Stellen Sie einem KI-Modell eine markenfreie Kauffrage ("bestes CRM für ein kleines Unternehmen", "welche Beratung für eine digitale Transformation") und es nennt Marken. Stellen Sie sie 3.750 Mal, über verschiedene Modelle und Wiederholungen hinweg, und Sie erhalten eine Karte, die zeigt, wem welche Frage gehört.
Diese Karte ist der Category-Ownership-Datensatz. Dieser Artikel erklärt die drei Kennzahlen, die er erzeugt, die ehrliche Überraschung in den Ergebnissen und wie Sie die 50 öffentlichen Markenprofile lesen, die darauf aufbauen. Die Daten und der Analysecode sind unter CC-BY-4.0 offen zugänglich auf Kaggle und Zenodo (10.5281/zenodo.20788142).
Der Aufbau
250 markenfreie Kauffragen aus fünf Branchen: SaaS, Beratung, Fintech, E-Commerce und Gesundheitstechnologie. Drei Modelle: GPT-5.2, Gemini 3 Flash, Perplexity sonar-pro. Jede Abfrage fünfmal wiederholt nach einem Dice-Roll-Stabilitätsprotokoll, denn eine einzelne KI-Antwort beweist nichts. Insgesamt: 3.750 Antworten, abgebildet auf 50 Marken.
Drei Kennzahlen
Category Ownership Index (COI) misst, wie umfassend eine einzelne Marke die Fragen ihrer Kategorie dominiert. EY beherrscht die Beratung mit 0,95 und erscheint in 47 von 50 Beratungsanfragen als führende Empfehlung. Stripe führt Fintech mit 0,53 an, HubSpot führt SaaS mit 0,38 an. Die Streuung ist entscheidend: Beratung verhält sich wie ein Monopol, SaaS wie ein umkämpfter Markt.
Competitive Vacuum Index (CVI) findet die Fragen, bei denen keine Marke die Vorherrschaft etabliert hat. 8,0 % des Frageraums sind Vakuum: Käuferfragen, die die KI mit allgemeinen Ratschlägen oder wechselnden Namen beantwortet. Das sind die günstigsten Fragen, die man gewinnen kann, denn wer sie gewinnt, verdrängt niemanden.
Displacement Score (DS) schätzt, wie schwer es wäre, den aktuellen Inhaber aus einer Frage zu verdrängen, basierend darauf, wie konsistent die Modelle ihn zurückgeben.
Die ehrliche Überraschung: Dominanz ist seltener, als das Narrativ behauptet
Die Erzählung vom "Winner takes all in der KI-Suche" ist im Aggregat größtenteils falsch. Die mittlere Gini-Konzentration über die Kategorien hinweg liegt bei 0,284, einem moderaten Niveau, und der Vorsprung der führenden Marke gegenüber dem Zweitplatzierten pendelt sich bei etwa 1,3:1 ein, weit unter der 3:1-Schwelle, die wir vor der Studie für echte Dominanz festgelegt hatten.
Monopole vom Typ EY sind real, aber die Ausnahme. Die typische Kategorie ist ein umkämpftes Feld mit einem moderaten Marktführer, einem langen Ausläufer und 8 % der Fragen, die niemandem gehören. Für die meisten Marken ist das eine gute Nachricht: Die Tür steht weiter offen, als der Diskurs vermuten lässt.
Zwei weitere Ergebnisse sind wissenswert: 4,2 % der Antworten bildeten emergente Cluster (von den Modellen erfundene Markengruppierungen, die zu keiner Analystentaxonomie passen), und die drei Modelle waren sich bei der Top-Marke für eine Frage nur in 41,6 % der Fälle einig. Wer Ihnen erzählt, er habe geprüft, "was die KI empfiehlt", indem er ein Modell einmal befragt hat, beschreibt Wetter, nicht Klima.
So nutzen Sie ihn
- Finden Sie Ihren COI. Wenn Ihre Marke zu den 50 gehört, zeigt Ihr Profil unter /brands, welche Fragen Ihnen gehören, wo Sie stark sind und wo Sie fehlen.
- Jagen Sie Vakuen. Die CVI-Tabellen im Datensatz listen die herrenlosen Fragen pro Branche auf. Inhalte, die eine Vakuumfrage direkt beantworten, sind die renditestärkste KI-Sichtbarkeitsarbeit, die verfügbar ist.
- Messen Sie immer nach. Bei 41,6 % modellübergreifender Übereinstimmung braucht jeder Anspruch auf Ownership mindestens drei Modelle und fünf Wiederholungen. Unser kostenloser Dice Roller führt dieses Protokoll für jede Frage aus, ganz ohne Konto.
Der Datensatz enthält Rohantworten, extrahierte Nennungen, alle drei Kennzahlmatrizen, Antwort-Embeddings und das Notebook, das jede Tabelle und Abbildung reproduziert. Der begleitende Fachartikel befindet sich in der Begutachtung durch die Fachzeitschrift; die Preprint-Materialien liegen im Zenodo-Datensatz.