SMX 2026: Diese Learnings nehmen wir mit

Die SMX 2026 hat einen starken Eindruck hinterlassen. Vibe Coding kommt immer mehr und immer stärker. Man muss kein Entwickler mehr sein, um Software zu „bauen“. GEO ist mittlerweile nicht mehr wegzudenken und Agentic Commerce geht hier Hand in Hand. Unsere Websites werden in Zukunft nicht mehr nur für Menschen gebaut, sondern auch für KI-Agents. Heute werden unsere Produkte von KI empfohlen und in der Zukunft dann auch direkt gekauft.

Das Wichtigste in Kürze

• Agentic Commerce wird real: 24% der Deutschen würden einem KI-Agent bereits ihre Kreditkarte anvertrauen.
• Branding schlägt Performance: Jes Scholz empfiehlt ein Verhältnis von 60 % Branding zu 40 % Aktivierung. Wer im Relevant Set der KI-Systeme fehlt, wird nicht empfohlen.
• KI-Content braucht Qualitätsprozesse: Gute KI-Texte entstehen nicht durch bessere Prompts allein, sondern durch systematische Prüfung und den Human in the Loop.
• Kaum Kennzeichnungspflicht: KI-generierte Inhalte sind nur in wenigen Fällen rechtlich kennzeichnungspflichtig und urheberrechtlich nicht geschützt.
• LinkedIn Ads funktionieren nur mit System: Erfolg im B2B kommt nicht vom Budget, sondern aus Zielgruppenverständnis, Testing, der Verzahnung von Paid und dem richtigen Content.

Agentic Commerce: Sind wir bereit für die Agents?

Wie konkret das bereits ist, hat Cosima Vogel in ihrem Vortrag „Ready for the Agents“ gezeigt. Was dabei wirklich überrascht hat: 24 % der Deutschen wären heute schon bereit, einem KI-Agent ihre Kreditkarte anzuvertrauen. Agentic Commerce ist also kein Zukunftsszenario mehr, sondern steht quasi vor der Tür und es gibt auch schon konkrete Schritte, die wir unternehmen können, um unsere Seiten agent-ready zu machen. Lies gerne hier weiter, wenn dich das interessiert.

Branding schlägt Performance

Damit Agents eine Marke überhaupt empfehlen können, muss sie aber erst sichtbar sein. Jes Scholz hat in ihrer Keynote „Let’s Get Grounded: Mastering Brand Visibility in an AI-Driven World“ einen Punkt besonders klar gemacht: In einer Welt, in der KI-Systeme, Suchmaschinen und Agents immer häufiger vorfiltern, welche Marken überhaupt sichtbar werden, reicht reine Aktivierung nicht mehr aus. Entscheidend ist, dass deine Marke überhaupt im Relevant Set auftaucht, idealerweise als eine der ersten, an die Menschen denken. Entsprechend empfiehlt sie, deine Ressourcen auf ein Verhältnis von 60% Branding zu 40% Aktivierung aufzuteilen.

Während Performance kurzfristige Nachfrage abschöpft, sorgt Markenarbeit für künftiges Wachstum. Wichtig ist dabei vor allem eine starke, wiedererkennbare Markenverknüpfung, etwa durch visuelle Assets, Audio-Branding, Testimonials oder eine klare Brand Voice. Denn Werbung, die Aufmerksamkeit erzeugt, aber nicht eindeutig mit der Marke verbunden wird, läuft ins Leere. Wer es dagegen schafft, echte Markenpräsenz und Bekanntheit aufzubauen, profitiert ab einem gewissen Punkt sogar davon, dass andere die Sichtbarkeit mittragen, etwa durch Berichte, Empfehlungen oder Tutorials. Als zentrale KPI empfiehlt Jes Scholz deshalb nicht nur auf Sales oder Views zu schauen, sondern stärker auf den Market Share als echten Wettbewerbsmaßstab. Sichtbarkeit allein reicht allerdings nicht. Auch die Inhalte dahinter müssen vor allem qualitativ überzeugen.

KI-Content: gut prompten reicht nicht

Unsere Trainerin Sarah hat in ihrem Vortrag klargemacht, dass KI nicht automatisch zu schlechtem Content führt, aber die Anforderungen an sauberes Arbeiten erhöht. Gute Texte bleiben auch im KI-Zeitalter vor allem eine Frage von relevantem Kontext, passender Sprache, klarer Struktur und fachlich tragfähigem Inhalt.

Sarah hatte dafür ein Qualitätsframework mitgebracht mit 12 Prüfkriterien in den drei Bereichen Sprache, Struktur und Inhalt, anhand derer KI-Texte systematisch bewertet werden können. Zum Beispiel auf Natürlichkeit, Präzision, roten Faden, Wiederholungen und fachliche Korrektheit.

Besonders wichtig war ihr Punkt, dass KI nur dann passend statt bloß plausibel schreiben kann, wenn sie ausreichend Informationen zu Zielgruppe, Marke, Format und Ziel des Textes erhält. Zentral war außerdem Sarahs Prüf- bzw. Lektorats-Prompt. Statt KI-Texte einfach nur generieren zu lassen, empfiehlt sie, die KI den fertigen Text mit einer detaillierten Checkliste prüfen zu lassen, Probleme systematisch zu benennen und nur dort Verbesserungsvorschläge zu machen, wo tatsächlich Schwächen bestehen (da die KI auch gerne mal Stellen im Text bemängelt, die eigentlich gut sind).

Dieser Prüf-Prompt basiert auf den 12 Kriterien, umfasst einen klaren Workflow, Bewertungsregeln, Konsolidierungslogik und definierte Ausgabeformate. Die Quintessenz von Sarahs Vortrag: Prompting und Prüfprozesse können Qualität stark erhöhen, aber wirklich gute KI-Texte entstehen erst im Zusammenspiel aus systematischer KI-Analyse und dem Human in the loop.

Urheberrecht bei KI-Inhalten: weniger Pflichten als gedacht

Einen damit einhergehenden Blickwinkel lieferte Martin Schirmbacher mit seinem Vortrag zum Urheberrecht bei KI-generierten Inhalten. Die zentrale Erkenntnis war, dass sehr wenige aller generierten Inhalte wirklich kennzeichnungspflichtig sind. Es liegt somit hauptsächlich am guten Willen des jeweiligen Unternehmens, ob sie ihre Inhalte gegenüber Verbraucher:innen kennzeichnen wollen. Eine Kennzeichnungspflicht greift für Texte bspw. nur dann, wenn man einen KI-Text komplett unbearbeitet übernimmt. Für Bilder greift eine Kennzeichnungspflicht, sobald KI-generierte Bilder echte Personen imitieren sollen, also sog. Deep Fakes.

Zusätzlich gilt es zu verstehen, dass KI-generierte Texte und Bilder niemandem gehören. Sie sind nicht urheberrechtlich geschützt und können von jedem frei verwendet werden.

LinkedIn Ads im B2B: Targeting schlägt Budget

Abseits der GEO und KI-Welt haben Maren Kaspers und Ines Kriebernig gezeigt, dass LinkedIn Ads im B2B-Marketing weiterhin großes Potenzial haben. Der Erfolg hängt aber nicht vom Budget allein ab, sondern vor allem von sauberer Zielgruppenarbeit, passendem Content und einer klaren Funnel-Strategie. Wer seine Zielgruppe nicht genau kennt, zahlt schnell für Streuverluste, während präzises Targeting über Lookalikes, Retargeting und insbesondere Account Based Targeting deutlich relevantere Ergebnisse liefern kann.

Gleichzeitig haben die Referentinnen aber betont, dass LinkedIn Ads nur dann wirklich wirken, wenn Paid und Content zusammengedacht werden, also Formate und Botschaften entlang echter Pain Points entwickelt werden, idealerweise auch mit Input aus Sales und bestehenden Nutzerdaten. Bei der Bewertung von Kampagnen sollte der Fokus nicht auf Vanity-Metriken wie Reichweite oder Klicks liegen, sondern auf belastbaren Business-KPIs wie ROAS, Umsatzbeitrag und Conversion-Qualität. Denn der Campaign Manager sieht zwar Plattformsignale, aber nicht, was nach der Conversion im Vertrieb passiert. Die wichtigste Erkenntnis ist damit: Erfolgreiche LinkedIn-Ads-Strategien entstehen aus einem guten Verständnis der Zielgruppe, konsequentem Testing, intelligenter Datennutzung und der Fähigkeit, Content, Targeting und Messung als zusammenhängendes System zu steuern.

MCP-Server im SEO: die technische Seite

Zum Abschluss noch ein Blick auf die technische Seite: Unser Geschäftsführer Alexander Holl hat bei seinem Vortrag zu MCP-Servern im SEO-Bereich gezeigt, wie sich die technische Infrastruktur rund um KI und Suchmaschinenoptimierung gerade weiterentwickelt.

Die kompletten Unterlagen zu Alexanders Vortrag und einen ergänzende Anleitung zur Umsetzung findest du hier.