgen. Ohne diese Baseline lässt sich der Effekt jeder Maßnahme nicht belegen.

5. Autorität durch Fachtiefe statt durch Werbedruck aufbauen. Modelle gewichten Inhalte höher, die Expertise erkennbar machen, Autorenangaben, technische Detailtiefe, konsistente Fakten über mehrere Seiten hinweg, Aktualität. Das ist der direkte Gegenentwurf zur gekauften Platzierung: Man verdient sich die Erwähnung durch nachweisbare Kompetenz, nicht durch Gebot.

6. Regelmäßig re-auditieren. KI-Antwort-Verhalten ändert sich mit jedem Modell-Update. Ein einmaliges GEO-Projekt verpufft; ein vierteljährlicher Check von Schema-Markup, Content-Aktualität und Sichtbarkeits-Stichproben hält die Investition wirksam.

Diese sechs Schritte sind der eigentliche Gegenwert zur eingangs beschriebenen Sackgasse: Während OpenAI noch daran arbeitet, ein tragfähiges Ads-Produkt zu bauen, das nicht am eigenen Vertrauensproblem scheitert, können Unternehmen schon heute in den anderen, unstrittig funktionierenden Hebel investieren, verdiente statt gekaufte Sichtbarkeit.

Die Schlussfolgerung ist unbequem für alle, die auf eine schnelle, geldbasierte Aufholjagd hoffen: Man kann sich in ein Medium, dessen Kernwert gerade Werbefreiheit beziehungsweise Werbe-Zurückhaltung ist, nicht zuverlässig einkaufen. Man kann sich nur in seine Antworten hineinverdienen, durch Relevanz, Struktur und nachweisbare Fachkompetenz. Genau das ist die Wette, auf die eine GEO/AEO-Strategie setzt, und die Zahlen von Ipsos, ResponseSource, Adthena und Anthropics eigener Bilanz sprechen aktuell eindeutig dafür, dass diese Wette die robustere ist.

Quellen: Search Engine Land, Agentic Ads · The Verge · Quartz · Digiday · Adweek, Forecast Miss · Adweek, Dismissal Rate · Futurism · Digital Applied · Thrad · 360ROI · DesignRush · LinkedIn/Stacked · Conveo · ResponseSource · Idea Grove / Business Wire · OneChatAI (Nielsen/Gracenote) · Adweek, Perplexity Pause · Search Engine Land · Wired · ALM Corp · Emarketer · Reuters · Business Insider · CNBC · TechCrunch · Time · OMR-Podcast (Pip Klöckner)