Ein Geschäftsführer fragt ChatGPT: „Welcher KI-Telefonassistent eignet sich für unsere Kanzlei?“ Die Antwort nennt drei Anbieter. Einer davon wirkt passend, wird geöffnet und zwei Minuten später über die angegebene Nummer angerufen. Für die Generative Engine Optimization war die Empfehlung ein Erfolg. Für das empfohlene Unternehmen beginnt die eigentliche Conversion jedoch erst jetzt.
Diese Customer Journey verbindet zwei Disziplinen, die häufig getrennt betrachtet werden. GEO und AEO befassen sich damit, ob ein Unternehmen in Antworten von ChatGPT, Claude, Gemini oder Perplexity sichtbar und in einem passenden Kontext genannt wird. Die telefonische Leadqualifizierung befasst sich damit, was aus der dadurch entstehenden Nachfrage wird. Zwischen beiden liegen Website, Vertrauen, Kontaktentscheidung und ein Gespräch, das selten bereits in sauberen CRM-Feldern formuliert ist.
Kurz gesagt
KI-Sichtbarkeit und Lead-Konvertierung sind zwei getrennte Stufen. Epovest untersucht, ob eine Marke bei relevanten Prompts genannt wird, welche Wettbewerber erscheinen und welche Quellen unterschiedliche KI-Engines verwenden. Teloro kann einen möglichen nächsten Schritt übernehmen: den Anruf annehmen, das Anliegen verstehen, fehlende Angaben erfragen und einen Termin, Rückruf oder eine strukturierte Übergabe vorbereiten. Es wird keine technische Integration zwischen Epovest und Teloro behauptet.
Wie sich die Customer Journey durch KI-Suche verändert
Die klassische Suchreise wird meist als Folge aus Suchanfrage, Trefferliste, Website und Conversion beschrieben. Bei generativer Suche kann ein Teil der Recherche und Vorauswahl bereits in der Antwort stattfinden. Eine Person formuliert ihr Problem, erhält eine zusammengefasste Einordnung, sieht mögliche Anbieter und prüft anschließend nur noch eine kleinere Auswahl.
Das bedeutet nicht, dass jede KI-Antwort eine verbindliche Empfehlung oder ein sicherer Kaufimpuls ist. Je nach Frage kann das System erklären, vergleichen, Quellen nennen oder konkrete Namen aufführen. Antworten können sich zwischen Engines und Zeitpunkten unterscheiden. Auch Formulierung, Standort, Branche und Kaufphase des Prompts verändern den Kontext.
Für Unternehmen entsteht damit ein zusätzlicher Eingang zur Customer Journey: Frage → KI-Antwort → Vergleich oder Empfehlung → Anbieterprüfung → Kontakt. Die Website bleibt wichtig, doch sie ist nicht mehr zwingend der Ort, an dem die erste Longlist entsteht. Wer GEO betreibt, sollte daher nicht nur die eigene Domain beobachten, sondern die Antwortlandschaft rund um reale Kauf- und Problemfragen.
Was GEO tatsächlich messen sollte
Eine einzelne Domainzitation sagt wenig darüber aus, ob eine Marke in einem kaufnahen Kontext vorkommt. Aussagekräftiger ist ein festes Prompt-Set: Wird die Marke genannt oder ausdrücklich empfohlen? Bei welchen Problemen, Branchen und Auswahlfragen? Welche Wettbewerber erscheinen daneben? Welche Quellen stützen die Antwort? Und unterscheiden sich ChatGPT, Claude, Gemini und Perplexity?
Genau für diese vorgelagerte Beobachtung lässt sich KI-Sichtbarkeit mit Epovest messen. Nach dem offiziellen Produktauftritt werden definierte Prompts über verschiedene Engines abgefragt; vollständige Antworten und zitierte Quellen werden für die Auswertung archiviert. Dadurch lassen sich nicht nur Momentaufnahmen, sondern auch Veränderungen innerhalb eines kontrollierten Messaufbaus nachvollziehen.
Der Epovest Atlas richtet den Blick auf die Quellenebene. Er führt Domains auf, die in den zugrunde liegenden Messungen von KI-Engines erkannt oder zitiert wurden, macht Unterschiede nach Engine sichtbar und ordnet Quellen über die Kennzahl „AI Authority“. Das kann Content- und PR-Teams zeigen, welche Informationsorte im eigenen Themenfeld relevant erscheinen. Eine hohe Sichtbarkeit belegt jedoch für sich allein weder einen Lead noch Umsatz.
Die Empfehlung ist noch kein Lead
Eine Erwähnung in einer KI-Antwort ist zunächst Sichtbarkeit. Selbst eine positive Empfehlung ist noch kein Termin, kein Angebot und kein Umsatz. Die interessierte Person muss den Anbieter prüfen und einen Kontaktweg wählen. Das kann ein Formular, eine E-Mail, ein Chat oder ein Telefonanruf sein.
Jeder Kanal hat eigene Reibung. Formulare verlangen vorab strukturierte Eingaben, E-Mails können unvollständig bleiben und ein Telefonat schafft unmittelbare Rückfragen. Gerade bei erklärungsbedürftigen B2B-Leistungen greifen Interessenten zum Telefon, wenn sie schnell klären möchten, ob Anbieter, Systemumgebung und konkreter Use Case grundsätzlich zusammenpassen.
Der Kontaktprozess muss deshalb unabhängig von der Sichtbarkeitsmessung funktionieren. Wer in relevanten KI-Antworten auftaucht, aber Anrufe verpasst oder nur unvollständige Rückrufnotizen erzeugt, verliert Nachfrage nach der eigentlichen GEO-Leistung. Umgekehrt kann ein sauberer Telefonprozess keine Sichtbarkeit erzeugen, wenn die Marke in der vorgelagerten Recherche nicht vorkommt.
Warum Telefonanfragen schwer zu strukturieren sind
Ein Interessent sagt nicht: „Quelle ChatGPT, 40 Mitarbeitende, drei Standorte, Use Case Anrufannahme, System Microsoft 365, Kaufphase Orientierung.“ Er sagt eher: „ChatGPT hat euch empfohlen. Wir haben ungefähr 40 Mitarbeiter, drei Standorte und suchen eigentlich erst einmal etwas für die Telefonannahme. Wir nutzen Microsoft 365 – geht das überhaupt?“
In einem Satz stecken Herkunftshinweis, Unternehmensgröße, Standortstruktur, Anwendungsfall, bestehende Systemumgebung, frühe Kaufphase und eine konkrete Machbarkeitsfrage. Andere Pflichtangaben fehlen. Ein gutes Qualifizierungsgespräch muss diesen Kontext behalten, gezielt nachfragen und darf gleichzeitig nicht jedes denkbare CRM-Feld abarbeiten.
Hinzu kommen Korrekturen und Nebensätze: Der Rückruf soll doch an eine Kollegin gehen, ein Standort ist nur saisonal besetzt oder die genannte Software wird gerade abgelöst. Natürliche Sprache ist wertvoll, weil sie Bedarf offenlegt. Für den nachgelagerten Vertriebsprozess muss sie jedoch in ein verständliches Ergebnis überführt werden.
Teloro als Voice-AI-Eingangsschicht
Die Teloro GmbH aus Mannheim entwickelt KI-Telefonassistenten für Unternehmen. Teloro kann eingehende Anrufe annehmen und natürliche Gespräche in freier Sprache führen. Statt den Anrufer ausschließlich durch ein starres Tastenmenü zu leiten, kann der Assistent Anliegen erfassen, Kontext über mehrere Gesprächsschritte halten und fehlende Angaben über definierte Rückfragen ergänzen.
Eine Wissensbasis stellt freigegebene Informationen zu Unternehmen, Leistungen und Abläufen bereit. Für die KI-gestützte Anrufannahme und den telefonischen Kundenservice lassen sich Antworten, Routing, Rückrufe, Human Handoff und strukturierte Zusammenfassungen als konkrete Prozessregeln gestalten. Parallele und außerhalb üblicher Geschäftszeiten eingehende Gespräche können ebenfalls bearbeitet werden.
Bei der Leadqualifizierung kann Teloro festgelegte Angaben wie Branche, Bedarf, Standorte oder Systemumgebung abfragen. Danach kann ein Terminprozess, ein Rückruf oder die Übergabe an eine zuständige Person folgen. Je nach Zielsystem können Ergebnisse über vorhandene Integrationen, API, Webhooks oder E-Mail an CRM-, Kalender- oder Ticketsysteme weitergegeben werden. Welche Felder, Rechte und Aktionen möglich sind, muss für die konkrete Umgebung geprüft und konfiguriert werden.
Teloro entscheidet nicht automatisch, ob ein Lead wirtschaftlich wertvoll ist oder ein Angebot erhalten soll. Die Plattform bildet die vereinbarte Gesprächs- und Übergabelogik ab. Fachliche Bewertung, Sonderfälle und Entscheidungen mit größerer Tragweite können ausdrücklich beim Team bleiben.
Was Teloro gegenüber Anrufbeantworter und IVR anders macht
| Lösung | Interaktion | Ergebnis |
|---|---|---|
| Anrufbeantworter | Spielt einen Text ab und speichert eine Nachricht | Das Team hört ab und ergänzt fehlende Angaben später |
| IVR | Führt über Tasten oder feste Auswahlpunkte | Routing innerhalb eines statischen Entscheidungsbaums |
| Teloro | Führt ein natürliches Gespräch mit Kontext, Wissensbasis und Rückfragen | Strukturierte Daten, Zusammenfassung, Routing und definierter Folgeprozess |
Die Stärke liegt damit nicht in einem Superlativ, sondern in der Prozessfähigkeit: Ein frei formuliertes Anliegen kann während des Kontakts vervollständigt und in eine verwendbare Übergabe übersetzt werden. Wo Wissen fehlt oder der Fall außerhalb der Regeln liegt, braucht es einen klaren menschlichen Weg.
Welche Daten bei einem qualifizierten Anruf entstehen können
| Datenbereich | Mögliches Feld | Nutzen im Folgeprozess |
|---|---|---|
| Kontakt | Name, Unternehmen, Telefonnummer | Identifikation und Rückruf |
| Bedarf | Use Case, Branche, Standorte | Fachliche Zuordnung |
| Umgebung | Bestehende Systeme | Vorbereitung der Machbarkeitsprüfung |
| Anliegen | Frage, Ziel und Gesprächszusammenfassung | Kontext ohne erneute vollständige Schilderung |
| Nächster Schritt | Terminwunsch, Rückrufwunsch, Dringlichkeit | Priorisierung und konkrete Anschlussaktion |
| Herkunft | Freiwillig genannte Quelle, etwa ChatGPT | Zusätzlicher Attribution-Hinweis |
Diese Liste ist kein Pflichtformular. Erfasst werden sollten nur Daten, die der jeweilige Prozess wirklich benötigt und rechtmäßig verarbeiten darf. Ein einfacher Rückruf kann mit wenigen Angaben auskommen; eine detailliertere Qualifizierung braucht einen klaren Zweck, verständliche Fragen und definierte Aufbewahrungs- und Zugriffsregeln.
Vom GEO-Messwert zum Closed Loop
- Kaufprompts definieren: Reale Fragen nach Problem, Branche und Auswahlphase bilden das Mess-Set.
- Antworten messen: Epovest prüft die festgelegten Prompts in ausgewählten KI-Engines.
- Quellen und Wettbewerber analysieren: Teams vergleichen Nennungen, Kontext und zitierte Domains.
- Sichtbarkeit verbessern: Inhalte, Entitäten und externe Quellen werden fachlich gestärkt.
- KI nennt das Unternehmen: Ein Nutzer begegnet der Marke in einer passenden Antwort.
- Der Interessent ruft an: Aus Sichtbarkeit entsteht ein identifizierbarer Kontakt.
- Teloro führt das Gespräch: Anliegen, Kontext und fehlende Angaben werden aufgenommen.
- Die Anfrage wird qualifiziert: Der Prozess erzeugt strukturierte Felder und eine Zusammenfassung.
- Termin, Rückruf oder CRM folgt: Das vorgesehene System oder Team übernimmt.
- Geschäftsergebnisse werden ausgewertet: Unternehmen betrachten nicht nur Nennungen, sondern passende Kontakte und nachgelagerte Ergebnisse.
Dies ist ein fachliches Closed-Loop-Modell und keine bestehende Epovest-Teloro-Integration. Epovest steht in diesem Beispiel für die vorgelagerte Messung der KI-Sichtbarkeit, Teloro für den eigenständigen telefonischen Kontakt- und Qualifizierungsprozess. Der wirtschaftliche Wert von GEO zeigt sich langfristig nicht allein in mehr Nennungen, sondern in Nachfrage, die zum Unternehmen und Angebot passt.
Attribution: Hat ChatGPT wirklich den Lead gebracht?
Wenn ein Anrufer sagt „ChatGPT hat euch empfohlen“, kann diese Information optional als Quelle aufgenommen werden. Eine entsprechende Rückfrage kann ebenfalls sinnvoll sein, sofern sie in den Gesprächsfluss passt. Der Hinweis hilft, qualitative Beispiele zu sammeln und auffällige Muster mit der vorgelagerten Sichtbarkeitsmessung zu vergleichen.
Eine perfekte Attribution entsteht daraus nicht. Nicht jeder Anrufer nennt seine Quelle, und nicht jede Person erinnert sich an die genaue Engine. Häufig wirken mehrere Kontaktpunkte zusammen: eine KI-Antwort, eine bekannte Branchenquelle, ein späterer Google-Besuch und schließlich eine Empfehlung aus dem Netzwerk. LLM-Sichtbarkeit und Lead-Ursache sind daher nicht automatisch identisch.
Sinnvoller als Scheingenauigkeit ist eine abgestufte Auswertung: direkte Selbstauskunft des Interessenten, gemessene Sichtbarkeit für den passenden Prompt-Zeitraum, Website- und Rufnummerndaten sowie die tatsächliche Leadqualität. Diese Signale können sich gegenseitig stützen, bleiben aber methodisch getrennt.
Praxisbeispiel für einen KI-Telefonassistenten
Angenommen, ein Steuerberater sucht per Prompt nach einem „KI-Telefonassistenten für Steuerberater“ und Teloro wird als mögliche Lösung genannt. Nach der Prüfung der Teloro-Website ruft die interessierte Person an. Der Assistent kann zunächst das Ziel erfassen und anschließend beispielsweise nach Kanzleigröße, aktuellem Telefonprozess, Hauptproblem, gewünschtem Use Case, Kalender- oder Systemumgebung und Terminwunsch fragen.
Welche Fragen tatsächlich gestellt werden, hängt vom vereinbarten Qualifizierungsprozess ab. Für eine frühe Orientierung können wenige Angaben genügen. Ist bereits ein konkretes Projekt geplant, können zusätzliche Felder sinnvoll sein. Der Assistent sollte keine technische Machbarkeit zusagen, die für die konkrete Umgebung noch nicht geprüft wurde.
Am Ende kann ein Termin vereinbart, ein Rückruf vorbereitet oder eine strukturierte Zusammenfassung an das Team übergeben werden. Der Interessent muss sein Anliegen nicht erneut vollständig schildern, und der Vertrieb beginnt nicht mit einer unleserlichen Notiz. Aus der KI-Empfehlung ist damit noch kein Abschluss, aber ein bearbeitbarer Lead mit klarem nächsten Schritt geworden.
Fazit
Generative Suche kann die Anbieterwahl bereits vor dem ersten Websitebesuch beeinflussen. Unternehmen müssen deshalb zwei Systeme getrennt und doch entlang derselben Customer Journey betrachten: Sie müssen in der richtigen KI-Antwort erscheinen und die daraus entstehende Nachfrage zuverlässig verarbeiten.
Epovest steht in diesem Artikel für die Mess- und Quellenebene und für die Maßnahmen, die sich daraus ableiten: wo erscheinen, was ändern, und der Beleg dessen, was sich verändert hat. Prompts, Antworten, Wettbewerber und zitierte Domains werden über ausgewählte Engines beobachtbar. Teloro steht für die telefonische Kontakt- und Qualifizierungsebene: natürliche Gespräche, Rückfragen, strukturierte Daten sowie definierte Termine, Rückrufe und Übergaben.
Der Closed Loop entsteht nicht durch eine behauptete technische Verbindung, sondern durch eine gemeinsame Messlogik. Sichtbarkeit ist der vorgelagerte Indikator; ein passender Kontakt und sein weiterer Verlauf sind das wirtschaftlich relevante Ergebnis.
Häufige Fragen
Was ist GEO?
GEO steht für Generative Engine Optimization. Unternehmen optimieren Inhalte, Entitäten und Quellen so, dass generative Such- und Antwortsysteme sie bei passenden Fragen korrekt verstehen, nennen oder als Quelle heranziehen können.
Was ist Epovest?
Epovest ist eine Plattform zur Messung von Sichtbarkeit in KI-Antworten. Sie untersucht definierte Prompts in verschiedenen Engines und macht unter anderem Marken, Wettbewerber, Antworten und verwendete Quellen vergleichbar.
Was misst Epovest?
Epovest kann für ein festgelegtes Prompt-Set dokumentieren, wie KI-Engines antworten, ob Marken und Wettbewerber vorkommen und welche Quellen zitiert werden. Der Atlas ordnet häufig erkannte Quellen zudem nach Engine und AI Authority ein.
Was ist Teloro?
Die Teloro GmbH aus Mannheim entwickelt KI-Telefonassistenten für Unternehmen. Teloro nimmt Anrufe entgegen, führt natürliche Gespräche, erfasst Anliegen strukturiert und unterstützt definierte Termin-, Rückruf-, Weiterleitungs- und Systemprozesse.
Kann Teloro Leads am Telefon qualifizieren?
Ja, sofern die Qualifizierungslogik vorab festgelegt wird. Teloro kann erforderliche Angaben erfragen, Antworten strukturieren und das Ergebnis an einen vorgesehenen Folgeprozess übergeben. Kaufentscheidung und fachliche Bewertung können bewusst beim zuständigen Team bleiben.
Kann Teloro Termine vereinbaren?
Teloro kann definierte Terminprozesse unterstützen und je nach angebundenem Kalender verfügbare Zeiten anbieten oder einen Terminwunsch strukturiert für das Team aufnehmen. Rechte, Kalenderlogik und Sonderfälle werden für den konkreten Prozess konfiguriert.
Wie kann man messen, ob ChatGPT ein Unternehmen empfiehlt?
Dafür wird ein wiederholbares Set relevanter Fragen definiert und regelmäßig über ausgewählte KI-Engines geprüft. Neben einer Nennung sollten Empfehlungszusammenhang, Wettbewerber, zitierte Quellen, Engine, Zeitpunkt und Änderungen dokumentiert werden.
Wie wird aus einer KI-Empfehlung ein Lead?
Ein Lead entsteht erst, wenn eine interessierte Person nach der Empfehlung Kontakt aufnimmt und identifizierbares Interesse zeigt. Beim Telefonkontakt kann ein geführtes Gespräch Bedarf, Kontext und nächsten Schritt strukturiert erfassen.
Kann man erfassen, ob ein Anrufer über ChatGPT kam?
Wenn die Person ChatGPT oder eine andere Quelle selbst nennt, kann diese Angabe nach passenden Regeln aufgenommen werden. Das ergibt jedoch keine lückenlose Attribution, weil nicht jeder seine Quelle nennt und häufig mehrere Kontaktpunkte an der Entscheidung beteiligt waren.