Der klar dominante Anbieter, mit einem Sprach- und einem Kategorie-Loch.
Geberit ist in der KI-Kaufberatung die unangefochtene Nummer eins: unbranded zu 89 % genannt, mit 89 % Share of Voice weit vor Grohe (61 %) und Viega (48 %). Am stärksten dort, wo Geberit „hinter der Wand" führt — Betätigungsplatten (100 %) und Unterputz-Spülkästen / Vorwand (97 %). Kein Bekanntheits-, sondern ein Feinschliff-Bild: zwei klare Lücken bei einer Sprache und zwei Kategorien, auf einem starken Entitäts-Fundament.
Methode: 12 Kaufentscheider-Prompts (9 unbranded / 3 branded) in 7 Sprachmärkten per API an drei Mainstream-Modelle (GPT-5.5, Claude Sonnet 4.6, Gemini 2.5 Flash), 252 Antworten bei temperature = 0, Marken-Matching auf Wortgrenzen (kollidierende Tokens roca/laufen/toto/vitra nur nahe Sanitär-Anker). Zusätzlich technischer GEO-Audit gegen das Y1-Periodensystem. Hinweis zur Triangulation: geberit.com ist Cloudflare-WAF-geblockt (403 an unverifizierte / Rechenzentrums-Clients, inkl. Sitemap), daher sind die On-Page-Elemente über robots.txt, Wikidata, Wikipedia und die Messung trianguliert statt direkt gecrawlt.
Reifegrad je Hebel.
Das Y1-Periodensystem ordnet die Stellhebel der KI-Sichtbarkeit den vier Pipeline-Stufen zu, jedes Element nach Geberits Reifegrad eingefärbt. Das Muster: ein starkes Entitäts- und Autoritäts-Fundament (Wikidata, Wikipedia-Kernsprachen, konsistente Marken-Nennung, autoritative Zitation — die grünen Felder) und ein breites orangenes Band, das großenteils daher rührt, dass die On-Page-Ebene hinter der Cloudflare-WAF von außen nicht verifizierbar ist. Eine harte Schwäche: die fehlende llms.txt.
Was die Färbung trägt (Evidenz)
| Element | Reife | Befund |
|---|---|---|
| C2 Wikidata-Entität | stark | Q464905 vollständig: Branche (P452 Sanitärindustrie), Public Company, offizielle Website, ISIN CH0030170408, 23 Sitelinks / 25 Labels. Ein sehr belastbarer Struktur-Anker für LLMs |
| C1 Wikipedia | stark · mit Lücke | Artikel in EN, DE, FR, IT, PL vorhanden — breite enzyklopädische Verankerung. Lücken: kein ES- und kein NL-Artikel. Bemerkenswert: der EN-Artikel existiert, EN ist trotzdem die schwächste Messsprache → die EN-Lücke ist nicht enzyklopädisch bedingt |
| C3 / C4 Marken-Konsistenz & Disambiguierung | stark | „Geberit" ist ein hochdistinktiver Token ohne Kollision, Marktführer mit konsistenter Nennung. Keine Entity-Verwechslung, kein Kontext-Anchoring nötig |
| A8 / A9 / A10 Autoritative Zitation, Fluency, Tone | stark | Direkt aus der Messung belegt: 89 % Share of Voice, in den Kernkategorien (Platte 100 %, Vorwand 97 %) praktisch lückenlos autoritativ zitiert |
| C5 E-E-A-T | stark | SMI-gelisteter Marktführer, als Referenz behandelt. Trägt die hohe unbranded Sichtbarkeit |
| B3 AI-Crawler-Accessibility | teilweise · Risiko | robots.txt erlaubt Crawler (nur /cpresources/, /vendor/, /cache/ gesperrt, keine AI-Bot-Blocks). ABER die Cloudflare-WAF liefert 403 an unverifizierte / Rechenzentrums-Clients (inkl. Sitemap). Entscheidend sind dabei die Live-Fetcher (ChatGPT-User, OAI-SearchBot, Perplexity, Claudes Fetcher — der Abruf im Antwort-Moment, laut Traffic-Messungen ~¾ des KI-Traffics), nicht der Trainings-Bot GPTBot. Ob sie durch die WAF kommen, ist von außen nicht feststellbar. Die hohe LLM-Sichtbarkeit trotz 403 spricht dafür, dass Geberits Präsenz vor allem aus dem Trainingskorpus (Drittanbieter) stammt, nicht aus Live-Fetches der eigenen Domain — im Cloudflare-WAF-Log verifizieren |
| B1 / B6 / B7 Schema & Produktdaten, D1-D4 Struktur, A5-A12 Content-Signale | nicht verifizierbar | Die On-Page-Ebene (Schema-Markup, Produkt-Feeds, Chunk-/Passage-Struktur, FAQ, Quellen) ist wegen der WAF von außen nicht direkt prüfbar. Neutral als „teilweise" geführt, nicht als Schwäche gewertet — bei einem Hersteller dieser Größe fachlich vermutlich vorhanden, aber unbestätigt |
| B2 llms.txt | nachrangig | geberit.com/llms.txt liefert 404 — fehlt. Real aber kaum relevant: aktuelle Traffic-Messungen zeigen, dass KI-Assistenten llms.txt praktisch nicht abrufen. Kein prioritärer Hebel (bewusst nicht als Schwäche gewertet) |
Kern-Spannung: Geberit hat das schwer erarbeitbare Entitäts- und Autoritäts-Fundament (Wikidata, Wikipedia, Marktführer-Status, autoritative Zitation) exzellent aufgestellt — daher die Gesamtdominanz. Die offenen Hebel liegen bei der maschinenlesbaren Zugänglichkeit (Live-Fetcher-Zugang durch die WAF, sauberes Server-HTML — die Fetcher führen kein JavaScript aus) und der englischsprachigen wie kategoriespezifischen Content-Präsenz.
Wo Geberit auftaucht, und wo nicht.
Aus 252 Antworten, getrennt in unbranded (189 neutrale Kaufberatungs-Antworten, misst Entdeckung) und branded (63 Antworten, wo Geberit im Prompt steht). Belastbar für Sichtbarkeit ist allein unbranded — branded misst Beschreibungs-Genauigkeit, nicht Auffindbarkeit.
Geberit-Nennung nach Prompt-Typ
| Prompt-Typ | Nennungsanteil | Wert |
|---|---|---|
| Unbranded · Kaufberatung (Discovery) | 89 % | |
| Branded · Geberit im Prompt (Accuracy) | 100 % Name-Echo |
Branded-Prompts (AquaClean, Duofix/Sigma, Ersatzteile) nennen Geberit selbst — die 100 % sind ein Echo, kein Sichtbarkeitswert, aber ein Signal, dass die Modelle die Produktlinien kennen und korrekt beschreiben.
Wettbewerber · Share of Voice in der Kaufberatung (unbranded), je Modell
| Anbieter | OpenAI | Anthropic | Gesamt | |
|---|---|---|---|---|
| Geberit | 87 % | 95 % | 84 % | 89 % |
| Grohe | 65 % | 59 % | 59 % | 61 % |
| Viega | 52 % | 51 % | 40 % | 48 % |
| TECE | 44 % | 27 % | 41 % | 38 % |
| Duravit | 29 % | 43 % | 38 % | 37 % |
| Villeroy & Boch | 29 % | 37 % | 38 % | 34 % |
| Toto | 29 % | 25 % | 25 % | 26 % |
| Roca | 19 % | 22 % | 24 % | 22 % |
| hansgrohe | 19 % | 19 % | 22 % | 20 % |
| Ideal Standard | 21 % | 13 % | 19 % | 17 % |
| Laufen | 14 % | 16 % | 16 % | 15 % |
| Kaldewei | 10 % | 6 % | 11 % | 9 % |
Geberit führt mit 89 % unangefochten. Grohe ist der omnipräsente Zweite (61 %, breites Portfolio: Vorwand + Armaturen + Dusch-WC Sensia), Viega stark im Vorwand-/Unterputz-Revier (48 %). Bemerkenswert: Toto erreicht 26 % Gesamt-SoV, obwohl es fast nur im Dusch-WC-Segment antritt — dort ist es global Kategorieführer. Alle Werte unbranded, n=189.
Discovery-Heatmap · Geberit unaufgefordert genannt (unbranded), Modell × Sprache
| Modell | DE | EN | FR | IT | ES | NL | PL |
|---|---|---|---|---|---|---|---|
| OpenAI | 100 % | 67 % | 100 % | 89 % | 78 % | 89 % | 89 % |
| Anthropic | 100 % | 67 % | 100 % | 100 % | 100 % | 100 % | 100 % |
| 89 % | 44 % | 100 % | 89 % | 78 % | 100 % | 89 % |
Helleres Pink = häufiger unaufgefordert genannt. FR/DE/NL sind nahezu lückenlos; Englisch ist über alle Modelle die schwächste Sprache (59 % gesamt, Google nur 44 %). Claude ist außerhalb von EN durchgehend bei 100 %.
Nach Kategorie · Geberit-Nennung (unbranded)
| Kategorie | Nennungsanteil | Wert |
|---|---|---|
| Betätigungsplatte (Sigma/Omega) | 100 % | |
| Unterputz-Spülkasten / Vorwand (Duofix) | 97 % | |
| Komplettbad / Markenwahl | 88 % | |
| Dusch-WC (AquaClean-Feld) | 79 % | |
| Duschrinne (CleanLine) | 76 % |
Das Muster ist konsistent: Geberit ist im „Behind-the-wall"-Kernrevier (Platte, Vorwand) praktisch unschlagbar und schwächer dort, wo Spezialisten oder globale Kategorieführer sitzen (Duschrinne, Dusch-WC). Die 21 unbranded Absenzen konzentrieren sich fast vollständig auf Englisch und die Dusch-WC-/Duschrinnen-Prompts.
Was die Lücken bedeuten.
Zusammenführung von Antwort-Layer (Messung) und technischer Ebene (Periodensystem). Die Ursachen-Hypothesen zu den On-Page-Punkten wären nach Freigabe des Crawler-Zugangs zu verifizieren.
| Befund | Einordnung | GEO-Stufe |
|---|---|---|
| Englisch-Lücke (59 %, ~35 pp unter FR/DE) | Trotz vorhandenem EN-Wikipedia-Artikel: im angelsächsischen Sanitär-Diskurs ist Geberit weniger als selbstverständliche Referenz verankert, Toto und generische Antworten dominieren. Deutet auf schwächere EN-Earned-Media- und Co-Citation-Dichte, nicht auf eine Entitäts-Lücke. | Stage 1 · Earned Media |
| Dusch-WC 79 % | Toto (Washlet) ist globaler Kategorieführer, dazu Duravit SensoWash / V&B ViClean. Geberit AquaClean ist stark, wird aber nicht durchgängig als Erstnennung gezogen — besonders EN/IT/ES. | Stage 1/3 · Co-Citation |
| Duschrinne 76 % | Schwächste Kategorie. Spezialisten (TECE drainline, Viega Advantix, ACO, Kessel, Dallmer) besetzen das Thema; Geberit CleanLine ist weniger top-of-mind. | Stage 1/3 · Category |
| Crawler-Zugang unklar (Cloudflare-WAF 403) | robots.txt erlaubt Crawler, aber die WAF blockt unverifizierte Clients. Ob verifizierte KI-Bots durchkommen, ist offen — potenziell der größte blinde Fleck, weil er die gesamte On-Page-Ebene betrifft. | Stage 2 · Access |
| Kernrevier lückenlos (Platte 100 %, Vorwand 97 %) auf starkem Entitäts-Fundament | Wo Geberit den Markt de-facto definiert und die Entität (Wikidata/Wikipedia) sauber sitzt, ist die KI-Sichtbarkeit maximal. Trägt die Gesamtdominanz. | stark |
Von der Diagnose zu Hebeln.
Entscheidungsvorlage, priorisiert nach Fundamentalität. Der Grundgedanke: Geberit hat das Fundament (Gesamtdominanz, Entität, Kernkategorien); die Hebel liegen bei maschinenlesbarer Zugänglichkeit, englischsprachiger Verankerung und zwei umkämpften Produktfeldern.
- kritisch Server-/WAF-Logs auf die Live-Fetcher prüfen — nicht auf den Trainings-Bot. Der Abruf, der im Antwort-Moment zählt, ist ChatGPT-User (in Traffic-Messungen ~¾ des KI-Traffics), dazu OAI-SearchBot, Perplexity und Claudes Fetcher; GPTBot (Training) ist marginal. Im Cloudflare-Dashboard prüfen, ob diese Live-Fetcher 403 bekommen. Blocken sie, ist geberit.coms aktueller Content für Echtzeit-Antworten unsichtbar — die (hohe) Sichtbarkeit ruht dann allein auf dem Trainingskorpus.
- hoch Sauberes Server-HTML + Content-Negotiation: KI-Fetcher führen kein JavaScript aus — nur server-gerendertes HTML zählt. ChatGPT-User liest fast ausschließlich HTML, Claude-Fetcher wollen zu ~¾ Markdown (
Accept: text/markdown). Produkt-Content server-seitig ausliefern und optional Markdown per Content-Negotiation anbieten. - nachrangig llms.txt (aktuell 404) ist nach aktuellen Traffic-Daten praktisch wirkungslos — KI-Assistenten rufen sie kaum ab. Kein prioritärer Hebel; erst nach HTML-Reachability und Live-Fetcher-Zugang.
- hoch EN-Earned-Media und Co-Citation stärken: Die EN-Lücke (59 %, Google 44 %) ist nicht enzyklopädisch (EN-Wikipedia existiert), sondern liegt in der redaktionellen Dichte. Gezielt EN-„best of"-/Vergleichs-Content zu Dusch-WC und Bad-Marken adressieren. Geberit ist in den romanischen Märkten quasi lückenlos, im Anglo-Raum nicht.
- hoch AquaClean als Erstnennung etablieren: Toto ist die globale Default-Antwort im Washlet-Segment. Co-Citation in unabhängigen Dusch-WC-Vergleichen (mehrsprachig, EN priorisiert), belegbare Alleinstellungen antwort-fertig aufbereiten.
- mittel Kategorie-Präsenz Duschrinne aufbauen (schwächste Kategorie, 76 %), wo Spezialisten das Thema besetzen: zitierfähiger Guide-/Vergleichs-Content zu bodengleichen Duschen mit CleanLine.
- mittel Wikipedia ES + NL anlegen (aktuell 404), aus den gut belegten EN/DE/FR-Artikeln, um die Entität in zwei relevanten Märkten zu verankern.
- retainer Messung fortlaufend fahren (Modelle × Sprachen × Kategorien über Zeit), um Bewegungen im Wettbewerb (v. a. Grohe) und den Effekt von Maßnahmen — besonders in EN und Dusch-WC/Duschrinne, sowie nach Crawler-Freigabe — messbar zu machen.