AI Visibility · GEO-Analyse

Melitta im Spiegel generativer KI-Systeme.

Wie ChatGPT, Claude und Gemini die Marke Melitta bei Kaffee, Filtern und Kaffeemaschinen empfehlen. Geprüft gegen das Y1-GEO-Modell aus vier Pipeline-Stufen und 29 Frameworks, mit realer Messung über 7 Sprachen.

Objekt melitta.de / .com Sprachen DE · EN · FR · IT · ES · NL · PL Modelle GPT-5.5 · Claude Sonnet 4.6 · Gemini 2.5 Flash Stand Juli 2026 Y1 Digital
01 · Executive Summary

Sichtbarkeits-Führer im Heimspiel, blind bei Bohnen und im Englischen.

Melitta ist die am häufigsten genannte Marke im gesamten Test (68 % Share of Voice) und dominiert dort, wo sie die Kategorie erfand: Kaffeefilter und Filtermaschinen. Genau diese Stärke verdeckt zwei klare Lücken, die sich adressieren lassen.

Melitta organisch genannt
56%
Kaffeefilter (organisch)
100%
Vollautomaten (organisch)
44%
Bohnen / Kaffee (organisch)
12%
Englisch (organisch)
30%
Melitta führt die Share of Voice an (68 %) und ist bei Kaffeefiltern (100 %) und Filtermaschinen (75 %) die KI-Standardantwort. Zwei Lücken: Im Bohnen-/Kaffeegeschäft (12 %) besitzen Lavazza und Illy den Raum, und bei Vollautomaten (44 %) ist Melitta nur Mittelfeld hinter Philips, Jura und De'Longhi. Technisch ist die Produktseiten-Basis exzellent, aber die Auffindbarkeit ist kaputt: eine tote Sitemap-Direktive und fehlendes hreflang.
02 · Modell & Methodik

Vier Stufen statt einer Checkliste.

Klassische „AI-Readiness"-Audits prüfen eine einzige Schicht: ob eine Seite technisch zitierfähig wäre. Das Y1-GEO-Modell denkt KI-Sichtbarkeit über die gesamte Antwort-Pipeline, von dem, was ein Modell im Training gesehen hat, bis zur Marke und dem Produkt, das am Ende empfohlen wird.

Stufe 1
Pretraining-Corpus

Was das Modell über die Marke „weiß": Entität, Wikipedia, Off-Site-Signale.

Stufe 2
RAG-Retrieval

Was ein Modell live abrufen darf: Crawler-Zugang, Struktur, Sprachen.

Stufe 3
Answer-Synthesis

Wie aus Quellen eine Antwort wird: Extrahierbarkeit, Schema, Belege.

Stufe 4
Agent-Selection

Welche Marke und welches Produkt empfohlen wird: das gemessene Outcome.

Methode der Messung (transparent)

Für Stufe 4 haben wir 15 Kaufentscheider-Prompts (unbranded und branded) in 7 Sprachen über die Langdock-API an drei Mainstream-Modelle gestellt (GPT-5.5, Claude Sonnet 4.6, Gemini 2.5 Flash), 314 Antworten, bei temperature = 0. Marken- und Produkterkennung deterministisch mit Wortgrenzen und Kontextfenster (generische Namen wie „Look" oder „Solo" zählen nur mit Melitta-Bezug, um die Kollision mit der Bienengattung und dem Vornamen zu vermeiden). Roh-Antworten gespeichert. Perplexity ist über Langdock nicht verfügbar und nicht Teil der Messung.

03 · Pipeline-Scorecard

Melitta je Stufe.

Stufe 1 · Corpus
Entität
stark

Klare Entität (Wikidata Q566807), Erfinderin-Narrativ (Melitta Bentz, 1908). Kollision mit Bienengattung/Vorname.

Stufe 2 · Retrieval
Zugang
kaputt

Tote Sitemap-Direktive (sw5-Host), kein hreflang, Corporate-.com ohne robots/sitemap/Schema.

Stufe 3 · Synthesis
Struktur
stark auf PDPs

Produktseiten mit Product/Offer/Review/AggregateRating. Advisor-Funnels aber per robots gesperrt.

Stufe 4 · Selection
Empfehlung
56 % organisch

SoV-Führer, aber Bohnen (12 %) und Englisch (30 %) schwach.

04a · Detailbefund · Retrieval & Technik

Gute Produktseiten, kaputte Auffindbarkeit.

Kritischster Befund, trivialer Fix

Die Sitemap-Direktive in der robots.txt zeigt auf einen toten Host (sw5.melitta.de, Verbindung schlägt fehl). Jeder Crawler, der über die robots.txt entdeckt, wird ins Leere geschickt. Die funktionierende Sitemap unter www.melitta.de/sitemap.xml (1.123 URLs, tagesaktuell) existiert, wird aber nicht referenziert. Fix: Direktive auf die echte Sitemap zeigen lassen.

SignalBefundStatus
KI-Crawler-ZugangGPTBot, ClaudeBot, PerplexityBot, Googlebot alle 200; keine WAF-Blockadesauber
Produktseiten-SchemaRich Product + Offer + AggregateRating + Review (de + co.uk PDPs)stark
Sitemap-Direktivezeigt auf toten sw5-Host; echte Sitemap nicht referenziertkaputt
hreflangnull Alternates über das ganze ccTLD-Netz; jede Länderseite eine Inselfehlt
Corporate melitta.comkein JSON-LD, keine robots/sitemap, og:url leakt interne AEM-Pfadeschwach
Advisor-/Vergleichs-Funnelsper robots.txt gesperrt, obwohl genau das die von KI zitierten Vergleichsinhalte sindChance
04b · Detailbefund · Entität & Corpus

Starke Erfinder-Entität, mit Namensvettern.

Melitta ist als Entität hervorragend verankert (Wikidata Q566807, Gründerin Melitta Bentz, Patent auf den Papierfilter 1908). Dieses zitierfähige Narrativ ist ein Aktivposten. Zwei Kollisionen sind ein Präzisionsrisiko und wurden im Matching per Kaffee-Kontext abgefangen.

SignalBefundStatus
Wikidata / WikipediaMelitta = Q566807, starke Präsenz, ikonisches Erfindungs-Narrativ (1908)stark
Kollision Bienengattung„Melitta" ist auch eine Gattung von Bienen (Melittidae)Risiko
Kollision Vorname„Melitta" als weiblicher Vorname / HeiligennameRisiko
Abgrenzung Melitta-GroupToppits/Albal/Cofresco sind Group-, keine Kaffee-Marken-SignaleKontext
05 · AI-Visibility-Messung

Wo Melitta gewinnt, und wo nicht.

15 Kaufentscheider-Prompts, 7 Sprachen, 3 Modelle, 314 Antworten. Der Kern-Befund liegt in der Kategorie-Aufschlüsselung.

Melitta organische Nennung nach Kategorie

Kategorieorganischer AnteilWert
Kaffeefilter100 %
Filtermaschinen75 %
Vollautomaten44 %
Allgemein33 %
Bohnen / Kaffee12 %

Nach Sprache (organisch) und Produkt-Sichtbarkeit

SpracheorganischProduktAnteil
Deutsch70 %Caffeo (Vollautomat-Linie)18 %
Französisch64 %AromaFresh (Filter + Mahlwerk)13 %
Polnisch61 %Caffeo Solo11 %
Italienisch / Niederländisch58 %Original 1x4 (Filter)7 %
Spanisch52 %BellaCrema (Bohnen)7 %
Englisch30 %Look / Barista TS4 %
Belastbarer Kernbefund

Melitta ist die Standard-KI-Antwort für Kaffeefilter (100 %) und Filtermaschinen (75 %) und führt die gesamte Share of Voice an (68 %). Die Messung korrigiert dabei die reine Quellenpool-Erwartung: Bei Vollautomaten ist Melitta mit 44 % kein „Fast-Abwesender", sondern solides Mittelfeld hinter Philips, Jura und De'Longhi. Die echten Lücken sind Bohnen/Kaffee (12 %, Lavazza/Illy dominieren) und Englisch (30 %).

06 · Wettbewerbs-Kontext

Melitta führt die Share of Voice an.

Anteil der Antworten, die den Anbieter nennen (alle 314 Runs). Getragen von der Dominanz bei Filtern und Filtermaschinen liegt Melitta klar vorn; in einzelnen Kategorien (Vollautomaten, Bohnen) sieht es anders aus.

AnbieterAnteil der AntwortenKontext
Melitta68 %getragen von Filter/Filtermaschine
Philips / Saeco39 %Vollautomat-Rivale
Jura33 %Premium-Vollautomat
De'Longhi28 %Vollautomat-Marktführer im Quellenpool
Moccamaster25 %Premium-Filtermaschine, Melittas stärkster Filter-Rivale
Siemens19 %Vollautomat
Lavazza11 %besitzt zusammen mit Illy das Bohnen-Thema
Modell-Varianz

Die drei Modelle sind sich einig: Anthropic und Google nennen Melitta je 69 %, OpenAI 65 %. Die Marke ist modellübergreifend robust verankert.

07 · Maßnahmenkatalog

Von Diagnose zu Hebeln.

Die Produktseiten sind stark, deshalb liegen die größten Hebel bei Auffindbarkeit und zwei gezielten Kategorie-Lücken.

Auffindbarkeit reparierenStufe 2 · Retrieval
  • kritisch  Sitemap-Direktive korrigieren auf allen Shops (weg vom toten sw5-Host, hin zu /sitemap.xml). Trivial, sofort wirksam.
  • kritisch  hreflang über das ccTLD-Netz ausrollen, damit .de/.co.uk/.fr etc. als eine Marke erkannt werden.
  • hoch  Corporate melitta.com mit robots.txt, Sitemap und Organization/WebSite-Schema versehen, kaputte og:url beheben.
Vergleichs-Content freigebenStufe 1 bis 3
  • hoch  Advisor-/Vergleichs-Funnels aus dem robots-Disallow nehmen und als extrahierbaren Content aufbereiten (FAQ/HowTo-Schema). Genau diese Inhalte zitieren LLMs.
Bohnen und Englisch erobernStufe 1 · Corpus
  • hoch  Bohnen-/Kaffee-Autorität für BellaCrema/Auslese aufbauen (aktuell 12 %), wo Lavazza/Illy den Diskurs besitzen, besonders englischsprachig.
  • hoch  Englische Kaufberatung für Filter- und Vollautomaten-Themen, um die EN-Lücke (30 %) zu schließen.
Vollautomaten aufwertenStufe 3 · Synthesis
  • mittel  Caffeo-Linie in Vergleichs- und Ratgeber-Content stärker positionieren, um von 44 % Richtung Philips/Jura/De'Longhi aufzuschließen.
Visibility-Monitoringlaufend · Stufe 4
  • retainer  Diese Messung fortlaufend fahren (Modelle × Sprachen × Kategorien über Zeit) als Wirkungsnachweis und Frühwarnsystem.
08 · Methode & Quellen

Belastbarkeit

Technik-Befunde wurden per direktem Crawling (UA-spezifische Requests, Header-Inspektion) über melitta.de und melitta.com/.co.uk verifiziert. Entity- und Wettbewerbs-Befunde sind mit öffentlichen Quellen belegt. Die Visibility-Messung nutzt echte LLM-Calls über Langdock bei temperature = 0, 314 Antworten, alle Roh-Antworten gespeichert. Ergebnisse sind eine fundierte Momentaufnahme, kein Dauer-Monitoring.

Primärquellen (Auszug)

melitta.de/sitemap.xml · wikidata.org/wiki/Q566807 · en.wikipedia.org/wiki/Melitta_Bentz · en.wikipedia.org/wiki/Melitta_(bee) · coffeeness.de · coffeeblog.co.uk · Which? · De'Longhi / Jura / Philips / Moccamaster Produkt- und Vergleichsseiten

Y1 Digital · AI Visibility Research · 2026 Vertraulich · nur zur internen Verwendung und Kundenpräsentation