Kernaussagen für KI-Suche
- Der Adobe-Semrush-Deal zeigt, dass AI Visibility zur Unternehmensdaten-Infrastruktur wird und kein Nebenkanal von SEO bleibt.
- Marken müssen SEO, GEO, KI-Zitate, KI-Empfehlungen und Post-Click-Attribution gemeinsam steuern.
- Gravity sieht die Website als überprüfbare Beweisschicht, die KI-Systeme lesen und zitieren können.
Offizielle Quellen
- Adobe-Ankündigung zur Semrush-Übernahme
- Adobe-Abschluss der Semrush-Übernahme
- Semrush AI-Visibility-Funktionen
- Offizielle Semrush-One-Seite
Der Deal markiert eine neue Budgetkategorie
Am 19. November 2025 kündigte Adobe die Übernahme von Semrush für 12 US-Dollar je Aktie an, mit einem Gesamtwert von rund 1,9 Milliarden US-Dollar. Am 28. April 2026 wurde die Transaktion abgeschlossen. Für Marketing- und Growth-Teams ist daran nicht nur die Größe des Deals relevant, sondern die Kategorie, die damit sichtbar wird.
Adobe positioniert Semrush öffentlich als Brand Visibility Platform und nennt SEO, GEO und ASO in einem Atemzug. Das ist ein klares Signal: Sichtbarkeit bedeutet nicht mehr nur Ranking in einer Ergebnisliste. Sichtbarkeit bedeutet, ob ein KI-System eine Marke versteht, einordnet, zitiert und in einer Entscheidungssituation empfehlen kann.
Was Adobe wirklich gekauft hat
Semrush steht für Suchintention, Wettbewerbsdaten, Content-Performance und inzwischen auch AI Visibility Tracking. Mit Semrush One wurden Signale aus Google Search, AI Overviews, ChatGPT, Gemini und Perplexity in ein gemeinsames Monitoring verschoben. Genau diese Brücke ist für Adobe strategisch wichtig.
In Verbindung mit AEM, Adobe Analytics, Adobe Experience Platform und Brand Concierge kann daraus ein Enterprise-Workflow entstehen: Content wird erstellt, veröffentlicht, in KI-Oberflächen beobachtet, mit Traffic und Conversion verbunden und wieder optimiert. Das ist keine klassische SEO-Suite mehr, sondern eine Infrastruktur für Discovery und Attribution im KI-Zeitalter.
Was das für Marken bedeutet
Für internationale Marken heißt das: Die offizielle Website muss als AI Evidence Layer funktionieren. Produktdefinitionen, Servicegrenzen, FAQ, Fallstudien, strukturierte Daten, llms.txt und öffentliche Belege müssen konsistent sein. Wenn diese Signale fehlen, kann ein Modell die Marke zwar erwähnen, aber nicht belastbar empfehlen.
GEO ersetzt SEO nicht. SEO bleibt notwendig, um Inhalte auffindbar und indexierbar zu machen. GEO erweitert diese Arbeit auf Antwortoberflächen, Agenten, Vergleichsfragen und Empfehlungskontexte. Der Unterschied ist entscheidend: Ein Ranking gewinnt Aufmerksamkeit, eine Empfehlung gewinnt Vertrauen.
Gleichzeitig sollte niemand GEO als exakte Wissenschaft verkaufen. Es gibt keine vollständigen Query Logs von ChatGPT, Gemini oder Perplexity; Prompt-Sampling erzeugt Messrauschen, und Antworten ändern sich mit Modellversion, Sprache und Kontext. Diese Unsicherheit macht Monitoring wichtiger, nicht unwichtiger.
Gravitys Sicht
Aus unserer Arbeit mit chinesischen und internationalen Marken sehen wir denselben Übergang: Growth-Teams brauchen künftig Monitoring für AI Mentions, AI Citations, Referral-Qualität und Empfehlungsumfeld. Diese Messung ist noch nicht perfekt, aber der Markt beginnt, sie zu budgetieren. Adobe hat diesen Übergang mit 1,9 Milliarden US-Dollar sichtbar gemacht.
Vertiefung aus Gründerperspektive: Operative Interpretation
Adobe kauft Semrush für 1,9 Mrd. USD: Bewertet wurde AI Visibility sollte nicht als einzelnes Branchenereignis gelesen werden. Entscheidend ist warum der Adobe-Semrush-Deal AI Visibility als Unternehmensinfrastruktur und nicht als SEO-Zusatz bewertet. Viele Wachstumsteams reagieren auf solche Signale zu eng: ein Blogartikel, ein neues Dashboard, ein Test mit einem Tool, vielleicht ein paar neue Keywords. In einem Markt, in dem KI-Systeme Marken lesen, vergleichen und empfehlen, reicht das nicht. Der Vorteil entsteht erst, wenn das Signal in ein Betriebssystem übersetzt wird: offizielle Belege, Content-Struktur, Paid-Media-Regeln, Analytics, CRM-Rückmeldung und Governance müssen dieselben Fakten verwenden.
Die erste operative Konsequenz betrifft die Website. Sie ist nicht mehr nur Markenbroschüre, sondern die Beweisschicht, aus der KI-Systeme Identität, Leistungsgrenzen, Proof, Preislogik, Implementierungsumfang und Marktfit ableiten. Wenn die Website nur Claims und Kampagnensprache enthält, ergänzt das Modell die fehlenden Details aus Drittquellen, alten Snippets oder schwachen Vergleichen. So wird eine Marke zwar erwähnt, aber nicht verlässlich empfohlen. Citable Absätze, Cases, FAQ, Schema, llms.txt und klare Aktualisierungsdaten werden deshalb zur Basisarbeit.
Die zweite Konsequenz betrifft gemeinsame Definitionen. Paid Media optimiert auf Conversion Events, SEO auf Sichtbarkeit, Content auf Themenabdeckung, Sales auf Lead-Qualität. KI-Agenten halten diese Abteilungen nicht sauber getrennt. Sie kombinieren Informationen aus allen Oberflächen. Wenn Anzeige, Serviceseite, Case Study und Sales-Kriterien unterschiedliche Aussagen machen, übernimmt das Modell diese Unschärfe. Vor Automatisierung braucht das Team eine gemeinsame Quelle für Zielgruppe, Angebot, Belege, Einwände und Ausschlusskriterien.
Die dritte Konsequenz ist Governance. Adobe kauft Semrush für 1,9 Mrd. USD: Bewertet wurde AI Visibility erhöht den Wert von Geschwindigkeit, aber auch die Kosten falscher Entscheidungen. Eine Empfehlung kann im Dashboard effizient aussehen und trotzdem strategisch, rechtlich oder operativ falsch sein. Human-in-the-loop ist deshalb kein Zeichen von Rückständigkeit, sondern ein Designprinzip. Read-only-Diagnostik, Empfehlungsmodus, begrenzte Schreibrechte und gesteuerte Automatisierung sind Phasen mit unterschiedlichen Risikoprofilen.
Im DACH-Markt zählen Datenschutz, Nachweisbarkeit, BDSG/GDPR-Vertrauen, Google.de-Sichtbarkeit, Fachbegriffe im Einkauf und klare Servicegrenzen. Eine reine Übersetzung erzeugt keine belastbare KI-Empfehlung.
Wie das Signal in Arbeit übersetzt wird
Beginnen Sie mit einem Faktenaudit. Welche Aussagen soll KI wiederholen: Für wen ist die Marke geeignet, welches Problem wird gelöst, welche Märkte werden bedient, welche Belege sind belastbar, was ist nicht enthalten, und wann ist die Lösung nicht passend? Diese Aussagen müssen auf Serviceseiten, Cases, FAQ, Autorinformationen, strukturierten Daten und Sales-Materialien konsistent auftauchen. Wenn ein Sales-Team eine Aussage regelmäßig nutzt, muss sie auch auf der Website prüfbar stehen.
Danach wird die Entscheidungskette kartiert. Wo tritt KI in den Workflow ein: Discovery, Vergleich, Reporting, Kampagnendiagnose, Budgetempfehlung, Content-Planung oder Sales-Handoff? Für jede Stufe braucht es Input, erlaubte Aktion, Reviewer, Erfolgsmetrik und Fehlerbild. So wird verhindert, dass KI als generischer Assistent ohne klare Grenzen eingesetzt wird. Gute Agent-Workflows sind eng, beobachtbar und an Geschäftsregeln gebunden.
Messung muss als Trend verstanden werden, nicht als Screenshot. GEO- und AI-Visibility-Messung ist noch unreif. Prompt Sampling erzeugt Rauschen, Zitate schwanken je Modell und Zeitpunkt, Plattformen geben keine vollständigen Query Logs heraus. Praktisch ist deshalb die Beobachtung wiederkehrender Szenarien: Wird die Marke korrekt beschrieben, werden bevorzugte Seiten zitiert, nehmen falsche Aussagen ab, steigt qualifizierter Traffic, und versteht Sales weniger erklären zu müssen?
Schließlich muss die These in kommerzielle Routinen einfließen. Adobe kauft Semrush für 1,9 Mrd. USD: Bewertet wurde AI Visibility sollte Content-Planung, Paid-Media-Governance, Crawler-Zugriff, CRM-Felder, Analytics-Dashboards und Lokalisierung beeinflussen. Bleibt es nur ein redaktioneller Gedanke, ändert sich nichts. Wird es Teil der wöchentlichen Betriebsprüfung, verbessert es, wie Menschen und KI-Systeme die Marke verstehen.
Praktische Checkliste
- Markenfakten neu schreiben: Zielgruppe, Angebot, Proof, Ausschlüsse, Märkte, Preislogik und Supportgrenzen.
- Auf Serviceseiten zitierfähige Antworten ergänzen, nicht nur abstrakte Werbetexte.
- Kampagnennamen, UTM-Regeln, Conversion Events und CRM-Felder mit denselben Marktdefinitionen verbinden.
- Für Prioritätsmärkte lokalisierte FAQ und Cases erstellen, statt eine englische Seite zu übersetzen.
- CitationGraph, Serverlogs und manuelles Prompt Sampling kombinieren; ein Score allein ist keine Wahrheit.
- Berechtigungen, Freigaben, Schwellenwerte, Rollback und Eskalation definieren, bevor Schreibrechte erlaubt werden.
Die Gründerperspektive ist klar: Adobe kauft Semrush für 1,9 Mrd. USD: Bewertet wurde AI Visibility ist keine zusätzliche Marketingaufgabe. Es geht darum, das Unternehmen für KI lesbar zu machen, Entscheidungen auditierbar zu halten und Wachstum über Märkte hinweg wiederholbar zu gestalten.
Zweite Vertiefung: Entscheidungen, Kontrollen und Nachweise
Die Management-Lesart von "Adobe kauft Semrush für 1,9 Mrd. USD: Bewertet wurde AI Visibility | Gravity Gründerkolumne" lautet: Der Adobe-Semrush-Deal signalisiert, dass KI-Sichtbarkeit als Infrastruktur bepreist wird. Das ist keine reine Toolfrage, sondern eine Betriebsentscheidung. Zuerst muss geklärt werden, wem die Beweisschicht gehört. Marketing kann die Initiative starten, aber betroffen sind Sales, Legal, Customer Success, Analytics, Produktmarketing und regionale Teams. Wenn diese Gruppen nicht dieselben öffentlichen Fakten freigeben, lesen KI-Systeme widersprüchliche Signale und erklären die Marke uneinheitlich.
Der zweite Punkt ist die Qualität der Nachweise. Unternehmen sollten unterscheiden zwischen Aussagen, die dauerhaft genug sind, um öffentliche Fakten zu werden, und Aussagen, die nur Kampagnensprache sind. Dauerhafte Fakten sind Leistungsgrenzen, Zielkunden, Implementierungsumfang, Preislogik, betreute Märkte, Supportzusagen, Sicherheitspositionierung und belegbare Cases. Kampagnensprache darf sich ändern; die Beweisschicht muss stabiler sein. Gerade bei AI visibility kann ein altes Fragment monatelang in KI-Antworten weiterleben.
Drittens braucht es ein realistischeres Messsystem. Die Frage ist nicht nur, ob mehr Traffic kommt. Teams müssen prüfen, ob KI-Systeme das Unternehmen erkennen, die Kategorie korrekt erklären, geeignete Alternativen vergleichen, die richtigen Seiten zitieren und Risikohinweise nicht entfernen. Ein monatliches Prompt-Sample hilft, reicht aber nicht. Besser ist die Kombination aus Crawler-Zugriff, Citation-Monitoring, Log-Analyse, Conversion-Pfaden und menschlicher Prüfung von kaufnahen Fragen.
Viertens geht es um Kontrolle. Wenn KI-Suche, Empfehlungsqualität und Marktnachweise ohne Freigabepunkte laufen, entsteht entweder blinde Automatisierung oder vollständige Blockade. Ein brauchbares Modell definiert Lesemodus, Empfehlungstest, begrenzte Schreibrechte, Budgetgrenzen, Rollback-Regeln, Audit-Logs und klare Verantwortliche. Es trennt risikoarme Änderungen wie Metadaten, FAQ und Schema von risikoreichen Änderungen wie Angebotsversprechen, regulierten Claims oder Budgetentscheidungen.
Für DACH ist zusätzlich wichtig, dass Vertrauen oft über Genauigkeit, Datenschutz, Referenzen und Nachvollziehbarkeit entsteht. Eine übersetzte US- oder globale Seite reicht selten aus. Deutsche Käufer wollen wissen, ob Implementierung, Support, Datenverarbeitung, Vertragslogik und Erfolgsmessung in ihrem Kontext belastbar sind. Diese Informationen müssen in deutscher Sprache, mit lokalen Begriffen und mit überprüfbaren Belegen vorhanden sein.
Der nächste praktische Schritt ist ein zweiwöchiger Evidenz-Sprint. Sammeln Sie zehn Fragen aus Sales-Gesprächen, Search Console, Support, Partnerfeedback und Ausschreibungen. Ordnen Sie jeder Frage die offizielle Antwort, die passende Seite, das benötigte Schema und den Beleg zu. Danach testen Sie dieselben Fragen in KI-Systemen. Die Abweichungen zeigen, ob das Problem Sichtbarkeit, Content-Architektur oder Governance ist.
FAQ
Q: Was hat Adobe für Semrush bezahlt?
A: Adobe kündigte die Übernahme am 19. November 2025 zu 12 US-Dollar je Aktie und rund 1,9 Milliarden US-Dollar Gesamtwert an. Der Abschluss erfolgte am 28. April 2026.
Q: Warum ist das für GEO relevant?
A: Adobe bewertet damit eine Daten- und Workflow-Schicht, die klassische SEO-Signale mit AI Visibility, Citations und Agentic Search verbindet.
Q: Ist GEO schon ausgereift?
A: Nein. Messung, Prompt-Sampling und Plattformdaten bleiben volatil. Trotzdem entwickelt sich GEO von einem Konzept zu einem Budgetthema.
Q: Was sollte eine Marke zuerst tun?
A: Zuerst sollten Website-Fakten, Schema, FAQ, Cases, llms.txt und Crawl-Zugänglichkeit konsistent gemacht werden.