Skip to main navigation Zum Hauptinhalt springen Skip to page footer
Deutsch English Français 中文
Home / Blog / Blog Details

Die Bedeutung von Knowledge Hubs im B2B

Die technische Grundlage der Large Language Models reicht fast ein Jahrzehnt zurück – Google veröffentlichte die Transformer-Architektur 2017 –, doch erst 2020, mit GPT-3, begann diese neue digitale Ära. ChatGPT wurde im November 2022 veröffentlicht und bereits zwei Monate später zum am schnellsten wachsenden Verbraucherprodukt der Geschichte erklärt.

steffi präsentiert ein Dashboard mit dem B2B Knowledge Hub, daneben Kacheln für eine KI-Antwort mit Quellenangabe, die Sprachen DE, EN, FR und ZH sowie eine Webseite mit Lupe; effie verweist mit einem Link-Symbol auf den Hub

Warum Knowledge Hubs im B2B an Bedeutung gewinnen

Kontext: LLMs und der Wandel im Informationssuchverhalten

Wenige Monate später, 2023, setzte der Wettbewerb zwischen den Sprachmodellen ein, die heute den Markt dominieren, und 2024 begann die künstliche Intelligenz, nahezu jeden Winkel unserer digitalen Umgebung zu besetzen: in Suchmaschinen, im E-Mail-Programm, in Messengern und in den alltäglichen Werkzeugen des Smartphones.

Die künstliche Intelligenz hat sich jedoch nicht nur in unsere interaktiven und informationellen Systeme integriert, sondern auch in unsere täglichen Gewohnheiten. Laut dem Reuters Institute (Simon et al., 2025) stieg in einer Studie in sechs Ländern im Jahr 2025 der Anteil der Personen, die schon einmal ein generatives KI-System genutzt hatten, innerhalb eines einzigen Jahres von 40 % auf 61 %, und die wöchentliche Nutzung verdoppelte sich nahezu von 18 % auf 34 %. Zudem wurde die Informationssuche zum wichtigsten Anwendungsfall dieser Werkzeuge: Die wöchentliche Nutzung zu diesem Zweck stieg von 11 % auf 24 % und überholte damit die Erstellung von Inhalten.

Die Ankunft der LLMs in unserem digitalen Umfeld hat die klassischen Suchmaschinen allerdings nicht vollständig verdrängt, wohl aber die Art verändert, wie Nutzer Informationen suchen und auswählen. Ein Umstand, der im B2B-Bereich besonders relevant ist.

Laut Ahrefs (Stox, 2026) entfallen rund 65 % der ChatGPT-Nutzung auf Anfragen, die zuvor in einer Suchmaschine gestellt worden wären; das entspricht etwa 8,33 Google-Suchen pro Anfrage dieser Art in ChatGPT. Anders gesagt: ChatGPT verarbeitet bereits rund 12 % des Suchvolumens von Google. Die Google-Nutzung ist dadurch jedoch nicht im gleichen Maß zurückgegangen (das gesamte Suchvolumen aus Suchmaschinen und LLMs ist gewachsen); verändert hat sich vielmehr die Funktion der einzelnen Werkzeuge.

Eine Semrush-Umfrage unter mehr als 500 B2B-Fachkräften in den USA (Loktionova, 2026) zeigte, dass 66 % regelmäßig KI nutzen, um Produkte, Anbieter und Lösungen zu recherchieren, weitere 29 % tun dies gelegentlich. Wie bereits erwähnt, hat die KI die Suchmaschine jedoch nicht ersetzt: 75 % nutzen bei der Anbieterrecherche weiterhin Google oder andere Suchmaschinen. Verändert hat sich die Reihenfolge: 41 % beginnen in der KI und überprüfen die Ergebnisse anschließend in der Suchmaschine, während nur 35 % in der Suchmaschine starten und die KI zum Zusammenfassen oder Vergleichen heranziehen. Gartner (2026) beobachtet dasselbe Muster aus der Vertriebsperspektive, wie wir später sehen werden. Doch warum ist diese Information im Kontext von Knowledge Hubs wichtig?

Dieselbe Semrush-Umfrage (Loktionova, 2026) zeigt, dass Käufer einen Anbieter nicht allein deshalb wahrnehmen, weil ein LLM ihn erwähnt. Entscheidend für die Berücksichtigung einer Marke ist, ob die Antwort des LLM zum konkreten Anwendungsfall passt. Interessant ist, dass die Markennennung nicht das Ende des Prozesses ist: Nennt die KI einen Anbieter, besuchen 71 % dessen Website und 63 % googeln ihn. Es reicht also nicht, dass die Website eines Unternehmens in der Antwort erwähnt oder unter den Quellen zitiert wird. Relevant ist, dass sich diese Antwort auf der zitierten Website belegen lässt und dass diese das Bedürfnis beantwortet, das die Suche ausgelöst hat.

Das Vertrauensparadox: KI als Informationsquelle, aber nicht als Wahrheitsquelle

Der B2B-Käufer bezieht Informationen aus einem LLM, stuft sie aber nicht sofort als absolute Wahrheit ein. Dieses doppelte Verhalten – das Modell zu nutzen und ihm zugleich zu misstrauen – erklärt, warum ein Knowledge Hub strategisch geworden ist, gerade im B2B.

Laut einer im Mai 2026 veröffentlichten Gartner-Umfrage (Gartner, 2026) ziehen es 69 % der B2B-Käufer vor, KI-generierte Erkenntnisse mit einem Vertriebsmitarbeiter zu validieren. Gleichzeitig geben 70 % an, eine Self-Service-Erfahrung zu bevorzugen. TrustRadius (2026) bestätigt das Muster aus Sicht der Technologiekäufer: In der Umfrage vom Januar 2026 (1.862 Käufer und 444 Anbieter) hatten 63 % während des Kaufprozesses KI genutzt, aber 94 % von ihnen überprüfen deren Antworten zumindest manchmal. Bei dieser Überprüfung greifen sie zuerst auf die Suchmaschine zurück (19 %), dann auf die von der KI selbst zitierten Quellen (11 %) und schließlich auf offizielle oder vertrauenswürdige Quellen (7 %) (TrustRadius, o. D.). Es ist daher von größter Bedeutung, dass Käufer Zugang zu den notwendigen, detaillierten Informationen haben, die ihre Customer Journey erleichtern – von der Bewertung von Produkten und Angeboten bis zum Kauf. Und genau hier gewinnen Knowledge Hubs an Relevanz.

Was ist ein Knowledge Hub?

Knowledge Hubs sind die inhaltlichen Säulen einer Website, deren Hauptfunktion darin besteht, die Fragen der Zielgruppe rund um das Produkt zu beantworten, statt es zu verkaufen. Sie bündeln daher unter einer gemeinsamen Architektur die Ressourcen, die ein Käufer konsultiert, um ein Thema zu verstehen, eine Lösung zu bewerten oder eine konkrete Frage zu klären. Beispiele für Knowledge Hubs sind:

  • FAQs: direkte Antworten auf Fragen, so formuliert, wie der Nutzer sie stellen würde.
  • Glossar: Definitionen der wichtigsten Begriffe für die Branche, die Produkte und das Unternehmen selbst – wie unser eigenes Glossar.
  • Technische Leitfäden: wie ein Produkt funktioniert, welche Eigenschaften es hat, was seine USPs sind.
  • Produktvergleiche und Use Cases: belegbare Inhalte, mit denen Nutzer feststellen können, ob das Produkt für ihre spezifische Anwendung das richtige ist.

Was einen Knowledge Hub ausmacht, ist nicht das Format, sondern der Inhalt selbst: Hubs sind immer nach Themen organisiert und kategorisiert; jedes Hauptthema kann weitere „Satellitenseiten“ haben, die es vertiefen oder ergänzen. Anders als ein Blogartikel oder eine Pressemitteilung werden diese Inhalte zudem nicht ersetzt, sondern bei Bedarf aktualisiert. Ein Hub unterscheidet sich außerdem von Produkt- oder Anwendungsseiten, denn seine Funktion besteht gerade darin, den Inhalt dieser Produkt- und Anwendungsseiten mit Fakten und Informationen zu untermauern.

Aber warum zitieren LLMs Knowledge Hubs?

Ein Sprachmodell zitiert eine Seite aus mehreren Gründen: weil es sie finden konnte und weil es ihren Inhalt als nützlich für die Antwort auf die Nutzerfrage und als passend zu deren Absicht eingestuft hat. Und ja, Knowledge Hubs sind strukturell genau dafür gebaut. Um zu verstehen, warum das so funktioniert, muss man wissen, was es bedeutet, wenn eine Website von einem LLM zitiert wird: Ein Zitat zeigt, dass die KI dieser Website als Wissensquelle vertraut – genug, um den Nutzer dorthin zu schicken (AirOps, o. D.). Welche Content-Typen KI-Systeme in der Praxis bevorzugt zitieren, zeigt auch unser Artikel Welchen Content KI-Systeme wirklich zitieren.

Ein LLM durchläuft insgesamt fünf Schritte, um eine Anfrage zu beantworten (AirOps, o. D.); drei davon sind in diesem Zusammenhang entscheidend:

  • Interpretation: Das Modell interpretiert die Frage und entscheidet, ob es sie mit den Daten beantworten kann, mit denen es trainiert wurde, oder ob es eine gezielte Websuche durchführen muss.
  • Abruf (Retrieval): In diesem Schritt holt das Sprachmodell Kandidatenseiten, deren Inhalt es für die Frage als relevant einstuft, aus seinem Index oder aus einer Live-Websuche.
  • Bewertung und Auswahl: In diesem Schritt werden die Seiten nach Relevanz, Autorität der Quelle und struktureller Klarheit geordnet.

Jedes Format des Hubs wirkt an einer anderen Stelle dieser Abfolge:

  • Das Glossar etwa beantwortet die definitorische Absicht („Was ist XY?“) mit einer kurzen, in sich geschlossenen Passage – das am leichtesten extrahierbare Format, das es gibt.
  • FAQs bilden die Form der Frage nach und passen daher zur Interpretation der Anfrage im ersten Schritt.
  • Technische Leitfäden, Use Cases und Produktvergleiche liefern Tiefe und Autorität, die im dritten Schritt zählen, wenn das Modell die Informationen bewerten und auswählen muss, auf die es seine Antwort anschließend stützt.

Warum sollte der Einsatz von Knowledge Hubs im B2B eine Best Practice sein?

Im B2B ist eine Anfrage keine Einzelentscheidung, sondern bezieht verschiedene Stakeholder ein, deren Fragen in jedem Prozess meist sehr unterschiedlich ausfallen; zudem sind die Recherchezyklen zeitlich lang und berücksichtigen eine große Vielfalt an Informationsquellen. So erklärt es Semrush in seinem Leitfaden zur Answer Engine Optimization für B2B (Lindley, 2026).

Mehrere Stakeholder, unterschiedliche Fragen: Semrush (Lindley, 2026) identifiziert bis zu sechs Profile in einem typischen Buying Center, zum Beispiel: Der technische Evaluator fragt nach Integrationen, Anforderungen und Implementierung; der Prüfer für Sicherheit und Compliance nach Zertifizierungen und Datenverarbeitung; der Finanzverantwortliche nach Preis, Gesamtkosten und Rendite usw. Es ist also zu erwarten, dass jedes Profil eine andere KI-Antwort erhält. Durch die strategische Integration eines Knowledge Hubs (insbesondere mit einer guten Informationsarchitektur innerhalb der Website) lässt sich jede Frage beantworten, die einer dieser Stakeholder stellen könnte.

Lange Zyklen: Laut dem 6sense-Bericht (2025, zitiert nach Lindley, 2026) wendet der B2B-Käufer im Schnitt 10,1 Monate für einen Kauf auf, wobei sich die Shortlist bereits sehr früh im Rechercheprozess bildet. Wenn die Entscheidung Monate dauert und die Zitate bei jeder Anfrage neu gezogen werden, zählt also nicht, einmal aufzutauchen, sondern während des gesamten Zyklus konsistent und mit korrekten Informationen präsent zu sein. Das erfordert dauerhafte, stets aktuelle Inhalte – und genau dafür ist ein Knowledge Hub der ideale Inhaltstyp.

Der Knowledge Hub als Ort der Verifizierung

Die KI legt dem Nutzer den „Recherchebericht“ vor, aber der Knowledge Hub bestätigt dessen Richtigkeit. Wenn 94 % der Käufer die Antwort überprüfen, die sie von der KI erhalten (TrustRadius, 2026): Was werden sie auf der Website vorfinden, wenn sie diese Information belegen wollen?

Zuerst suchen sie Kohärenz. Bestätigt die zitierte Seite die Aussage im Detail, wird das Vertrauen in den Anbieter gestärkt. Existiert die Seite nicht, ist sie veraltet oder liefert sie keine vollständigen Daten, schließt der Käufer nicht, dass sich die KI geirrt hat, sondern dass der Anbieter nicht zuverlässig oder für seine Anfrage nicht relevant ist. Ein Hub ist das Mittel, mit dem sich erreichen lässt, dass die Antwort des Modells und die Realität der Website übereinstimmen und den Erwartungen des Nutzers entsprechen.

Ob KI-Systeme Ihre Inhalte heute schon als Quelle zitieren – und welche Seiten der Wettbewerb stattdessen besetzt –, zeigt eine aiva-Analyse.

Gartner (2026) stellt außerdem fest, dass sich Käufer wohl dabei fühlen, sich selbstständig zu informieren. Ein Knowledge Hub kann diesen Informationsprozess vereinfachen, weil er das Potenzial hat, sämtliche benötigte Dokumentation bereitzustellen: Use Cases nach Branche, technische Anforderungen, technische Erläuterungen, ehrliche Vergleiche.

Zusammenfassend lässt sich sagen: Ein Zitat im LLM beeinflusst, welcher B2B-Hersteller auf die Shortlist kommt, aber der Inhalt des Hubs entscheidet, ob er dort bleibt.

Sie möchten wissen, ob Ihre Inhalte in KI-Antworten zitiert werden – und wie ein Knowledge Hub für Ihr Unternehmen aussehen kann?

➡️ Jetzt aiva-Beispielanalyse herunterladen (PDF)
➡️ Content für Entscheider und KI-Systeme
➡️ Mehr zu AEO & GEO

Fragen zu Knowledge Hubs oder Interesse an einer eigenen Analyse?
➡️ Hier Angebot anfordern!

Literaturverzeichnis

Back