KI-Sichtbarkeit für OTC-Marken: Warum euer Produkt in der Antwort fehlt

Die Vorauswahl trifft die KI. Nicht mehr ihr.

Stellt euch diesen Moment am HV-Tisch vor. Jemand kommt herein, verlangt eine konkrete rezeptfreie Packung und hat den Namen nicht aus eurer Kampagne, sondern aus einer KI-Antwort vom Abend zuvor.

Die Kaufentscheidung ist damit nicht zwingend gefallen, denn am Tisch wird weiter beraten und am Ende entscheidet oft die PTA. Die Vorauswahl hat aber längst stattgefunden, und wenn eure Marke in dieser Vorauswahl fehlt, verliert ihr keinen sichtbaren Verkauf. Ihr werdet nur nicht mehr in die Entscheidung einbezogen, und das ist der teurere Verlust, weil er in keinem Reporting auftaucht.

Im Rahmen eines Kundenprojekts habe ich untersucht, wie ein OTC-Produkt in solchen Antworten auftaucht. Nicht mit einer einzelnen Frage und nicht mit dem Versuch, eine bestimmte Nennung zu erzwingen, sondern mit einem festen Set echter Nutzerfragen, über mehrere Systeme hinweg und mehrfach wiederholt.

Den Produktnamen und die Ergebnisse aus dem Mandat nenne ich nicht. Was ich teile, sind die Erkenntnisse, die für viele OTC-Marken relevant sind.

Gut distribuiert heißt nicht eindeutig

Die erste Erkenntnis war ernüchternd. Ein Produkt kann im Markt breit verfügbar sein und für ein KI-System trotzdem kein klares Bild ergeben.

Der Hersteller beschreibt das Produkt auf seiner Website. Versandapotheken führen dieselbe Packung mit eigenen Titeln und eigenen Bildern. Amazon hat ein Listing. Fachportale erklären den Wirkstoff. Auf mehreren Plattformen wird bewertet.

Das klingt nach guter Sichtbarkeit und ist technisch trotzdem ein Problem, denn all diese Quellen nennen unterschiedliche Produktnamen, zeigen unterschiedliche Bilder und führen abweichende Identifikatoren, Preise und Bewertungslogiken. Ein System muss daraus eine einzige Antwort formen, und genau dort entscheidet sich, ob euer Produkt korrekt verstanden und bei der passenden Frage überhaupt berücksichtigt wird.

Diesen Punkt übersehen fast alle GEO-Leitfäden, weil sie eine OTC-Marke wie einen normalen Onlineshop behandeln.

Es gibt keine einheitliche KI-Sichtbarkeit

Der Begriff GEO wird inzwischen benutzt, als gäbe es neben der klassischen Suche einen neuen, einheitlichen Ergebnisraum. Das ist bequem und fachlich ungenau.

Google AI Overviews, Google AI Mode, ChatGPT Search, ChatGPT Shopping und Perplexity arbeiten weder mit denselben Quellen noch mit derselben Auswahlmechanik. Die Studie „KI & SEO im deutschen E-Commerce 2026" von LEAP und SISTRIX macht das sichtbar. Untersucht wurden 2.496 der umsatzstärksten deutschen Onlineshops zwischen Juni 2025 und Juni 2026. Deren mediane organische Sichtbarkeit sank um 16,7 Prozent, während die Betroffenheit durch KI-Antworten im untersuchten Keyword-Set von 4,3 auf 14,2 Prozent stieg.

Zwei Werte daraus sind für Pharma entscheidend. Bei informationalen Suchanfragen, also bei „was hilft bei" und „worauf muss ich achten", erschien in 69,7 Prozent der Fälle eine KI-Antwort, bei transaktionalen Anfragen nur in 0,2 Prozent. Und die Google-Systeme ähneln sich bei ihren Zitierungen mit einer Rangkorrelation von 0,86 stark, während ChatGPT mit ihnen nur zwischen 0,45 und 0,49 übereinstimmt.

Die Studie beschreibt große Onlineshops und keinen einzelnen Hersteller, sie zeigt Zusammenhänge und keine Ursachen. Aber sie beschreibt genau den Moment, in dem im OTC-Markt vorentschieden wird, denn die Frage nach dem Produkt für die Beschwerde ist eine Informationsfrage — und die wird zu Hause gestellt.

Praktisch heißt das: Wer bei Google auftaucht, ist deshalb noch lange nicht bei ChatGPT sichtbar.

Google widerspricht den meisten GEO-Versprechen

Im Mai 2026 hat Google einen eigenen Leitfaden zur Optimierung für generative Suchfunktionen veröffentlicht und die Kernaussage darin ist erfrischend unspektakulär. Die Grundlage bleibt die klassische Suche, eine Seite muss indexierbar, technisch zugänglich und hilfreich sein.

Ausdrücklich nicht nötig sind ein besonderes Markup, eine eigene KI-Datei auf dem Server, ein Umschreiben der Texte für Maschinen oder künstlich erzeugte Erwähnungen. Die FAQ-Rich-Results, jahrelang der beliebteste vermeintliche Hebel, zeigt Google seit dem 7. Mai 2026 gar nicht mehr an, und zur Datei llms.txt hat Google erklärt, dass sie die Sichtbarkeit weder verbessert noch verschlechtert.

Damit fällt ein großer Teil der aktuellen GEO-Verkaufssprache in sich zusammen. Wer euch ein geheimes Dateiformat, ein besonderes KI-Schema oder garantierte Zitierungen verspricht, kann sich dafür auf keine Quelle berufen.

Bei OTC entscheidet die Packungsidentität

Hier unterscheidet sich der Apothekenmarkt grundlegend vom Standardmodell eines Onlineshops. Der Hersteller verantwortet Produkt, Marke und zugelassene Aussagen, verkauft wird aber in der Vor-Ort-Apotheke, bei Versandapotheken und auf Marktplätzen. Preis, Bestand und Checkout liegen damit außerhalb eurer eigenen Website.

Für die Prüfung heißt das, dass ihr nicht nur die eigene Produktseite anschauen dürft, sondern die ganze Kette. Stimmen Produktname, Darreichungsform, Packungsgröße, Bild und Anwendungsgebiet zwischen eurer Seite und den wichtigsten Versandapotheken überein?

Die PZN spielt dabei eine besondere Rolle, weil sie im deutschen Apothekenmarkt der zentrale Identitätsanker ist und eine konkrete Packung mit Hersteller, Apotheken, Datenbanken und Händlern verbindet. Sie ist keine GTIN, sie gehört nie in ein GTIN-Feld und sie ist auch kein Rankingfaktor. Für die Datenqualität ist sie trotzdem entscheidend, denn wenn ein System für dieselbe Packung drei Namen, zwei Größen und einen veralteten Preis findet, muss es die Widersprüche selbst auflösen. Darauf würde ich keine Sichtbarkeit bauen.

Beim Markup lohnt sich dieselbe Genauigkeit. Eine Herstellerseite sollte Preis und Verfügbarkeit nur dann als Offer auszeichnen, wenn diese Angaben sichtbar, aktuell und einer konkreten Bezugsquelle korrekt zugeordnet sind. Andernfalls bleibt sie bei sauberem Product-Markup ohne erfundenes Angebot.

Ein Produktdatenmodell beginnt nicht beim Feed

Viele Unternehmen starten mit einem Export aus dem vorhandenen System und versuchen anschließend, die fehlenden Felder aufzufüllen. Das ist meistens der falsche Ausgangspunkt, denn zuerst gehört geklärt, welches System für welches Feld die führende Quelle ist.

Der freigegebene Produktname kommt aus dem regulatorischen oder zentralen Produktstamm. Die PZN stammt aus dem zugehörigen Stammdatenprozess. Claims kommen aus einer freigegebenen Claim-Liste und nicht aus dem Kampagnentext. Preis und Verfügbarkeit verantwortet der Händler.

Bevor irgendetwas in Markup, Merchant Center oder einen Plattformfeed übertragen wird, lohnen sich deshalb sieben Fragen:

• Welche konkrete Packung wird überhaupt beschrieben?
• Welche Identifikatoren gehören zu dieser Packung?
• Welche Informationen sind fachlich und rechtlich freigegeben?
• Welche Daten darf ausschließlich der Händler liefern?
• Welche Werte widersprechen sich zwischen eurer Website und dem Handel?
• Welche Quelle wird bei einer Änderung zuerst aktualisiert?
• Wie werden Relaunch, Auslistung und neue Verpackung behandelt?

Wenn diese Zuständigkeiten offen bleiben, entsteht eine Tabelle mit vielen Feldern, aber keine belastbare Produktwahrheit.

ChatGPT Shopping ist für deutsche OTC-Marken kein Hauptkanal

ChatGPT kann bei kaufnahen Fragen Produktergebnisse mit Bildern und Händlerlinks anzeigen, und OpenAI beschreibt diese Ergebnisse als unabhängig ausgewählt, nicht als Anzeigen und nicht durch Partnerschaften beeinflusst. Niemand kann euch dort eine Nennung verkaufen.

Für die Planung in Deutschland kommen zwei Einschränkungen dazu. OpenAI beschreibt sein Shopping-Angebot derzeit als auf Nutzerinnen und Nutzer in den USA ausgerichtet, direkte Produktfeeds laufen über freigegebene Partner und die Anbindung über Shopify setzt unter anderem voraus, dass der Shop an US-Kunden verkauft.

Und die Commerce Policies schließen verschreibungspflichtige Arzneimittel ausdrücklich aus. OTC-Produkte werden dort nicht pauschal als eigene Verbotskategorie genannt, daraus folgt aber keine automatische Zulässigkeit, denn ob ein konkretes Produkt zulässig ist, hängt zusätzlich von Produktart, Claims und den weiteren Regeln ab.

Für eine deutsche OTC-Marke ist das damit ein Beobachtungsposten und kein planbarer Kanal. Relevant bleibt stattdessen ChatGPT Search, das öffentliche Hersteller-, Ratgeber- und Händlerseiten als Quellen heranziehen kann, sofern sie zugänglich sind.

Was ich als Erstes prüfen würde

Nicht, welche geheimen GEO-Felder fehlen, sondern:

• Ist jede Packung eindeutig identifiziert, im Apothekenmarkt vor allem über die PZN, dazu über die zugewiesene GTIN und, sofern vorhanden, über MPN und die systemspezifische SKU? Kennungen, die es nicht gibt, werden nicht erfunden.
• Stimmen Produktname, Bild, Darreichungsform und Packungsgröße bei den wichtigsten Versandapotheken mit eurer Seite überein?
• Beantwortet eure Produktseite die realen Fragen zu Anwendung, Zielgruppe und Grenzen — oder steht dort Werbesprache, wo ein System Fakten bräuchte?
• Sind Claims, Pflichttexte und Bewertungen fachlich und rechtlich sauber?
• Erreichen Googlebot und der Suchcrawler von OpenAI eure Inhalte überhaupt?
• Welche Quellen werden bei markenfreien Fragen tatsächlich verwendet?
• Lässt sich der Test mit demselben Fragenset wiederholen?

Ein einzelner Screenshot ist dabei kein Monitoring. KI-Antworten schwanken mit Formulierung, Konto, Standort und Modell, deshalb braucht es ein festes Set markenfreier Fragen, das protokolliert und in Abständen wiederholt wird. Gemessen wird dann nicht nur, ob die Marke genannt wird, sondern ob die richtige Packung genannt wird, welche Quellen die Antwort stützen und wie oft sie schlicht falsch ist. Eine Nennung mit falscher Packungsgröße ist wirtschaftlich schlechter als keine Nennung.

Was sich messen lässt und was niemand garantieren kann

Belastbar wird ein Test erst, wenn ein festes Set markenfreier Fragen entlang echter Entscheidungen existiert. Dazu gehören Problemfragen, Vergleichsfragen, Fragen mit Ausschlüssen wie „ohne Parfum" oder „für Kinder", Händlerfragen und bewusst auch Gegenfragen, bei denen euer Produkt gerade nicht empfohlen werden sollte.

Diese Fragen werden in einem neuen Gespräch ohne Personalisierung gestellt und mit Datum, Markt, Sprache, System und sichtbarer Modellbezeichnung protokolliert, dazu Standort, Konto, genannte Produkte und Marken, verlinkte Quellen, Händler, Preis und Packung sowie jeder sachliche Fehler.

Getrennt ausgewertet werden anschließend die Quellenquote, die Erwähnungsquote, die Produktergebnisse, die korrekte Packungszuordnung und die Fehlerquote. Umsatz und Sell-out sind Geschäftsergebnisse und dürfen nicht ohne weitere Belege als Wirkung einzelner Maßnahmen verbucht werden.

Jede Veränderung nach einer Korrektur ist eine Beobachtung und kein Beweis für einen Rankingfaktor. Wer das sauber trennt, kann seiner Geschäftsführung sagen, was sich bewegt hat und was nicht. Wer es nicht trennt, hat am Ende wieder ein Reporting, zu dem alle nicken.

Warum das kein SEO-Thema allein ist

Die wichtigste Erkenntnis aus dem Projekt war nicht, dass Unternehmen einen weiteren Kanal bespielen müssen. Sie müssen die Informationen zusammenführen, die sie längst haben.

OTC-Marken besitzen Produktstämme, Fachinformationen, Händlerbeziehungen, Studien, Ratgeberinhalte und Pflichttexte. Diese Dinge liegen nur in verschiedenen Abteilungen, in verschiedenen Versionen und mit verschiedenen Verantwortlichen. Genau deshalb wird KI-Sichtbarkeit nicht im SEO-Team gelöst, sondern erst dann, wenn Product Management, Regulatory, Medical, Legal, E-Commerce und Vertrieb sich auf dieselbe Produktwahrheit einigen.

Das ist weniger geheimnisvoll als die meisten GEO-Versprechen und deutlich anspruchsvoller als ein neues Schema-Feld.

Leitfaden und Prompt-Playbook

Aus der Untersuchung sind zwei Arbeitsdokumente entstanden.

Der Leitfaden „KI-Sichtbarkeit für OTC- und Healthcare-Marken 2026" enthält das komplette Auditmodell mit Produktdaten, PZN und GTIN, Hersteller- und Händlerseiten, Product- und Offer-Beispielen, Crawlchecks, Messung und einem Plan für die ersten 90 Tage.

Das Prompt-Playbook enthält die Fragensets für den eigenen Test, inklusive der Prüfungen zu Produktidentität, Packungszuordnung, Versandapotheken und Quellenlage.

Beide Dokumente gebe ich auf Anfrage kostenlos weiter. Schreib mir kurz „OTC Sichtbarkeit" per Mail, dann schicke ich dir beides zu.

Quellen

LEAP und SISTRIX, „KI & SEO im deutschen E-Commerce 2026" (sistrix.de) · Google, Guide for Generative AI Features (developers.google.com) · Google Search Updates zu FAQ-Rich-Results (developers.google.com/search/updates) · OpenAI, Commerce Policies (openai.com/policies/commerce-policies) · OpenAI, Merchant Information (chatgpt.com/merchants) · OpenAI, Crawlers (developers.openai.com) · Google, Structured Data Product (developers.google.com) · IFA-Richtlinien zur PZN (ifaffm.de). Plattformangaben geprüft am 14. September 2026, Verfügbarkeit und Richtlinien können sich ändern.