Findet ein KI-Agent mein ganzes Sortiment, oder nur die Marke?
Die Marke findet der Agent. Das Sortiment nicht.
Ein KI-Agent findet meist die Marke und das eine bekannte Produkt, selten das ganze Sortiment. Qiagen hat eine der saubersten Agent-Surfaces im Index, trotzdem erreichen 83 Prozent der breiten Kategorie-Anfragen die Seite nie [S1]. Nach einem bestimmten Kit gefragt, taucht es zuverlässig auf; breit gefragt, kommt es etwa eines von zehn Malen. Die Lücke ist nicht die Seite, sondern der Kategorie-Einstieg. Qiagen hat die niedrigste AI-Visibility im Index, 11,5 von 100, bei einer AI-Usability von 80 [S2].
Takeaway
Sichtbarkeit hat zwei Tiefen. Ein KI-Agent findet eine Marke oft auf Namens- oder Flaggschiff-Ebene, scheitert aber an der Kategorie-Ebene, wo die meisten Kaufabsichten starten. Wer breit fragt, etwa nach einem Reagenz für eine bestimmte Anwendung, bekommt selten den Hersteller, der das Produkt führt, sondern einen Aggregator oder einen größeren Wettbewerber. Qiagen ist der Extremfall: eine technisch nahezu makellose Surface, aber ein Kategorie-Einstieg, der 83 Prozent der breiten Anfragen nicht erreicht. Die Seite ist nicht das Problem. Der Weg zur Seite ist es.
Was ein Agent erreicht, Ebene für Ebene.
Gemessen an Qiagen, der saubersten Surface im Index [S1]. Je breiter die Frage, desto seltener kommt der Agent an.
Zwei Achsen, ein Befund: AI-Visibility 11,5 von 100 (niedrigste im Index), AI-Usability 80. Sobald der Agent ankommt, klappt alles. Er kommt nur fast nie an. [S2]
Es kommt auf die Tiefe an
Gefunden ist nicht alles gefunden.
Marke ist nicht Sortiment
Der Agent kennt den Namen und findet das eine bekannte Produkt. Das Long-tail-Sortiment, oft der Großteil des Umsatzes, bleibt beim Kategorie-Einstieg unsichtbar.
Experte ist nicht Markt
Wer das Produkt genau benennt, findet es zuverlässig. Wer breit nach der Kategorie fragt, landet beim Aggregator oder einem größeren Wettbewerber, nicht beim Hersteller, der es führt [S1].
Surface ist nicht Discovery
Eine perfekte Seite nützt nichts, wenn der Kategorie-Einstieg fehlt. Qiagens Surface ist server-gerendert, mit Produktfinder und Warenkorb ohne Login; 83 Prozent der Kategorie-Anfragen kommen trotzdem nie an [S1].
Warum das relevant ist
Ein tiefes Sortiment vergrößert die Lücke, nicht die Sichtbarkeit.
Je breiter der Katalog, desto mehr Nachfrage startet als breite Kategorie-Frage, nicht als Markensuche. Pharma, Industrie, B2B: der Käufer beschreibt ein Problem oder eine Spezifikation, bevor er einen Hersteller im Kopf hat. Erreicht der Agent bei dieser Frage die Marke nicht, geht der Großteil der Nachfrage am Hersteller vorbei, so makellos die einzelnen Produktseiten auch sind.
Der Hebel ist deshalb nicht mehr Produktseiten, sondern der Kategorie-Einstieg: die breite Frage besetzen, die vor der Marke kommt. Welche der beiden Achsen klemmt, lässt sich getrennt messen: taucht die Marke nicht auf, ist es ein Visibility-Problem; taucht sie auf, kann der Agent aber nicht abschließen, ein Usability-Problem. Was ein Agent auf der Seite überhaupt liest, steht unter Agent Surface.
Drei Anschluss-Fragen.
Liegt das an meiner Website?
Oft nicht. Qiagens Surface ist technisch nahezu makellos, server-gerendert, mit funktionierendem Produktfinder und einem Warenkorb, der ohne Login erreichbar ist, und die Marke ist trotzdem fast unsichtbar. Es ist ein Discovery-Problem auf Kategorie-Ebene, kein Seiten-Problem. Mehr Produktseiten lösen es nicht.
Was ist der Unterschied zu „werde ich überhaupt gefunden“?
Eine Marke kann namentlich gefunden werden und ihr Sortiment trotzdem unsichtbar sein. Diese Seite misst die Tiefe: Marke, dann Flaggschiff-Produkt, dann das ganze Sortiment. Die meisten Marken kennen ihre Lücke nicht, weil sie nur den Markennamen testen, nicht die breite Kategorie-Frage, mit der echte Käufer starten.
Wie wird das gemessen?
Der DAX-40 Agent Success Index schickt fünf Klassen von KI-Agenten gegen einen frozen Task pro Marke und misst zwei Achsen: AI-Visibility (taucht die Marke in der Antwort auf) und AI-Usability (kann der Agent den Task abschließen). 34 der 40 Marken sind gemessen, Stand Juni 2026, Commerce-Lane, Original Research. Die Methodik ist öffentlich.
Drei Wege, tiefer einzusteigen.
Methodik
Agent Surface.
Was ein KI-Agent beim Abruf einer Seite tatsächlich liest, die Schicht hinter jeder Sichtbarkeit.
LesenIndex
DAX-40 Agent Success.
Das vollständige Ranking über 34 gemessene Marken, beide Achsen. Qiagen als Anomaliefall.
ÖffnenTest starten
Kostenloser Snapshot · 48h.
Fünf Agenten gegen deine Kategorie. Gescorter Output, Peer-Vergleich, ein Report. Kostenlos.
AnfordernEvidenz und Provenienz.
S1
internal
Qiagen BrandScore — Pharma & Healthcare (in Englisch gemessen)
Hyperize DAX-40 Agent Success Index · Stand Juni 2026
https://www.hyperize.ai/en/dax40-index/brands/qiagen
Stützt: 83 Prozent des breiten Kategorie-Prompt-Traffics erreichen qiagen.com nie; das spezifische Produkt wird zuverlässig gefunden und ist ohne Login abschließbar. AI-Visibility 11,5 von 100 (niedrigste im Index), AI-Usability 80. Gemessen in Englisch, der primären Käufersprache für Experten-Diagnostik; der Rest des Index ist in Deutsch gemessen.
S2
internal
Living Dataset — 34 brand-owned DAX-40-Messungen
Hyperize DAX-40 Agent Success Index · Wave 1 bis Wave 11 (Stand Juni 2026)
https://www.hyperize.ai/en/dax40-index
Stützt: Qiagen steht mit einer AI-Visibility von 11,5 am unteren Ende der gemessenen Verteilung, bei einer AI-Usability von 80. Die beiden Achsen werden pro Marke getrennt gemessen.
S3
internal
Agent Surface — die Schicht, die ein KI-Agent beim Abruf liest
Hyperize Methodology · Stand Juni 2026
https://www.hyperize.ai/en/methodology/agent-surface
Stützt: Agent Surface bezeichnet, was ein KI-Agent beim Abruf einer Seite tatsächlich lesen kann. Discovery, ob die Seite bei einer breiten Frage überhaupt erreicht wird, ist davon getrennt.
Editorial coverage
The DAX 40 Agent Success Index is a point-in-time snapshot of the agent-success of public digital touchpoints. Results are not statements about product quality, company performance, service quality, or the legal obligations of the brands named. Brand names and logos remain the property of their respective owners and are used solely for identification and reporting purposes in the context of editorial coverage (§ 23 MarkenG, Art. 5 GG).
Brands wishing to respond, engage, or correct a factual error may contact hello@hyperize.ai. Responses received are published in full alongside the findings. Full methodology and editorial-coverage notice: coverage statement.
