Wir haben 593.181 reale, KI-generierte Käufer-Personas analysiert und ein Tool gebaut, das Ihnen die Lücke zwischen Ihrer angenommenen Zielgruppe und der von KI angenommenen Zielgruppe zeigt. Diese Lücke entscheidet darüber, ob KI Sie empfiehlt.
Die meisten Marketing-Teams arbeiten mit drei bis fünf Käufer-Personas. Diese Personas entstanden in Workshops, wurden vom Vertrieb bestätigt und anhand von CRM-Daten bestehender Kunden verfeinert. Sie fühlen sich richtig an, weil sie die Menschen beschreiben, die bereits bei Ihnen kaufen.
Doch KI-Systeme erstellen Käuferprofile nicht aus Ihrem CRM. Sie bauen sie aus dem Suchverhalten, aus Mustern des Content-Konsums und aus Signalen der Informationssuche über Millionen von Interaktionen hinweg. Und die Personas, die aus diesen Daten entstehen, sehen oft ganz anders aus als die in Ihrem Marketing-Deck.
Das ist kein theoretisches Problem. Wenn KI entscheidet, ob sie Ihre Marke als Antwort auf eine Käuferanfrage empfiehlt, gleicht sie diese Anfrage mit ihrer Vorstellung davon ab, wie Ihr typischer Käufer aussieht. Spricht Ihr Content ein Zielgruppenprofil an, während KI ein anderes erwartet, geht die Empfehlung an jemanden, dessen Content besser zum Modell der KI passt.
Der Persona Matcher wurde gebaut, um diese Lücke sichtbar zu machen. Sie geben eine URL ein oder wählen eine Branche, und das Tool zeigt Ihnen, welche Käufer-Personas die KI mit Ihrer Marke verbindet, basierend auf dem größten je veröffentlichten Datensatz zu Käufer-Personas. Drei Personas sind sofort sichtbar. Neun weitere sind hinter einer E-Mail-Erfassung freigeschaltet. Und alle stammen aus realen Daten, nicht aus Vermutungen.
Was der PersonaGen-593K-Datensatz über das Käuferverhalten verrät
Der Persona Matcher stützt sich auf PersonaGen-593K, einen Datensatz mit 593.181 KI-generierten Käufer-Personas aus 339 Branchen (25 primäre Segmente). Jede Persona umfasst Demografie, Ziele, Schmerzpunkte, Suchanfragen und unerfüllte Bedürfnisse. Die Daten wurden von Forschenden der Estonian Entrepreneurship University of Applied Sciences und von Rankfor.AI entwickelt und als peer-reviewter Beitrag in der Springer-Zeitschrift Discover Artificial Intelligence veröffentlicht.
Der Datensatz begann mit rund 40 Millionen unbearbeiteten Persona-Beschreibungen aus vier öffentlichen Datensätzen. Durch GPU-beschleunigte Deduplizierung und semantische Filterung reduzierten die Forschenden diese auf eine Million einzigartige Beschreibungen und reicherten anschließend jede mit strukturierten Verhaltensmerkmalen mithilfe großer Sprachmodelle an. Das Ergebnis ist die umfassendste Sicht darauf, was KI über Käuferverhalten in verschiedenen Branchen annimmt.
Das zeigen die Daten:
78,7 % der Käufersuchen sind informativ. Nur 4,3 % sind transaktional.
Über fast 3 Millionen Suchanfragen im Datensatz hinweg sind fast vier von fünf lernorientierte Fragen: „Wie bewerte ich X?" oder „Was sind die besten Ansätze für Y?" Nicht „X kaufen" oder „Y abonnieren".
Die verbleibenden 17 % sind kommerzielle Anfragen wie „Welchen Anbieter soll ich wählen?" Das ist die Erwägungsphase. Immer noch nicht transaktional.
Die meisten Content-Strategien verteilen 80 % der Ressourcen auf Produktseiten, Preisvergleiche und Demo-Anfragen. Das adressiert die 4,3 %. Die 78,7 % der Käufer, die noch Fragen stellen, finden oft anderswo bessere Antworten. Und wenn KI Empfehlungen ausgibt, zieht sie den Content heran, der diese Fragen klar und konkret beantwortet.
Buyer Search Intent Distribution (~3 Million Queries)
Sind Ihre Personas auf Kaufabsicht ausgerichtet und die Personas der KI auf Lernabsicht, liegt eine strukturelle Diskrepanz vor. KI empfiehlt Marken, deren Content zu den Fragen passt, die Käufer tatsächlich stellen.
Was der Persona Matcher Ihnen zeigt
Wenn Sie eine URL durch den Persona Matcher laufen lassen, werden Sie 12 Käufer-Personas aus dem PersonaGen-593K-Datensatz zugeordnet. Drei sind sichtbar. Neun erfordern eine E-Mail-Adresse zum Freischalten. Jede Persona umfasst:
Demografie: Altersspanne, Geschlecht, Marktkontext (B2B, B2C, B2B2C, B2G)
Ziele: Was sie erreichen wollen (z. B. „Zertifizierungswege verbessern", „Kosten der Kundengewinnung senken", „Operative Effizienz optimieren")
Schmerzpunkte: Was sie am meisten frustriert (z. B. „Komplexität der Tools", „Einschränkungen bei der Work-Life-Balance", „Compliance-Anforderungen")
Suchanfragen: Tatsächliche Fragen, die sie stellen (z. B. „Wie wechsle ich mit anerkannten Qualifikationen in das Instructional Design?")
Unerfüllte Bedürfnisse: Informationslücken, die Ihr aktueller Content nicht abdeckt
Das Tool funktioniert auf zwei Arten: Geben Sie eine URL ein, um Personas zu sehen, die zu Ihrem bestehenden Content passen, oder wählen Sie eine Branche, um die Standard-Personas zu sehen, die KI mit diesem Segment verbindet. Beide Ansichten zeigen, ob Ihre angenommene Zielgruppe zum Modell der KI passt.
Was Sie aus der Lücke lernen
Stimmen Ihre internen Personas und die Personas der KI überein, taucht Ihr Content wahrscheinlich in den richtigen Kontexten auf. Weichen sie voneinander ab, haben Sie ein Sichtbarkeitsproblem.
Beispiele für Abweichungsmuster, die wir beobachtet haben:
Ein Unternehmen für Enterprise-Software geht davon aus, dass sein Käufer ein VP of Engineering im Alter von 40 bis 55 ist. Die Personas der KI für diese Branche gruppieren sich um zwei Gruppen: 55 bis über 75 Jahre alte Senior-Architekten mit Fokus auf Compliance und 18- bis 25-jährige Junior-Entwickler, die grundlegende Konzepte lernen. Der Content des Unternehmens zielt auf die mittlere Kohorte, die nur 30,8 % des KI-Käufermodells ausmacht. Ergebnis: geringerer Empfehlungsanteil.
Eine Beratungsfirma geht davon aus, dass ihr Käufer ein Mid-Market-CMO ist, der strategische Orientierung sucht. Die Personas der KI zeigen 28 % kommerzielle Absicht (den höchsten Wert im Datensatz) und gruppieren sich um Schmerzpunkte rund um Kundengewinnung und Differenzierung. Der Content der Firma betont Thought Leadership und übergeordnete Strategie. KI empfiehlt Wettbewerber, deren Content Preisrahmen, ROI-Rechner und Methodenvergleiche enthält, weil das besser zu den Signalen kommerzieller Absicht passt.
Ein Anbieter von Gesundheitstechnologie geht davon aus, dass sein Käufer ein Krankenhausverwalter mit Fokus auf Kostensenkung ist. Die Personas der KI zeigen 38 % compliance-bezogenen Informationsbedarf und suchen intensiv nach Leitlinien zu Zertifizierung und evidenzbasierter Praxis. Der Content des Anbieters konzentriert sich auf operative Effizienz, ohne den regulatorischen Kontext zu adressieren. KI stuft ihn niedriger ein und bevorzugt Marken, deren Content Compliance-Bewusstsein zeigt.
Das sind keine Randfälle. Es sind Muster, die sich über Branchen hinweg wiederholen, wenn interne Personas im großen Maßstab von den Verhaltensdaten abweichen.
Fünf Dinge, die der Datensatz über Ihre Käufer verrät
1. Die meisten Käufer sind nicht in der Altersspanne, die Sie ansprechen
Der Datensatz zeigt eine bimodale Altersverteilung: 27,9 % der Personas sind 18 bis 25 Jahre alt, und 41,4 % sind 55 bis über 75 Jahre alt. Die Mid-Career-Kohorte (25 bis 55), die das meiste B2B-Marketing als Standardkäufer annimmt, macht nur 30,8 % aus.
Buyer Age Distribution: The Bimodal Reality
Nimmt Ihr Content einen 35- bis 50-jährigen Entscheider an, während die Personas der KI für Ihre Branche jünger oder älter ausfallen, passt Ihre Botschaft nicht zu den Anfragen, die KI mit Ihrer Kategorie verbindet. Diese Fehlausrichtung senkt den Empfehlungsanteil.
2. Work-Life-Balance ist der universelle Schmerzpunkt
Über alle 25 Branchensegmente hinweg trat Work-Life-Balance als dominanter Schmerzpunkt mit 107.000 Nennungen hervor. In 72 % der Branchensegmente erscheint sie unter den fünf wichtigsten Anliegen.
Das ist eine branchenübergreifende Wahrheit, die die meisten B2B-Inhalte völlig ignorieren. Marken, die die menschliche Dimension beruflicher Entscheidungen anerkennen (Zeitdruck, kognitive Belastung, konkurrierende Prioritäten), sprechen die Realität an, in der ihre Käufer leben, nicht nur die Kategorie, in der sie kaufen. KI hebt Content hervor, der die tatsächlich geäußerten Schmerzpunkte der Käufer adressiert, nicht die, die das Marketing für angemessen hält.
3. Branchenspezifische Absichtsmuster zählen
Beratungs-Personas zeigen 28 % kommerzielle Absicht (fast das Doppelte des Datensatz-Durchschnitts). Sie vergleichen aktiv Angebote, sie stöbern nicht. Content, der die Bewertung unterstützt (Preisrahmen, Methodenvergleiche, Daten zu Kundenergebnissen), übertrifft Thought Leadership.
EdTech-Personas dominieren den Datensatz mit 24,3 % des Gesamtvolumens und spiegeln die enorme Vielfalt lernorientierten Verhaltens wider. Differenzierung erfordert Konkretheit: nicht „wir helfen Menschen beim Lernen", sondern „wir helfen UX-Designern in der Lebensmitte, mit von Arbeitgebern anerkannten Qualifikationen in das Instructional Design zu wechseln".
Gesundheits-Personas zeigen 38 % compliance-bezogenen Informationsbedarf. KI-Systeme sind bei gesundheitsbezogenen Empfehlungen besonders vorsichtig. Unstrukturierter oder mehrdeutiger Gesundheits-Content wird eher niedriger eingestuft als in jedem anderen Segment.
Fertigungs-Personas gruppieren sich um operative Effizienz (29 % der Ziele) und Tool-Komplexität (24 % der Schmerzpunkte). Sie reagieren nicht auf aspirationale Botschaften. Sie wollen Implementierungsleitfäden, Integrationsdokumentation und Vergleichsmatrizen mit technischen Spezifikationen.
4. Die Geschlechterverteilung ist ausgewogen, aber nicht über alle Branchen hinweg gleich
Insgesamt zeigt der Datensatz 52,2 % weibliche, 45,4 % männliche und 2,3 % nicht-binäre Personas. Nahezu ausgewogen, aber nicht über alle Branchen hinweg gleich. Verbindet KI Ihre Branche mit einer anderen Geschlechterverteilung als Ihr Marketing annimmt, passen Ihre Botschaften und Bilder möglicherweise nicht zu den Persona-Profilen, die KI für Empfehlungen nutzt.
5. Die meisten Marken decken im Schnitt nur 1,4 von 5 Käuferbedürfnissen ab
Der Datensatz identifiziert fünf zentrale Informationsbedürfnisse pro Persona. Die meisten Marken adressieren weniger als zwei. Die im Persona Matcher gezeigten unerfüllten Bedürfnisse offenbaren Content-Lücken, die direkt den KI-Empfehlungsanteil beeinflussen.
Stellt ein Käufer eine Frage und Ihr Content beantwortet sie nicht, empfiehlt KI eine Marke, deren Content das tut. Die Liste der unerfüllten Bedürfnisse sagt Ihnen, welche Fragen Ihr Content nicht adressiert.
Warum das für KI-Sichtbarkeit zählt
KI-Systeme indexieren nicht nur Ihren Content. Sie modellieren Ihre Zielgruppe. Wenn ein Nutzer KI um Empfehlungen bittet, bewertet das System, ob Ihre Marke zum Persona-Profil passt, das es für diese Anfrage aufgebaut hat. Signalisiert Ihr Content eine Zielgruppe, während die Anfrage eine andere impliziert, geht die Empfehlung woanders hin.
Das unterscheidet sich von SEO. Suchmaschinen gleichen Keywords ab. KI gleicht Absicht, Kontext und Zielgruppenpassung ab. Sie können bei Google für „bestes CRM für kleine Unternehmen" ranken und trotzdem keine Empfehlung von KI erhalten, wenn Ihr Content Enterprise-Käufer anspricht und die Anfrage einen Solo-Gründer ohne technischen Hintergrund impliziert.
Der Persona Matcher macht diese Fehlausrichtung sichtbar, bevor sie Sie Empfehlungsanteil kostet. Er zeigt Ihnen, was KI über Ihre Käufer annimmt, damit Sie Ihre Content-Strategie entsprechend anpassen können.
Für wen dieses Tool ist
Content-Strategen: Vergleichen Sie Ihren Content-Kalender mit den Personas, die KI mit Ihrer Marke verbindet. Erkennen Sie, welche Zielgruppensegmente Sie zu wenig bedienen.
Marketing-Leiter: Prüfen Sie, ob Ihre internen Personas mit den Verhaltensdaten übereinstimmen, die KI zur Bildung von Empfehlungen nutzt. Machen Sie Lücken sichtbar, bevor sie die Sichtbarkeit beeinträchtigen.
SEO-Teams: Wechseln Sie von keyword-getriebener zu absichtsgetriebener Content-Planung. Verstehen Sie, welche Fragen Ihre Käufer stellen, die Ihr Content nicht beantwortet.
Agentur-Teams: Nutzen Sie den Persona-Abgleich als Diagnose-Tool in Kunden-Audits. Zeigen Sie Kunden die Lücke zwischen ihrer angenommenen Zielgruppe und dem KI-Modell ihrer Zielgruppe.
Was Sie bei der Nutzung des Tools erhalten
Sofort (keine Anmeldung erforderlich): Drei zugeordnete Personas mit vollständigen Daten zu Demografie, Zielen, Schmerzpunkten, Suchanfragen und unerfüllten Bedürfnissen.
Nach der E-Mail-Erfassung: Neun zusätzliche Personas für ein vollständiges Profil aus 12 Personas. Der vollständige Report enthält:
- Analyse der Persona-Vielfalt (wie vielfältig Ihre Zielgruppe laut KI ist)
- Branchen-Reifegrad-Score (wie gut Ihr Branchen-Content in KI-Systemen abschneidet)
- Persona-übergreifende Mustererkennung (welche Schmerzpunkte und Ziele sich über Ihre Zielgruppe wiederholen)
- Empfehlungen zu Content-Lücken (welche Themen Sie basierend auf unerfüllten Bedürfnissen priorisieren sollten)
Das Tool verlinkt außerdem zu zwei weiteren kostenlosen Diagnosen: dem Benchmark Calculator (vergleichen Sie Ihre KI-Sichtbarkeit mit Wettbewerbern) und dem Readiness Score (bewerten Sie die KI-Kompatibilität Ihres Contents).
So nutzen Sie die Ergebnisse
Sobald Sie Ihre zugeordneten Personas haben, gleichen Sie sie mit Ihren internen Personas ab. Achten Sie auf diese Muster:
Altersabweichung: Fallen die Personas der KI jünger oder älter aus als Ihr angenommener Käufer, passen Sie Botschaften und Bilder entsprechend an.
Absichtsabweichung: Zeigen die Personas der KI höhere informative Absicht (Lernen, Recherchieren), als Ihr Content adressiert (Produktmerkmale, Preise), verschieben Sie den Content-Mix hin zu Bildungsmaterial.
Abweichung bei Schmerzpunkten: Betonen die Personas der KI Schmerzpunkte, die Ihr Content nicht adressiert (Work-Life-Balance, Compliance, Tool-Komplexität), fügen Sie Content hinzu, der diese Realitäten anerkennt.
Lücken bei Suchanfragen: Vergleichen Sie die Suchanfragen in Ihren zugeordneten Personas mit Ihrer Content-Bibliothek. Welche Fragen beantworten Sie nicht?
Unerfüllte Bedürfnisse: Behandeln Sie die Liste der unerfüllten Bedürfnisse als priorisierte Content-Roadmap. Jedes unerfüllte Bedürfnis steht für eine Frage, die Käufer stellen und die Ihr Content nicht beantwortet. Das ist eine direkte Lücke in der KI-Sichtbarkeit.
Das Wichtigste in der Praxis
Ihre internen Personas beschreiben, wer bereits bei Ihnen kauft. Die Personas der KI beschreiben, wer in Ihrer Kategorie nach Lösungen sucht. Die Lücke zwischen diesen beiden Modellen entscheidet darüber, ob KI Sie empfiehlt, wenn Käufer nach Optionen fragen.
Diese Lücke zu schließen ist kein Problem der Content-Menge. Es ist ein Problem der Ausrichtung. Und der erste Schritt ist, zu verstehen, wie KI Ihre Käufer wahrnimmt.
Der Persona Matcher zeigt Ihnen das in drei Klicks. Keine Integration nötig. Kein technisches Setup. Nur Daten.
Gleichen Sie Ihre Personas mit dem ab, was KI über Ihre Käufer annimmt. Nutzen Sie den Persona Matcher, um Ihre angenommene Zielgruppe mit dem PersonaGen-593K-Datensatz zu vergleichen. Oder prüfen Sie Ihre gesamte KI-Sichtbarkeit mit dem Benchmark Calculator und dem Readiness Score.
Basierend auf „PersonaGen-593K: A Large-Scale Dataset of AI-Generated Buyer Personas for Consumer Information-Seeking Behavior Research" von Dmitrij Żatuchin (EUAS) und Daniil Dzemesjuk (Rankfor.AI), Preprint, eingereicht bei Springer Discover Artificial Intelligence, 2026.