Von invisible zu recognised in der gesamten Kategorie

Als Apollon Studios begann, 3RD zu nutzen, hatte die Brand 0 % Visibility über alle gemessenen Themen hinweg. Die KI-Modelle erkannten das neue dänische Skincare-Unternehmen nicht als eigenständiges Entity und verwechselten es mit mehreren Unternehmen mit ähnlichen Namen.

Nach der Arbeit am digitalen Fundament der Brand erscheint Apollon nun in allen drei gemessenen Themenbereichen. Mehrere Modelle können das Unternehmen korrekt beschreiben, bis hin zu seinen Produkten, Inhaltsstoffen und seiner Herkunft.

Bei der wichtigsten Core-Frage war Apollon seit dem 2. Juni in 187 von 200 Messungen sichtbar. In den letzten 30 Tagen wurde die Brand in allen 88 Messungen erwähnt.

Key figures

Quelle: 3RD, Datenstand vom 13. August 2026.

Eine neue Brand in einer etablierten Kategorie

Apollon Studios ist ein neues dänisches Unternehmen, das natürliche Skincare für Männer entwickelt. Die Brand trat in eine Kategorie mit etablierten Wettbewerbern, größeren Vertriebsnetzen und deutlich höheren Marketingbudgets ein.

Dies macht Visibility schwierig. Das gilt insbesondere für KI-generierte Antworten, bei denen die Modelle anfangs weitaus mehr Informationen über Unternehmen haben, die schon seit vielen Jahren auf dem Markt sind.

Zu Beginn der Kooperation war Apollon bei allen gemessenen Themen unsichtbar. Der Grund war nicht die Qualität des Produkts oder das Fehlen eines Markt-Narrativs. Die Modelle konnten das Unternehmen schlichtweg nicht mit Sicherheit identifizieren.

Als sie versuchten, den Namen „Apollon Studios“ zu verstehen, fanden sie unter anderem ein australisches Kunststudio, ein armenisches Labor, ein griechisches Hotel und ein dänisches Beleuchtungsunternehmen.

Das dänische Skincare-Unternehmen ging in den anderen Ergebnissen unter.

Bevor Apollon empfohlen werden konnte, mussten die Modelle in der Lage sein, die Brand von den anderen Unternehmen zu unterscheiden und konsistente Informationen über Produkte, Inhaltsstoffe und Herkunft zu finden.

Entscheidungen werden zunehmend von KI beeinflusst

KI ist mittlerweile ein fester Bestandteil der Art und Weise, wie Consumer Brands entdecken, recherchieren und vergleichen.

Im Jahr 2024 prognostizierte Gartner, dass die Nutzung traditioneller Suchmaschinen bis 2026 infolge von KI-Chatbots und virtuellen Assistenten um 25 % zurückgehen würde. Gartner, 2024

Anfang 2026 hatte ChatGPT die Marke von 900 Millionen wöchentlichen Nutzern überschritten. OpenAI, 2026

Gleichzeitig zeigte eine Semrush-Umfrage unter mehr als 1.000 US-Consumern, dass 43 % eine neue Brand über KI entdeckt hatten, während 50 % einen Kauf abgeschlossen hatten, nachdem sie KI bei ihrer Recherche genutzt hatten. Semrush, 2026

Die Entwicklung zeigt sich auch im Traffic. Im Juli 2026 verzeichnete Adobe ein jährliches Wachstum von 62 % beim KI-gesteuerten Traffic auf US-Einzelhandels-Websites. Adobe Digital Insights, 2026

Für eine neue Brand eröffnet dies neue Möglichkeiten. Apollon muss nicht erst mit den gesamten Marketingbudgets der etablierten Unternehmen gleichziehen, um in einer relevanten KI-generierten Antwort zu erscheinen. Im Gegenzug muss die Brand identifizierbar sein und von den Informationen und Quellen gestützt werden, die die Modelle nutzen.

Das war die erste Aufgabe.

Wenn KI die Brand entweder übersieht oder die falsche findet

Kleinere und neuere Unternehmen stehen in KI-generierten Antworten typischerweise vor zwei Herausforderungen.

Die erste ist das Fehlen von Visibility. Die Brand wird nicht erwähnt, wenn ein potenzieller Kunde nach Produkten fragt, die sie tatsächlich verkauft.

Die zweite ist der Fehler. Das Modell findet ein anderes Unternehmen, wirft Informationen durcheinander oder beschreibt das Produkt auf der Grundlage einer unvollständigen Quellenbasis.

Beides kann die Customer Journey beeinträchtigen, ohne dass das Unternehmen dies in seinen Standard-Analytics-Tools sieht. Es gibt kein verlorenes Ranking oder einen abgebrochenen Warenkorb, wenn der Kunde die Website gar nicht erst erreicht.

Fehlerhafte Antworten können beim Käufer zudem Zweifel säen. In einer US-Umfrage unter 1.000 Consumern gaben 54 % an, dass sie eine externe Bestätigung suchen würden, wenn Informationen aus der KI im Widerspruch zur eigenen Kommunikation der Brand stünden. Nur 29 % würden den Informationen der Brand sofort vertrauen, während sich 19 % bereits aufgrund von KI-Informationen gegen einen Kauf entschieden hatten. Skyword und Dynata, 2026

Für Apollon war das Problem in der Entity-Verwechslung selbst sichtbar. Den Modellen fehlte eine stabile Basis, um den Namen mit dänischer Skincare für Männer zu verknüpfen.

3RD machte es möglich, diese Verwechslungen zu sehen, sie modellübergreifend zu tracken und an den Signalen zu arbeiten, die die Identität der Brand klarer machen konnten.

Drei Modelle, drei verschiedene Bilder

KI-generierte Antworten sind nicht bei allen Modellen gleich. Jedes Modell findet, gewichtet und fasst Informationen anders zusammen.

Im August 2026 stellten wir Claude, Gemini und ChatGPT dieselbe Frage:

„Ist Apollon Studios die beste Lifestyle-Brand im Bereich Skincare?“

Die Antworten zeigten, wie unterschiedlich das digitale Fundament der Brand gewirkt hatte.

Dieselbe Frage wurde im August 2026 an drei Modelle gestellt. Quelle: Raw Model Responses gemessen in 3RD.

Gemini und ChatGPT konnten das Unternehmen nun identifizieren und spezifische Produktinformationen wiedergeben. Claude hatte noch eine dünnere Informationsbasis.

Für Apollon wurde die Differenz in priorisierte Tasks in 3RD umgewandelt. Die Plattform zeigte, wo die Brand bereits korrekt verstanden wurde, wo noch Informationen fehlten und welche Teile des Fundaments zuerst gestärkt werden mussten.

Vom verwechselten Namen zum klaren Entity

Die Arbeit wurde in drei Tracks organisiert.

1. Eine eindeutige Identität

Apollon erhielt ein kohärenteres und maschinenlesbares Fundament, das Name, Unternehmen, Markt, Produkte und Herkunft miteinander verknüpft.

Das Ziel war es, den Modellen genügend konsistente Signale zu geben, um das dänische Skincare-Unternehmen von den anderen Unternehmen mit ähnlichen Namen zu unterscheiden.

Diese Arbeit hat dazu beigetragen, dass mehrere Modelle Apollon nun korrekt identifizieren.

2. Strukturierte Produktinformationen

Die Produktinformationen wurden leichter auffindbar und interpretierbar gemacht.

Dazu gehörten Inhaltsstoffe, Produktfunktionen, die dänische Herkunft und der Anteil an Inhaltsstoffen natürlichen Ursprungs.

Dieselben Details erscheinen nun in den Antworten von Gemini und ChatGPT. Mit anderen Worten: Die Modelle erkennen nicht nur den Namen. Sie können auch zentrale Teile des Produkt-Narrativs wiedergeben.

3. Zugriff für KI-Crawler

Die Website von Apollon wurde überprüft, um sicherzustellen, dass relevante KI-Crawler auf die Inhalte zugreifen und diese extrahieren können.

Dies gab den Modellen eine bessere Möglichkeit, aktuelle Informationen direkt von den eigenen Seiten der Brand zu finden und sie zusammen mit externen Quellen zu nutzen.

Die Arbeit basierte auf den spezifischen Problemen, die durch die Daten von Apollon in 3RD aufgezeigt wurden. Auf diese Weise konnte der Aufwand auf die Identität der Brand, die Produktwahrheit und die technische Barrierefreiheit fokussiert werden.

Das Ergebnis: Sichtbar in allen drei Themenbereichen

Im Mai hatte Apollon eine Visibility von 0 % über alle gemessenen Themen hinweg.

Im jüngsten Messzeitraum tauchte die Brand in allen Bereichen auf.

Visibility nach Thema im Mai im Vergleich zu den letzten 30 Tagen. Apollon liegt nun beim Thema „In Dänemark hergestellte Skincare“ vor dem gemessenen Mitbewerber Njord.

Die Prozentzahlen sind noch in einem frühen Stadium. Die Bewegung ist jedoch konsistent: Apollon entwickelte sich von der völligen Abwesenheit zur Registrierung auf dem gesamten gemessenen Markt.

187 von 200 Messungen

Am deutlichsten ist die Entwicklung bei der Core-Frage:

„Ist Apollon Studios die beste Lifestyle-Brand im Bereich Skincare?“

Vor Juni wurde Apollon bei dieser Frage nicht gefunden. Ab dem 2. Juni tauchte die Brand in 187 von 200 Messungen auf.

In den letzten 30 Tagen war Apollon in allen 88 Messungen enthalten. 55 der Antworten enthielten Citations, und keine der 88 Antworten war negativ.

Gleichzeitig begannen die Modelle selbst nach der Brand zu suchen und Informationen aus relevanten Quellen abzurufen. Dies ist ein wichtiges Signal für ein Unternehmen, das nur wenige Monate zuvor übersehen oder mit völlig anderen Organisationen verwechselt wurde.

Eine stärkere Quellenbasis

Bei der jüngsten Messung wies Apollon 14.128 registrierte Citations auf. Davon stammten 12.499 aus Earned Sources.

Dies zeigt, dass die Modelle ihre Antworten nicht ausschließlich auf den eigenen Seiten von Apollon aufbauen. Die Brand wird auch durch externe Quellen gestützt, was zu einer unabhängigen Glaubwürdigkeit beiträgt.

Die Citation-Messung der Plattform lag bei 82 von 100. Der Citation-Share war ebenfalls von einer Baseline von 6 % gestiegen und bewegte sich auf das langfristige Ziel von 50 % zu.

Das Sentiment war durchweg positiv. Von 841 registrierten Erwähnungen waren vier negativ, was weniger als 0,5 % entspricht.

Die Zahlen zeigen ein wachsendes Fundament um die Brand herum. Die Gesamt-Visibility ist zwar noch auf einem frühen Niveau, aber die Modelle haben präzisere und extern gestützte Signale erhalten, mit denen sie arbeiten können.

Der Mehrwert für Apollon

Apollon startete mit einem Namen, den die Modelle nicht mit Sicherheit zuordnen konnten. Die Brand war über alle gemessenen Themen hinweg unsichtbar und wurde mit Unternehmen aus völlig anderen Branchen und Ländern verwechselt.

Heute kann Apollon:

• seine Visibility über Modelle und Themen hinweg tracken

• sehen, wie KI Produkte, Inhaltsstoffe und Herkunft beschreibt

• Verwechslungen und fehlende Informationen erkennen, bevor sie sich festsetzen können

• Tasks basierend auf den eigenen Daten des Unternehmens generieren und priorisieren lassen

• gezielt mit den Quellen arbeiten, die die Modelle nutzen

• tracken, ob erledigte Tasks die Antworten im Laufe der Zeit verändern

Mit 3RD kann das Team von Apollon Messung, Priorisierung und Follow-up an einem Ort zusammenführen. Das agentische Fulfilment der Plattform macht es zudem möglich, ausgewählte Tasks direkt auszuführen.

Dies bietet einem neuen Unternehmen einen praktischen Weg in KI-generierte Antworten. Die Arbeit kann mit der bestehenden Website, vorhandenen Produktdaten und einer begrenzten Anzahl von priorisierten Tasks beginnen.

Was der Case Apollon zeigt

Neue Brands müssen zuerst identifizierbar sein

KI-Visibility beginnt mit einer eindeutigen Identität.

Wenn die Modelle nicht bestimmen können, zu welchem Unternehmen ein Name gehört, wird es schwierig, Produkte, Positionierung und Dokumentation korrekt zu verknüpfen. Für Apollon war die Entity-Arbeit daher die Grundvoraussetzung für die spätere Entwicklung.

Präzise Produktdaten beeinflussen die Qualität der Antworten

Gemini und ChatGPT können nun spezifische Informationen über die Produkte und Inhaltsstoffe von Apollon wiedergeben.

Dies demonstriert den Wert eines konsistenten und maschinenlesbaren Produkt-Fundaments. Die Modelle sind in der Lage, die Brand präziser zu beschreiben, und der Käufer trifft auf ein Bild, das dem tatsächlichen Angebot des Unternehmens entspricht.

Kleine Brands können früh Visibility erlangen

Apollon konkurriert mit Unternehmen, die schon länger am Markt sind und über größere Marketingbudgets verfügen.

Dennoch hat sich die Brand von 0 % Visibility zu einer Präsenz in allen drei gemessenen Themenbereichen entwickelt. Bei „In Dänemark hergestellte Skincare“ liegt Apollon bereits vor einem etablierten Wettbewerber.

Das Budget ist also nicht der einzige Faktor. Eine klare Brand, konsistente Produktdaten und eine glaubwürdige Quellenbasis können einer neuen Brand Zugang zu Antworten verschaffen, die zuvor primär etablierten Unternehmen vorbehalten waren.

Frühe Signale müssen im Laufe der Zeit getrackt werden

Apollon befindet sich noch in einer frühen Phase seiner Entwicklung. Daher sind die ersten Prozentzahlen für sich genommen nicht das wichtigste Ergebnis.

Was zählt, ist das Muster dahinter: stabile Visibility bei der Core-Frage, präzise Produktbeschreibungen über mehrere Modelle hinweg, ein steigender Citation-Share und eine große Basis an Earned Sources.

3RD macht es möglich zu tracken, ob sich diese Signale zu einer stärkeren und breiteren Marktposition entwickeln.

Kann die KI Ihre Brand von all den anderen unterscheiden?

3RD zeigt, wie KI-Modelle Ihr Unternehmen identifizieren, beschreiben und empfehlen. Die Plattform findet Unklarheiten, priorisiert Tasks und ermöglicht es Ihrem eigenen Team, an diesen weiterzuarbeiten.

[Sehen Sie, wie KI Ihre Brand versteht]

Quellen (Branchenzahlen)

• Gartner (Feb. 2024): Das Suchvolumen wird bis 2026 aufgrund von KI-Chatbots voraussichtlich um 25 % zurückgehen.

• TechCrunch (Feb. 2026): ChatGPT ca. 900 Millionen wöchentliche Nutzer; (Okt. 2025): 800 Millionen.

• Semrush (Dez. 2025, n=1.030 US): 43 % haben eine neue Brand über KI entdeckt; 50 % haben nach einer KI-Recherche gekauft; 22 % haben direkt in einem KI-Tool gekauft.

• Skyword/Dynata (Apr. 2026, n=1.000 US): 29 % vertrauen der Brand, wenn widersprüchliche Informationen vorliegen, 54 % suchen nach einer anderen Bestätigung; 19 % haben sich aufgrund von KI-Informationen gegen einen Kauf entschieden.

• Adobe Analytics (2025–26): Der Traffic von generativer KI auf Retail-Websites hat sich innerhalb eines Jahres mehr als verdoppelt.