Hinweis: Für diese Untersuchung wurden englischsprachige Prompts verwendet. Bei der Nutzung deutscher Prompts weichen die Ergebnisse ab.
Zusammenfassung
Marken wie Supergoop, CeraVe und Neutrogena erreichten eine mittlere Sichtbarkeit, während weniger bekannte Marken wie COOLA vor allem durch ihre Nischenpositionierung, beispielsweise durch Bio- oder korallenschonende Inhaltsstoffe, auf sich aufmerksam machten.
Insgesamt zeigt diese Analyse, wie entscheidend es für Marken ist zu verstehen, wo sie zitiert werden, wie sie positioniert sind und welche Lücken in ihrer öffentlichen Präsenz ihre Sichtbarkeit in gängigen LLM-Modellen einschränken könnten.
Dank jahrzehntelanger klinischer Forschung und Aufklärungsinitiativen wissen die Menschen heute, wie wichtig Sonnenschutz für die Gesundheit der Haut ist. Doch welchen Marken von Sonnenschutzmitteln kann man vertrauen und welche nicht? Für eine wachsende Zahl von Konsumenten beginnt die Antwort auf diese Frage mit einem LLM-Prompt. Die daraus resultierende Auswahl an Marken kann dann als Leitfaden auf der Customer Journey zu einem vertrauensvolleren Kauf dienen.
Das geht aus unserer GenAI Lens-Analyse der LLM-Empfehlungen für den besten Sonnenschutz für das Gesicht hervor:
- Marken, die von Dermatologen empfohlen werden, dominieren diese Kategorie.
- Beauty-Redakteure, Bewertungsplattformen und medizinische Quellen gehören zu den wichtigsten Informationsquellen.
- Markeneigene Inhalte haben keinen wesentlichen Einfluss.
In diesem Blog-Beitrag erfahrt ihr, was Marken aus dem Bereich Sonnenschutz und verwandten Produktkategorien über ihre Platzierung und Darstellung in LLM-Empfehlungen wissen müssen.
Methodik: Diese Analyse basiert auf Daten von GenAI Lens zu LLM-Antworten auf die Suchanfrage „Best SPF for your face” (bester Sonnenschutz für das Gesicht), die vom 14. März bis zum 14. April 2026 über sieben LLM-Modelle hinweg erfasst wurden: Claude, Deepseek, ChatGPT, Llama, Google AI Mode, Google AI Overviews und Perplexity. Fordere eine Demo an und erfahre, wie eine AI Visibility-Analyse umsetzbare Insights für deine Branche und Marke liefern kann.
Inhalt
AI Visibility-Stufen: Welche Sonnenschutzmarken wurden von LLMs am häufigsten genannt?
Welche Sonnenschutzmarken erscheinen in welchen KI-Modellen?
Schlüsselbegriffe: Hauttyp und Make-up
Welche Quellen haben die KI tatsächlich beeinflusst?
Wichtigste Erkenntnisse: Was unsere Sonnenschutzanalyse für alle Marken bedeutet
FAQ: LLM-Empfehlungen und Sichtbarkeit von Sonnenschutzmarken
AI Visibility-Stufen: Welche Sonnenschutzmarken wurden von LLMs am häufigsten genannt?
Bei der Bewertung aller Kennzahlen – einschließlich Sichtbarkeit, Gesamterwähnungen und Erwähnungsrate – gliedert sich die Kategorie der Sonnencreme für das Gesicht in drei klar unterscheidbare Sichtbarkeitsstufen, angeführt von Marken, deren klinisch nachgewiesene Wirksamkeit eine zentrale Rolle in ihrer Markenkommunikation spielt.
Stufe 1: Die Standardantworten (60 % Sichtbarkeit)
EltaMD (60 % Sichtbarkeit, 198 Erwähnungen) und La Roche-Posay (60 %, 195 Erwähnungen) sind für die KI praktisch die Standardantworten in Sachen Sonnenschutz und tauchen in sechs von zehn Antworten auf. Ihre Führungsposition verdanken sie ihrer starken Präsenz in einflussreichen redaktionellen und klinischen Quellen (mehr dazu weiter unten), die in den Verweisen der KI stark vertreten sind.
Stufe 2: Vielversprechende Herausforderer (33–48 % Sichtbarkeit)
Supergoop (48 %, 144 Erwähnungen) , CeraVe (33 %, 88 Erwähnungen) und Neutrogena (30 %, 87 Erwähnungen) bilden eine zweite Stufe der AI Visibility, die eine grundlegende Herausforderung aufzeigt: Ein hoher Bekanntheitsgrad und eine breite Verfügbarkeit führen nicht zwangsläufig zu häufigen, prominenten LLM-Empfehlungen. In dieser Stufe tendieren die Erwähnungen in Inhalten Dritter eher zur allgemeinen Hautpflege als zu Empfehlungen für erstklassige Sonnenschutzmittel.
Stufe 3: Nischenpräsenz mit geringer Sichtbarkeit (9–23 %)
COOLA (23 %, 50 Erwähnungen), Colorescience (16 %, 36 Erwähnungen), Black Girl Sunscreen (9 %, 15 Erwähnungen), Shiseido (10 %, 11 Erwähnungen) sowie Sephora (11 %, 8 Erwähnungen) erreichten auf unsere Eingabe hin nur eine begrenzte Sichtbarkeit. Die KI erkannte jedoch spezifische Alleinstellungsmerkmale, beispielsweise die Positionierung von COOLA und Colorescience im Bereich mineralischer und korallenschonender Produkte.
Implikationen für Marken: Unabhängig von der Sichtbarkeitsstufe profitieren Marken von der Validierung durch Dritte sowie von einer klaren Differenzierung über spezifische Unterkategorien und Verwendungszwecke. Welche Marken sich durchsetzen, hängt jedoch stark vom jeweiligen LLM-Modell ab.
Welche Sonnenschutzmarken erscheinen in welchen KI-Modellen?
Die Konsumenten erhalten je nach verwendeter LLM-Plattform unterschiedliche Empfehlungen. Wie die obige Heatmap zeigt, können Sonnenschutzmarken in einem Modell eine hohe Sichtbarkeit aufweisen, während sie von anderen Modellen kaum oder gar nicht berücksichtigt werden.
DeepSeek war das Modell mit der größten Markenabdeckung.
DeepSeek zeigt durchgehend die größte Auswahl an Marken. La Roche-Posay (97 %), EltaMD (97 %), Supergoop (95 %) und Neutrogena (93 %) erreichen nahezu Maximalwerte. Dies deutet darauf hin, dass DeepSeek im Vergleich zu den anderen Modellen auf die breiteste Quellenbasis zurückgreift.
COOLA punktete bei Claude.
Die einzige LLM-Plattform, auf der COOLA eine hohe Sichtbarkeit erzielte, war Claude. Mit 80 % erreichte die Marke dort den höchsten Wert im Vergleich zu allen anderen Modellen. Dies deutet darauf hin, dass Claude stärker auf ausgewählte Drittquellen zurückgreift, darunter Fachbeiträge wie der Blogartikel „Best Face Sunscreen of 2026“ (mehr dazu weiter unten), in dem der „Classic Face Sunscreen SPF 50“ von COOLA als beste Gesamtwahl hervorgehoben wird.
Google AI Mode und Google AI Overviews lieferten unterschiedliche Empfehlungen.
La Roche-Posay (68 %), EltaMD (71 %) und Supergoop (71 %) erzielten im Google AI Mode, einer Opt-in-LLM-Funktion, hohe Sichtbarkeitswerte. Bei Google AI Overviews hingegen, die aufgrund ihres Opt-out-Charakters ein deutlich größeres Publikum erreichen, lag keine Marke über 17 %. Diese Diskrepanz zeigt, dass das kompaktere, zusammenfassende Format von AI Overviews im Vergleich zu chatbasierten Funktionen wie dem AI Mode weniger Raum für Markensichtbarkeit bietet.
Meta Llama und ChatGPT: Inkonstantes Mittelfeld
Auch bei ChatGPT und Meta Llama waren die Top-Marken zuverlässig vertreten, während die Sichtbarkeit aller weiteren Marken deutlich abfiel. Keine Marke erreichte zudem mehr als 42 % Sichtbarkeit, was darauf hindeutet, dass diese Modelle etablierte Marken gegenüber Nischen- oder Spezialprodukten bevorzugen.
Erkenntnisse: Angesichts der starken Unterschiede zwischen den einzelnen LLM-Modellen sollten Marken den Fokus auf den Aufbau konsistenter Autorität über hochwertige Drittquellen statt der Optimierung für einzelne Plattformen legen.
Schlüsselbegriffe: Hauttyp und Make-up
Die am häufigsten genannten Keywords in KI-generierten Empfehlungen für Gesichtssonnenschutzmittel zeigen, wie LLMs den Begriff „beste" in dieser Kategorie definieren. Begriffe rund um den Sonnenschutz liegen auf der Hand, aber andere wie „Make-up", „Hauttyp", „empfindliche Haut" und „Akne" verdeutlichen, wie KI-generierte Antworten „beste" durch potenzielle, personalisierte Verwendungen definieren.
Tipp: Bei LLM-Analysen, die auf eure Marke zugeschnitten sind, zeigt euch das Keyword-Widget von GenAI Lens, welche Themen ihr genauer unter die Lupe nehmen solltet. Am Beispiel von Sonnenschutzmitteln sind die nächsten Schritte die Analyse von Prompts zu konkreten Anwendungsszenarien, wie etwa das Auftragen von Sonnencreme über Make-up oder die Vorbeugung von Hautunreinheiten.
Welche Quellen haben die KI tatsächlich beeinflusst?
Von Experten verfasste Publikationen und Blogs sowie Websites des Kosmetikeinzelhandels bildeten die Top 10 der Quellen, die in den Antworten der LLMs auf unsere Suchanfrage zum Thema Sonnenschutz zitiert wurden. Markeneigene Websites fehlten gänzlich. Wie bereits in früheren Analysen beobachtet, unterstreichen diese Ergebnisse die Bedeutung, die LLMs Experten aus Nischenbereichen bei der Formulierung ihrer Empfehlungen beimessen.
Elemente wie eine fundierte Methodik, eine klare Struktur sowie eine Vergleichstabelle haben dazu beigetragen, dass sich dieser Treeline-Review-Blog als relevante Quelle für LLM-Modelle auf der Suche nach unvoreingenommenen und verlässlichen Informationen etabliert hat.
Die Website der American Academy of Dermatology war beispielsweise mit 37 Citations die drittwichtigste Quelle. Sie enthält praktische Ressourcen wie diese „FAQ zu Sonnenschutzmitteln“, in denen keine expliziten Marken genannt werden. Die Fashion-Website Who What Wear belegte dank Inhalten wie dieser gründlich recherchierten und getesteten Liste der besten Sonnenschutzmittel für das Gesicht mit 38 Citations den zweiten Platz. Darüber hinaus schreiben zwei der am häufigsten zitierten Journalistinnen für diese Publikation: Eleanor Vousden von Who What Wear UK (28 Citations) und Claire Sullivan von Footwear News/WWD (23 Citations). Die meisten KI-Citations generierte jedoch Treeline Review, eine Website für Testberichte zu Outdoor-Ausrüstung. Alle 45 Citations stammten aus einem einzigen Blogbeitrag mit dem Titel „Best Face Sunscreens of 2026“.
Bei der Bewertung der „besten“ Optionen haben Fachmedien und Branchenexperten einen größeren Einfluss auf die KI als die Inhalte auf Markenwebsites. Unabhängig von der Branche sollten Strategien zur Sichtbarkeit von Marken in der KI mit der Frage „In welchen der 100 wichtigsten Quellen, die in unserer Kategorie zitiert werden, sind wir nicht vertreten?“ beginnen und dann Schritt für Schritt rückwärts vorgehen.
Wichtigste Erkenntnisse: Was unsere Sonnenschutzanalyse für alle Marken bedeutet
Für Marken im Bereich Sonnenschutz und verwandten Kategorien bedeutet Erfolg in der KI-Suche, zu verstehen, wie Modelle Prompts interpretieren und Autorität dort aufzubauen, wo sie nach Informationen suchen. Dabei gilt:
- LLM-Empfehlungen werden durch eine Mischung unterschiedlicher Quellen geprägt. Im Fall von Sonnenschutz sorgten insbesondere Earned Media und Experteninhalte für Sichtbarkeit; Paid- und Owned-Kanäle hatten einen geringeren Einfluss.
- LLMs tendieren aufgrund ihrer Ausrichtung auf individuelle Nutzerbedürfnisse zunehmend zu Personalisierung und konkreten Anwendungsfällen bei der Definition von „beste“.
- Die maßgeschneiderten Antworten von KI-Modellen auf individuellere Suchanfragen bieten weniger bekannten Marken die Möglichkeit, sich in bestimmten Unterkategorien zu profilieren und so Sichtbarkeit zu erreichen.
In der heutigen KI-Landschaft benötigen Marken, die im Wettlauf um Sichtbarkeit erfolgreich sein wollen, einen Blick aus der Vogelperspektive.
Mithilfe von Tools wie GenAI Lens lässt sich feststellen, wo eure Marke nicht ausreichend präsent ist und was die Gründe dafür sind. Anhand dieser Insights könnt ihr anschließend eure Strategie gezielt optimieren.
FAQ: LLM-Empfehlungen und Sichtbarkeit von Sonnenschutzmarken
Welche Sonnenschutzmarken werden von LLMs am häufigsten empfohlen?
Laut der GenAI Lens-Analyse von Meltwater zu Sonnenschutzmarken werden (bei englischen Prompts) EltaMD und La Roche-Posay am häufigsten empfohlen: Sie erscheinen in rund 60 % der LLM-Antworten und sind auf mehreren KI-Plattformen die standardmäßige Antwort.
Warum bevorzugen LLMs bestimmte Sonnenschutzmarken gegenüber anderen?
Basierend auf der GenAI Lens-Analyse von Meltwater zu Sonnenschutzmarken bevorzugen LLMs Marken, die regelmäßig in renommierten externen Quellen wie dermatologischen Fachverbänden, Expertenbewertungen und redaktionellen Beauty-Publikationen erwähnt werden.
Beeinflussen Markenwebsites die Empfehlungen von LLM-Modellen zu Sonnenschutzmitteln?
Nein. Die GenAI Lens-Analyse von Meltwater zu Sonnenschutzmarken hat ergeben, dass markeneigene Websites kaum oder gar keinen Einfluss auf die Empfehlungen von LLM-Modellen haben und sich die KI-Modelle stattdessen auf unabhängige, von Experten verfasste Inhalte stützen.
Wie unterscheiden sich verschiedene LLMs bei ihren Empfehlungen zu Sonnenschutzmarken?
Die einzelnen LLM-Plattformen liefern deutlich unterschiedliche Markenempfehlungen: Während einige Modelle eine breitere Palette an Marken präsentieren, beschränken sich andere laut der GenAI Lens-Analyse von Meltwater zu Sonnenschutzmarken auf eine kleinere, homogenere Auswahl.
Welche Faktoren berücksichtigen LLMs bei der Empfehlung von Sonnenschutzmitteln für das Gesicht?
Meltwater’s GenAI Lens analysis of sunscreen brands shows that LLMs evaluate sunscreen based on use-case factors such as skin type as well as reliable information from independent, expert-led content.
Warum sind manche Sonnenschutzmarken in den LLM-Ergebnissen kaum präsent?
Die GenAI-Lens-Analyse von Meltwater zeigt, dass Marken mit geringer Sichtbarkeit in LLM-Ergebnissen in autoritativen Drittquellen selten erwähnt werden oder lediglich als Nischenprodukte und nicht als allgemeine „Top“-Empfehlungen gelten.
Wie können Sonnenschutzmarken ihre Sichtbarkeit in LLM-Empfehlungen verbessern?
Die GenAI Lens-Analyse von Meltwater zu Sonnenschutzmarken zeigt, dass eine höhere Sichtbarkeit durch eine stärkere Präsenz in Fachpublikationen, hochwertige Bewertungen durch Dritte sowie die Etablierung in bestimmten Produktnischen oder für bestimmte Anwendungen erreicht werden kann.
