CASE STUDY  ·  IN.VERSUM

Wie wir die Grundlage für unsere eigene KI-Sichtbarkeit geschaffen haben

Der eigene 4-Phasen-Prozess, angewendet auf die eigene Marke, über vier Wochen dokumentiert, von der technischen Grundlage bis zur laufenden Verteidigung der Position.

Quelle: Similarweb-Analyse, zitiert nach Golem.de, Juli 2026

Wer in dieser sich schnell verschiebenden Sichtbarkeitslandschaft nicht als Quelle erscheint, wird von einem wachsenden Teil potenzieller Kunden schlicht nicht mehr wahrgenommen, noch bevor eine klassische organische Platzierung überhaupt eine Rolle spielt. Diese Dringlichkeit war der Ausgangspunkt für die eigene Optimierung, die diese Fallstudie dokumentiert.

Zustand vorher

Bevor wir mit der systematischen Optimierung unserer eigenen KI-Sichtbarkeit begonnen haben, zeigte sich ein Muster, das wir auch bei vielen unserer Kunden beobachten: KI-Systeme konnten in.versum zwar grundsätzlich erfassen, aber nicht präzise einordnen. Bei einer Suche nach dem eigenen Markennamen tauchte die Website nicht an oberster Stelle auf. Antworten zu unseren Leistungen fielen vage und neutral aus, ohne klare Aussage zu Zielgruppe, Spezialisierung oder Qualität. Die KI berichtete bestenfalls beschreibend, nie einordnend, und traf keine erkennbare Aussage darüber, ob wir für eine Anfrage überhaupt die richtige Wahl wären.

Der technische Unterbau dahinter erklärte einen Großteil dieses Bilds: Kennzahlen auf der Website wurden erst per JavaScript nachgeladen und blieben für Crawler unsichtbar, strukturierte Daten fehlten weitgehend, die robots.txt blockierte Googlebot den Zugriff auf einen Großteil der technisch notwendigen JavaScript- und CSS-Ressourcen, und nach einer notwendigen Hosting-Migration lief der eigentliche Seiteninhalt technisch unter einer Unterseite statt unter der kanonischen Root-Domain. Das Google Business Profile existierte, war aber nicht mit der Website verknüpft.

Für uns als Agentur, die diese Probleme bei Kunden identifiziert und behebt, war das ein besonders unangenehmer, aber auch besonders lehrreicher Befund. Statt das zu ignorieren, haben wir uns entschieden, den eigenen Optimierungsprozess offen zu dokumentieren, auch mit seinen Umwegen.

Was wir verändert haben

Orientiert am eigenen 4-Phasen-Framework

Während wir für umsatzstarke B2B-Kunden eine umfassende GEO-Architektur aufbauen, reichte für unser eigenes Ziel, die gezielte Akquise weniger Wunschkunden, ein schlanker, aber hochfokussierter Kernprozess. Als Premiumanbieter arbeiten wir bewusst nicht mit zu vielen Unternehmen gleichzeitig, um maximalen Fokus auf jeden einzelnen Kunden zu gewährleisten, und genau dieses Prinzip spiegelte sich auch im Umfang unserer eigenen Optimierung wider. Die Grundlogik unseres bewährten 4-Phasen-Frameworks, von der Analyse über die technische Aktivierung und den inhaltlichen Aufbau bis zur fortlaufenden Verteidigung der Position, hat unser Vorgehen über vier Wochen hinweg trotzdem spürbar strukturiert:

{
  ...
  "areaServed": ["DE", "AT", "CH"],
  "knowsAbout": [
    "Generative Engine Optimization",
    "Answer Engine Optimization",
    "Suchmaschinenoptimierung",
    "Künstliche Intelligenz",
    "Semantic Engineering",
    "Brand Architecture",
    "Content Strategy",
    "Markenpositionierung"
  ],
  "sameAs": [
    "https://www.linkedin.com/company/in-versum/",
    "https://share.google/HudpDstpbRaUxroge"
  ]
}

Herausforderungen unterwegs

Der Weg dorthin verlief nicht geradlinig, und das macht die Erfahrung wertvoll für unsere Kundenarbeit. Die Migration auf eine neue Hosting-Infrastruktur brachte zwischenzeitlich eine fehlerhafte Weiterleitungsregel mit sich, durch die die komplette Website für einige Zeit nicht mehr korrekt erreichbar war, ein Rückschlag, der erst durch systematisches Eingrenzen (Build-Logs, Deployment-Historie, Konfigurationsdateien) gefunden und behoben werden konnte. Auch die Entscheidung, wie viel Preistransparenz auf der Website sinnvoll ist, wie detailliert Leistungen öffentlich aufgeschlüsselt werden sollten und wie ein Vorauszahlungsmodell fair kalkuliert werden muss, ohne die eigene Positionierung als Premium-Beratung zu unterlaufen, erforderte mehrere Iterationen. Diese Phasen der Unsicherheit gehören zu jedem echten Optimierungsprozess dazu, bei uns selbst genauso wie bei unseren Kunden.

Zustand nachher

Der Unterschied zeigt sich heute deutlich, sowohl strukturell als auch im Ton der KI-generierten Antworten. Bei einer direkten Suche nach dem Markennamen erscheint in.versum inzwischen an oberster Stelle der Ergebnisse, direkt gefolgt von einer unabhängigen Bewertungsplattform, eine Reihenfolge, die aus Vertrauensperspektive kaum besser hätte ausfallen können. Die KI-generierten Antworten sind nicht mehr neutral-beschreibend, sondern ordnen die Leistungen klar zu und formulieren erkennbar positiv.

Besonders aufschlussreich ist der Vergleich bei einer bewusst vage und wertend formulierten Anfrage: Statt einer ausweichenden oder unspezifischen Antwort liefert die KI heute eine klare Einordnung, nennt das Geschäftsmodell konkret und verweist von sich aus auf einen Weg, sich selbst ein Bild zu machen (siehe Screenshot zur Anfrage „in.versum gut?" unten). Das ist das Verhalten, das wir für unsere Kunden anstreben: nicht nur gefunden, sondern aktiv empfohlen zu werden.

Bemerkenswert dabei: Wir haben es zusätzlich geschafft, unser eigenes KI-Sichtbarkeits-Check-Tool direkt in die von Google generierten AI-Overview-Antworten einzubringen, dort im Fazit ausdrücklich als „kostenloser Online-Sofort-Check" genannt (siehe ebenfalls Screenshot zur Anfrage „in.versum gut?" unten). Die KI verweist eigenständig darauf, wenn nach in.versum gefragt wird, ein Signal, dass auch das Tool selbst inzwischen als vertrauenswürdige, zitierfähige Ressource wahrgenommen wird.

Aktueller Stand · Suchanfrage „in.versum"

Aktueller Stand · Wertende Suchanfrage „in.versum gut?"

Aktueller Stand · Anfrage „Wie bewertest du die Agentur in.versum?"

Einordnung

Diese Fallstudie zeigt keinen Einzeleffekt, sondern das Ergebnis eines konsequent durchlaufenen, mehrwöchigen Prozesses, orientiert an unserem bewährten 4-Phasen-Framework und angewendet auf die eigene Marke. Technische Grundlagen, strukturierte Daten und inhaltliche Positionierung greifen dabei ineinander, keiner dieser Bausteine wirkt für sich allein. Und die Verteidigung der erreichten Position ist bewusst nicht abgeschlossen: KI-Systeme verändern sich fortlaufend, und deshalb bleibt kontinuierliche Betreuung Teil unseres eigenen Prozesses, wie auch bei unseren Kunden.

Besonders die direkte Zitierung unseres Reddit-Beitrags in der Google AI Overview bestätigt dabei empirisch, was unser 4-Phasen-Framework in der Aufbau-Phase seit jeher postuliert: Systematischer Community-Aufbau und Präsenz in relevanten Fachforen sind kein optionaler Zusatz, sondern ein wirksamer, nachweisbarer Bestandteil davon, wie KI-Systeme eine Marke wahrnehmen und zitieren. Der eigene Fall liefert damit einen konkreten Beleg für die Wirksamkeit des gesamten Frameworks, nicht nur einzelner technischer Stellschrauben.

Diese Fallstudie ist ein Zwischenstand, kein Abschluss. Die eigene Optimierung läuft kontinuierlich weiter, und weitere Case Studies werden folgen, sobald sich neue belastbare Ergebnisse zeigen.

Hinweis: Diese Fallstudie basiert auf einer realen, dokumentierten Selbstoptimierung von in-versum.de über vier Wochen. Die gezeigten Google-Suchergebnisse spiegeln den aktuellen Stand nach Abschluss der bisherigen Maßnahmen wider.