KI zerstört das Attribution-Modell der Immobilienbranche – und niemand klickt auf einen Link

Jeder Performance-Marketing-Verantwortliche mit einem siebenstelligen Paid-Media-Budget in der Immobilien-, Hypotheken- oder verwandten transaktionalen Branche steht im nächsten Quartal vor einer Entscheidung: ob er weiterhin Attribution-Berichten vertraut, die strukturell den Kanal nicht erfassen können, der heute die Kaufabsicht von Interessenten prägt. Eine kleine Usability-Studie aus San Diego hat dieses Problem nun in Zahlen gefasst. Die Zahlen sind ernüchternd – und ihre Relevanz reicht weit über die Immobilienbranche hinaus.

Was passiert ist

Am 9. September 2026 veröffentlichte Targence, ein auf KI-Wahrnehmungsintelligenz spezialisiertes Unternehmen mit Sitz in San Diego, Ergebnisse einer Usability-Studie zum Thema Hausverkauf, wie EIN News berichtete. Die Methodik war klar: videoaufgezeichnete, aufgabenbasierte Sitzungen über Userbrain, bei denen die Teilnehmer ein Hausverkaufsszenario mit einem KI-Assistenten starteten und ihre Gedanken laut aussprachen.

Das zentrale Ergebnis lässt sich in einem Satz zusammenfassen: Kein einziger Teilnehmer klickte auf einen Zitatlink in einer KI-Antwort, um eine Quelle zu prüfen. Manche überflogen die Antwort, manche fanden die Links schwer erkennbar, manche sahen schlicht keinen Anlass, weiter zu suchen, sobald die KI gesprochen hatte. Dieses Verhalten zeigte sich konsistent in der gesamten Stichprobe.

Der Einfluss der KI begann, bevor ein bestimmtes Unternehmen überhaupt erwähnt wurde. Die KI steuerte bereits den Entscheidungsweg: ob über einen Makler verkauft, ein Barangebot angenommen oder die Immobilie zunächst renoviert werden sollte. Sie prägte die Vergleichskriterien (Bewertungen, Verkaufshistorie, lokale Erfahrung) und die Fragen, die Verkäufer an Anbieter zu stellen planten (Nettoerlös, Gebühren, Ablauf). Als ein Markenname in die Unterhaltung eintrat, war der Rahmen bereits gesetzt.

Was Verkäufer nach der KI-Antwort taten, zeigt, wo das Attribution-Modell zusammenbricht. Teilnehmer suchten bei Google nach einem Makler, den die KI vorgeschlagen hatte. Sie überprüften Bewertungen von Unternehmen, die die KI vorausgewählt hatte. Sie öffneten empfohlene Profile. Sie fragten die KI nach Telefonnummern. Ein Teilnehmer, der die KI nutzte, um lokale Makler einzugrenzen und deren Nummern zu ermitteln, bevor er Vergleichsgespräche plante, sagte knapp: „Das war die einzige Art, wie ich sie gefunden habe." Verkäufer beschrieben, dass sie zuerst mit der KI beginnen und Google nur zur Bestätigung nutzen. Asaf Ashkenazi, Mitgründer und CEO von Targence, beschrieb das geschäftliche Risiko als falsch allokiertes Budget statt als verlorene Anerkennung: Führungskräfte lesen saubere Zahlen, kommen zu dem Schluss, KI sei unwesentlich, und finanzieren weiterhin Kanäle, die der Bericht tatsächlich sehen kann.

Technische Analyse

Um zu verstehen, warum das für alle relevant ist, die bezahlte Akquise betreiben, muss man sich ansehen, wie der Measurement-Stack aufgebaut wurde. Attribution-Plattformen – egal ob man an die Google Ads API angebunden ist oder Conversions über die Meta Marketing API leitet – teilen eine architektonische Grundannahme: eine identifizierbare Sitzung, ausgelöst durch einen Klick, die mit einem nachgelagerten Conversion-Event verknüpft werden kann. Referrer-Header, UTM-Parameter, Click-IDs, View-Through-Pixel. Die gesamte Pipeline ist ein Klick-Graph.

KI-Assistenten unterbrechen diesen Graphen an der Wurzel. Wenn ein Sprachmodell eine Antwort synthetisiert, ist der Zitatlink dekorativ – es sei denn, der Nutzer klickt darauf. Diese Studie zeigt, dass die Klickrate funktional bei null liegt. Der Nutzer nimmt die Empfehlung, öffnet einen neuen Tab, tippt den Namen des Maklers bei Google ein und landet auf der Seite über das, was wie eine markenbezogene organische Suche oder direkter Traffic aussieht. Die KI-Sitzung hinterlässt keinen Fingerabdruck in einem nachgelagerten Analysesystem. Es gibt keinen Referrer. Es gibt keinen UTM. Es gibt nicht einmal einen Hostnamen, den der Anbieter einer Referral-Ausschlussliste hinzufügen könnte.

Schlimmer noch: Der markenbezogene Suchbesuch, der folgt, wird dem Kanal gutgeschrieben, den das Last-Click-Modell bevorzugt. Wenn der Verkäufer dann auf ein Google Ads Brand-Defense-Keyword klickt, bekommt Paid Search die Conversion. Wenn er die URL direkt eingibt, bekommt direkter Traffic sie. Die KI-Empfehlung, die eigentlich die Arbeit der Anbieterwahl geleistet hat, ist unsichtbar.

Das ist ein strukturell anderes Problem als die Cookie-Deprecation-Geschichte, mit der sich die Branche drei Jahre lang beschäftigt hat. Privacy Sandbox und der Wechsel zur aggregierten Attribution-Berichterstattung betreffen eine reduzierte Genauigkeit innerhalb eines noch erkennbaren Klick-Modells. KI-vermittelte Entdeckung ist keine reduzierte Genauigkeit. Es ist ein völlig anderer Funnel – einer, der auf einer konversationellen Oberfläche beginnt, für die kein Analytik-Anbieter ein Messinstrument hat. Es gibt kein Äquivalent zu ads.txt oder einer IAB-Spezifikation, die „das Modell hat uns empfohlen" abdeckt. Noch nicht.

Wer den Schaden trägt

Immobilien sind die in der Studie genannte Branche, aber das Muster wird sich überall wiederholen, wo ein Kauf mit hohem Überlegungsaufwand eine Auswahlliste lokaler Dienstleister umfasst. Hypothekenmakler. Versicherungsagenten. Vermögensberater. Haushaltsdienstleistungen. Rechtsberatung. Überall dort, wo Käufer früher Google öffneten, einen Kategoriebegriff eingaben, das Map-Pack überflogen und Bewertungen lasen, werden sie zunehmend mit einem KI-Assistenten beginnen und Google nur noch zur Bestätigung des von der KI Gesagten nutzen.

Am stärksten gefährdet sind die Teams mit den saubersten Attribution-Dashboards und der diszipliniertesten ROAS-Berichterstattung. Das klingt kontraintuitiv, aber die Logik ist direkt: Je konsequenter ein CMO auf messbare Kanäle optimiert, desto schneller wird er Brand-Defense-Keywords, Retargeting und Paid Social überfinanzieren, die nun Conversions abfangen, die die KI originiert hat. Die gemessenen Kanäle werden so aussehen, als würden sie härter arbeiten. Der gemischte CAC wird steigen. Niemand wird wissen, warum – denn der Bericht wird weiterhin grün anzeigen.

Der CFO jedes Consumer-Marktplatzes oder Lead-Generation-Unternehmens sollte dem Growth-Verantwortlichen diese Woche eine konkrete Frage stellen: Welchen Prozentsatz unseres markenbezogenen organischen und direkten Traffics der letzten zwei Quartale können wir eindeutig einem Nicht-KI-Erstkontakt zuordnen – und wie würden wir das überhaupt testen? Wenn die Antwort ein Achselzucken ist, wird das Marketingbudget auf Glaubensbasis verteilt.

Es gibt auch eine Konsequenz für die Personalstrategie. Das Analysten-Profil, das Performance-Marketing im letzten Jahrzehnt dominiert hat – jemand, der in GA4, MMM und Click-Path-Analyse versiert ist – ist nicht das Profil, das für die Messung von KI-vermittelter Entdeckung geeignet ist. Das aufkommende Kompetenzprofil ähnelt eher SEO um 2010 kombiniert mit Prompt-Engineering: manuelles Erkunden, wie führende Modelle die eigene Marke beschreiben, Katalogisierung der zitierten Belege und Schließen der Lücken. Sehr wenige Kandidaten haben diesen Lebenslauf.

Playbook für Performance-Marketing

Die defensiven Maßnahmen sind unspektakulär, aber dringend. Erstens: Führen Sie das von Targence empfohlene Audit durch – fragen Sie die wichtigsten KI-Assistenten mit genau den Prompts, die Ihre Kunden verwenden, und zeichnen Sie auf, was sie über Ihre Marke, Ihre Wettbewerber und die Kriterien sagen, die sie nennen. Tun Sie dies wöchentlich. Behandeln Sie es als dauerhafte Monitoring-Maßnahme, nicht als einmalige Übung.

Zweitens: Gestalten Sie Ihre Website so, dass sie den KI-vermittelten Besucher bedient. Die Targence-Sitzungen zeigten, dass ein Teilnehmer Schwierigkeiten hatte, einen Weg zu finden, vor der Registrierung mit einem Menschen zu sprechen. Wenn KI vorqualifizierte Verkäufer auf Ihre Website schickt, die Referenzen prüfen und einen nächsten Schritt unternehmen möchten, muss die Website mit Belegen führen (Transaktionshistorie, Lizenzen, Bewertungen, namentlich genannte Ansprechpartner) und einen offensichtlichen Kontaktweg anbieten. Die Kategorie-Einführungs-Homepage ist jetzt die falsche Seite für die Hälfte Ihres Traffics.

Drittens: Hören Sie auf, Last-Click für Budgetentscheidungen in Kategorien zu vertrauen, in denen KI-vermittelte Entdeckung plausibel bedeutsam ist. Führen Sie Holdout-Tests ein. Schalten Sie eine Brand-Defense-Kampagne in einem kontrollierten Markt für vier Wochen ab und messen Sie die echte Inkrementalität. Wenn direkter und organischer Traffic stabil bleibt, haben Sie dafür bezahlt, KI-generierte Nachfrage abzufangen.

Viertens: Investieren Sie in die Belege, auf die KI-Modelle zurückgreifen. Drittanbieter-Bewertungsseiten, strukturierte Daten, autoritative Presseberichte, überprüfbare Transaktionsnachweise. Die Modelle sind Konsensmaschinen. Welche Markengeschichte am einfachsten zu bestätigen ist, wird zur Standardantwort.

Wichtigste Erkenntnisse

• Die Usability-Studie von Targence vom September 2026 ergab, dass kein einziger Teilnehmer auf KI-Zitatlinks klickte – KI-gesteuerte Entscheidungen hinterlassen damit keine Spur in klickbasierter Attribution.
• KI prägt den Entscheidungsweg (Route, Kriterien, Fragen), bevor eine Marke genannt wird, und übergibt die Anerkennung anschließend an Google und direkten Traffic.
• Teams mit den saubersten ROAS-Dashboards sind am stärksten gefährdet, Budget in Kanäle fehlzuleiten, die nur scheinbar konvertieren.
• Websites müssen zwei Ankunftszustände bedienen: Besucher, die eine Kategorie erkunden, und KI-informierte Besucher, die bereits wissen, wen sie verifizieren möchten.
• Die richtige Einstellung für Growth-Teams 2026 ähnelt eher einem SEO-Analysten mit Prompt-Engineering-Kompetenz als einem GA4-Spezialisten.