Die Longlist entsteht jetzt woanders: Wie KI die B2B-Anbietersuche verändert
An welcher Stelle des Beschaffungsprozesses steigt KI heute ein?
KI-Assistenten wie ChatGPT und Perplexity werden im B2B-Einkauf primär in der frühen Recherchephase eingesetzt, also beim Erstellen der Longlist möglicher Anbieter – noch vor dem klassischen Ausschreibungs- oder Angebotsprozess. Sie ersetzen damit einen Teil der klassischen Google-Suche und Branchenverzeichnis-Recherche.
Bevor ein Einkäufer eine E-Mail schreibt oder ein Formular ausfüllt, stellt er heute zunehmend eine Frage an ein KI-System: „Welche Agenturen/Dienstleister für X gibt es in Region Y, die auf Z spezialisiert sind?" Das Ergebnis ist eine Liste von wenigen Namen – die Longlist. Diese Liste entsteht nicht mehr durch Scrollen durch zehn Google-Ergebnisseiten, sondern durch eine einzige, gebündelte Antwort. Wer in dieser Antwort nicht vorkommt, existiert für den weiteren Prozess schlicht nicht.
Wir haben diesen Mechanismus im eigenen Umfeld getestet und stellen ihn Mandanten regelmäßig als Diagnose-Werkzeug vor (siehe dazu auch unsere Analysen zu GEO-Sichtbarkeit in G-023 und G-027).
Wie läuft der klassische B2B-Beschaffungsweg ab?
Der klassische B2B-Einkaufsprozess folgt fünf Phasen: Bedarfsermittlung, Recherche potenzieller Anbieter, Zusammenstellung einer Longlist, Verdichtung zur Shortlist und schließlich Angebotseinholung. Jede Phase reduziert die Anbieterzahl weiter – aus einer Longlist von mehreren Namen werden meist nur zwei bis vier Angebote eingeholt.
Die fünf Phasen im Überblick
- Bedarf: Ein internes Problem oder Projekt wird als beschaffungswürdig erkannt (z. B. „Wir brauchen eine neue Website mit besserer Auffindbarkeit").
- Recherche: Der Einkäufer oder Entscheider sucht nach passenden Anbietern – früher primär über Google, Empfehlungen und Branchenverzeichnisse.
- Longlist: Eine erste, meist ungeprüfte Liste von Kandidaten wird zusammengestellt.
- Shortlist: Die Longlist wird anhand von Website, Referenzen und ersten Eindrücken auf wenige Kandidaten verdichtet.
- Angebot: Nur die Shortlist-Kandidaten werden kontaktiert und um ein konkretes Angebot gebeten.
Der entscheidende Punkt: Jede Phase ist ein Filter, der ausschließlich verkleinert, niemals erweitert. Wer die Longlist nicht erreicht, kann auf keiner späteren Stufe mehr nachrücken.
Wie verändert KI die Anbietersuche im B2B-Einkauf konkret?
KI-Tools verschmelzen die Phasen Recherche und Longlist-Erstellung zu einem einzigen Schritt: Statt selbst mehrere Websites zu vergleichen, bekommt der Einkäufer eine vorgefertigte, meist sehr kurze Liste direkt aus der KI-Antwort. Damit wird die Longlist zum kritischen Filterpunkt im gesamten Beschaffungsprozess – die eigentliche Vorauswahl fällt hier, nicht mehr beim Menschen.
Früher hat ein Einkäufer selbst Suchergebnisse gesichtet und daraus seine eigene Longlist gebaut. Die KI übernimmt diesen Schritt heute für ihn – und liefert direkt eine verdichtete Auswahl. Das bedeutet: Die Instanz, die früher der Mensch war, ist jetzt ein Sprachmodell, das aus Trainingsdaten, Website-Inhalten und strukturierten Angaben (Schema.org, FAQ-Markup, klare Leistungsbeschreibungen) eine Antwort generiert.
Damit verschiebt sich der kritische Moment im gesamten Trichter nach vorne: Nicht mehr die Website-Gestaltung im Vergleich zu anderen Shortlist-Kandidaten entscheidet zuerst, sondern ob ein Unternehmen überhaupt in der KI-generierten Longlist auftaucht. Das ist ein grundsätzlich anderes Spiel als klassisches SEO, weil es nicht um Rankingplätze in einer Ergebnisliste geht, sondern um die binäre Frage: genannt oder nicht genannt.
Was bedeutet es, nicht auf die KI-Longlist zu kommen?
Wer bei der KI-gestützten Anbietersuche nicht in der Longlist genannt wird, hat im weiteren Beschaffungsprozess keine zweite Chance – es gibt keine Shortlist-Phase, keine Angebotsanfrage und keinen Auftrag, weil der Einkäufer das Unternehmen schlicht nie in Betracht zieht. Die Longlist ist ein Alles-oder-Nichts-Filter.
Im klassischen Prozess konnte ein Anbieter noch über eine Empfehlung, einen zufälligen Zeitungsartikel oder einen späteren Google-Treffer nachträglich ins Spiel kommen. Bei einer KI-generierten Longlist entfällt dieser Zufallsfaktor weitgehend: Die Antwort ist final, kurz und wird vom Einkäufer meist ohne weitere eigene Recherche übernommen.
Das erhöht den Druck auf Unternehmen, bereits in der Phase VOR dem ersten menschlichen Kontakt maschinenlesbar präsent und eindeutig zuordenbar zu sein. Genau hier setzt GEO-Optimierung (Generative Engine Optimization) an – ein Bereich, den faires.marketing als eigenständige Leistung neben klassischem SEO anbietet, weil beide Disziplinen unterschiedliche Mechaniken bedienen.
Welche Signale fragt ein Einkäufer-Prompt tatsächlich ab?
Ein typischer Einkäufer-Prompt fragt nach Standort/Region, Spezialisierung, Referenzen bzw. Branchenerfahrung und teils nach Preisrahmen. Diese Angaben müssen auf der Website klar, textlich eindeutig und idealerweise strukturiert (z. B. via Schema.org) hinterlegt sein, damit ein KI-System sie zuverlässig extrahieren und zitieren kann.
Wir haben zur Vorbereitung dieses Beitrags einen eigenen Testprompt aus Einkäufersicht in ChatGPT und Perplexity eingegeben, formuliert wie eine reale Beschaffungsanfrage aus dem Mittelstand (Testdatum und Screenshot liegen intern vor). Auffällig war, dass die KI-Antworten regelmäßig folgende Signale priorisierten:
- Regionale Zuordnung: Sitz oder Einzugsgebiet wird explizit genannt ("aus dem Rheinland", "zwischen Köln und Düsseldorf")
- Spezialisierung: klar benannte Leistungen statt vager Oberbegriffe ("GEO-Optimierung für B2B-Websites" statt nur "Marketing")
- Nachweisbare Substanz: konkrete Erfahrungswerte, Referenzbranchen, Zahlen
- Strukturierte Auszeichnung: FAQ-Markup, Schema.org für Leistungen und Bewertungen, damit die Information maschinenlesbar und nicht nur visuell vorhanden ist
Wo diese Angaben stehen müssen
| Signal | Wo auf der Website | Format |
|---|---|---|
| Standort & Einzugsgebiet | Impressum, Kontaktseite, Footer | Klartext + LocalBusiness-Schema |
| Spezialisierung | Leistungsseiten, Startseite-Headline | Klartext, keine Buzzwords ohne Erklärung |
| Referenzen/Erfahrung | Über-uns-Seite, Case Studies | Klartext + Review-Schema |
| FAQs | Eigene FAQ-Sektion je Leistungsseite | FAQPage-Schema |
Genau diese strukturierte Auszeichnung ist Teil des GEO-Leistungspakets von faires.marketing – nicht als Add-on, sondern als Grundvoraussetzung, damit eine Website in generativen Antworten überhaupt zitierfähig wird. Mehr zur technischen Umsetzung strukturierter Daten haben wir bereits in G-023 und zur GEO-Sichtbarkeit allgemein in G-027 beschrieben.
Was können B2B-Unternehmen jetzt konkret tun?
Unternehmen sollten ihre Website auf klare, eindeutige Leistungs- und Standortangaben prüfen und diese mit strukturierten Daten (Schema.org, FAQPage) hinterlegen lassen, statt allein auf klassisches SEO zu vertrauen. Ein einfacher erster Schritt ist ein eigener Testprompt aus Einkäufersicht, um zu prüfen, ob das eigene Unternehmen überhaupt genannt wird.
Der pragmatischste erste Schritt ist ein Selbsttest: Formulieren Sie eine Anfrage, wie ein potenzieller Kunde sie stellen würde, und prüfen Sie in ChatGPT und Perplexity, ob und wie Ihr Unternehmen auftaucht. Fehlt die Nennung oder ist sie fehlerhaft, lohnt sich eine strukturierte Überarbeitung der Website-Inhalte.
Bei faires.marketing ist das Teil des kostenlosen Erstgesprächs im Rahmen des 70/30-Kennenlernprinzips: 70 % der neuen Website werden vorab unverbindlich gebaut, inklusive GEO-Grundlagen – erst bei Überzeugung erfolgt die Beauftragung der restlichen 30 %. So sehen Unternehmer:innen konkret, wie ihre Sichtbarkeit in generativen Antworten aussehen könnte, bevor sie eine Entscheidung treffen müssen.
Häufige Fragen
- Ersetzt KI die klassische Google-Suche im B2B-Einkauf komplett?
- Nein, aber sie übernimmt zunehmend den ersten Recherche- und Longlist-Schritt. Google-Suche und Branchenverzeichnisse werden weiterhin genutzt, oft aber erst nachträglich zur Verifizierung einer bereits von der KI genannten Auswahl.
- Kann ein Unternehmen nachträglich noch auf eine KI-Longlist kommen, wenn es zunächst fehlte?
- Nur, wenn sich die zugrunde liegenden Website-Inhalte und strukturierten Daten ändern und die KI-Systeme diese neu erfassen. Das ist kein einmaliger Vorgang, sondern erfordert kontinuierliche GEO-Pflege.
- Was unterscheidet GEO-Optimierung von klassischem SEO?
- SEO zielt auf Rankingplätze in einer Ergebnisliste, GEO zielt darauf, in einer generativen KI-Antwort überhaupt namentlich und korrekt zitiert zu werden – eine binäre Nennung statt einer Position.
- Welche Rolle spielen Schema.org-Daten für die KI-Sichtbarkeit?
- Strukturierte Daten wie Schema.org für Leistungen, Bewertungen und FAQs machen Website-Inhalte maschinenlesbar und erhöhen die Wahrscheinlichkeit, dass ein KI-System die Information korrekt extrahiert und in seiner Antwort verwendet.
- Ist faires.marketing eine Kölner Agentur?
- Nein. faires.marketing hat seinen Sitz in Monheim am Rhein im Kreis Mettmann, arbeitet aber regelmäßig für Kunden aus dem gesamten Rheinland, unter anderem zwischen Köln und Düsseldorf.
